多光谱食品品质检测技术与信息处理研究PDF|Epub|txt|kindle电子书版本网盘下载

多光谱食品品质检测技术与信息处理研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 光谱技术概述1

1.1.1 光谱技术的起源1

1.1.2 光谱技术的主要应用领域1

1.1.3 光谱技术的应用特点2

1.2 光谱技术在食品品质检测中的应用现状2

1.2.1 光谱技术在农药残留检测中的应用现状2

1.2.2 光谱技术在食用植物油品质检测中的应用现状7

1.2.3 光谱技术在面粉品质检测中的应用现状8

1.3 完成的相关科学研究项目概况9

1.4 本书主要内容概述10

参考文献11

第2章 光谱分析技术基础13

2.1 光谱分析理论基础及技术特点13

2.1.1 近红外光谱技术13

2.1.2 傅里叶变换红外光谱衰减全反射技术15

2.1.3 拉曼散射光谱技术16

2.1.4 紫外-可见光分光光度法17

2.2 光谱分析流程17

2.3 常规光谱预处理方法18

2.3.1 中心化18

2.3.2 平滑法19

2.3.3 导数法20

2.3.4 标准正态变量变换法20

2.3.5 去趋势法21

2.3.6 多元散射校正21

2.3.7 小波变换21

2.3.8 连续投影算法22

2.3.9 正交信号校正22

2.4 典型校正模型建立方法23

2.4.1 MLR法23

2.4.2 PCR法23

2.4.3 PLS法24

2.4.4 BP神经网络26

2.4.5 SVM26

2.5 光谱模型评价指标29

2.6 光谱仪器介绍30

2.6.1 红外光谱仪30

2.6.2 拉曼光谱仪31

2.6.3 紫外光谱仪32

2.7 小结33

参考文献33

第3章 农药残留检测方法及光谱仪概述37

3.1 农药残留检测方法介绍37

3.1.1 色谱法37

3.1.2 光谱法38

3.1.3 酶抑制法38

3.1.4 酶联免疫法39

3.1.5 生物传感器检测法39

3.1.6 发光菌检测法39

3.2 光谱仪设备概述40

3.3 小结40

参考文献41

第4章 基于近红外光谱技术的农药残留检测方法研究42

4.1 简介42

4.2 基于近红外光谱的农药溶液定量分析方法研究42

4.2.1 样本制备及光谱采集42

4.2.2 基于近红外光和PLS法的农药溶液定量分析方法研究43

4.2.3 基于近红外光和BP神经网络的农药溶液定量分析方法研究47

4.3 基于近红外光谱的萝卜农药残留（毒死蜱）检测方法研究50

4.3.1 样本制备及光谱采集50

4.3.2 基于近红外光和PLS法的萝卜农药残留检测方法研究51

4.3.3 基于近红外光和BP神经网络的萝卜农药残留检测方法研究52

4.4 基于近红外光HSI技术的皇冠梨农药残留无损检测方法研究52

4.4.1 样本制备及高光谱采集53

4.4.2 光谱特征提取54

4.4.3 基于BP神经网络的皇冠梨农药残留（毒死蜱）检测方法研究54

4.4.4 基于BP神经网络的皇冠梨农药残留（炔螨特）检测方法研究56

4.5 小结56

参考文献57

第5章 基于ATR-FTIR光谱技术的农药残留检测方法研究58

5.1 简介58

5.2 基于ATR-FTIR的农药溶液定量分析方法研究58

5.2.1 基于FFIR峰高和峰面积的农药溶液定量分析方法研究58

5.2.2 基于FTIR和PLS的农药溶液定量分析方法研究62

5.2.3 基于FTIR和BP神经网络的农药溶液定量分析方法研究65

5.3 基于ATR-FTIR的萝卜农药残留（毒死蜱）检测方法研究67

5.3.1 基于FTIR峰高和峰面积的萝卜农残检测方法研究67

5.3.2 基于FTIR和PLS的萝卜农残检测方法研究69

5.3.3 基于FTIR和BP神经网络的萝卜农残检测方法研究70

5.4 小结71

参考文献71

第6章 基于SERS光谱技术的农药残留检测方法研究72

6.1 简介72

6.2 SERS光谱技术中不同表面增强剂效果的研究72

6.2.1 基于金、银基底的SERS光谱分析72

6.2.2 基于金、银基底的SERS光谱建模分析73

6.3 SERS光谱技术中QuEChERS样本前处理的研究75

6.3.1 无样本前处理的SERS分析及建模75

6.3.2 基于QuEChERS的样本前处理的SERS分析及建模77

6.4 基于SERS光谱技术的苹果农药残留定量检测方法研究78

6.4.1 基于SERS光谱和PLS法的苹果农药残留定量检测方法研究78

6.4.2 基于SERS光谱和SPA的苹果农药残留定量检测方法研究80

6.4.3 基于SERS光谱和BP人工神经网络的苹果农药残留定量检测方法研究80

6.5 基于SERS光谱技术的苹果多农药残留的定性及定量分析81

6.5.1 样本制备及数据采集81

6.5.2 基于判别分析的不同农药定性分析83

6.5.3 基于距离匹配的不同农药定性分析83

6.5.4 多农药残留定量分析86

6.5.5 国标检测方法对比结果88

6.6 小结89

参考文献89

第7章 二嗪农多类光谱敏感性研究比较分析92

7.1 简介92

7.2 实验材料92

7.3 二嗪农的4类光谱分析92

7.3.1 二嗪农近红外光谱分析92

7.3.2 二嗪农中红外光谱分析94

7.3.3 二嗪农SERS光谱分析94

7.3.4 二嗪农紫外光谱法检测97

7.4 小结98

参考文献99

第8章 多光谱技术在食用植物油安全品质检测中的应用研究100

8.1 简介100

8.2 基于近红外光谱技术的食用油安全品质检测方法研究100

8.2.1 基于聚类分析的食用油种类鉴别方法研究100

8.2.2 基于SVM的花生油掺伪检测方法研究104

8.3 基于ATR-FTIR光谱技术的食用油安全品质检测方法研究109

8.3.1 基于ELM的芝麻油掺伪检测方法研究109

8.3.2 基于ELM的芝麻油制假检测方法研究113

8.4 基于拉曼光谱技术的食用油安全品质检测方法研究116

8.4.1 基于PLS-LDA法的食用油种类鉴别方法研究116

8.4.2 基于距离匹配法的食用植物油掺伪检测方法研究119

8.4.3 食用植物油中的外源性动物油脂检测方法研究123

8.5 小结127

参考文献127

第9章 多光谱技术在食用油营养及理化品质检测中的应用研究131

9.1 简介131

9.2 基于近红外光谱技术的食用油脂肪酸检测方法研究131

9.2.1 实验材料与光谱采集131

9.2.2 基于窗口移动的PLS法介绍132

9.2.3 食用油油酸近红外光特征谱区筛选与模型优化方法研究132

9.2.4 食用油亚油酸近红外光特征谱区筛选与模型优化136

9.2.5 食用油硬脂酸近红外光特征谱区筛选与模型优化140

9.2.6 食用油棕榈酸近红外光特征谱区筛选与模型优化145

9.3 基于拉曼光谱技术的食用油脂肪酸检测方法研究149

9.3.1 实验材料与光谱采集149

9.3.2 拉曼特征谱区筛选149

9.3.3 食用油油酸拉曼特征谱区筛选及模型优化149

9.3.4 食用油亚油酸拉曼特征谱区筛选及模型优化151

9.3.5 食用油硬脂酸拉曼特征谱区筛选及模型优化152

9.3.6 食用油棕榈酸拉曼特征谱区筛选及模型优化154

9.4 基于多光谱技术的芝麻油酸值检测方法研究155

9.4.1 实验材料155

9.4.2 光谱采集155

9.4.3 基于近红外光谱的芝麻油酸值定量分析157

9.4.4 基于中红外光谱的芝麻油酸值定量分析158

9.4.5 基于拉曼光谱的芝麻油酸值定量分析158

9.5 基于多光谱技术的食用油酸值和过氧化值检测方法研究159

9.5.1 实验材料与光谱采集159

9.5.2 光谱模型比较分析159

9.6 基于近红外-中红外光谱融合技术的食用油酸值和过氧化值的定量模型探索研究161

9.6.1 实验材料与光谱采集161

9.6.2 近红外-中红外的光谱融合161

9.6.3 近红外-中红外融合光谱的酸值定量分析结果161

9.6.4 近红外-中红外融合光谱的过氧化值定量分析结果161

9.6.5 单一光谱与融合光谱方法的模型结果分析161

9.7 小结163

参考文献163

第10章 多光谱技术在小麦粉品质检测中的应用研究167

10.1 简介167

10.2 小麦粉品质的常规检测方法介绍167

10.3 基于近红外光谱技术的小麦粉品质检测方法研究168

10.3.1 实验材料与光谱采集169

10.3.2 基于近红外光全光谱的小麦粉品质检测方法研究169

10.3.3 基于遗传算法的小麦粉品质近红外光模型优化方法研究174

10.3.4 基于模拟退火算法的小麦粉品质近红外光模型优化方法研究181

10.4 基于ATR-FTIR光谱的小麦粉种类鉴别方法研究185

10.4.1 实验材料与光谱采集186

10.4.2 光谱预处理186

10.4.3 异常样本剔除187

10.4.4 基于SVM的小麦粉种类鉴别模型的建立与测试188

10.5 小结188

参考文献188

第11章 多光谱技术在淀粉种类鉴别中的应用190

11.1 简介190

11.2 淀粉种类鉴别的研究现状191

11.3 基于近红外光谱的淀粉种类快速鉴别方法研究192

11.3.1 实验材料与光谱采集192

11.3.2 基于聚类分析的淀粉种类鉴别模型建立与分析193

11.4 基于中红外光的淀粉种类快速鉴别方法研究197

11.4.1 实验仪器、材料及光谱采集197

11.4.2 聚类分析模型的建立198

11.4.3 对样本进行预测分析198

11.4.4 本节小结201

11.5 基于拉曼光谱的淀粉种类快速鉴别研究201

11.5.1 拉曼光谱的定性分析方法201

11.5.2 实验材料与光谱采集202

11.5.3 基于判别分析法的淀粉种类建模分析203

11.5.4 基于距离匹配法的淀粉种类建模分析206

11.6 小结209

参考文献209

第12章 多光谱技术在茶叶品质检测中的应用研究211

12.1 简介211

12.1.1 茶叶产地及新旧鉴别的研究背景211

12.1.2 茶叶产地及新旧鉴别的研究现状212

12.2 基于多光谱技术的新、老茶叶鉴别方法研究216

12.2.1 实验材料与光谱采集216

12.2.2 基于近红外光谱的新、老茶叶鉴别模型建立与分析218

12.2.3 基于中红外光谱的新、老茶叶鉴别模型建立与分析221

12.3 基于多光谱技术的茶叶产地快速鉴别方法研究224

12.3.1 实验材料与光谱采集224

12.3.2 基于近红外光谱的茶叶产地鉴别模型建立与分析226

12.4 小结229

参考文献229

第13章 HSI技术在食品品质检测中的应用研究231

13.1 HSI技术在食品品质检测分析中的应用概述231

13.1.1 HSI技术在食品品质检测应用中的发展现状231

13.1.2 HSI技术原理232

13.1.3 HSI检测系统的构成233

13.2 HSI检测系统中的图像处理方法233

13.2.1 HSI检测系统中的图像处理基本流程234

13.2.2 高光谱图像的特征提取方法234

13.2.3 HSI检测系统中的分类与预测方法235

13.3 深度学习在HSI检测系统中的应用237

13.3.1 深度学习概述237

13.3.2 基于深度学习的高光谱数据分类245

13.3.3 CNN在高光谱数据分类中的实验247

13.4 小麦不完善粒高光谱检测分类的应用实例248

13.4.1 材料与方法249

13.4.2 结果分析250

13.5 小结252

参考文献252

第14章 结论和展望254

14.1 结论254

14.2 展望255

附录256

附录A 近红外光谱采集步骤256

附录B 中红外光谱采集步骤256

附录C 表面增强拉曼散射光谱采集步骤257

附录D 紫外光谱采集步骤257