鲜枣可溶性固形物的可见/近红外光谱检测模型研究

发布时间：2023-03-26 18:22

　　枣原产于我国,有着悠久的历史,凭借其优秀的食用价值和药用价值,一直深受百姓喜爱。随着生活水平的不断提高,百姓从开始的单一对外部品质的重视逐步转向对枣内外部品质共同重视。本文选取三种鲜枣(壶瓶枣、郎枣和梨枣)为对象,采用可见／近红外光谱技术对其单年、多年联合和多品种的可溶性固形物(Soluble Solid Content, SSC)进行预测判别分析。本实验中所建立各SSC检测模型及其相关特征波长,为之后相关仪器设备的开发提供了理论依据。主要研究结果和结论如下：(1)基于各单年份壶瓶枣SSC采用连续投影法(Successive Projections Algorithm, SPA)、回归系数法(Regression Coefficient, RC)和竞争自适应加权算法(Competitive Adaptive Reweighted Sampling, CARS)进行特征波长的提取。三种特征波长提取方法所提取的特征波长同全波长(Full Spectrum, FS)相比,均大幅减少了数据量,提高了运算效率,且每一年采用不同方法所提取的特征波长间均有部分重复。结果表明,虽然各提取方法不同,但所...

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
第一章 绪论
    1.1 研究背景
    1.2 国内外研究近况
    1.3 国内外研究存在的问题
    1.4 论文的主要研究内容和技术路线
    1.5 本章小结
第二章 实验材料、实验设备及研究方法
    2.1 实验材料
    2.2 实验设备
        2.2.1 光谱数据采集设备
        2.2.2 可溶性固形物(SSC)含量采集设备
    2.3 实验数据处理方法
        2.3.1 特征波长提取方法
        2.3.2 建模方法
    2.4 本章小结
第三章 基于Vis/NIRS的壶瓶枣单年份的SSC含量检测模型
    3.1 实验材料与数据采集
        3.1.1 实验材料
        3.1.2 SSC指标的采集
    3.2 2013年壶瓶枣SSC含量检测模型
        3.2.1 异常样本的剔除和校正集预测集的划分
        3.2.2 特征波长的提取
        3.2.3 2013壶瓶枣SSC含量检测模型的建立及判别效果
    3.3 2014年壶瓶枣SSC检测模型
        3.3.1 异常样本的剔除和校正集预测集的划分
        3.3.2 特征波长的提取
        3.3.3 2014壶瓶枣SSC含量检测模型的建立及判别效果
    3.4 2015年壶瓶枣SSC检测模型
        3.4.1 异常样本的剔除和校正集预测集的划分
        3.4.2 特征波长的提取
        3.4.3 2015壶瓶枣SSC含量含量检测模型的建立及判别效果
    3.5 本章小结
第四章 基于Vis/NIRS的壶瓶枣多年份的SSC检测模型
    4.1 各联合模型校正集和预测集的划分
    4.2 2013-2014年壶瓶枣SSC联合检测模型
        4.2.1 CARS特征波长的提取
        4.2.2 2013-2014年壶瓶枣SSC含量联合模型的建立及判别效果
    4.3 2014-2015年份的壶瓶枣SSC联合检测模型
        4.3.1 CARS特征波长的提取
        4.3.2 2014-2015年壶瓶枣SSC含量联合模型的建立及判别效果
    4.4 2013-2015年份的壶瓶枣SSC联合检测模型
        4.4.1 CARS特征波长的提取
        4.4.2 2013-2015年壶瓶枣SSC含量联合模型的建立及判别效果
    4.5 2013-2014-2015年份的壶瓶枣SSC联合检测模型
        4.5.1 CARS特征波长的提取
        4.5.2 2013-2014-2015年壶瓶枣SSC含量联合检测模型的建立及判别效果
    4.6 本章小结
第五章 基于Vis/NIRS的不同品种枣SSC含量的联合检测模型
    5.1 实验材料与数据采集
        5.1.1 实验材料
        5.1.2 光谱数据的采集
        5.1.3 SSC指标的采集
    5.2 郎枣SSC含量联合检测模型
        5.2.1 异常样本的剔除和校正集预测集的划分
        5.2.2 CARS法特征波长的提取
        5.2.3 2014-2015年郎枣SSC含量联合模型的建立及判别效果
    5.3 梨枣SSC含量联合检测模型
        5.3.1 异常样本的剔除和校正集预测集的划分
        5.3.2 CARS法特征波长的提取
        5.3.3 2014-2015年梨枣SSC含量联合模型的的建立及判别效果
    5.4 本章小结
第六章 结论与展望
    6.1 主要研究结论
    6.2 主要创新点
    6.3 进一步研究展望
参考文献
Abstract
攻读硕士期间科研工作情况及发表的论文
致谢



本文编号：3771462