基于近红外光谱的油脂中TFAs含量检测方法研究
发布时间：2022-11-01 18:19
油脂对人体来说必不可少,其质量安全尤为重要,近年来,对油脂中反式脂肪酸（TFAs）含量超标问题的关注度持续增高。油脂中的TFAs往往是在脱臭过程中产生的,但现有的TFAs检测方法存在检测速度慢、前期处理比较复杂等问题,无法达到快速现场检测的要求。近红外光谱技术便捷高效的特点适用于生产过程中的品质监控,因此,针对油脂脱臭过程中TFAs控制问题,本文提出一种基于近红外光谱分析的油脂中TFAs含量快速检测方法。制备100个不同TFAs含量的大豆油样本,利用气相色谱法测定样本TFAs含量作为标准值,近红外光谱仪扫描大豆油样本获得其谱图,然后用不同方法对光谱数据进行降噪处理,经过对比分析发现多元散射校正的去噪效果最佳;为了探讨TFAs在近红外区域的吸收特性,采用多种iPLS方法对光谱数据进行特征波段选择,优选出TFAs的特征吸收波段7258-7443/6502-6691/6120-6309cm-1,在此基础上再利用Kalman滤波算法进行特征波长变量的选择,优选出的27个TFAs的特征波长变量。采用深度信念网络（DBN）建立校正模型,通过多次对比发现,当迭代次数设置为30、...
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究目的意义
1.2 近红外分析技术概述
1.2.1 近红外光谱测量原理
1.2.2 近红外光谱分析流程
1.2.3 校正模型评价标准
1.3 国内外研究现状
1.3.1 反式脂肪酸含量检测方法的国内外现状
1.3.2 近红外光谱在油脂检测方面的国内外现状
1.4 课题来源及主要研究内容
1.4.1 课题来源
1.4.2 主要研究内容
2 光谱采集与数据处理
2.1 样本制备及化学值测定
2.2 样本近红外光谱采集
2.3 数据预处理
2.3.1 异常样本剔除
2.3.2 光谱降噪处理
2.4 本章小结
3 油脂中TFAs近红外光谱特征波长变量优选
3.1 基于多种区间偏最小二乘的TFAs特征波段选择
3.1.1 区间偏最小二乘(iPLS)
3.1.2 后向区间偏最小二乘(BiPLS)
3.1.3 组合区间偏最小二乘(SiPLS)
3.1.4 不同方法的波段选择结果及分析
3.2 基于Kalman滤波的TFAs特征波长变量优选
3.2.1 Kalman滤波原理
3.2.2 基于Kalman滤波的特征波长变量选择算法
3.2.3 基于Kalman滤波的特征波长变量选择结果及分析
3.3 本章小结
4 基于DBN的油脂中TFAs含量回归模型建立
4.1 深度信念网络(Deep Believe Net,DBN)
4.1.1 DBN模型原理
4.1.2 受限的玻尔兹曼机(RBM)
4.2 DBN回归模型参数设置
4.2.1 隐含层层数选择
4.2.2 迭代次数选择
4.2.3 隐含层节点数选择
4.3 基于DBN回归模型的建立及评价
4.3.1 DBN回归算法
4.3.2 DBN回归模型建立
4.3.3 DBN模型和PLS模型预测结果比较分析
4.4 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]Application of a PCA-DBN-based surrogate model to robust aerodynamic design optimization[J]. Jun TAO,Gang SUN,Liqiang GUO,Xinyu WANG. Chinese Journal of Aeronautics. 2020(06)
[2]基于Dropout深度信念网络的烟叶近红外光谱模型研究[J]. 张瑞,丁香乾,高政绪,宫会丽. 计算机与数字工程. 2019(02)
[3]基于深度信念网络的烟叶部位近红外光谱分类方法研究[J]. 王静,丁香乾,王晓东,韩凤,韩冬,曲晓娜. 红外与激光工程. 2019(04)
[4]改进相关系数算法在近红外光谱仪器中波段选择的应用[J]. 肖青青,向轶,许定舟,刘彤. 仪表技术. 2018(10)
[5]近红外光谱法快速测定菜籽油酸值和过氧化值波长的优化[J]. 冯燕玲,高瑀珑,周建新. 粮食与油脂. 2018(10)
[6]食用植物油中反式脂肪酸的含量研究[J]. 李双,邵仕萍,陈秀明,陈少敏. 中国检验检测. 2018(05)
[7]气相色谱检测食品中反式脂肪酸的方法分析[J]. 臧成远. 食品安全导刊. 2018(21)
[8]油脂氢化过程中催化剂对反式脂肪酸影响的研究进展[J]. 杨希,王毅梅. 现代食品. 2018(11)
[9]基于傅里叶变换红外光谱的食用油质量安全检测技术研究进展[J]. 陈佳,于修烛,刘晓丽,徐立荣,李孟俊,呼延宗尧. 食品科学. 2018(07)
[10]基于近红外光谱的食用植物油中反式脂肪酸含量快速定量检测及模型优化研究[J]. 莫欣欣,孙通,刘木华,叶振南. 分析化学. 2017(11)
硕士论文
[1]糖化血清蛋白近红外光谱分析的研究[D]. 闫怡菲.西安理工大学 2017
[2]基于THz光谱检测大豆油中反式脂肪酸含量建模方法研究[D]. 崔月.哈尔滨商业大学 2017
[3]植物油中反式脂肪酸的测定及其受热过程中的变化规律[D]. 孙慧珍.山东农业大学 2016
[4]大豆油脂酸价近红外光谱特征波长优选[D]. 葛慧芳.哈尔滨商业大学 2016
[5]FTIR技术分析食用油的水分以及反式脂肪酸含量的研究[D]. 叶建晨.浙江工业大学 2015
[6]基于SVM的大豆油脂色泽近红外光谱检测算法研究[D]. 李贵滨.哈尔滨商业大学 2013
[7]神经网络在食用油质量近红外光谱分析中的应用研究[D]. 孔庆明.哈尔滨商业大学 2012
本文编号：3699869
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究目的意义
1.2 近红外分析技术概述
1.2.1 近红外光谱测量原理
1.2.2 近红外光谱分析流程
1.2.3 校正模型评价标准
1.3 国内外研究现状
1.3.1 反式脂肪酸含量检测方法的国内外现状
1.3.2 近红外光谱在油脂检测方面的国内外现状
1.4 课题来源及主要研究内容
1.4.1 课题来源
1.4.2 主要研究内容
2 光谱采集与数据处理
2.1 样本制备及化学值测定
2.2 样本近红外光谱采集
2.3 数据预处理
2.3.1 异常样本剔除
2.3.2 光谱降噪处理
2.4 本章小结
3 油脂中TFAs近红外光谱特征波长变量优选
3.1 基于多种区间偏最小二乘的TFAs特征波段选择
3.1.1 区间偏最小二乘(iPLS)
3.1.2 后向区间偏最小二乘(BiPLS)
3.1.3 组合区间偏最小二乘(SiPLS)
3.1.4 不同方法的波段选择结果及分析
3.2 基于Kalman滤波的TFAs特征波长变量优选
3.2.1 Kalman滤波原理
3.2.2 基于Kalman滤波的特征波长变量选择算法
3.2.3 基于Kalman滤波的特征波长变量选择结果及分析
3.3 本章小结
4 基于DBN的油脂中TFAs含量回归模型建立
4.1 深度信念网络(Deep Believe Net,DBN)
4.1.1 DBN模型原理
4.1.2 受限的玻尔兹曼机(RBM)
4.2 DBN回归模型参数设置
4.2.1 隐含层层数选择
4.2.2 迭代次数选择
4.2.3 隐含层节点数选择
4.3 基于DBN回归模型的建立及评价
4.3.1 DBN回归算法
4.3.2 DBN回归模型建立
4.3.3 DBN模型和PLS模型预测结果比较分析
4.4 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]Application of a PCA-DBN-based surrogate model to robust aerodynamic design optimization[J]. Jun TAO,Gang SUN,Liqiang GUO,Xinyu WANG. Chinese Journal of Aeronautics. 2020(06)
[2]基于Dropout深度信念网络的烟叶近红外光谱模型研究[J]. 张瑞,丁香乾,高政绪,宫会丽. 计算机与数字工程. 2019(02)
[3]基于深度信念网络的烟叶部位近红外光谱分类方法研究[J]. 王静,丁香乾,王晓东,韩凤,韩冬,曲晓娜. 红外与激光工程. 2019(04)
[4]改进相关系数算法在近红外光谱仪器中波段选择的应用[J]. 肖青青,向轶,许定舟,刘彤. 仪表技术. 2018(10)
[5]近红外光谱法快速测定菜籽油酸值和过氧化值波长的优化[J]. 冯燕玲,高瑀珑,周建新. 粮食与油脂. 2018(10)
[6]食用植物油中反式脂肪酸的含量研究[J]. 李双,邵仕萍,陈秀明,陈少敏. 中国检验检测. 2018(05)
[7]气相色谱检测食品中反式脂肪酸的方法分析[J]. 臧成远. 食品安全导刊. 2018(21)
[8]油脂氢化过程中催化剂对反式脂肪酸影响的研究进展[J]. 杨希,王毅梅. 现代食品. 2018(11)
[9]基于傅里叶变换红外光谱的食用油质量安全检测技术研究进展[J]. 陈佳,于修烛,刘晓丽,徐立荣,李孟俊,呼延宗尧. 食品科学. 2018(07)
[10]基于近红外光谱的食用植物油中反式脂肪酸含量快速定量检测及模型优化研究[J]. 莫欣欣,孙通,刘木华,叶振南. 分析化学. 2017(11)
硕士论文
[1]糖化血清蛋白近红外光谱分析的研究[D]. 闫怡菲.西安理工大学 2017
[2]基于THz光谱检测大豆油中反式脂肪酸含量建模方法研究[D]. 崔月.哈尔滨商业大学 2017
[3]植物油中反式脂肪酸的测定及其受热过程中的变化规律[D]. 孙慧珍.山东农业大学 2016
[4]大豆油脂酸价近红外光谱特征波长优选[D]. 葛慧芳.哈尔滨商业大学 2016
[5]FTIR技术分析食用油的水分以及反式脂肪酸含量的研究[D]. 叶建晨.浙江工业大学 2015
[6]基于SVM的大豆油脂色泽近红外光谱检测算法研究[D]. 李贵滨.哈尔滨商业大学 2013
[7]神经网络在食用油质量近红外光谱分析中的应用研究[D]. 孔庆明.哈尔滨商业大学 2012
本文编号：3699869
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3699869.html
