导读:本文包含了近红外检测仪论文开题报告文献综述及选题提纲参考文献，主要关键词:鲜切猕猴桃片,近红外光谱,冷藏,微生物污染水平
近红外检测仪论文文献综述
闫思雨,寇婕妤,张茜,张敏,周媛媛[1]（2019）在《冷藏鲜切猕猴桃片微生物污染的近红外检测》一文中研究指出微生物污染水平是衡量鲜切猕猴桃片冷藏过程中品质优劣的关键指标之一.本研究首先根据《食品安全国家标准食品微生物学检验菌落总数测定》GB 4789.2-2016分析了4℃冷藏过程中鲜切猕猴桃片菌落总数的变化规律;然后通过傅里叶变换近红外光谱仪对4℃冷藏过程中鲜切猕猴桃片进行光谱扫描;最后采用偏最小二乘回归(PLSR)方法建立4℃冷藏过程中鲜切猕猴桃片微生物污染水平快速检测的近红外模型.在模型建立过程中,具体分析近红外光谱最优预处理、特征波段优选等问题,最终实现对鲜切猕猴桃片4℃冷藏过程中微生物污染水平进行可靠的实时动态监控.研究结果表明:4℃冷藏6天后鲜切猕猴桃片菌落总数值达到5.46±0.03 lg(CFU/g),开始腐败变质;近红外光谱波数范围在9 403.2～4 246.5 cm~(-1)内,应用PLSR结合减去一条直线预处理方法得到的快速检测模型预测效果最佳,R_P~2=95.81,RMSE_P=0.389,RPD=4.7.(本文来源于《陕西科技大学学报》期刊2019年05期）
杜宇君,李文霞,王华平,韩熹[2]（2019）在《纤维织物在线近红外检测影响因素探究》一文中研究指出利用自行研制的"纤维制品主体组分高效识别与分拣装置"探讨了织物测试厚度、设备运行速度、扫描积分时间及扫描次数等因素对设备在线近红外检测的影响,并将常见织物的在线近红外谱图与光栅型近红外仪测得的离线谱图进行了比较。研究结果表明:每类织物的在线近红外谱图的分辨率虽有所降低,但均存在明显的特征吸收峰,且采集的谱图重复性良好。因此,该设备可用于纤维织物的在线识别与分拣。其最佳检测条件为:对于经纬密度紧密的机织物样品,测试厚度应在1 mm以上,对于疏松的针织物样品,测试厚度应在2.5 mm以上,设备运行速度以低速(0.41 m/s)为佳,扫描积分时间1 ms,扫描次数10次。所得检测条件为后续纤维织物的在线检测提供了参考依据。(本文来源于《分析测试学报》期刊2019年10期）
李静,陆建中,童玉凤,芦归娟[3]（2019）在《近红外检测技术在兽药原辅料检测中的应用》一文中研究指出利用近红外漫反射光谱快速测定玉米淀粉、玉米、黄豆、黄豆饼粉、玉米蛋白粉、鱼粉、棉籽饼粉的水分、蛋白质、灰分、酸价、粗脂肪。采用偏最小二乘方(PLS)回归,建立测量光谱与玉米淀粉、玉米、黄豆、黄豆饼粉、玉米蛋白粉、鱼粉、棉籽饼粉主要成分浓度间的预测模型,并对其预测重复性进行研究,保证快速检测法的有效性和可行性。该法同传统手工实验方法相对比,它的分析越发的简便快速、结果也更加的准确,将促使检测效率得到显着的提高。(本文来源于《化工管理》期刊2019年29期）
刘红梅,肖正午,申涛,蒋鹏,单双吕[4]（2019）在《稻米直链淀粉含量近红外检测模型的建立》一文中研究指出以147份南方籼稻品种或组合的稻米为供试材料,利用偏最小二乘法(PLS),通过不同波长和不同预处方式建立稻米直链淀粉含量的近红外分析模型。结果表明:全谱段(950～1 650 nm)建模效果最好,其相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.947 7,1.162 3、0.700 2;采用多元散射校正法(MSC)法对全谱图进行预处理的效果较好,优化后的模型相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.981 9、0.100 9、0.6831,其相对分析误差(PRD)为3.6;将稻米直链淀粉含量的近红外光谱预测值与化学值进行配对T检验,P=0.356>0.05(置信区间为95%),表明近红外光谱法与化学分析法得到的检测结果无显着差异,即应用近红外光谱快速检测稻米直链淀粉含量是可行的。(本文来源于《湖南农业大学学报(自然科学版)》期刊2019年02期）
张冬妍,蒋大鹏,周宝龙,曹军,赵思琦[5]（2019）在《依据流形学习的局部线性嵌入对红松子品质近红外检测》一文中研究指出根据红松子品质检测方面技术缺失的现状,提出了运用近红外技术建立松子光-化学模型的解决办法;在对比流形学习有效保留高维数据的低维特征的优势和近红外传统降维方法主成分分析对非线性结构不敏感问题后,提出了具有能够捕捉高维空间中低维流形功能的局部线性嵌入-高斯过程(LLE-GP)方法,用于解决传统线性主成分分析(PCA)方法可能损失有用信息的缺陷;使用变量标准化(SNV)与Savitzky-Golay平滑方法进行预处理后,使用局部线性嵌入-高斯过程方法对数据进行分类建模。运用近红外光谱仪采集的松子数据,对这一算法进行验证,结果表明:局部线性嵌入-高斯过程分类模型,可以良好的使用在品质检测分类建模中。(本文来源于《东北林业大学学报》期刊2019年06期）
张建辉,刘成忠[6]（2019）在《水果品质近红外检测技术研究进展》一文中研究指出从技术功能上来说,近红外检测技术有着高效、无损品质和工作快速的特点。水果品质检测的技术要求严格,应用该技术可以避免损害水果本身的质量。从这一点来说该技术在未来的发展前景上有着可塑的展望和研究发展。本文从近红外检测技术的发展趋势和目前的研究报告着重论述,也针对如今的水果产业发展现状进行了探讨,并将两者结合起来对该技术所存在的问题及可能存在的问题进行全面的分析和研究。(本文来源于《农家参谋》期刊2019年07期）
李卓,张棋,张雄峰,张启明,何宽信[7]（2019）在《江西烤烟淀粉近红外检测模型的建立》一文中研究指出【目的】传统的碘显色法检测淀粉含量需要复杂耗时的前处理和实验准备,近红外检测手段不仅操作简单、检测快速,且不损耗试剂、样品、标准品,大大降低了检测成本,旨在以江西烤烟样品为依托,建立一种适用于江西烤烟的淀粉近红外检测模型。【方法】收集了来自江西21个区县共650个烤烟样品的近红外光谱和对应的连续流动分析仪检测数据(碘显色法),将光谱数据和化学分析数据一一对应,使用不同的回归方法和数据处理方法进行建模,通过比较它们的均方根误差和相关系数确定最佳的模型参数。【结果】建立了适用于江西烤烟的淀粉含量预报模型,校正均方根误差和预测均方根误差分别达到0.407、0.490,相关系数为96.52%,并用外部样品对模型进行了验证,95%的样品误差在10%以内。【结论】该模型可用于快速检测江西烤烟样品中的淀粉含量,并可在一定程度上取代传统的碘显色测淀粉法,降低了检测成本,提高了分析效率。(本文来源于《广东农业科学》期刊2019年03期）
牛晓颖,邵利敏,焦慎江,李晓灿,赵志磊[8]（2019）在《基于支持向量回归的驴肉脂肪和蛋白质近红外检测模型优化》一文中研究指出驴肉的脂肪含量低、蛋白质含量高,是一种营养价值较高的食用肉类.选择了40个不同个体和不同部位的驴肉鲜肉样品,采集了样品在4 000～12 500 cm~(-1)光谱的近红外漫反射光谱,并使用索氏提取法和凯氏定氮法分别检测了样品的脂肪和蛋白质参考数据.分别使用主成分分析和偏最小二乘回归对肉块和肉糜2种类型的样品光谱数据进行了压缩,结合支持向量回归算法分别建立了驴肉脂肪和蛋白质的定量模型,并与偏最小二乘回归模型进行了性能比较,发现肉糜光谱使用主成分分析降维结合支持向量回归算法所建立的驴肉脂肪模型,以及肉块光谱使用偏最小二乘回归降维结合支持向量回归算法所建立的驴肉蛋白质模型定量结果最优,其交叉验证均方根误差和相对预测误差分别达到了0.058%、14.69以及0.111%、14.39.结果表明,近红外光谱结合主成分分析或偏最小二乘回归降维以及支持向量回归算法所建立的模型预测精度较高,可对驴肉的脂肪和蛋白质含量进行可靠的检测.(本文来源于《河北大学学报(自然科学版)》期刊2019年01期）
牛晓颖,邵利敏,赵志磊,焦慎江,李晓灿[9]（2019）在《鲜肉中不饱和脂肪酸近红外检测方法优化》一文中研究指出不饱和脂肪酸是鲜肉脂肪的基本组成成分,其种类和含量直接影响鲜肉的风味和品质。不同于用时长,破坏样品的气相色谱法,近红外分析可快速,无损地对鲜肉中不饱和脂肪酸进行定量检测。选取了驴肉,牛肉,羊肉和猪肉鲜肉样品共63个,在4 000～12 500cm-1波段上,分别采集了肉块样品和粉碎口径3mm的肉糜样品在5,10,15,20,25,30,35℃下的近红外漫反射光谱,并使用气相色谱法作为参考检测了样品的不饱和脂肪酸含量。为优化模型性能,比较了不同温度下肉块和肉糜样品全波段光谱的棕榈油酸、亚油酸、油酸、二十四碳一烯酸和总不饱和脂肪酸的偏最小二乘模型参数,发现棕榈油酸和总不饱和脂肪酸的5℃肉糜光谱模型,亚油酸的35℃和油酸的25℃肉糜光谱模型,以及二十四碳一烯酸的15℃肉块光谱模型较佳,且温度对模型的影响不具有明显的规律性。在较佳模型的基础上,分别以220,440,881和1 762个变量为窗口区间,使用前向和反向区间偏最小二乘法对波长进行了优选,发现棕榈油酸、亚油酸、油酸和总不饱和脂肪酸以220个变量作为窗口的反向区间偏最小二乘模型,以及二十四碳一烯酸以440个变量为窗口的前向区间偏最小二乘模型较佳,且预测性能均优于全波段PLS模型。其中棕榈油酸的建模波段为:4 425～4 636,4 849～5 272,5 486～5 696.7,7 398.6～7 818,8 031.1～8 666.5,9 947～10 363.6,12 495.5～12 498.4cm-1;亚油酸的建模波段为:4 000.6～4 423.9,5 273.4～5 698.6,7 398.6～9 090.8,10 576.7～10 787.8,12 495.5～12 498.4cm-1;油酸的建模波段为:4 000.6～4 423.9,4 637～4 848.2,7 398.6～8 242.3,8 455.4～9 090.8,9 947～10 787.8,12 495.5～12 498.4cm-1;二十四碳一烯酸的建模波段为:4 849.1～5 272.4cm-1;总不饱和脂肪酸的建模波段为:4 000.6～4 423.9,4 637～5 698.6,9 097.5～9 515.1,9 940.3～10 575.7,11 646～12 060.6,12 273.7～12 498.4cm-1。使用偏最小二乘法对优选波长光谱数据进行降维,利用得到的潜在变量作为各指标最小二乘-支持向量机模型的输入,并和各指标的区间偏最小二乘模型进行了性能的比较,发现最小二乘-支持向量机模型的各指标定量结果最优。棕榈油酸、亚油酸、油酸、二十四碳一烯酸和总不饱和脂肪酸最优模型的校正集相关系数和均方根误差,以及留一交叉验证相关系数,均方根误差及相对预测误差分别为:0.974,1.403mg·(100g)-1,0.973,1.428mg·(100g)-1,4.31;0.99,2.233 mg·(100g)-1,0.99,2.263 mg·(100g)-1,7.21;0.982,8.194mg·(100g)-1,0.982,8.223mg·(100g)-1,5.19;0.921,0.224mg·(100g)-1,0.92,0.225mg·(100g)-1,2.52;0.996,24.21mg·(100g)-1,0.995,26.045mg·(100g)-1,10.01。其中,亚油酸、油酸和总不饱和脂肪酸最优模型的交叉验证相对预测误差超过5,棕榈油酸最优模型的交叉验证相对预测误差接近5,二十四碳一烯酸的交叉验证相对预测误差接近3,各指标最优模型的预测性能较为令人满意。研究结果表明,波段优选,偏最小二乘降维以及最小二乘-支持向量机算法的结合可对鲜肉中单个不饱和脂肪酸及总不饱和脂肪酸指标的近红外光谱定量结果进行有效的优化。(本文来源于《光谱学与光谱分析》期刊2019年02期）
魏勇,王德志,何宏,杨一鸣,王小龙[10]（2019）在《近红外检测分析仪在玉米青贮质量检测的应用》一文中研究指出随着现代化奶牛精准营养的需要,为了确保牛奶质量和保障奶牛养殖的健康,提高饲料转化效率,充分发挥新疆在苜蓿干草、全株玉米青贮等奶牛优质饲草料种植的资源优势,实现优质优价,借助近红外检测分析仪在玉米青贮收储过程中实现地头质量检测,通过干物质、蛋白质、淀粉、 ADF、 NDF等营养指标进行检测数据分析,能让牧场收购优质的饲草料,同时对数据进行储存,为不同牛群不同阶段的奶牛养殖提供准确、翔实的科学营养数据,为牧场实现高效健康养殖奠定基础。(本文来源于《中国畜禽种业》期刊2019年01期）
近红外检测仪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用自行研制的"纤维制品主体组分高效识别与分拣装置"探讨了织物测试厚度、设备运行速度、扫描积分时间及扫描次数等因素对设备在线近红外检测的影响,并将常见织物的在线近红外谱图与光栅型近红外仪测得的离线谱图进行了比较。研究结果表明:每类织物的在线近红外谱图的分辨率虽有所降低,但均存在明显的特征吸收峰,且采集的谱图重复性良好。因此,该设备可用于纤维织物的在线识别与分拣。其最佳检测条件为:对于经纬密度紧密的机织物样品,测试厚度应在1 mm以上,对于疏松的针织物样品,测试厚度应在2.5 mm以上,设备运行速度以低速(0.41 m/s)为佳,扫描积分时间1 ms,扫描次数10次。所得检测条件为后续纤维织物的在线检测提供了参考依据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
近红外检测仪论文参考文献
[1].闫思雨,寇婕妤,张茜,张敏,周媛媛.冷藏鲜切猕猴桃片微生物污染的近红外检测[J].陕西科技大学学报.2019
[2].杜宇君,李文霞,王华平,韩熹.纤维织物在线近红外检测影响因素探究[J].分析测试学报.2019
[3].李静,陆建中,童玉凤,芦归娟.近红外检测技术在兽药原辅料检测中的应用[J].化工管理.2019
[4].刘红梅,肖正午,申涛,蒋鹏,单双吕.稻米直链淀粉含量近红外检测模型的建立[J].湖南农业大学学报(自然科学版).2019
[5].张冬妍,蒋大鹏,周宝龙,曹军,赵思琦.依据流形学习的局部线性嵌入对红松子品质近红外检测[J].东北林业大学学报.2019
[6].张建辉,刘成忠.水果品质近红外检测技术研究进展[J].农家参谋.2019
[7].李卓,张棋,张雄峰,张启明,何宽信.江西烤烟淀粉近红外检测模型的建立[J].广东农业科学.2019
[8].牛晓颖,邵利敏,焦慎江,李晓灿,赵志磊.基于支持向量回归的驴肉脂肪和蛋白质近红外检测模型优化[J].河北大学学报(自然科学版).2019
[9].牛晓颖,邵利敏,赵志磊,焦慎江,李晓灿.鲜肉中不饱和脂肪酸近红外检测方法优化[J].光谱学与光谱分析.2019
[10].魏勇,王德志,何宏,杨一鸣,王小龙.近红外检测分析仪在玉米青贮质量检测的应用[J].中国畜禽种业.2019