多光谱食品品质检测技术与信息处理研究PDF电子书下载

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 SVM 26

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