第1章 绪论 1
1.1 近红外光谱技术的分析特点及在各领域中的应用现状 1
1.1.1 近红外光谱技术的分析特点 1
1.1.2 近红外光谱技术的发展及应用 2
1.2 近红外光谱技术在食品安全检测领域的研究概述 3
1.2.1 近红外光谱技术在农残检测领域的研究进展 3
1.2.2 近红外光谱技术在食用油品质检测领域的研究进展 6
1.2.3 近红外光谱技术在面粉品质检测领域的研究进展 11
1.2.4 近红外光谱技术在淀粉品质检测领域的应用 13
1.3 基于近红外光谱的数据处理分析方法概述 13
1.3.1 光谱数据预处理方法概述 14
1.3.2 校正模型方法概述 15
1.4 完成的相关科学研究项目概况 16
1.5 本书的主要内容 16
参考文献 19
第2章 近红外光谱分析技术基础 24
2.1 近红外光谱分析的理论基础 24
2.2 近红外光谱分析流程 26
2.3 近红外光谱分析预处理方法 28
2.3.1 主成分分析法 29
2.3.2 马氏距离法 30
2.3.3 杠杆值法 31
2.3.4 半数重采样法 31
2.3.5 蒙特卡洛交叉验证法 31
2.3.6 数据规范化处理 32
2.3.7 光程校正 32
2.3.8 基线校正 33
2.3.9 导数法 34
2.3.10 平滑处理 34
2.3.11 多元散射校正 35
2.3.12 傅里叶变换 35
2.3.13 正交信号校正 35
2.3.14 标准正态变量变换 36
2.3.15 基于分段窗口的特征谱区筛选方法 36
2.4 近红外光谱模型多元校正分析方法 37
2.4.1 多元线性回归（MLR）法 37
2.4.2 主成分回归（PCR）法 38
2.4.3 偏最小二乘（PLS）法 39
2.4.4 人工神经网络（ANN）BP法 40
2.4.5 聚类分析法 41
2.4.6 支持向量机（SVM）法 45
2.5 近红外光谱定标模型的评价指标 47
2.6 近红外光谱仪器介绍 47
2.6.1 光谱仪发展介绍 47
2.6.2 本研究应用光谱仪平台介绍 50
2.7 小结 53
参考文献 54
第3章 基于近红外光谱的溶液中农药残留检测方法研究 57
3.1 简介 57
3.2 基于近红外光谱的溶液中毒死蜱PLS定量分析方法研究 59
3.2.1 样品制备 59
3.2.2 光谱采集 59
3.2.3 结果与分析 60
3.2.4 重现性实验结果与分析 63
3.3 基于近红外光谱的溶液中毒死蜱BP网络定量分析方法研究 64
3.3.1 BP算法的实验设计 64
3.3.2 样品制备 64
3.3.3 结果与分析 64
3.4 溶液中毒死蜱的PLS和BP定量分析模型性能的比较 71
3.4.1 PLS法的样品选择 71
3.4.2 BP法的样品选择 71
3.4.3 比较分析结果 71
3.5 基于近红外光谱的溶液中毒死蜱PLS定性分析方法研究 72
3.5.1 样品制备 72
3.5.2 光谱采集 72
3.5.3 结果与分析 72
3.5.4 重现性实验结果与分析 72
3.6 光谱预处理对毒死蜱和炔螨特近红外光谱定量模型性能影响分析 75
3.6.1 样品制备 75
3.6.2 光谱采集 76
3.6.3 不同预处理方法对毒死蜱PLS模型性能影响分析 76
3.6.4 不同预处理方法对炔螨特PLS模型性能影响分析 78
3.6.5 毒死蜱和炔螨特的近红外光谱ANN BP检测试验研究 80
3.7 小结 83
附录 85
附录A 附表 85
附录B 标准物质相关说明 87
参考文献 88
第4章 基于近红外光谱的蔬菜中农药残留检测方法研究 89
4.1 简介 89
4.2 蔬菜中常见的有机磷农药残留量检测方法 91
4.2.1 色谱法 93
4.2.2 生物化学测定法（胆碱酯酶抑制法） 96
4.2.3 发光菌检测法 100
4.2.4 生物传感器法 101
4.2.5 免疫分析法 101
4.2.6 光谱法 102
4.2.7 实验室机器人 110
4.3 基于近红外光谱的大白菜中毒死蜱残留量检测方法研究 110
4.3.1 样品制备 110
4.3.2 光谱采集 111
4.3.3 光谱预处理对模型性能影响分析 112
4.3.4 近红外光谱波长选择对模型性能影响分析 113
4.3.5 模型性能验证 113
4.4 基于近红外光谱的菠菜中毒死蜱残留量检测方法研究 114
4.4.1 样品制备 114
4.4.2 光谱采集 115
4.4.3 光谱预处理对模型性能影响分析 115
4.4.4 近红外光谱波长选择对模型性能影响分析 116
4.4.5 模型性能验证 116
4.5 基于近红外光谱的萝卜中毒死蜱残留量检测方法研究 117
4.5.1 样品制备 118
4.5.2 光谱采集 118
4.5.3 萝卜中毒死蜱残留量的PLS模型建立与分析 118
4.5.4 萝卜中毒死蜱残留量的BP模型建立与分析 119
4.6 小结 120
参考文献 120
第5章 近红外光谱技术在食用油品质定性分析中的应用研究 122
5.1 简介 122
5.2 模式识别方法 122
5.2.1 系统聚类分析法 122
5.2.2 支持向量机分类器 122
5.3 基于近红外光谱的食用油种类定性识别分析 127
5.3.1 样品制备 127
5.3.2 光谱采集 127
5.3.3 结果与分析 128
5.4 基于近红外光谱的纯花生油掺假鉴别分析 130
5.4.1 样品制备 130
5.4.2 光谱采集 130
5.4.3 结果与分析 131
5.5 基于近红外光谱的纯橄榄油掺假鉴别分析 134
5.5.1 样品制备 134
5.5.2 光谱采集 134
5.5.3 结果与分析 135
5.6 小结 136
参考文献 136
第6章 近红外光谱技术在食用油品质定量分析中的应用研究 138
6.1 简介 138
6.2 光谱分辨率的选取对食用油近红外模型性能影响分析 138
6.2.1 样品制备 139
6.2.2 光谱采集 139
6.2.3 结果与分析 139
6.3 基于近红外光谱的食用油脂肪酸定量分析 141
6.3.1 常见谱区优化算法 142
6.3.2 CARS波长变量选择法 145
6.3.3 基于CARS-PLS的食用油脂肪酸定量模型的优化 146
6.4 基于近红外光谱的食用油过氧化值定量分析 148
6.4.1 样品制备 149
6.4.2 光谱采集 149
6.4.3 结果与分析 149
6.5 基于近红外光谱的食用油酸价定量分析 152
6.5.1 样品制备 152
6.5.2 光谱采集 152
6.5.3 结果与分析 152
6.6 小结 155
参考文献 155
第7章 基于近红外光谱的小麦粉品质检测方法研究 157
7.1 简介 157
7.2 基于近红外光谱的小麦粉PLS模型的建立与分析 158
7.2.1 样品制备 158
7.2.2 光谱采集 158
7.2.3 结果与分析 159
7.3 基于近红外光谱的小麦粉异常样品剔除方法研究 160
7.3.1 基于马氏距离法的异常样品判别分析 161
7.3.2 基于蒙特卡洛交叉验证法的异常样品判别分析 161
7.3.3 剔除异常样品后的模型评价 162
7.4 基于近红外光谱的小麦粉特征谱区筛选方法研究 162
7.4.1 小麦粉样品集划分方法比较 163
7.4.2 基于常规区间偏最小二乘法的小麦粉近红外光谱模型优化 164
7.4.3 基于联合区间最小二乘法的小麦粉近红外光谱模型优化 165
7.4.4 基于向后区间最小二乘法的小麦粉近红外光谱模型优化 166
7.4.5 基于CARS谱区筛选法的小麦粉近红外光谱模型优化 168
7.4.6 特征谱区筛选法的比较 170
7.5 SVM和ANN BP在小麦粉品质定量分析中的应用研究 170
7.5.1 小麦粉近红外光谱的主成分分析 171
7.5.2 基于近红外光谱的小麦粉ANN BP模型 171
7.5.3 基于近红外光谱的小麦粉支持向量回归模型 172
7.5.4 小麦粉模型比较分析 174
7.6 小结 175
参考文献 175
第8章 基于近红外光谱的淀粉品质检测方法研究 176
8.1 简介 176
8.2 基于聚类分析的淀粉种类定性识别方法研究 176
8.2.1 样品制备 176
8.2.2 光谱采集 176
8.2.3 结果与分析 177
8.3 基于SVM的淀粉种类定性识别方法研究 181
8.3.1 样品制备 181
8.3.2 光谱采集 181
8.3.3 结果与分析 181
8.4 基于近红外光谱的淀粉含水量快速分析方法研究 187
8.4.1 样品制备 187
8.4.2 光谱采集 187
8.4.3 淀粉含水量PLS模型的建立与分析 187
8.5 马铃薯淀粉掺杂玉米淀粉的近红外光谱检测方法研究 192
8.5.1 样品制备 194
8.5.2 光谱采集 194
8.5.3 定量分析模型的建立 194
8.5.4 定量分析模型的验证 194
8.6 淀粉掺杂滑石粉的近红外光谱检测方法研究 196
8.6.1 样品制备 197
8.6.2 光谱采集 197
8.6.3 实验方法设计 198
8.6.4 定量分析模型的建立 198
8.6.5 定量分析模型的验证 198
8.7 小结 199
参考文献 200
第9章 总结与展望 201
9.1 本书的主要内容总结 201
9.2 展望 203
参考文献 203