学位论文 > 优秀研究生学位论文题录展示
基于近红外光谱技术的食用油品质快速检测方法研究
作 者: 梁丹
导 师: 李小昱
学 校: 华中农业大学
专 业: 农业机械化工程
关键词: 植物油 近红外光谱 偏最小二乘法 系统聚类法 主成分分析法 BP人工神经网络法
分类号: TN219
类 型: 硕士论文
年 份: 2009年
下 载: 158次
引 用: 1次
阅 读: 论文下载
内容摘要
食用油是人们膳食结构中不可缺少的重要组成部分,其质量优劣对人体健康有着重要的影响。传统食用油品质检测主要以化学方法为主,往往需要多种化学仪器和试剂,样品需要预处理,操作繁琐,耗时费力。该文是以食用植物油为研究对象,利用近红外光谱分析技术和化学计量学分析方法,开展食用植物油品质检测及鉴别方法的研究。主要结果如下:1.对比分析了10种光谱预处理方法对植物油中3种脂肪酸含量定量分析校正模型结果的影响,可知一阶导数处理和多元散射校正是建立植物油中油酸含量定量分析模型的最优光谱预处理方法;二阶导数处理是建立植物油中亚油酸含量定量分析模型的最优光谱预处理方法;一阶导数处理和矢量归一化处理是建立植物油中亚麻酸含量定量分析模型的最优光谱预处理方法。2.分别建立了基于偏最小二乘法PLS的食用植物油3种脂肪酸(油酸、亚油酸、亚麻酸)含量检测的近红外定量分析模型。可知油酸、亚油酸、亚麻酸定量校正模型的决定系数R~2分别为0.9752、0.937、0.9853,内部交叉验证均方差RMSECV分别为1.04%、1.3%、0.388%,3个模型的校正决定系数均较高;定量分析模型的验证决定系数R~2分别为0.9753,0.9655,0.9722;预测标准差RMSEP分别为1.11%、1.55%、0.487%,模型预测效果较好。表明所建定量分析模型可实现对食用植物油中油酸、亚油酸、亚麻酸含量的快速无损检测。3.建立了基于偏最小二乘法PLS的可同时检测植物油中3种脂肪酸(油酸、亚油酸、亚麻酸)含量的近红外定量分析模型。可知校正模型检测油酸的决定系数R~2为0.9693,内部交叉验证均方差RMSECV为1.15%,检测亚油酸的决定系数R~2为0.9671,内部交叉验证均方差RMSECV为1.46%,检测亚麻酸的决定系数R~2为0.9792,内部交叉验证均方差RMSECV为0.461%;该模型对油酸的验证决定系数R~2为0.9693,预测标准差RMSEP为1.3%,对亚油酸的验证决定系数R~2为0.9606,预测标准差RMSEP为1.66%,对亚麻酸的验证决定系数R~2为0.9731,预测标准差RMSEP为0.479%。表明所建模型可较好同时检测食用植物油中油酸、亚油酸、亚麻酸含量。4.利用近红外光谱定性分析技术研究了4个品种食用植物油的鉴别方法、芝麻大豆掺混油的鉴别方法、6个不同品牌芝麻油的鉴别方法。分别采用系统聚类法、主成分分析法、BP人工神经网络法进行了4个品种食用植物油的鉴别研究,结果表明主成分分析结合BP人工神经网络法建立的植物油品种鉴别定性分析模型最优,对4个品种植物油的鉴别率为100%;分别采用系统聚类法、主成分分析法、BP人工神经网络法进行了芝麻大豆掺混油的鉴别研究,结果表明主成分分析结合BP人工神经网络法建立的掺混油鉴别定性分析模型最优,对芝麻油、大豆油、掺混油的鉴别率为96.15%;分别采用系统聚类法、主成分分析法、BP人工神经网络法进行了6个不同品牌芝麻油的鉴别研究,结果表明主成分分析结合BP人工神经网络法建立的不同品牌芝麻油的鉴别定性分析模型最优,对6个不同品牌芝麻油的鉴别率为83.33%。结果表明近红外光谱分析技术可作为食用植物油品质快速鉴别检测的一种新方法。
|
全文目录
摘要 7-9 Abstract 9-11 第一章 绪论 11-18 1.1 研究的目的和意义 11-12 1.2 研究进展和国内外现状 12-15 1.2.1 油料作物脂肪酸和含油量的近红外光谱定量检测 12-13 1.2.2 食品和农副产品的近红外光谱定性判别分析 13-15 1.3 研究内容与技术路线 15-18 1.3.1 研究内容 15-16 1.3.2 技术路线 16-18 第二章 基于近红外光谱分析的食用油品质检测原理及方法 18-27 2.1 近红外光谱分析技术概述 18 2.2 食用油近红外光谱测定方式的选择 18-19 2.3 食用油近红外光谱信号预处理方法的选择 19-21 2.3.1 噪音及其它干扰因素的消除 19-21 2.3.2 光谱信息的选择 21 2.4 食用油脂肪酸含量定量分析模型建立的方法 21-24 2.4.1 定量分析模型建立方法的选择 21-23 2.4.2 定量分析模型效果的评价 23-24 2.5 食用油种类鉴别及品质鉴别分析的方法 24-27 2.5.1 定性分析方法的选择 24-25 2.5.2 定性分析结果的评价 25-27 第三章 基于近红外光谱分析的食用植物油脂肪酸含量的检测方法 27-49 3.1 概述 27 3.2 试验材料 27-28 3.3 样品的制备及样品集的划分 28 3.4 试验仪器及软件 28-29 3.5 试验方法 29-31 3.5.1 食用植物油脂肪酸含量的化学测定方法 29-30 3.5.2 食用植物油脂肪酸含量检测的近红外光谱分析方法 30-31 3.6 结果与分析 31-47 3.6.1 植物油3种脂肪酸相对含量的化学分析结果 31-36 3.6.2 植物油的近红外图谱分析 36 3.6.3 光谱范围及预处理方法的选择对分析结果的影响 36-40 3.6.4 油酸校正模型的建立及模型的检验 40-42 3.6.5 亚油酸校正模型的建立及模型的检验 42-44 3.6.6 亚麻酸校正模型的建立及模型的检验 44-45 3.6.7 植物油3种脂肪酸同时检测的校正模型建立及模型检验 45-47 3.7 小结 47-49 第四章 基于近红外光谱分析的不同品种食用植物油的鉴别方法 49-58 4.1 概述 49 4.2 试验材料 49 4.3 试验仪器及软件 49 4.4 试验方法 49-50 4.4.1 仪器条件及光谱采集方法 49-50 4.4.2 鉴别植物油品种的近红外定性分析方法 50 4.5 试验结果与分析 50-57 4.5.1 用于分类的4种植物油的原始图谱分析 50-51 4.5.2 系统聚类法对4种植物油的鉴别分析 51-53 4.5.3 主成分分析法对4种植物油的鉴别分析 53-54 4.5.4 BP人工神经网络法对4种植物油的鉴别分析 54-57 4.6 小结 57-58 第五章 基于近红外光谱分析的掺混食用植物油的鉴别方法 58-66 5.1 概述 58 5.2 试验方案及样品制备 58 5.3 试验材料 58 5.4 试验仪器及软件 58 5.5 试验方法 58-59 5.5.1 仪器条件及光谱采集方法 58-59 5.5.2 鉴别掺混植物油的近红外定性分析方法 59 5.6 试验结果与分析 59-65 5.6.1 纯芝麻油和纯大豆油以及两者不同比例掺混油的原始图谱分析 59-60 5.6.2 系统聚类法对掺混油的鉴别分析 60-61 5.6.3 主成分分析法对掺混油的鉴别分析 61-62 5.6.4 BP人工神经网络法对掺混油的鉴别分析 62-65 5.7 小结 65-66 第六章 基于近红外光谱分析的不同品牌芝麻油的鉴别方法 66-73 6.1 概述 66 6.2 试验材料 66 6.3 试验仪器及软件 66 6.4 试验方法 66-67 6.4.1 仪器条件及光谱采集方法 66-67 6.4.2 鉴别不同品牌芝麻油的近红外定性分析方法 67 6.5 试验结果与分析 67-72 6.5.1 不同品牌芝麻油的原始图谱分析 67-68 6.5.2 系统聚类法对不同品牌芝麻油的鉴别分析 68 6.5.3 主成分分析法对不同品牌芝麻油的鉴别分析 68-69 6.5.4 BP人工神经网络法对不同品牌芝麻油的鉴别分析 69-72 6.6 小结 72-73 第七章 结论与讨论 73-75 7.1 结论 73-74 7.2 讨论 74-75 参考文献 75-80 硕士研究生在读期间论文发表情况 80-81 致谢 81
|
相似论文
- 葡萄籽原花青素制备工艺及真菌毒素检测,TQ461
- 基于近红外光谱的水稻叶片氮素营养监测研究,S511
- 近红外光谱分析技术在尖椒叶片生长信息获取中的应用,S641.3
- 黍稷近红外测定方法及其抗氧化品质性状分析,S516
- 重庆文化产业竞争力研究,F224
- 草原公路光环境对驾驶员生理指标的影响研究,U491.254
- 基于三波段六光束的反射式近红外水分仪设计,TN214
- 用植物油研制磷矿浮选剂初探,TD923.1
- 基于近红外光谱分析的轴对称乙烯扩散火焰温度及碳黑浓度检测,TK16
- 传感器数据补偿算法的设计与实现,TP301.6
- F公司船舶电缆配送模式研究,F426.474
- 仪器间的光谱模型传递及谱图标准化,O657.33
- 含氟改性植物油拒水剂的合成及对棉织物的应用研究,TS195.6
- 基于DSP+FPGA的近红外检测仪关键技术研究,TN791
- 淮河流域X县水中藻毒素分布特征及水样有机提取物细胞毒性、遗传毒性与污染谱的回归模型研究,R114
- 中国企业跨国并购绩效实证研究,F271;F224
- 河南小麦农户安全生产意愿与行为的影响因素研究,F224
- 基于主成分分析法的海洋地质灾害预报决策系统的设计实现,P736
- 大肠杆菌等致病菌的近红外光谱检测方法研究,R378
- 利用近红外光谱进行羊绒与羊毛的鉴别技术研究,TS131
- 科尔沁牛胴体品质及肉品质预测,TS251.52
中图分类: > 工业技术 > 无线电电子学、电信技术 > 光电子技术、激光技术 > 红外技术及仪器 > 红外技术的应用
© 2012 www.xueweilunwen.com
|