一、现代近红外光谱技术（论文文献综述）
陈颖,王璐,尚宏鑫,许岩[1]（2022）在《近红外光谱技术在水产养殖行业的应用进展》文中认为介绍了近红外光谱分析技术（NIR）的原理与特点,综述其在水产养殖业中育种育苗、养殖水水质监测和水产苗种饲料方面的应用现状,对近红外光谱分析技术在水产养殖业应用中出现的问题进行分析,并对其应用规模预测和发展前景展望。
刘南岑,耿立冬,马丽娟,吴志生[2]（2021）在《中药制造领域近红外光谱技术的专利技术进展和趋势》文中提出中药逐渐获得了国际市场的认可,但还存在一些质量检测方面的问题,阻碍了中药的进一步发展。近红外光谱技术是随着计算机技术的发展而推广出来的一种新分析技术,在中药制造领域中越来越受到重视,被广泛用于制药领域的过程分析和鉴定。从申请量趋势、专利技术构成、申请人类型、当前法律状态、转让情况等角度分析了近红外光谱技术在中药制造领域的发明专利申请情况,梳理了近红外光谱技术在在线检测和质量控制、中药鉴定中的研究与应用,以及近红外检测装置的申请状况,为国内创新主体的专利布局提供借鉴。
朱珂郁,曹长林,杨松伟,钱庆荣,陈庆华[3]（2021）在《近红外光谱技术原理及其在废杂塑料识别分选中的应用进展》文中认为塑料制品以其质轻、实用、美观等特点广泛应用在日常生活及各行各业中.由于回收的塑料成分不一,前端的高效识别分选则是废杂塑料高值化循环利用的关键环节.阐释了近红外光谱技术的原理及光谱分析技术研究进展;介绍了近红外光谱设备结构及性能优化;分析了国内外近红外设备现阶段的发展以及商品化应用情况;最后总结了废杂塑料识别分选以及近红外光谱技术目前仍未解决的问题,并对今后的发展方向进行展望.
薛舒丹,谢大森,万小童,陆森,刘展舒,钟玉娟[4]（2021）在《近红外光谱分析技术在蔬菜品质检测中的应用研究进展》文中提出蔬菜是人类获取维生素、矿质元素、抗氧化剂和膳食纤维等的重要来源,一直是健康饮食的重要组成部分,其产业在国民经济中占有重要地位。随着生活水平的提高,人们在注重蔬菜质量安全的前提下,更加关注蔬菜的品质,口感好、风味浓郁、营养丰富的蔬菜品种是当今发展趋势,但是传统的蔬菜质检及理化特性检测过程耗时、成本高,无法满足蔬菜快速筛选的要求。综述了高效、绿色的近红外光谱分析技术在蔬菜安全品质检测（农药残留检测等）、蔬菜内在质构检测（硬度、水分、粗纤维检测等）、蔬菜风味检测（甜、酸、苦、辣滋味特征等）、蔬菜营养健康成分检测（维生素C、硫代葡萄糖苷、类胡萝卜素等）多个方面的应用,以期为蔬菜全产业链的高效发展提供新思路。
王建伟,陶飞[5]（2021）在《近红外光谱技术在农产品检测中的应用研究进展》文中提出近红外光谱技术作为一种快速、高效、无损的分析技术,已被广泛应用于农产品检测领域。近红外光谱技术结合化学计量学方法,可有效实现农产品营养成分和质量安全的检测,亦可用于农产品产地溯源和作物育种。该文综述了近红外光谱技术在农产品检测中的应用现状,并对其今后的发展进行了展望。
蔡子豪[6]（2021）在《基于近红外光谱的橄榄与亚麻籽调和油定量及定性分析》文中研究指明食用调和油是指一种高品质即高价油与一种或多种廉价油,按照一定比例混合掺兑而成,调和油的价格与高价油含量成正比。存在不法商家出售的产品当中,高价油的含量与瓶身所标注的高价油含量不符,或高价油含量仅仅占到2%及以下,且仍以高价油名称为噱头继续生产销售。本实验基于近红外光谱法结合化学计量学以二组份橄榄和亚麻籽调和油、三组份橄榄和亚麻籽调和油的定量检测和定性识别以及多组份多种类调和油的定性识别。主要内容如下:（1）研究分析二组份橄榄调和油的定量检测模型、定性识别模型和二组份亚麻籽调和油的定量检测模型、定性识别模型。二组份橄榄调和油最佳SVC建模路径为air PLS-MSC-SG-BIPLS-GS-SVC,预测集准确率高达100%,最佳SVR建模路径为air PLS-SNV-SG-BIPLS-GS-SVR,预测集准确率高达94.53%,MSE为0.11;二组份亚麻籽调和油最佳SVC建模路径为SNV-BIPLS-GS-SVC,预测集准确率高达96.43%,最佳SVR建模路径为SNV-CARS-GS-SVR,预测集准确率高达98.15%,MSE为0.16。（2）研究分析三组份橄榄调和油的定量检测模型、定性识别模型和三组份亚麻籽调和油的定量检测模型、定性识别模型。三组份橄榄调和油最佳SVC建模路径为MSC-UVE-GA-SVC,预测集准确率高达100%,最佳SVR建模路径为air PLS-MSC-SGUVE-GA-SVR,预测集准确率高达97.12%,MSE为0.17;三组份亚麻籽调和油最佳SVC建模路径为air PLS-SNV-SG-UVE-GA-SVC,预测集准确率高达100%,最佳SVR建模路径为air PLS-MSC-SG-UVE-GA-SVR,预测集准确率高达96.52%,MSE为0.36。（3）研究分析多组份不同种类调和油定性识别模型,分别建立多组份橄榄与花生调和油定性识别模型、多组份亚麻籽与花生调和油定性识别模型和多组份橄榄与亚麻籽调和油定性识别模型。多组份橄榄与亚麻籽调和油中最佳建模路径为air PLS-UVEGS-SVC,预测集准确率均高达99.23%;多组份橄榄与花生调和油中最佳建模路径为air PLS-SNV-SG-UVE-PSO-SVC,预测集准确率均高达92.47%;多组份亚麻籽与花生调和油中最佳建模路径为SNV-SG-GS-SVC,预测集准确率均高达97.83%。实验结果分析,三种参数寻优中,GS参数寻优建模速度最快,GA参数寻优得到的（C,g）参数最稳定,建立的模型泛化性相对更好,PSO参数寻优（C,g）参数稳定性较差,但在特定情况建立的定性识别模型准确率最高。
王王瑜[7]（2021）在《紫白菜花青素和硫代葡萄糖苷含量测定及其近红外光谱快速测定模型研究》文中研究表明紫白菜是一种杂交蔬菜,外形与常见的大白菜一致,球叶为紫色、高含量的干物质等特点。近年来,蔬菜叶片色泽和营养品质成为了衡量其商品性高低的重要指标,而叶球为深紫色的紫白菜也备受人们的关注。为了提高紫白菜营养品质,需要精确测定花青素和硫苷在紫白菜中的含量,因此,研究紫白菜中的花青素和硫苷含量成为了紫白菜品质育种的重要任务。本研究以86份紫白菜为试验材料,采用高效液相色谱法进行了紫白菜中花青素和硫苷组分含量的测定,同时,对数据使用近红外光谱分析仪和软件进行判断和处理,建立了紫白菜花青素和硫苷组分近红外光谱快速检测模型,并对所建模型进行了验证。研究结果如下:1、86份紫白菜花青素组分中,cyanindin（矢车菊色素）含量变化范围最大,含量变化的范围为93.5～12802.4mg/kg,平均含量最高,含量为5741.20mg/kg,其他花青素组分含量较低,变化范围很小。2、86份紫白菜硫苷组分中,以GBN含量变化范围最大,含量变化的范围为1.52～11.75μmol/g,平均含量最高,含量为19.74μmol/g,其他硫苷组分含量较低、变化幅度也很小。3、矢车菊色素（cyanindin）和总花青素近红外光谱预测模型效果最好,都是在400～1098nm,1100～2498nm全光谱下,皆采用None（无散射方式）经过一阶导数（1,4,4,1）的处理,RSQ分别为0.9651、0.9657,1-VR分别为0.9421、0.9444,验证集RSQ分别为0.947和0.951,均在0.90以上,完全可以应用于紫白菜育种材料的快速筛选。4、硫苷组分中4OH和GBN的近红外光谱预测模型效果最好,都是在400～1098nm,1100～2498nm全光谱下,分别采用Detrend only（1,4,4,1）和Weighted MSC（1,4,4,1）进行的预处理,RSQ分别为0.7335、0.7833,1-VR分别为0.6796、0.7047,验证集RSQ分别为0.816和0.765,均在0.70以上,可以应用于紫白菜育种材料的快速筛选。
王茂瑶[8]（2021）在《甘蔗品质性状高通量表型评价体系的建立及初步应用》文中进行了进一步梳理甘蔗是世界上最重要的食糖和能源作物之一。提高甘蔗茎秆品质是提高甘蔗生产效率的重要途径。然而,由于缺乏系统评价甘蔗种质资源品质的高效方法,极大地限制了甘蔗茎秆品质的改良。本研究利用近红外光谱（NIRS）法对甘蔗茎秆品质进行系统的分析,旨在为甘蔗品质性状的精准评价提供可行的解决方案。本研究以628份不同成熟期的甘蔗样品为材料。首先,基于高效阴离子色谱法,对甘蔗茎秆品质进行测定,结果表明,甘蔗茎秆品质性状及干重或鲜重中的关键比值都存在较大变异范围。其次,采用在线和离线的近红外（NIRS）建模策略进行多目的校准,最终在校正、内部交叉验证和外部验证过程中生成了25个具有较高决定系数（R2）和比值性能偏差（RPD）值的方程。值得注意的是,大部分方程的预测值与真实值呈良好的线性相关关系,其中一些方程的RPD值高达6.3,表明其具有较高的预测能力。此外,将200个不同生长阶段的样品整合到校正集中,进行在线近红外模型优化。结果获得了16个相关系数较高的校正和内部交叉验证方程,其R2和R2cv值分别为0.89～0.99和0.84～0.99,RPD在2.47～9.86之间,显示出极好的预测性能。因此,优化后的方程可为甘蔗茎秆品质鉴定提供一种可行的高通量分析方法。最后,本研究将所得的最佳近红外模型应用于甘蔗种质资源的大规模筛选。结果表明,甘蔗种质群体的蔗糖分存在较大的变异。在不同试验重复中,两年数据之间存在较高的相关系数。经综合分析筛选出了10份优良甘蔗种质,可供进一步研究。聚类分析结果表明,种质资源可分为7类。第7类甘蔗品种数量最多,主要品种ROC22位于其中,表明本研究对甘蔗种质资源的分类是可靠的。因此,这些甘蔗种质可用于甘蔗茎杆品质育种的遗传改良。综上所述,本研究基于近红外光谱技术建立了甘蔗茎秆品质性状高通量表型分析方法,并将其初步应用于甘蔗种质资源评价当中。进一步表明,所建立的近红外光谱模型和筛选出的优质种质资源可用于甘蔗的精细育种等领域。
罗一甲[9]（2021）在《基于近红外光谱技术的赤霞珠葡萄品质检测及采收期判别研究》文中认为赤霞珠葡萄种植面积广泛,部分地区赤霞珠葡萄通常是小户种植,葡萄质量参差不齐,从根本上降低了葡萄酒的质量,导致葡萄酒经济效益受到损失,难以立足于国际市场。影响赤霞珠葡萄品质的因素有很多,其中内部物质含量和采收期是影响葡萄品质的直接因素。目前,对赤霞珠葡萄品质的测定和采收期的判断大都采用传统方法,这些方法存在成本较高,检测速度慢,不适合大批量样本检测等劣势。本文以不同采收期的赤霞珠葡萄为试验对象,通过近红外光谱技术与化学计量学方法预测了赤霞珠的可溶性固形物、p H、总酸和总酚含量,并对赤霞珠葡萄的采收期进行了判别,为开发便携式赤霞珠葡萄品质近红外光谱仪提供数据支撑及理论参考,同时对新疆葡萄酒行业的发展具有十分重要的意义。本论文的研究内容和结果如下所示:（1）探究赤霞珠葡萄SSC、p H、总酸和总酚在全光谱基础上的最佳预处理方法。运用多元散射（MSC）、标准正态变换（SNV）、矢量归一化（VN）、一阶导数+SG平滑（1D+SG）四种方法处理赤霞珠葡萄的光谱数据,分析经不同预处理方法建立的PLS和SVR模型的预测能力,由结果可知,p H和总酚使用SNV方法处理过的光谱建立的SNV+PLS模型的预测结果最好,Rp值分别为0.8712、0.8086,RMSEP值分别为0.0747、2.3642,RPD值分别为2.0368、1.6998;总酸经MSC算法处理过的光谱建立的MSC+PLS模型最合适,Rp值为0.8123,RMSEP值为0.5359,RPD值为1.6906;SSC经原始光谱建立的PLS模型预测效果较好,Rp值为0.8124,RMSEP值为0.9715,RPD值为1.7151。（2）基于特征波长建立赤霞珠葡萄SSC、p H、总酸和总酚含量的最佳预测模型。比较分析竞争性自适应重加权算法（CARS）、遗传算法（GA）、联合区间偏最小二乘算法（si-PLS）、连续投影算法（SPA）这四种特征波长提取方法对PLS、SVR这两种模型预测结果的影响。由结果可知,SSC最好的预测模型为CARS+SVR,其Rp、RMSEP、RPD值分别为0.9481、0.4583、3.1437;p H、总酚含量预测最佳的模型为SNV+CARS+SVR,其Rp值分别为0.9440、0.8620,RMSEP值分别为0.0397、2.0283,RPD值分别为2.7459、1.9729;总酸含量的预测最合适的模型为MSC+CARS+SVR,其Rp、RMSEP、RPD值分别为0.8665、0.4043、2.0031。（3）在全光谱基础上探究赤霞珠葡萄采收期对应的最佳预处理方法。运用MSC、SNV、VN、和1D+SG这四种方法处理赤霞珠葡萄的近红外光谱,分析不同预处理方法对PLS-DA、SVM模型的判别准确度的影响,从而选出采收期对应的最佳预处理方法。结果表明,经1D+SG方法处理过的光谱建立的1D+SG+PLS-DA、1D+SG+SVM模型的预测效果最好,校正集的判别准确率均为100%,预测集的判别准确率分别达到了90%、100%。（4）使用不同特征波长提取方法建立赤霞珠葡萄不同采收期最佳判别模型。使用CARS、GA、si-PLS、SPA这四种特征波长提取方法对赤霞珠葡萄的波长变量进行筛选,比较分析这四种波长优选方法对PLS-DA、SVM模型判定结果的影响。从模型的整体性能考虑,基于CARS算法筛选的121个波长变量建立的1D+SG+CARS+SVM模型对采收期判定效果最佳,预测集模型精度达到98%,校正集的模型精度均到100%。
李欣茹[10]（2021）在《甘蔗细胞壁特征高通量评价及种质资源挖掘》文中研究说明甘蔗渣降解效率低是制约甘蔗作为生物能源作物的主要因素。当前研究主要通过改良甘蔗细胞壁结构提高甘蔗渣降解率。有研究结果表明纤维素结晶度（Cr I）和木质素是影响糖化效率的关键参数。因此,本研究开发了一种高通量检测方法,用于在线表征甘蔗中这些细胞壁特征,最终实现大规模能源甘蔗种质资源的筛选工作。在2018年和2019年期间,在甘蔗不同的生长阶段收集了838个不同基因型的甘蔗。在甘蔗样品中观察到近红外光谱（NIRS）的连续变化情况。由于作物样本群体中细胞壁特征的显着多样性,通过在线NIRS校准开发了7个高质量的校准模型。所有生成的方程在标定、内部交叉验证和外部验证中均显示出大于0.8的测定系数（R2）值和大于2.0的相对分析误差（RPD）值。特别是Cr I和总木质素含量方程的RPD值分别高达2.56和2.55,表明其预测能力优异。此外,还进行了离线NIRS检测。结果表明离线NIRS和在线NIRS之间的校准结果相当,这两种检测方法均适用于细胞壁特征的预测。相较于离线NIRS检测,在线NIRS检测在大规模筛选工作中具有更快捷的优势,因此在线NIRS检测是高通量细胞壁特征预测的更好选择。在此基础上,利用最优的在线NIRS模型对400份甘蔗种质资源的细胞壁特征进行评价。在不同试验田中,采集不同月份具有遗传背景差异的甘蔗,通过近红外模型预测纤维素Cr I和木质素含量,结果分析表明三个小区之间结果具有显着相关性。通过对预测结果的分析最终筛选出优质的生物质能源甘蔗品种,为后续能源甘蔗的研究提供参考。本研究开发了一种用于高通量评估甘蔗细胞壁的关键特征（纤维素结晶度、木质素含量）的在线NIRS检测方法。在NIRS模型中获得精确的校准结果,表明该实验是大规模筛选有前景的甘蔗种质进行细胞壁结构改良及其他方面的可靠方法。
二、现代近红外光谱技术（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、现代近红外光谱技术（论文提纲范文）
（1）近红外光谱技术在水产养殖行业的应用进展（论文提纲范文）
| 1 近红外光谱技术的原理及特点 |
| 1.1 近红外光谱技术的原理 |
| 1.2 近红外光谱技术的特点 |
| 1.2.1 样品无损检测 |
| 1.2.2 测定速度快 |
| 1.2.3 操作简单 |
| 1.2.4 多组分多通道同时测定 |
| 2 近红外光谱技术在育种育苗方面的应用 |
| 3 近红外光谱技术在养殖水水质监测方面的应用 |
| 3.1 水质N、P的快速分析 |
| 3.2 水质化学需氧量(COD)、生化需氧量(BOD)的测定 |
| 3.3 水质pH值的测定 |
| 3.4 水体中重金属离子的测定 |
| 4 近红外光谱技术在苗种饲料方面的应用 |
| 4.1 饵料藻类应用 |
| 4.2 饲料常规成分检测 |
| 5 问题与展望 |
（2）中药制造领域近红外光谱技术的专利技术进展和趋势（论文提纲范文）
| 1 研究方法 |
| 2 专利技术申请概况 |
| 2.1 近红外光谱技术在中药制造领域的发明专利趋势 |
| 2.2 近红外光谱技术在中药制造领域的发明专利申请人 |
| 2.2.1 申请人及其类型 |
| 2.2.2申请人申请趋势 |
| 2.3 发明专利申请的当前法律状态及转让情况 |
| 3 近红外光谱技术发明专利申请的技术内容 |
| 3.1 中药原料制造过程质量评价的近红外光谱技术现状分析 |
| 3.1.1 中药原料的真伪鉴别 |
| 3.1.2中药原料的道地性鉴别 |
| 3.1.3 中药原料的炮制鉴别 |
| 3.1.4 中药原料的综合评价 |
| 3.2 中药制剂制造过程在线控制的近红外光谱专利技术现状分析 |
| 3.2.1 近红外光谱技术应用的中药制剂剂型 |
| 3.2.2 近红外光谱技术应用的中药制剂主要成分和辅料 |
| 3.2.3 近红外光谱技术应用的中药制剂生产环节 |
| 3.3 中药制造近红外光谱技术一体化装备专利技术现状分析 |
| 4 存在问题及建议 |
| 4.1 存在问题 |
| 4.1.1 申请数量少，后劲不足 |
| 4.1.2 专利申请涉及的适用范围有限 |
| 4.1.3 专利质量有待调高，布局有待改善 |
| 4.2 建议 |
| 4.2.1 开展广泛的产学研一体化合作 |
| 4.2.2 拓展适用范围 |
| 4.2.3 提升专利质量，扩展海外布局，加强专利运营 |
（3）近红外光谱技术原理及其在废杂塑料识别分选中的应用进展（论文提纲范文）
| 1 近红外光谱技术概述 |
| 1.1 近红外光谱技术原理 |
| 1.2 近红外光谱分析技术 |
| 1.3 近红外光谱测量仪 |
| 2 近红外光谱识别分选设备 |
| 2.1 近红外光谱识别分选设备结构 |
| 2.2 商品化的近红外光谱识别分选设备 |
| 3 基于近红外光谱的废杂塑料分选技术进展 |
| 4 总结与展望 |
（4）近红外光谱分析技术在蔬菜品质检测中的应用研究进展（论文提纲范文）
| 1 近红外光谱技术 |
| 1.1 近红外光谱预处理 |
| 1.2 化学计量学软件应用 |
| 1.3 近红外光谱定标模型评价 |
| 2 近红外光谱技术在蔬菜安全品质检测中的应用 |
| 2.1 蔬菜内源不安全因素的近红外光谱检测 |
| 2.2 蔬菜外源农药残留的近红外光谱检测 |
| 3 近红外光谱技术在蔬菜内在质构检测中的应用 |
| 4 近红外光谱技术在蔬菜风味检测中的应用 |
| 4.1 甜滋味的近红外光谱检测 |
| 4.2 酸滋味的近红外光谱检测 |
| 4.3 苦滋味的近红外光谱检测 |
| 4.4 辣滋味的近红外光谱检测 |
| 5 近红外光谱技术在蔬菜营养健康成分检测中的应用 |
| 5.1 维生素C的近红外检测 |
| 5.2 硫代葡萄糖苷的近红外检测 |
| 5.3 类胡萝卜素的近红外检测 |
| 6 趋势与展望 |
（5）近红外光谱技术在农产品检测中的应用研究进展（论文提纲范文）
| 1 近红外光谱技术用于农产品检测的优势 |
| 2 近红外光谱技术在农产品检测中的应用 |
| 2.1 营养成分检测 |
| 2.2 质量安全检测 |
| 2.3 产地溯源 |
| 2.4 作物育种 |
| 3 展望 |
（6）基于近红外光谱的橄榄与亚麻籽调和油定量及定性分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 近红外光谱检测技术 |
| 1.2.1 近红外光谱原理及应用 |
| 1.2.2 近红外光谱技术检测食用油国内研究现状 |
| 1.2.3 近红外光谱技术检测食用油国外研究现状 |
| 1.3 论文研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 1.4 本章小结 |
| 第2章 实验材料和方法 |
| 2.1 实验材料及仪器设备 |
| 2.1.1 JA1003N型电子天平 |
| 2.1.2 榨油机 |
| 2.1.3 TG16-Ⅱ台式高速离心机 |
| 2.1.4 激光近红外光谱仪 |
| 2.2 光谱数据预处理方法 |
| 2.2.1 基线校正 |
| 2.2.2 散射校正 |
| 2.2.3 平滑处理 |
| 2.3 光谱特征波长提取方法 |
| 2.3.1 竞争自适应重加权采样 |
| 2.3.2 后向间隔偏最小二乘法 |
| 2.3.3 无信息变量消除法 |
| 2.4 参数优化方法及建模方法 |
| 2.4.1 粒子群优化算法 |
| 2.4.2 遗传算法 |
| 2.4.3 网格搜索算法 |
| 2.4.4 支持向量机 |
| 2.5 本章小结 |
| 第3章 二组份橄榄与亚麻籽调和油定量检测及定性识别 |
| 3.1 实验样本配制 |
| 3.1.1 二组份橄榄调和油实验样本配制 |
| 3.1.2 二组份亚麻籽调和油实验样本配制 |
| 3.2 二组份橄榄调和油定性识别与定量检测 |
| 3.2.1 样本光谱采集及预处理 |
| 3.2.2 样本光谱特征波长优选 |
| 3.2.3 二组份橄榄调和油定性鉴别模型 |
| 3.2.4 二组份橄榄调和油定量检测模型 |
| 3.3 二组份亚麻籽调和油定性识别与定量检测 |
| 3.3.1 样本光谱采集及预处理 |
| 3.3.2 样本光谱特征波长优选 |
| 3.3.3 二组份亚麻籽调和油定性鉴别模型 |
| 3.3.4 二组份亚麻籽调和油定量检测模型 |
| 3.4 本章小结 |
| 第4章 三组份橄榄与亚麻籽调和油定量检测及定性识别 |
| 4.1 实验样本配制 |
| 4.1.1 三组份橄榄调和油配制 |
| 4.1.2 三组份亚麻籽调和油配制 |
| 4.2 三组份橄榄调和油定性识别与定量检测 |
| 4.2.1 样本光谱采集及预处理 |
| 4.2.2 样本光谱特征波长优选 |
| 4.2.3 三组份橄榄调和油定性识别模型 |
| 4.2.4 三组份橄榄调和油定量检测模型 |
| 4.3 三组份亚麻籽调和油定性识别与定量检测 |
| 4.3.1 样本光谱采集及预处理 |
| 4.3.2 样本光谱特征波长优选 |
| 4.3.3 三组份亚麻籽调和油定性鉴别模型 |
| 4.3.4 三组份亚麻籽调和油定量检测模型 |
| 4.4 本章小结 |
| 第5章 多组份与多种类调和油快速定性识别 |
| 5.1 实验样本配制 |
| 5.1.1 品牌调和油样本采购 |
| 5.1.2 二组份花生调和油实验样本配制 |
| 5.1.3 三组份花生调和油实验样本配制 |
| 5.2 多组份橄榄与花生调和油定性识别 |
| 5.2.1 样本光谱采集及预处理 |
| 5.2.2 样本光谱特征波长优选 |
| 5.2.3 多组份橄榄与花生调和油定性鉴别模型 |
| 5.3 多组份亚麻籽与花生调和油定性识别 |
| 5.3.1 样本光谱采集及预处理 |
| 5.3.2 样本光谱特征波长优选 |
| 5.3.3 多组份亚麻籽与花生调和油定性鉴别模型 |
| 5.4 多组份橄榄与亚麻籽调和油定性识别 |
| 5.4.1 样本光谱采集及预处理 |
| 5.4.2 样本光谱特征波长优选 |
| 5.4.3 多组份橄榄与亚麻籽调和油定性鉴别模型 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究内容和分析 |
| 6.2 论文主要创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间的研究成果 |
（7）紫白菜花青素和硫代葡萄糖苷含量测定及其近红外光谱快速测定模型研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 英文缩写 |
| 1 前言 |
| 1.1 紫白菜生产现状 |
| 1.2 花青素 |
| 1.3 硫代葡萄糖苷 |
| 1.4 近红外光谱分析技术 |
| 1.5 研究意义 |
| 2 材料与方法 |
| 2.1 试验材料、试剂与仪器 |
| 2.2 试验设计 |
| 2.3 测定项目与方法 |
| 2.3.1 花青素的提取 |
| 2.3.2 花青素的高效液相色谱分析条件 |
| 2.3.3 硫代葡萄糖苷的提取 |
| 2.3.4 硫代葡萄糖苷的高效液相色谱分析条件 |
| 2.3.5 近红外光谱分析方法 |
| 2.3.6 数据处理 |
| 3 结果与分析 |
| 3.1 高效液相色谱测定花青素组分含量 |
| 3.2 高效液相色谱测定硫苷组分含量 |
| 3.3 近红外光谱及分析 |
| 3.4 花青素近红外模型建立 |
| 3.4.1 Delphinidin组分数据的测定分析 |
| 3.4.2 Cyanidin组分数据的测定分析 |
| 3.4.3 Pelaronidin组分数据的测定分析 |
| 3.4.4 Peonidin组分数据的测定分析 |
| 3.4.5 总花青素组分数据的测定分析 |
| 3.5 硫苷近红外模型建立 |
| 3.5.1 PRO组分数据的测定分析 |
| 3.5.2 NAP组分数据的测定分析 |
| 3.5.3 4OH组分数据的测定分析 |
| 3.5.4 GBN组分数据的测定分析 |
| 3.5.5 GBC组分数据的测定分析 |
| 3.5.6 NAS组分数据的测定分析 |
| 3.5.7 4ME组分数据的测定分析 |
| 3.5.8 NEO组分数据的测定分析 |
| 3.5.9 总硫苷组分数据的测定分析 |
| 3.6 近红外模型建立验证 |
| 3.6.1 花青素近红外模型建立验证 |
| 3.6.2 硫苷近红外模型建立验证 |
| 4 讨论 |
| 5 结论 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（8）甘蔗品质性状高通量表型评价体系的建立及初步应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词表 |
| 1 绪论 |
| 1.1 甘蔗品质的概述 |
| 1.2 甘蔗品质性状检测方法 |
| 1.2.1 传统检测方法 |
| 1.2.2 高效液相色谱检测法 |
| 1.2.3 离子色谱检测法 |
| 1.3 近红外光谱技术 |
| 1.3.1 近红外光谱技术的原理 |
| 1.3.2 近红外光谱技术的特点 |
| 1.3.3 近红外光谱技术在农业领域中的应用 |
| 1.3.4 近红外光谱技术在食品检测中的应用 |
| 1.3.5 近红外光谱技术在制药领域中的应用 |
| 1.4 研究的目的与意义 |
| 1.5 研究内容及技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 技术路线 |
| 2 材料与方法 |
| 2.1 实验材料 |
| 2.1.1 模型构建与优化 |
| 2.1.2 甘蔗种质资源评价 |
| 2.2 实验仪器 |
| 2.3 实验试剂与耗材 |
| 2.4 实验方法 |
| 2.4.1 近红外光谱数据采集 |
| 2.4.2 甘蔗茎秆品质性状的精确测定 |
| 2.4.3 NIRS定标建模 |
| 2.4.4 模型适用性检验 |
| 2.4.5 种质资源评价方法 |
| 2.4.6 数据统计分析 |
| 3 结果与分析 |
| 3.1 甘蔗茎秆品质性状高通量方法建立 |
| 3.1.1 HPAEC-PAD法精准测定甘蔗茎秆糖分含量 |
| 3.1.2 甘蔗茎秆品质性状多样性分析 |
| 3.1.3 甘蔗茎秆近红外光谱数据分析 |
| 3.1.4 校准集和验证集的确定 |
| 3.1.5 甘蔗茎秆品质性状近红外模型的创建 |
| 3.1.6 甘蔗茎秆品质性状的综合校准 |
| 3.2 甘蔗茎秆品质性状高通量方法优化 |
| 3.2.1 甘蔗茎秆品质性状含量测定结果 |
| 3.2.2 近红光谱数据分析 |
| 3.2.3 甘蔗茎秆品质性状最佳定标模型的建立 |
| 3.2.4 模型验证 |
| 3.3 NIRS模型在甘蔗种质品质评价中的应用 |
| 3.3.1 甘蔗种质材料茎秆品质性状表型多样性分析 |
| 3.3.2 甘蔗种质材料的筛选 |
| 3.3.3 甘蔗茎秆品质性状相关性分析 |
| 3.3.4 甘蔗茎秆品质性状主成分分析 |
| 3.3.5 甘蔗茎秆品质性状聚类分析 |
| 4 讨论 |
| 4.1 NIRS模型优势及在甘蔗上的应用 |
| 4.2 最佳模型的建立 |
| 4.3 建模优势 |
| 4.4 种质资源评价 |
| 5 全文总结、创新点和展望 |
| 5.1 主要结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（9）基于近红外光谱技术的赤霞珠葡萄品质检测及采收期判别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 近红外光谱技术 |
| 1.2.1 测定原理 |
| 1.2.2 技术优势 |
| 1.3 近红外光谱技术在农产品领域的研究现状 |
| 1.4 研究目标 |
| 1.5 研究内容 |
| 1.6 技术路线 |
| 第二章 试验材料、仪器与方法 |
| 2.1 试验材料 |
| 2.2 主要仪器与软件 |
| 2.2.1 主要仪器 |
| 2.2.2 主要软件 |
| 2.3 试验方法 |
| 2.4 数据处理方法 |
| 2.4.1 光谱预处理方法 |
| 2.4.2 特征波长提取方法 |
| 2.4.3 定量建模方法 |
| 2.4.4 定性建模方法 |
| 2.4.5 模型评价指标 |
| 2.5 本章小结 |
| 第三章 赤霞珠葡萄SSC、pH、总酸和总酚含量的预测 |
| 3.1 赤霞珠葡萄光谱特征分析 |
| 3.2 赤霞珠葡萄样本划分 |
| 3.3 光谱数据预处理 |
| 3.4 基于全光谱的赤霞珠SSC、pH、总酸和总酚预测模型的建立 |
| 3.4.1 基于全光谱PLS模型的建立 |
| 3.4.2 基于全光谱SVR模型的建立 |
| 3.5 近红外光谱特征波长提取 |
| 3.5.1 竞争性自适应重加权算法(CARS) |
| 3.5.2 遗传算法(GA) |
| 3.5.3 联合区间偏最小二乘算法(si-PLS) |
| 3.5.4 连续投影算法(SPA) |
| 3.6 基于特征波长的赤霞珠SSC、pH、总酸和总酚预测模型的建立 |
| 3.6.1 基于特征波长PLS模型的建立 |
| 3.6.2 基于特征波长SVR模型的建立 |
| 3.7 模型对比 |
| 3.8 本章小结 |
| 第四章 基于近红外光谱技术对赤霞珠葡萄采收期判别研究 |
| 4.1 不同采收期赤霞珠葡萄理化值统计分析 |
| 4.2 不同采收期赤霞珠葡萄光谱特征分析 |
| 4.3 基于全光谱的赤霞珠葡萄采收期的判定 |
| 4.4 近红外光谱特征波长提取 |
| 4.4.1 竞争性自适应重加权算法(CARS) |
| 4.4.2 遗传算法(GA) |
| 4.4.3 联合区间偏最小二乘算法(si-PLS) |
| 4.4.4 连续投影算法(SPA) |
| 4.5 基于特征波长的赤霞珠葡萄采收期的判定 |
| 4.5.1 基于CARS算法不同采收期判别模型的建立 |
| 4.5.2 基于GA算法的不同采收期预测模型的建立 |
| 4.5.3 基于si-PLS算法不同采收期判别模型的建立 |
| 4.5.4 基于SPA算法不同采收期判别模型的建立 |
| 4.6 模型对比 |
| 4.7 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 5.3 创新点 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 导师评阅表 |
（10）甘蔗细胞壁特征高通量评价及种质资源挖掘（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词表 |
| 1 引言 |
| 1.1 生物质与生物能源 |
| 1.2 能源作物甘蔗 |
| 1.3 细胞壁的特征 |
| 1.4 植物细胞壁降解与生物质降解效率 |
| 1.5 细胞壁的传统检验方法 |
| 1.6 近红外光谱技术在细胞壁检验方面的应用 |
| 1.7 研究目的与意义 |
| 1.8 研究内容及技术路线 |
| 1.8.1 研究内容 |
| 1.8.2 技术路线 |
| 2 实验材料与方法 |
| 2.1 实验材料 |
| 2.1.1 样品的采集 |
| 2.1.2 近红外光谱数据的采集 |
| 2.1.3 种质资源评价材料 |
| 2.2 试剂与耗材 |
| 2.3 主要仪器设备 |
| 2.4 实验方法 |
| 2.4.1 甘蔗纤维素及木质素含量的测定 |
| 2.4.2 甘蔗关键细胞壁特征模型的建立 |
| 2.4.3 种质资源材料评价方法 |
| 3 结果与分析 |
| 3.1 在线模型的建立 |
| 3.1.1 甘蔗渣中关键细胞壁特征成分分析 |
| 3.1.2 甘蔗渣近红外光谱的数据分析 |
| 3.1.3 分选定标集和检验集 |
| 3.1.4 甘蔗关键细胞特征近红外模型的创建 |
| 3.2 离线模型的建立 |
| 3.3 在线模型的优化 |
| 3.4 在线模型与离线模型比较 |
| 3.5 种质资源材料的评价 |
| 3.5.1 甘蔗种质材料的表型分析 |
| 3.5.2 甘蔗细胞壁特征表型多样性分析 |
| 3.5.3 甘蔗种质材料的筛选 |
| 4 讨论 |
| 4.1 甘蔗细胞壁特征高通量平价 |
| 4.2 种质资源材料的挖掘 |
| 5 全文总结及研究展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
四、现代近红外光谱技术（论文参考文献）
- [1]近红外光谱技术在水产养殖行业的应用进展[J]. 陈颖,王璐,尚宏鑫,许岩. 河北渔业, 2022(02)
- [2]中药制造领域近红外光谱技术的专利技术进展和趋势[J]. 刘南岑,耿立冬,马丽娟,吴志生. 中草药, 2021(21)
- [3]近红外光谱技术原理及其在废杂塑料识别分选中的应用进展[J]. 朱珂郁,曹长林,杨松伟,钱庆荣,陈庆华. 福建师范大学学报(自然科学版), 2021(05)
- [4]近红外光谱分析技术在蔬菜品质检测中的应用研究进展[J]. 薛舒丹,谢大森,万小童,陆森,刘展舒,钟玉娟. 广东农业科学, 2021
- [5]近红外光谱技术在农产品检测中的应用研究进展[J]. 王建伟,陶飞. 安徽农学通报, 2021(17)
- [6]基于近红外光谱的橄榄与亚麻籽调和油定量及定性分析[D]. 蔡子豪. 武汉轻工大学, 2021(02)
- [7]紫白菜花青素和硫代葡萄糖苷含量测定及其近红外光谱快速测定模型研究[D]. 王王瑜. 河北北方学院, 2021(01)
- [8]甘蔗品质性状高通量表型评价体系的建立及初步应用[D]. 王茂瑶. 广西大学, 2021(12)
- [9]基于近红外光谱技术的赤霞珠葡萄品质检测及采收期判别研究[D]. 罗一甲. 石河子大学, 2021(02)
- [10]甘蔗细胞壁特征高通量评价及种质资源挖掘[D]. 李欣茹. 广西大学, 2021(12)