多光譜食品品質檢測技術與信息處理研究

《多光譜食品品質檢測技術與信息處理研究》是2018年1月機械工業出版社出版的圖書，作者是劉翠玲。

基本介紹

• 書名：多光譜食品品質檢測技術與信息處理研究
• 作者：劉翠玲
• ISBN：9787111584308
• 定價：69元
• 出版社：機械工業出版社
• 出版時間：2018年1月
• 裝幀：平裝
• 開本：16開

內容簡介

本書結合我國當下“食品安全”熱點問題，以果蔬農殘、食用植物油、小麥粉、茶葉等檢測對象為例，系統介紹了作者所在課題組採用多種光譜技術（近紅外、中紅外、拉曼及紫外等）在農產品和食品品質快速檢測中的研究理論、方法以及套用成果，並重點探討了多種光譜技術在農產品和食品品質快速檢測領域中的套用可行性及存在問題。

圖書目錄

前言

第1章 緒論1

1.1光譜技術概述1

1.1.1光譜技術的起源1

1.1.2光譜技術的主要套用領域1

1.1.3光譜技術的套用特點2

1.2光譜技術在食品品質檢測中的套用現狀2

1.2.1光譜技術在農藥殘留檢測中的套用現狀2

1.2.2光譜技術在食用植物油品質檢測中的套用現狀7

1.2.3光譜技術在麵粉品質檢測中的套用現狀8

1.3完成的相關科學研究項目概況9

1.4本書主要內容概述10

參考文獻11

第2章 光譜分析技術基礎13

2.1光譜分析理論基礎及技術特點13

2.1.1近紅外光譜技術13

2.1.2傅立葉變換紅外光譜衰減全反射技術15

2.1.3拉曼散射光譜技術16

2.1.4紫外-可見光分光光度法17

2.2光譜分析流程17

2.3常規光譜預處理方法18

2.3.1中心化18

2.3.2平滑法19

2.3.3導數法20

2.3.4標準正態變數變換法20

2.3.5去趨勢法21

2.3.6多元散射校正21

2.3.7小波變換21

2.3.8連續投影算法22

2.3.9正交信號校正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神經網路26

2.4.5 SVM26

2.5光譜模型評價指標29

2.6光譜儀器介紹30

2.6.1紅外光譜儀30

2.6.2拉曼光譜儀31

2.6.3紫外光譜儀32

2.7小結33

參考文獻33

第3章 農藥殘留檢測方法及光譜儀概述37

3.1農藥殘留檢測方法介紹37

3.1.1色譜法37

3.1.2光譜法38

3.1.3酶抑制法38

3.1.4酶聯免疫法39

3.1.5生物感測器檢測法39

3.1.6發光菌檢測法39

3.2光譜儀設備概述40

3.3小結40

參考文獻41

第4章 基於近紅外光譜技術的農藥殘留檢測方法研究42

4.1簡介42

4.2基於近紅外光譜的農藥溶液定量分析方法研究42

4.2.1樣本製備及光譜採集42

4.2.2基於近紅外光和PLS法的農藥溶液定量分析方法研究43

4.2.3基於近紅外光和BP神經網路的農藥溶液定量分析方法研究47

4.3基於近紅外光譜的蘿蔔農藥殘留（毒死蜱）檢測方法研究50

4.3.1樣本製備及光譜採集50

4.3.2基於近紅外光和PLS法的蘿蔔農藥殘留檢測方法研究51

4.3.3基於近紅外光和BP神經網路的蘿蔔農藥殘留檢測方法研究52

4.4基於近紅外光HSI技術的皇冠梨農藥殘留無損檢測方法研究52

4.4.1樣本製備及高光譜採集53

4.4.2光譜特徵提取54

4.4.3基於BP神經網路的皇冠梨農藥殘留(毒死蜱)檢測方法研究54

4.4.4基於BP神經網路的皇冠梨農藥殘留(炔蟎特)檢測方法研究56

4.5小結56

參考文獻57

第5章 基於ATR-FTIR光譜技術的農藥殘留檢測方法研究58

5.1簡介58

5.2基於ATR-FTIR的農藥溶液定量分析方法研究58

5.2.1基於FTIR峰高和峰面積的農藥溶液定量分析方法研究58

5.2.2基於FTIR和PLS的農藥溶液定量分析方法研究62

5.2.3基於FTIR和BP神經網路的農藥溶液定量分析方法研究65

5.3基於ATR-FTIR的蘿蔔農藥殘留（毒死蜱）檢測方法研究67

5.3.1基於FTIR峰高和峰面積的蘿蔔農殘檢測方法研究67

5.3.2基於FTIR和PLS的蘿蔔農殘檢測方法研究69

5.3.3基於FTIR和BP神經網路的蘿蔔農殘檢測方法研究70

5.4小結71

參考文獻71

第6章 基於SERS光譜技術的農藥殘留檢測方法研究72

6.1簡介72

6.2 SERS光譜技術中不同表面增強劑效果的研究72

6.2.1基於金、銀基底的SERS光譜分析72

6.2.2基於金、銀基底的SERS光譜建模分析73

6.3 SERS光譜技術中QuEChERS樣本前處理的研究75

6.3.1無樣本前處理的SERS分析及建模75

6.3.2基於QuEChERS的樣本前處理的SERS分析及建模77

6.4基於SERS光譜技術的蘋果農藥殘留定量檢測方法研究78

6.4.1基於SERS光譜和PLS法的蘋果農藥殘留定量檢測方法研究78

6.4.2基於SERS光譜和SPA的蘋果農藥殘留定量檢測方法研究80

6.4.3基於SERS光譜和BP人工神經網路的蘋果農藥殘留定量檢測方法研究80

6.5基於SERS光譜技術的蘋果多農藥殘留的定性及定量分析81

6.5.1樣本製備及數據採集81

6.5.2基於判別分析的不同農藥定性分析83

6.5.3基於距離匹配的不同農藥定性分析83

6.5.4多農藥殘留定量分析86

6.5.5國標檢測方法對比結果88

6.6小結89

參考文獻89

第7章 二嗪農多類光譜敏感性研究比較分析92

7.1簡介92

7.2實驗材料92

7.3二嗪農的4類光譜分析92

7.3.1二嗪農近紅外光譜分析92

7.3.2二嗪農中紅外光譜分析94

7.3.3二嗪農SERS光譜分析94

7.3.4二嗪農紫外光譜法檢測97

7.4小結98

參考文獻99

第8章 多光譜技術在食用植物油安全品質檢測中的套用研究100

8.1簡介100

8.2基於近紅外光譜技術的食用油安全品質檢測方法研究100

8.2.1基於聚類分析的食用油種類鑑別方法研究100

8.2.2基於SVM的花生油摻偽檢測方法研究104

8.3基於ATR-FTIR光譜技術的食用油安全品質檢測方法研究109

8.3.1基於ELM的芝麻油摻偽檢測方法

研究109

8.3.2基於ELM的芝麻油制假檢測方法研究113

8.4基於拉曼光譜技術的食用油安全品質檢測方法研究116

8.4.1基於PLS-LDA法的食用油種類鑑別方法研究116

8.4.2基於距離匹配法的食用植物油摻偽檢測方法研究119

8.4.3食用植物油中的外源性動物油脂檢測方法研究123

8.5小結127

參考文獻127

第9章 多光譜技術在食用油營養及理化品質檢測中的套用研究131

9.1簡介131

9.2基於近紅外光譜技術的食用油脂肪酸檢測方法研究131

9.2.1實驗材料與光譜採集131

9.2.2基於視窗移動的PLS法介紹132

9.2.3食用油油酸近紅外光特徵譜區篩選與模型最佳化方法研究132

9.2.4食用油亞油酸近紅外光特徵譜區篩選與模型最佳化136

9.2.5食用油硬脂酸近紅外光特徵譜區篩選與模型最佳化140

9.2.6食用油棕櫚酸近紅外光特徵譜區篩選與模型最佳化145

9.3基於拉曼光譜技術的食用油脂肪酸檢測方法研究149

9.3.1實驗材料與光譜採集149

9.3.2拉曼特徵譜區篩選149

9.3.3食用油油酸拉曼特徵譜區篩選及模型最佳化149

9.3.4食用油亞油酸拉曼特徵譜區篩選及模型最佳化151

9.3.5食用油硬脂酸拉曼特徵譜區篩選及模型最佳化152

9.3.6食用油棕櫚酸拉曼特徵譜區篩選及模型最佳化154

9.4基於多光譜技術的芝麻油酸值檢測方法研究155

9.4.1實驗材料155

9.4.2光譜採集155

9.4.3基於近紅外光譜的芝麻油酸值定量分析157

9.4.4基於中紅外光譜的芝麻油酸值定量分析158

9.4.5基於拉曼光譜的芝麻油酸值定量分析158

9.5基於多光譜技術的食用油酸值和過氧化值檢測方法研究159

9.5.1實驗材料與光譜採集159

9.5.2光譜模型比較分析159

9.6基於近紅外-中紅外光譜融合技術的食用油酸值和過氧化值的定量模型探索研究161

9.6.1實驗材料與光譜採集161

9.6.2近紅外-中紅外的光譜融合161

9.6.3近紅外-中紅外融合光譜的酸值定量分析結果161

9.6.4近紅外-中紅外融合光譜的過氧化值定量分析結果161

9.6.5單一光譜與融合光譜方法的模型結果分析161

9.7小結163

參考文獻163

第10章 多光譜技術在小麥粉品質檢測中的套用研究167

10.1簡介167

10.2小麥粉品質的常規檢測方法介紹167

10.3基於近紅外光譜技術的小麥粉品質檢測方法研究168

10.3.1實驗材料與光譜採集169

10.3.2基於近紅外光全光譜的小麥粉品質檢測方法研究169

10.3.3基於遺傳算法的小麥粉品質近紅外光模型最佳化方法研究174

10.3.4基於模擬退火算法的小麥粉品質近紅外光模型最佳化方法研究181

10.4基於ATR-FTIR光譜的小麥粉種類鑑別方法研究185

10.4.1實驗材料與光譜採集186

10.4.2光譜預處理186

10.4.3異常樣本剔除187

10.4.4基於SVM的小麥粉種類鑑別模型的建立與測試188

10.5小結188

參考文獻188

第11章 多光譜技術在澱粉種類鑑別中的套用190

11.1簡介190

11.2澱粉種類鑑別的研究現狀191

11.3基於近紅外光譜的澱粉種類快速鑑別方法研究192

11.3.1實驗材料與光譜採集192

11.3.2基於聚類分析的澱粉種類鑑別模型建立與分析193

11.4基於中紅外光的澱粉種類快速鑑別方法研究197

11.4.1實驗儀器、材料及光譜採集197

11.4.2聚類分析模型的建立198

11.4.3對樣本進行預測分析198

11.4.4本節小結201

11.5基於拉曼光譜的澱粉種類快速鑑別研究201

11.5.1拉曼光譜的定性分析方法201

11.5.2實驗材料與光譜採集202

11.5.3基於判別分析法的澱粉種類建模分析203

11.5.4基於距離匹配法的澱粉種類建模分析206

11.6小結209

參考文獻209

第12章 多光譜技術在茶葉品質檢測中的套用研究211

12.1簡介211

12.1.1茶葉產地及新舊鑑別的研究背景211

12.1.2茶葉產地及新舊鑑別的研究現狀212

12.2基於多光譜技術的新、老茶葉鑑別方法研究216

12.2.1實驗材料與光譜採集216

12.2.2基於近紅外光譜的新、老茶葉鑑別模型建立與分析218

12.2.3基於中紅外光譜的新、老茶葉鑑別模型建立與分析221

12.3基於多光譜技術的茶葉產地快速鑑別方法研究224

12.3.1實驗材料與光譜採集224

12.3.2基於近紅外光譜的茶葉產地鑑別模型建立與分析226

12.4小結229

參考文獻229

第13章HSI技術在食品品質檢測中的套用研究231

13.1 HSI技術在食品品質檢測分析中的套用概述231

13.1.1 HSI技術在食品品質檢測套用中的發展現狀231

13.1.2 HSI技術原理232

13.1.3 HSI檢測系統的構成233

13.2 HSI檢測系統中的圖像處理方法233

13.2.1 HSI檢測系統中的圖像處理基本流程234

13.2.2高光譜圖像的特徵提取方法234

13.2.3 HSI檢測系統中的分類與預測方法235

13.3深度學習在HSI檢測系統中的套用237

13.3.1深度學習概述237

13.3.2基於深度學習的高光譜數據分類245

13.3.3 CNN在高光譜數據分類中的實驗247

13.4小麥不完善粒高光譜檢測分類的套用實例248

13.4.1材料與方法249

13.4.2結果分析250

13.5小結252

參考文獻252

第14章 結論和展望254

14.1結論254

14.2展望255

附錄256

附錄A 近紅外光譜採集步驟256

附錄B 中紅外光譜採集步驟256

附錄C 表面增強拉曼散射光譜採集步驟257

附錄D 紫外光譜採集步驟257