近红外光谱技术在食品品质检测方法中的研究 高清晰可复制文字版
作者：刘翠玲，吴静珠，孙晓荣 著
出版时间：2015
内容简介
本书从社会实际需求出发，作者多年从事测控技术及信息处理，并与食品相关专业等研究人员合作，融入许多为解决实际问题而进行的研究和实践经验，系统介绍了本课题组基于近红外光谱分析技术在蔬菜农药残留量的检测、食用植物油、小麦粉、淀粉的品质检测中的应用研究成果。本书主要内容：较系统地综述了近红外光谱法的分析特点及发展应用过程；总结阐述了近红外光谱分析的基本理论和流程；阐述了基于近红外光谱分析技术的蔬菜中农药残留量检测方法及模型建立；采用近红外光谱技术结合模式识别方法建立了食用油种类、花生油和橄榄油掺伪定性识别模型；采用近红外光谱技术结合化学计量学方法建立了食用油脂肪酸含量、过氧化值和酸价的定量分析模型；提出了基于近红外光谱检测小麦粉品质；运用近红外光谱技术可实现快速、无损地鉴别淀粉品质等。本书适合从事食品、卫生、检测技术、自动化、信息处理等专业内容方面的研究生、本科生及相关工程技术人员、科研人员阅读。
目录
前言
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
目录第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
3.3.1BP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
3.4.1PLS法的样品选择71
3.4.2BP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
6.3.2CARS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
7.5SVM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
