2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩52頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、我國是肉類生產(chǎn)、消費大國,隨著生活水平的不斷提高,人們對肉類品質(zhì)的要求也日益提升。目前,市場上肉品的來源復(fù)雜,質(zhì)量與衛(wèi)生狀況參差不齊,肉類品質(zhì)的檢測主要靠檢疫員的現(xiàn)場檢測,且多為感官檢測,效果并不理想。近紅外光譜分析技術(shù)是光譜測量技術(shù)、計算機技術(shù)和化學計量學的有機結(jié)合,是一種高效、快速、無損的檢測方法,已經(jīng)在農(nóng)業(yè)、食品和醫(yī)藥等領(lǐng)域獲得廣泛的研究和應(yīng)用。本文以豬肉為研究對象,以揮發(fā)性鹽基氮含量(TVB-N)和pH值為其新鮮度指標,分析豬肉

2、近紅外光譜數(shù)據(jù)與兩個參考指標之間的定量關(guān)系,并建立肉類新鮮度預(yù)測模型,最終依照相關(guān)國家標準對豬肉的新鮮度進行評價。本文的研究工作主要包括以下幾個方面:
 ?。?)研究了在近紅外光譜分析過程中,不同的樣本集劃分對預(yù)測模型性能的影響。比較當前較為流行的三種樣本劃分方法,隨機法、Kennard-Stone法和SPXY算法,使用上述三種方法劃分樣本集后分別建立偏最小二乘校正模型。經(jīng)過分析比較后表明,SPXY算法劃分樣本的性能最佳,劃分的樣

3、本集能兼顧樣本光譜和待測量信息,同時能夠有效地覆蓋多維向量空間,從而改善所建模型的預(yù)測性能。確定選擇SPXY算法作為本研究的樣本集劃分算法。
 ?。?)研究了使用不同的光譜預(yù)處理方法對預(yù)測模型結(jié)果的影響。比較幾種常用的預(yù)處理方法的處理效果,并結(jié)合偏最小二乘法,建立TVB-N和pH值的校正模型。由于預(yù)處理后光譜數(shù)據(jù)的差異性,不同的預(yù)處理方法表現(xiàn)出不同的處理效果。經(jīng)過比較分析,去趨勢預(yù)處理后建立的模型的效果最好,處理后的光譜能有效的消

4、除原始光譜中的基線漂移,同時光譜的吸收峰增多其更加明顯,更有利于光譜數(shù)據(jù)的分析。
 ?。?)提出一種基于變量有效性的競爭自適應(yīng)加權(quán)重采樣法。在競爭自適應(yīng)重采樣法的基礎(chǔ)上對變量的衡量標準進行了改進,定義了光譜變量的有效性指標,進行光譜特征變量選擇。將本文提出的算法與連續(xù)投影算法、無信息變量消除、競爭自適應(yīng)重采樣方法和向后間隔偏最小二乘法四種主流的特征提取方法進行對比。通過比較分析,本文提出的ECARS特征變量選擇方法擁有更優(yōu)秀的泛化

5、性能與穩(wěn)定性,并且能有效減少建模變量數(shù),簡化模型,提高預(yù)測精度。
 ?。?)確定了豬肉新鮮度檢測最優(yōu)的模型建立方法,并對豬肉的新鮮度進行了評價。比較偏最小二乘法、支持向量回歸和多元線性回歸法模型對豬肉的TVB-N和pH值的定量預(yù)測效果。對實驗結(jié)果進行分析比較,確定PLS為最優(yōu)的模型建立方法。使用最佳的預(yù)測模型對豬肉新鮮度進行評價,對豬肉新鮮度的綜合評定準確率為90.3%。結(jié)果表明,采用近紅外光譜檢測技術(shù)能夠有效對肉類新鮮度進行檢測

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論