一、温度测量型近红外光谱分析仪的研究（论文文献综述）
李展鸿[1]（2021）在《基于便携式光谱仪的白酒掺假检测研究》文中研究指明市场存在众多仿冒白酒,包括对原酒进行掺水或工业酒精,而目前针对白酒掺假的检测往往仅限于在实验室大型设备检测以及外包装溯源,并不能即时有效地进行检测,因此,现有的白酒检测模式有待改进。随着科技发展,近红外光谱检测技术越来越完善,该技术可以快速、无损检测样本,并且处理样本数据简单,在食品掺假检测方面有着重要应用,是潜在的可以用于白酒掺假检测的手段,但是目前基于便携式近红外光谱仪的白酒掺假研究文献上鲜有报道。因此基于便携式近红外光谱仪的白酒掺假研究有着重要的应用价值,本文主要工作如下:（1）基于便携式近红外光谱仪的白酒掺假类型识别研究:通过便携式近红外光谱模块DLP NIRscan Nano,对掺水和掺工业酒精的50种不同品牌的白酒分别进行瓶外检测,针对样本光谱的噪声进行预处理,经过预处理后获得掺水或掺工业酒精样本各1050个,然后对白酒的掺水和掺工业酒精两种掺假类型进行分类识别研究,对比分析了支持向量机（Support Vector Machine,SVM）模型的掺假类型识别结果以及极端梯度提升（Extreme Gradient Boosting,XGBoost）模型的掺假类型识别结果。使用SVM得到的训练集和测试集分类精度分别为95.8%、95.2%,使用XGBoost得到的训练集和测试集的分类精度分别为100%、98.3%,结果表明XGBoost对于这两种白酒掺假类型识别精度更高。（2）基于便携式近红外光谱仪的白酒掺假度识别研究:对经过SG+SNV预处理后的近红外光谱数据进行拟合处理,然后采用反向传播（Back Propagation,BP）神经网络以及偏最小二乘（Partial Least-Square method,PLS）对白酒掺水或工业酒精的量进行识别。通过BP算法得到的两种掺假类型的拟合均方根误差为0.027,相关系数为94.8%,通过PLS算法得到的拟合均方根误差为0.005,相关系数为0.997%,因此,通过PLS算法得到的白酒掺假量识别精度更高。（3）基于智能手机的便携式近红外光谱仪的白酒掺假系统开发:在前两章对于掺假类型与掺假度识别的基础上,开发了白酒掺假检测的物联网系统平台,首先搭建了服务器,用户使用安卓通过蓝牙与光谱仪建立连接,控制光谱仪进行扫描数据,然后将安卓手机与服务器通过网络连接,将数据上传至服务器,服务器中的算法分析得到掺假类型和掺假度后,通过网络将结果传回客户端进行显示。本研究通过近红外光谱仪对白酒掺假进行各瓶检测,实现了白酒掺水和掺工业酒精的快速识别,对于打击白酒掺假具有重要的意义。
汤余尖[2]（2021）在《近红外光谱分析仪的实时数据采集与监测管理》文中研究说明近红外光谱技术因检测速度快、无需样品制备、无污染、可用于不同环境条件等优点,受到了越来越广泛的关注,石化、制药和生物发酵等生产行业都在逐渐增多地采用近红外光谱技术做实时在线检测。本文针对近红外光谱分析仪的实时数据采集与监测管理开展研究工作,主要研究内容包括:针对国外某仪器公司制造的近红外光谱分析仪的算法封闭和数据不开放问题,如内部光谱标定建模算法不能由用户改动、不支持用户编写的光谱预处理算法、以及不能将采集的光谱数据直接存储到本地文件等,基于TCP/IP接口和光谱仪的数据通讯机制,设计光谱数据采集和状态与诊断信息监测等程序,以实时获取光谱仪采集的光谱数据,并且对仪器进行状态和诊断信息监测。而且,编制多种光谱预处理算法以对实时采集的光谱数据进行预处理,为后续光谱标定建模与监测提供可靠的数据源。针对光谱数据量大、实际工程应用数据采集通道多的特点,分别设计单通道与多通道数据库结构,构建单通道与多通道光谱数据库,从而克服现有光谱仪器在数据存储和读取方面的不足,可方便地读取指定通道和特定时间段的数据,并且在数据库中可以利用结构化查询语言（SQL）对历史采集数据进行增删和标注等操作,进一步方便后续光谱标定建模与实时监测。针对现有光谱仪集成开发环境不够直观的问题,基于Java Swing工具包并结合Java事件处理机制进行图形化用户界面（GUI）开发,设计光谱数据监测人机交互界面和多通道数据管理界面。前者主要集成光谱仪的实时数据采集、光谱数据图形化存储与显示功能、状态与诊断信息监测功能、以及多种光谱数据预处理算法,后者主要集成多通道光谱数据的图形化存储与显示功能、以及多种光谱数据预处理算法。这样的图形化用户界面设计便于用户进行实时光谱数据采集及监测管理。
黄冰[3]（2021）在《基于近红外光谱检测技术的水泥生料质量控制研究》文中指出生料制备作为水泥生产的首要环节,其产品质量的好坏对后续熟料烧成有着重要影响。生料成分作为评价生料质量的主要指标,其快速准确的检测是实现其质量实时控制的前提。目前国内大多数水泥企业生料质量检测仍采用XRF荧光分析仪离线进行,在原材料成分变化频繁的情况下不能及时有效地指导生产。少数企业引进了元素在线分析仪进行实时在线检测,并进行实时质量控制,但此种检测方式使用了具有放射性的中子源,不仅存在安全隐患,而且维护成本较高。为此引入近红外光谱检测技术对水泥生料成分进行在线检测,进而实现水泥生料质量实时控制。该检测技术作为一种快速、安全无污染的检测方式,在定量检测中得到了广泛的应用。但近红外光谱检测技术在水泥生料成分检测当中存在以下问题:水泥生料成分含量大多为金属氧化物,其近红外光谱吸收峰较小,不易进行定量检测;水泥生料粉堆密度变化影响漫反射光的强度,从而降低近红外光谱检测的精度;原材料种类或产地变化使检测模型的适配度变差;生产过程中存在原材料成分变化,近红外光谱磨后检测存在一定滞后时间。针对以上问题,本文基于近红外光谱检测技术,研究水泥生料成分检测和质量控制,主要内容与结果如下:（1）在水泥生料SiO2、Al2O3、Fe2O3和Ca O四种成分的定量检测中,由于各成分吸收峰小且分布范围较宽,同一成分的吸收峰位置并不唯一,采用反向区间偏最小二乘法（Bi PLS）和协同偏最小二乘法（Si PLS）对原始光谱和预处理光谱进行波段挑选,通过对比主成分回归分析（PCR）、偏最小二乘（PLS）、支持向量机（SVM）、多元线性回归（MLR）、最小二乘（CLS）、神经网络（ANN）等算法的建模效果,确定了水泥生料不同成分的最优检测模型:SiO2成分采用原始光谱进行Bi PLS波段挑选,确定PLS检测模型最优,预测均方根误差为0.136;Al2O3成分采用Savitzky-Golay预处理光谱,经Bi PLS-Si PLS波段挑选,确定PLS检测模型最优,预测均方根误差为0.068;Fe2O3成分采用Savitzky-Golay预处理光谱,经Bi PLS-Si PLS波段挑选,确定PLS检测模型最优,预测均方根误差为0.031;Ca O成分采用Savitzky-Golay预处理光谱,经Bi PLS波段挑选,确定PCR检测模型最优,预测均方根误差为0.113。（2）针对堆密度对水泥生料近红外光谱检测的影响,以混合样本校正的方式对堆密度进行补偿,以提高模型的检测精度。采用该方式对SiO2、Al2O3、Fe2O3和Ca O成分含量检测模型进行校正,与无堆密度信息的样本建立的检测模型对比,其相关系数R2分别提高了19.10%、17.65%、20.37%、27.40%,预测均方根误差分别减小了7.36%,4.14%,12.90%,20.67%。通过不同水泥企业的对比,研究表明,当水泥生料的原材料发生变化或者产地不同时,不能仅靠修正模型对水泥生料进行检测,需要重新建立近红外光谱模型,并且光谱波段选择必须改变。（3）针对水泥生料质量控制中的滞后和非线性问题,基于水泥生料配料工艺过程的机理与特性,结合近红外光谱检测结果,对水泥生料生产过程进行工况划分并建立工况模板;设计了以典型工况为核心的集趋势控制、前馈控制和预测控制于一体的水泥生料质量多模态控制器:针对质量控制指标设定值变化情况,采用前馈控制;针对水泥生料质量暂时合格,但其变化趋势趋向恶劣的情况,采用趋势控制;针对水泥生料质量不合格的情况,采用预测控制;采用数据驱动的水泥生料原材料成分预估方法对水泥生料原材料成分含量进行估算。（4）基于以上研究内容开发了水泥生料质量控制软件,并应用于现场实际生产,现场应用结果表明:近红外光谱检测技术对水泥生料SiO2、Al2O3、Fe2O3和Ca O成分含量的检测值和XRF荧光检测值的平均绝对偏差值分别为0.11、0.033、0.045、0.157;基于近红外光谱检测数据和现场数据,采用水泥生料质量控制软件进行控制,使得水泥生料KH合格率提高17.25%。
王王瑜[4]（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》文中研究说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。
许金珂[5]（2021）在《基于NIRS的莱鲍迪苷A生产工艺优化及快速质量控制方法的研究》文中进行了进一步梳理当前,甜菊糖因其高甜低热的特点越来越受到食药行业青睐。其中,尤以莱鲍迪苷A（rebaudiosideA,RA）因其甜度、理化性质等都优于其他甜菊糖苷,其特性也最接近蔗糖,成为蔗糖的有效替代品。因此,如何获取高质量RA是甜菊糖产业亟需突破的热点与难点。原材料甜菊叶的质量以及结晶纯化工艺是目前限制RA产量和纯度的关键,然而对于以上两个关键环节,目前缺乏深度的理解以及有效的过程评价与表征的方法。鉴于此,本研究主要从甜菊叶的品种判别与品质筛选、RA的结晶纯化关键工艺优化与质量控制方面开展研究,突破生产工艺、质量监测技术的瓶颈,提出甜菊叶筛选过程的质量表征方法以及结晶过程“可视化”技术体系,从而确保生产过程关节环节质量可视,产品质量均一、稳定,为国内甜菊糖生产企业核心竞争力的提升提供实验依据与理论基础。首先,针对甜菊叶品种差异、质量不同的问题,建立基于近红外（near infrared,NIR）光谱分析技术（near infrared spectroscopy,NIRS）的评价体系。在静态建模方面,考察了近红外光谱仪器的分辨率、扫描次数、样品粒径以及干燥时间对NIR光谱数据的稳定性及重复性的影响,进而利用主成分分析（principle component analysis,PCA）、簇类独立软模式法（soft independent modeling of class analogy,SIMICA）、偏最小二乘判别分析（partial least squares discrimination analysis,PLS-DA）方法建立品种判别模型。在动态建模方面,开展基于传送带输送模式下的甜菊叶在线质量判别研究,通过利用角光谱转换的方法消除光程不稳定的影响,进而采用PCA和聚类分析对甜菊叶的质量进行在线判别。结果表明,在静态建模方面,将不同品种的甜菊叶样品粉碎过100目筛网,置于55℃干燥箱10h,在分辨率为16cm-1,扫描次数为32的条件下,采集的NIR光谱稳定性好。利用PCA、SIMICA、PLS-DA等方法,能够成功建立高RA型,高STV型,RA型和混合型的4个不同品种甜菊叶的定性模型,且原始光谱经多元散射校正（multiplicative scatter correction,MSC）预处理后建立的 PLS-DA 判别模型最佳,模型识别率和拒绝率均达100%。在动态建模方面,通过角光谱转换可有效消除光程的影响,PCA可以将部分劣质叶片排除在95%控制限之外,聚类分析也可将劣质叶片有效地识别出来。本部分的研究表明NIR光谱分析方法可以在静态和动态两个方面有效地评价甜菊叶的质量,提升现场收购与生产投料时对产品质量的理解,加强对产品质量的设计,为质量源于设计提供依据。第二,结晶是影响RA质量的另一个关键单元操作。本研究使用混合溶媒结晶法,对RA80（RA含量大于80%）及RA98（RA含量大于98%）的结晶工艺进行优化,确定了最佳工艺条件,同时采用拉曼光谱成像的方法建立了RA结晶过程固相体系变化的可视化表征技术。在结晶工艺研究方面,以RA的含量和转移率为指标,先考察了 RA80的纯化工艺,继而考察RA98的纯化工艺。通过采用单因素实验的方法对溶媒的种类及比例、溶媒的加入量、加热回流时间和冷却放置时间等进行考察,确定最佳结晶工艺,最后进行中试验证。在最佳工艺条件下,对结晶过程间隔取样,利用拉曼光谱成像表征结晶过程固相体系中RA的含量趋势变化。结果表明,RA80的生产工艺为:RA含量为40%的甜菊总苷加入8倍量乙醇加热回流1.5 h,放置析晶4 h,过滤,烘干。RA98的生产工艺为:RA80加入12倍量的混合溶媒（甲醇:乙醇=1:2）,加热回流2 h,放置析晶4 h,过滤,烘干。结晶过程固体样品的成像结果显示,随着时间的进行,晶体中的RA含量在逐渐增加,并呈现出前期变化快速,后期逐渐平稳的结晶过程。通过本部分的研究,建立了两种RA纯化工艺,工艺简单,操作方便,易于大规模转移,同时建立了基于拉曼光谱的生产过程RA可视化定性表征方法。第三,在工艺优化的基础上,引入NIR过程分析技术（process analytical technology,PAT）可以帮助更好地理解结晶过程,为质量源于设计奠定基础。台式实验室型NIR仪器体积庞大、维护成本高,而微型NIR仪器受尺寸限制难以实现宽波段覆盖。基于此,本文开展了微型NIR传感器的融合设计研究,开发了一套能够实现两个传感器同时采集光谱的近红外光谱分析软件,针对本文研究对象-RA结晶过程液相体系样品对检测系统的要求建立了一套基于透射模式的融合传感器检测系统。首先完成了微型NIR传感器检测系统的硬件搭建,其次开发了相应的近红外光谱分析软件。该软件基于Python语言实现,根据用户需求进行功能设计。Pyserial模块完成底层通信,PyQt5完成交互界面的编写,软件主要的功能模块包括数据采集、数据分析以及数据存储。通过本部分研究,建立了一套微型NIR传感器融合检测系统,可以根据不同应用场景快速完成特殊采集目的的定制软件开发,并可根据采集对象的特征光谱任意组合覆盖不同波段的仪器进行检测,具有便携、多场景应用、灵活变换采集波段等优点,为后续融合光谱数据分析奠定了基础,也为仪器微型化、在线检测分析建立了理论基础。第四,针对结晶过程RA在液相体系中的变化规律,开展基于线性建模方法的微型NIR传感器融合研究。对结晶过程液相体系间隔取样过滤,利用第四章建立的光谱采样系统采集NIR光谱;采用NIR数据非融合方法、低级融合方法以及中级融合方法建立线性校正模型,通过建模结果比较确定RA的最佳线性校正模型,实现RA结晶过程分析。结果显示,传感器1建立的PLS模型的校正集均方根误差（rootmeansquarederrorofcalibration,RMSEC）、交叉验证均方根误差（rootmeansquarederrorofcrossvalidation,RMSECV）、预测集均方根误差（root mean squared error of prediction,RMSEP）、校正集决定系数（Rc2）、交叉验证决定系数（Rcv2）、验证集决定系数（Rp2）分别为4.417mg/mL、8.990mg/mL、3.440 mg/mL、0.8719、0.4628、0.9081,残差预测偏差（residual prediction deviation,RPD）为 3.298;传感器2建立的 PLS 模型 RMSEC、RMSECV、RMSEP、Rc2、Rcv2、Rp2分别为3.868 mg/mL、6.356 mg/mL、3.220 mg/mL、0.9018、0.7315、0.9195,RPD值为3.524,证明传感器1和2都可以用于RA结晶过程液相体系的质量表征。融合数据研究的结果显示,原始光谱低级融合PLS模型与传感器1结果相比,RMSEP减小21.90%,RP2和RPD分别增加3.94%和28.05%;与传感器2结果相比,RMSEP减小16.55%,Rp2和RPD分别增加2.65%19.84%。中级数据融合模型也展示出了较好的预测性能,与传感器1和2的单个PLS模型相比,SO-PLS模型的RMSEP分别减小10.95%和4.86%,Rp2分别增加2.41%和1.14%,RPD分别增加12.31%和5.11%;SO-CovSel模型的RMSEP分别减小了10.46%和 4.33%,RP2分别增加了 2.41%和 1.14%,RPD 分别增加 11.67%和 4.51%。传感器1序贯模型比其PLS模型RMSEP减小2.01%,RP2增加0.19%;传感器2序贯模型比其PLS模型RMSEP减小4.33%,RP2增加1.14%,序贯模型的RPD值只有非常小幅度的增加。综上所述,基于数据融合的线性模型的建模效果均比非融合的单传感器模型表现更佳,说明数据融合技术可以有效提升模型的预测准确性,其中原始光谱低级融合PLS是RA定量的最佳线性表征模型。通过本部分研究,确定了结晶过程液相体系RA定量的最佳线性表征模型,对液相体系RA含量的快速测定能够科学地理解结晶过程,判断结晶终点,也为实现多传感器信息的融合互补提供了建模思路。最后,利用人工智能（artificial intelligent,AI）的算法-卷积神经网络（convolutional neural networks,CNN）尝试对结晶过程进行非线性的描述,以期建立基于AI的新型建模算法。本部分利用一维CNN实现RA定量分析,并探究利用CNN特征提取实现微型传感器之间原始光谱低级融合、外积融合、PCA融合的建模研究。结果表明,利用CNN建立的RA定量模型相比PLS模型预测能力得到改善。传感器1的CNN模型比线性PLS模型的RMSEP低4.96%,RP2和RPD分别增加2.41%和5.06%;传感器2的CNN模型比PLS模型的RMSEP低1.68%,Rp2和RPD值分别增加1.36%和10.61%。在数据融合研究中,建模效果最佳的原始光谱低级融合CNN模型对比单传感器PLS模型表现突出,与传感器1和传感器2的PLS模型对比,RMSEP分别减小20.97%和15.56%,Rp2分别增大3.73%和2.45%,RPD值分别增加37.66%和28.83%。本部分的研究表明基于AI的CNN非线性模型可以更好的描述结晶过程,为非线性的结晶动力学的研究奠定了基础。综上所述,本文针对限制RA质量的瓶颈单元操作进行研究,在原材料方面,利用近红外光谱分析技术建立了甜菊叶的静态和动态质量判别体系;在结晶纯化方面,设计微型NIR融合传感器检测系统,利用NIR技术和拉曼光谱技术结合数据融合方法、AI建模方法实现了 RA结晶过程固相与液相的质量可视化表征,为在线分析方法的传感器融合、数据融合的AI建模研究奠定了基础。通过本文的研究加强了对产品质量形成的理解,也为质量源于设计奠定了基础。
安梦迪[6]（2021）在《基于近红外光谱的生物质水分速测研究》文中研究表明随着近些年提出的“绿水青山”的理念,以及节约资源和保护环境的基本国策,节能环保和可持续发展已经成为时代的主题。我国的能源结构是以基于煤炭燃烧的火电为主,但煤炭资源是不可再生的,目前受到普遍关注的可再生能源主要包括风能、水能、太阳能和生物质能源等。相对于其他可再生能源,生物质能源在我国内储量巨大,但利用率还非常低,因此还有很大的发展提升的空间。生物质燃料在进入锅炉燃烧之前需要经过处理,因为生物质锅炉中,生物质燃料的含水率不能过高。并且燃料中水分含量过高也会降低可利用热值,影响生物质燃料的转化率,进一步对利用率产生影响。而从各地收集来的生物质水分含量就比较高,不能直接进入锅炉进行燃烧。因此对生物质的水分进行实时、高效、快速检测对有效保证生物质电厂安全、高效运行具有重要意义。本课题采用近红外光谱技术,通过实验采用干燥法测量生物质燃料的真实水分,并采集红外光谱数据,通过近红外水分光谱数据采集、建立相关模型并探讨后续数据处理的相关原理,在此基础上,对近红外光谱建立水分速测模型,采用不同的预处理方案来剔除噪声和选择特征波长,采用线性和非线性两种方式对水分进行模型建立,并且经过相应的误差计算和分析,旨在提高对生物质含水率的检测的效率。在数据预处理去除噪声和特征波长的选择中,主要采用主成分分析、马氏距离和拉依达法则,对近红外原始光谱进行异常数据剔除,采用线性回归模型对生物质水分进行交叉验证,验证剔除效果;特征波长的处理选取偏最小二乘法和相关系数法——这两种方法对先行数据的特征波长有较好的处理结果,并且采用校正模型进行校正,验证特征波长选择的结果;最后对生物质水分建立线性和非线性模型。通过本课题对生物质近红外光谱和水分含量进行数据处理和数据建模,采用拉依达法则除去异常数据和噪声波长;数据预处理则采用标准正态化方法进行数据归一化,采用一阶导数突出显示生物质近红外光谱的波峰与波谷特性;特征波长选择则采用多元散射校正和二阶导数相结合的方法最优;使用多元线性回归建立数学模型效果最好。
蒋友列[7]（2021）在《基于近红外光谱的变压器油中糠醛含量定量检测研究》文中进行了进一步梳理油浸式变压器是确保电网平稳安全运行的核心设备,其油纸绝缘系统主要由绝缘油和绝缘纸所构成,在长期运行过程中,受到温度、水分、氧气等多重因素的作用,逐渐发生老化,致使其绝缘性能下降,最终可能酿成电力事故。实现变压器油纸绝缘老化特征量的准确评估是保证电力设备安全运行的重要内容。目前,近红外光谱分析技术在农业生产、石油化工等领域的应用已逐渐趋于成熟;近红外光谱在电力检测领域的作用也逐渐被重视。本文在恒定温度130℃、真空密闭老化试验箱中进行了单因子加速热老化实验,制备了不同老化时间的油纸绝缘热老化样品。利用高效液相色谱法,测得油中糠醛含量;并以透射式收集方式,采集了所有绝缘油样品的近红外光谱。通过密度泛函仿真计算和非谐性振动的能级公式,研究了糠醛的吸收峰归属及绝缘油的近红外光谱吸收峰归属。基于绝缘油近红外光谱,建立了关于油中糠醛含量的近红外光谱全谱区定量分析模型。并分别利用绝缘油近红外光谱吸收峰归属和iPLS算法,对全谱区定量分析模型进行了优化,筛选出关于油中糠醛含量的特征波长变量。基于特征波长变量,建立了PCA-BP模型。具体研究成果如下:（1）基于密度泛函理论之B3LYP杂化泛函方法和非谐性振动能级公式,计算了糠醛的近红外谱区吸收峰,并进一步研究了绝缘油近红外光谱的吸收峰归属。采用Gaussian 09程序中6-311G（d,p）基组,计算出糠醛的振动频率和IR光谱。其中,C=O的伸缩振动吸收峰为1760 cm-1;与C=O共用碳原子的C-H基团伸缩振动吸收峰为2903 cm-1、弯曲振动吸收峰为1396 cm-1。结合非谐性振动的能级公式,计算得:C=O的伸缩振动与C-H面内弯曲振动的一倍频的组合频在4590 cm-1附近;C=O的伸缩振动和C-H的伸缩振动的组合频在4660 cm-1附近;C=O的伸缩振动的二倍频和三倍频分别在5088 cm-1和6690 cm-1附近。最后,分析了绝缘油近红外光谱的第一合频区、O-H和C=O区、一级倍频区、第二合频区、二级倍频区、第三合频区、三级倍频区中各吸收峰的归属。（2）基于绝缘油近红外光谱,建立了关于油中糠醛含量的全谱区定量分析模型。采用PCA-MD识别并剔除145份绝缘油样本中的5份高杠杆值异常样本。采用PCA-K-S选择105份样本组成校正集,35份样本组成验证集。并对绝缘油近红外光谱做归一化和差分宽度为3的一阶微分预处理。采用PLS算法,建立了绝缘油近红外光谱全谱区定量分析模型,RMSECV为0.3228、RMSEP为0.3347,相应R2分别为0.92、0.91。（3）基于对绝缘油近红外光谱吸收峰归属的研究,对全谱区定量分析模型进行优化,优选3个关于油中糠醛含量定量分析的特征谱区:C=O和C-H组合频(4710-4540 cm-1)、C-H一级倍频区(6000-5400 cm-1)、二级倍频区(8800-8100 cm-1)。研究3个特征谱区的模型优劣,得出:6000-5400 cm-1与8800-8100 cm-1组合谱区建模性能最优。基于组合谱区所建立的油中糠醛含量定量分析NIR-PLSR模型的R2和RMSEP分别为0.98、0.1888。相较全谱区定量分析模型的预测结果提升较大。（4）采用iPLS对全谱区定量分析模型进行优化,得到特征谱区7390-6970 cm-1。基于此特征谱区,所建立的油中糠醛含量定量分析iPLS-PLSR模型的R2=0.98、RMSEP=0.1692。最后,以特征谱区7390-6970 cm-1,建立了iPLS-PCA-BP模型。当采用3个主成分,共轭梯度学习算法时,iPLS-PCA-BP模型最优,其R2、RMSEP分别为0.1466。最优模型的油中糠醛含量预测值偏差均在±0.2mg/L以内。
沈紫薇[8]（2020）在《近红外光谱在阿胶、汽油、葡萄糖结晶分析中的应用研究》文中指出现代近红外光谱可以进行定性和定量分析。对物料组成和多种物化性质的实时检测,对于鉴别物料真假、流程工业过程优化与控制具有重要作用。本论文针对阿胶及其原料的快速鉴别、多通道在线近红外光谱仪通道之间模型传递和葡萄糖结晶过程介稳区测定难题,采用近红外光谱和化学计量学进行了其理论与方法研究。论文主要研究贡献如下:1.阿胶及其原料的快速分类与识别方法研究由于阿胶是驰名国内外的名片商品,阿胶及原料（驴皮）价格不菲,使用其它兽皮掺假现象时有发生。因此,相关行业亟需阿胶及原料的快速分类与识别技术,用于市场监控和原料收购的快速鉴别。为此,本章采用近红外光谱结合模式识别,建立了一种快速分类与识别方法,以期解决阿胶企业的技术难题。实验从阿胶生产企业和市场上收集了不同品牌的阿胶及其它兽皮胶,驴皮和其他兽皮样品。采集了其漫反射近红外光谱,采用SIMCA方法,分别建立了阿胶与其它兽皮胶（马胶、猪胶和羊胶等）,不同品牌的阿胶膏（东阿养生堂、福牌和桃花姬）、和驴皮与其他兽皮（马皮、骡皮、猪皮）的分类与识别模型。其中,阿胶与其它兽皮胶和驴皮与其他兽皮的模型正确识别率均为100%,东阿养生堂和桃花姬的阿胶膏模型正确识别率达到95%,福牌达到70%。研究表明,采用近红外光谱结合SIMCA建立的方法,可以成功地实现阿胶及原料的快速分类与识别。2.多通道在线近红外光谱仪通道之间模型传递方法可行性研究多通道在线近红外光谱仪可以在线检测单套生产装置多个部位多种同物料的多种性质或者多套装置的同一种物料的多种性质,对于过程优化与控制具有重要作用。其中,建模工作量大,周期长,成本高。但是,多通道在线近红外光谱仪不同通道之间在光学和机械上存在着差异,不同通道采集的光谱有很大差异,使用一个通道采集的光谱建立的模型,不能用于其它通道检测。为此,本章提出一种角向量光谱建模方法,以期解决上述问题。实验在中国石油石油化工研究院催化重整中型装置上进行。使用一个3通道在线傅里叶近红外光谱仪,分别采集3套催化重整中型装置产生的重整汽油光谱。收集了42个重整汽油样品,采用标准方法测定了其辛烷值和芳烃含量。使用偏最小二乘法（PLS）,分别使用各自通道采集的光谱建立辛烷值和芳烃含量模型。比较了通道1模型预测通道2和通道3样品的结果。将近红外光谱拟转化为角向量,使用角向量和PLS建立了所有通道都适应的辛烷值和芳烃含量模型。研究结果表明角向量光谱建模方法能有效地消除不同通道光谱差异引起偏离。3.葡萄糖结晶介稳区的测定方法研究结晶是分离和纯化样品的重要手段。在结晶过程中,溶解度曲线与超溶解度曲线之间的区域称为介稳区（MSZW）,它不仅与溶质、溶剂的物化性质有关,还与是否搅拌以及其强度、是否添加晶种及其大小与数量、冷却速率等有关。因此,介稳区宽度会随操作条件的改变而改变。介稳区过宽或过窄均不利于晶体的生长,而可通过于介稳区控制结晶过程,以得到纯度高以及粒径理想的产品。因此,介稳区宽度是设计和优化结晶过程的关键操作参数。本章实验以葡萄糖结晶过程为研究对象。提出以红外分析手段测定饱和度和近红外分析手段测定超饱和度的方法,得到了葡萄糖在水中的溶解度方程:C0=1.114*10-4T2-4.166*10-2T+3.526（R2=0.9605）以及超溶解度方程:C0=2.182*10-4T2-1.031*10-1T+12.62（R2=0.9596）。因此由以上实验数据,我们就能得到葡萄糖水溶液降温结晶的介稳区宽度。
权爽[9]（2020）在《近红外光谱技术在血浆醇沉过程中建模策略及质量监测研究》文中认为近年来,随着我国生物医药产业的发展以及人民对用药健康的重视程度越来越高,大众对于药物产品质量的要求越来越高。目前,我国的血液制品存在血浆综合利用度不高,血液制品产品的生产质量监控手段落后等问题,这些都限制了血液制品的产品质量升级。因此,发展以过程分析技术（process analytical technology,PAT）为主要质量监控手段从而提升产品质量的智能化生产线成为目前制药行业的研究热点。近红外光谱分析技术（near infrared spectroscopy,NIRS）作为一种PAT在血液制品的质量分析中已经有应用报道。但是,针对其模型的建模策略,过程分析的稳定光谱获取预处理系统设计以及血浆醇沉在线分析控制的研究尚未见报道。因此,本论文针对上述问题开展了以下研究:（1）基于实验设计（design of experiment,DoE）的定向结合随机的新型建模策略优化研究。方法:该部分考虑了四个常用和重要的预处理步骤:基线校正、散射校正、平滑校正和标准化。利用之前实验室醇沉小试数据,通过DoE结合Bootstrap方法以及析因分析,选择出最佳的预处理策略后,比较变量选择方法VIP、CARS、UVE和CC对血液制品模型的影响。结果:揭示了血液制品药物这种复杂体系下NIRS建模的一般规律,提高模型质量并改善模型评价参数的有效性,推动血液制品类药物生产过程的智能化的进展。（2）次抛型液体反应终点智能判断系统的研究。方法:搭建一种高效型在线过滤稳压稳流除气泡的次抛型光谱预处理采样设备以及近红外在线监测判断系统。以醇沉血浆样品溶液为实验材料考察了不同材质不同孔径的次抛型滤芯的影响,以不同浓度的乙醇溶液为实验材料考察该系统的可行性和可靠性。结果:本章搭建的次抛型醇沉过程终点智能判断系统,消除了气泡的影响使测量过程更加稳定,模型的外部验证和次抛型醇沉过程终点智能判断系统的验证表明光谱质量好,模型预测精确,过程监测准确,证明了该装置的可靠性和可行性。（3）血浆醇沉过程的在线检测研究:方法:本部分将基于DoE的定向结合随机的建模策略与次抛型醇沉反应智能判断系统结合起来应用于血浆实际醇沉过程中终点的判断和乙醇、白蛋白和球蛋白的含量测定。结果:乙醇模型的Rp=0.9796 g·L-1,RMSEP=1.79 g·L-1,RPD=4.95。白蛋白模型的 RMSEC、RMSECV、RMSEP、Rc、Rcv、Rp值分别是 1.4677 g·L-1、2.0172 g·L-1、2.1385 g·L-1、0.8708、0.7372、0.9133。球蛋白模型的RMSEC、RMSECV、RMSEP、Rc、Rcv、Rp值分别是0.8656 g·L-1、1.3786 g·L-1、0.8534 g·L-1、0.9751、0.9355、0.9835。最终实现了利用简单体系预测复杂体系中乙醇含量进而进行终点判断,以及醇沉过程中白蛋白和球蛋白含量的预测。
孙禧亭[10]（2020）在《红外光谱多元分析理论、方法及应用研究》文中研究指明红外光谱能从分子水平反映物质化学组成与性质的信息,与多元分析方法结合形成红外光谱分析技术。鉴于它具备即时测定物质种类和多种物化性质的能力,已成为石油化工、农业、制药、食品、医疗等领域中不可或缺的物质内在信息感知技术,在人工智能领域极具发展潜力。但是,目前在方法学上还存在着如下若干难题,严重制约了其实际应用。（1）建模与维护问题:需要收集大量定标样品,进而参考数据测定工作量大、建模技术难度高也很费时,因此,建模成本高和周期长,严重阻碍了红外光谱快速分析在实际中的应用。（2）目前,红外光谱仅能对好透光性、组成分布均匀,以及被测组分浓度不低于5 wt‰的样品进行分析。但是,难以对组成高度相近且形态复杂、组成分布不均匀、易受环境变化影响的不同样品进行定性和定量分析。（3）在水光谱组学研究中,不同水组分（团簇）对体系具有重要作用,但是它们以及溶质的近红外光谱特征吸收峰之间存在着高度重叠,其对温度变化也很敏感,导致不同水组分的光谱解析非常困难,现有的多元分析方法已经不能有效地解决这些难题。本论文旨在解决上述红外光谱在定量分析、定性分析和多种组分重叠光谱分辨技术等方面的理论、方法和技术难题。具体研究目标包括:研究一种光谱数据库信息挖掘方法,以期解决红外光谱分定量析建模与维护的难题;研究使用“动态”光谱与图像识别技术相结合,以期实现化学组成高度相近且形态复杂不同种类样品的分类与识别;提出一种自适应加权光谱拟合的模式识别方法,以其解决环境湿度变化对易吸水样品分类与识别的影响;研究一种高斯分峰结合遗传优化的多种（3种以上）组分重叠光谱成分分辨方法,以期解决易受温度变化影响的复杂水体系研究中信号分辨的技术难题。论文的主要研究内容、结果与创新点如下:第二章光谱数据库与数据挖掘的即时定量分析方法研究。本章旨在提出一种光谱数据库信息挖掘方法,以期解决传统多元分析建模方法的工作量大、难度高、周期长、成本高等问题,使红外光谱分析技术更容易地实现物质多性质的即时测定。实验选择了红外光谱分析沥青（复杂物质）为研究对象,从炼厂收集了 431个沥青样品,使用标准测试方法测定了其蜡含量、针入度和软化点数据,同时使用衰减全反射方式采集其红外光谱。将样品划分为建库样品集和验证样品集。使用建库样品集的光谱和性质数据,构建了沥青光谱数据库。使用验证样品集对新方法性能进行了验证,获得的蜡含量、软化点和针入度的预测均方根标准误差（RMSEP）分别为0.14%、0.55℃和4.71（0.1mm）,均小于标准测试方法再现性误差,表明新方法与标准方法测定结果是一致的。与两种常用多元分析方法（偏最小二乘回归（PLS）和局部密化建模（LMD））的预测结果进行了对比,结果表明,新方法避免了 PLS方法建模与维护复杂过程,其准确度达到PLS同等水平,有效地解决了阻碍红外光谱分析实际应用的技术难题;与LMD方法相比,新方法在重复性、计算速度以及预测鲁棒性有明显改善,对处于数据库中样本密度低且分布不合理区域的样品,其预测结果更准确。第三章“动态”红外光谱与深度学习相结合的模式识别方法研究。基于红外光谱差异,结合模式识别方法,可以实现物质快速分类与识别。但是,对于形态变化大、分布不均匀,且化学组成高度接近的不同类样品,其赖以分类的光谱差异信息很弱,采用常用的模式识别方法难以将其进行有效分类与识别,是红外光谱分类与识别领域尚未解决的难题。为此,本章提出一种使用“动态”光谱结合二维相关分析构造化学图像,扩大样品差异信息,使用GoogLeNet深度神经网络图像识别模型结合迁移学习,建立了一种光谱分类与识别方法。论文选择山羊绒纺织品与山羊绒/羊毛混纺纺织品,以及纯棉与丝光棉纺织品为研究对象。对烘干样品施加水分扰动,制备了不同含水量的样本,并采集其随水含量变化的“动态”近红外光谱。对于烘干样品与不同含水量的样品,分别使用它们的原始光谱、一阶微分、二阶微分和多元散射校正光谱,依次建立了簇类独立软模式识别（SIMCA）分类模型和支持向量机（SVM）分类模型,共16个。使用新方法和动态光谱建立了分类模型。两种研究对象的结果表明,传统光谱模式识别方法预测正确率均低于80%,不能满足实际应用需求。使用新方法,山羊绒与山羊绒/羊毛混纺的整体预测正确率为92.59%,棉与丝光棉的为94.62%,满足实际应用需求。该研究将图像（二维数据）分类方法用于光谱（一维数据）分类与识别,为光谱分析研究开辟了一种新途径。新方法使用迁移学习方法,有效地解决了实际应用中红外光谱分析使用的小样本不能训练深度学习（大数据）网络结构的问题,为将先进人工智能识别技术用于解决化学分类问题,提供了一个成功示范。第四章自适应加权拟合光谱分类与识别方法的研究。对于成分高度接近且易吸水的不同种类天然样品,环境湿度变化对其红外光谱影响较大,使用常用光谱模式识别方法,不能对其进行有效分类与识别。虽然通过烘干或平衡水分方法可以改善预测准确率,但是,会使光谱分析失去即时检测的优势。为此,本章提出了一种基于自适应加权拟合光谱分类与即时识别方法,以期解决这一技术难题。实验选择了山羊绒纺织品与山羊绒-羊毛混纺纺织品分类与识别为研究对象。从市场上收集了不同颜色和质地的山羊绒、羊毛、山羊绒/羊毛混纺织物,共120个样品,使用标准方法测定其种类,制备了烘干样品和自然吸潮样品,采用便携式光谱仪采集其近红外光谱。对于烘干样品和吸潮样品,分别使用SIMCA、SVM和新方法,建立了分类与识别模型,并详细研究了常用光谱预处理方法和水分变化对模型的影响。结果表明,对于烘干样品,3种方法的预测性能处于同一水平;对于吸潮样品,新方法的性能远远优于其他方法,其山羊绒纺织品的预测准确率为93.33%,羊绒/羊毛混纺纺织品为96.60%,无须进行烘干处理,满足了实际应用要求。该研究解决了化学成分高度接近且易吸水的不同种类天然样品的即时分类与识别技术难题,具有重要的理论意义和实际价值。第五章一种高斯分峰结合遗传优化的多组分重叠光谱成分分辨方法研究。高斯分峰是一种拟合分离重叠谱带成分的典型算法,但对多组分重叠谱带的分离结果尚不理想,是光谱成分多元分辨研究热点问题之一。为此,本章建立了一种高斯分峰结合遗传优化的多组分重叠光谱分辨方法,以期解决多组分（大于3）重叠光谱分辨的难题。双亲性温敏水凝胶在生物领域极具发展前景,其相转变机理成为研究该领域的热点。该水凝胶分子同时包含亲水和疏水基团,分子内氢键和分子间氢键共存。另外,根据水组学理论,水中包含多种（6种以上）“组分”,对氢键变化敏感,因此,其温敏机理十分复杂。近红外光谱能反映含氢基团信息,适于研究温敏性水凝,但水的近红外谱带宽,不同水组分的谱带高度重叠。使用常用多元分辨方法仅能分辨2-3种水组分,难以解析更多种水组分光谱,阻碍了对相转变机理的深入研究。本章以ABA型三嵌段水凝胶溶液为研究对象,原位在线采集了其溶胶-凝胶相转变过程的温度扰动近红外光谱;应用新方法,成功地解析出6种不同水组分的近红外谱带;定量研究了相转变过程中各水组分含量的变化规律,揭示了S1和S2型水组分为相转变提供驱动力的机理。该研究不仅建立了一种多组分重叠谱带多元分辨的新方法,而且也为水凝胶相转变机理研究提供了一种新手段,对于调控水凝胶分子设计、指导水凝胶产品实际应用具有重要意义。
二、温度测量型近红外光谱分析仪的研究（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、温度测量型近红外光谱分析仪的研究（论文提纲范文）
（1）基于便携式光谱仪的白酒掺假检测研究（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 研究现状 |
| 1.2.1 光谱仪的发展 |
| 1.2.2 国外研究现状 |
| 1.2.3 国内研究现状 |
| 1.3 本文研究内容 |
| 第二章 近红外光谱技术基本原理及模型评价指标 |
| 2.1 光谱分析的原理 |
| 2.1.1 朗伯比尔定律 |
| 2.1.2 近红外光谱分析原理 |
| 2.2 预处理方法及模型评价指标 |
| 2.2.1 预处理方法 |
| 2.2.2 模型评价指标 |
| 2.3 常见光谱仪 |
| 2.4 本章小结 |
| 第三章 基于小型光谱仪的白酒掺假类型识别研究 |
| 3.1 实验设计与仪器 |
| 3.1.1 实验设计 |
| 3.1.2 实验仪器 |
| 3.2 掺假原数据预处理 |
| 3.3 掺假类型识别的分类算法 |
| 3.3.1 极端梯度提升 |
| 3.3.2 SVM分类 |
| 3.4 分类结果 |
| 3.5 本章小结 |
| 第四章 基于小型光谱仪的白酒掺假度检测研究 |
| 4.1 掺假光谱原数据预处理 |
| 4.2 掺假度识别的拟合算法 |
| 4.2.2 BP拟合算法 |
| 4.2.3 偏最小二乘法 |
| 4.3 掺假度识别结果分析 |
| 4.3.1 BP算法结果 |
| 4.3.2 PLS算法结果 |
| 4.4 本章小结 |
| 第五章 基于小型光谱仪的白酒掺假检测APP开发 |
| 5.1 引言 |
| 5.2 Android |
| 5.2.1 Android系统架构 |
| 5.2.2 低功耗蓝牙(BLE)介绍 |
| 5.3 系统工作流程设计 |
| 5.4 软件设计 |
| 5.4.1 软件需求 |
| 5.4.2 软件建立连接过程设计 |
| 5.4.3 平台架构设计 |
| 5.4.4 软件整体功能设计与实现 |
| 5.5 案例展示 |
| 5.6 本章小结 |
| 第六章 主要结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录: 作者在攻读专业硕士学位期间发表的论文 |
（2）近红外光谱分析仪的实时数据采集与监测管理（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 课题研究内容与意义 |
| 1.4 论文组织结构 |
| 2 近红外光谱仪的数据采集通讯与预处理 |
| 2.1 实验数据采集 |
| 2.1.1 光谱数据采集 |
| 2.1.2 数据获取模式 |
| 2.2 光谱数据通讯机制 |
| 2.2.1 采集驱动器接口 |
| 2.2.2 TCP/IP协议 |
| 2.2.3 套接字(Socket)通讯 |
| 2.3 光谱仪客户端程序设计 |
| 2.3.1 开发环境和开发程序简介 |
| 2.3.2 采集驱动客户端程序设计 |
| 2.3.3 测试客户端程序设计 |
| 2.4 光谱预处理算法 |
| 2.4.1 光谱预处理算法介绍 |
| 2.4.2 开发环境中的算法编制 |
| 2.5 本章小结 |
| 3 光谱数据的存储与管理 |
| 3.1 数据管理技术与软件简介 |
| 3.2 单通道光谱数据管理 |
| 3.3 多通道光谱数据管理 |
| 3.4 本章小结 |
| 4 光谱数据监测的人机交互界面设计 |
| 4.1 Java Swing工具包介绍 |
| 4.2 Java事件处理机制 |
| 4.3 单通道光谱数据监测的人机交互界面设计 |
| 4.4 多通道数据管理界面设计 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 A-1 平滑算法代码 |
| 附录 A-2 导数算法代码 |
| 附录 A-3 均值中心化算法代码 |
| 附录 A-4 标准化算法代码 |
| 附录 A-5 标准正态变量算法代码 |
| 附录 A-6 多元散射校正算法代码 |
| 附录 A-7 删除部分光谱算法代码 |
| 附录 A-8 谱段选取算法代码 |
| 致谢 |
（3）基于近红外光谱检测技术的水泥生料质量控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 近红外光谱检测技术研究进展 |
| 1.2.1 近红外光谱检测技术发展概述 |
| 1.2.2 近红外光谱检测技术在水泥行业应用 |
| 1.3 化学计量学 |
| 1.4 水泥生料质量控制研究现状 |
| 1.5 研究内容及创新点 |
| 1.5.1 研究内容 |
| 1.5.2 创新点 |
| 第二章 近红外光谱检测技术 |
| 2.1 引言 |
| 2.2 近红外光谱检测技术原理 |
| 2.3 近红外光谱检测技术信息提取难点 |
| 2.4 近红外光谱检测技术定量建模方法及评价方法 |
| 2.5 近红外光谱检测技术在矿物检测方面应用原理 |
| 2.6 本章小结 |
| 第三章 水泥生料成分近红外定量模型建立研究 |
| 3.1 引言 |
| 3.2 水泥生料近红外光谱采集 |
| 3.2.1 实验材料与仪器 |
| 3.2.2 近红外光谱采集 |
| 3.3 水泥生料近红外光谱数据处理 |
| 3.3.1 样本划分 |
| 3.3.2 光谱预处理 |
| 3.4 水泥生料近红外光谱波段优选 |
| 3.4.1 反向区间偏最小二乘法波段挑选 |
| 3.4.2 协同偏最小二乘法波段挑选 |
| 3.5 水泥生料成分含量近红外光谱建模 |
| 3.5.1 SiO_2成分含量建模研究 |
| 3.5.2 Al_2O_3成分含量建模研究 |
| 3.5.3 Fe_2O_3成分含量建模研究 |
| 3.5.4 CaO成分含量建模研究 |
| 3.6 本章小结 |
| 第四章 堆密度和原材料对水泥生料近红外光谱建模影响研究 |
| 4.1 引言 |
| 4.2 堆密度对水泥生料近红外光谱检测影响研究 |
| 4.2.1 堆密度对水泥生料近红外光谱检测影响 |
| 4.2.2 水泥生料近红外光谱模型的堆密度补偿 |
| 4.3 原材料对水泥生料近红外光谱检测影响研究 |
| 4.3.1 原材料对水泥生料近红外光谱检测影响 |
| 4.3.2 原材料变化近红外光谱建模研究 |
| 4.4 本章小结 |
| 第五章 水泥生料质量控制研究 |
| 5.1 引言 |
| 5.2 水泥生料质量控制难点分析 |
| 5.3 水泥生料制备工况划分 |
| 5.4 水泥生料质量控制 |
| 5.5 本章小结 |
| 第六章 水泥生料质量控制系统实现 |
| 6.1 引言 |
| 6.2 水泥生料成分检测结果 |
| 6.3 水泥生料质量控制系统功能分析 |
| 6.4 系统开发 |
| 6.5 现场应用 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（4）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 |
（5）基于NIRS的莱鲍迪苷A生产工艺优化及快速质量控制方法的研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 前言 |
| 1 莱鲍迪苷A研究现状 |
| 1.1 原材料甜叶菊 |
| 1.2 莱鲍迪苷A |
| 2 近红外光谱分析技术 |
| 2.1 近红外光谱分析技术简介 |
| 2.2 化学计量学方法 |
| 2.3 相关应用 |
| 3 微型近红外光谱传感器 |
| 4 拉曼光谱分析技术 |
| 4.1 拉曼光谱 |
| 4.2 共聚焦微拉曼光谱成像 |
| 5 数据融合 |
| 6 卷积神经网络 |
| 6.1 卷积神经网络简介 |
| 6.2 CNN的应用 |
| 7 选题意义与研究思路 |
| 第二章 基于NIRS的甜菊叶品种和品质快速评价研究 |
| 1 仪器与材料 |
| 1.1 仪器与软件 |
| 1.2 样品和试剂 |
| 2 方法 |
| 2.1 光谱稳定性考察 |
| 2.2 主要成分参考值测定 |
| 2.3 甜菊叶品种快速判别模型 |
| 2.4 传送带快速筛选甜菊叶品质研究 |
| 3 结果与讨论 |
| 3.1 光谱影响因素考察结果 |
| 3.2 甜菊叶不同品种判别模型的建立 |
| 3.3 传送带快速筛选甜菊叶品质的可行性 |
| 4 本章小结 |
| 第三章 高纯度RA结晶工艺优化及拉曼光谱成像表征 |
| 1 仪器与材料 |
| 1.1 仪器与软件 |
| 1.2 样品和试剂 |
| 2 方法 |
| 2.1 RA含量测定方法学的建立 |
| 2.2 高纯度RA纯化工艺研究 |
| 2.3 RA结晶过程的拉曼光谱成像研究 |
| 3 结果与讨论 |
| 3.1 RA含量测定方法学建立 |
| 3.2 高纯度RA纯化工艺研究 |
| 3.3 RA结晶过程的拉曼光谱成像研究 |
| 4 本章小结 |
| 第四章 微型NIR检测系统的搭建与软件开发 |
| 1 材料与软件 |
| 2 传感器融合检测系统的硬件搭建 |
| 3 软件平台与功能模块设计 |
| 3.1 软件平台搭建 |
| 3.2 功能模块设计 |
| 4 本章小结 |
| 第五章 基于数据融合的RA结晶过程的质量线性表征研究 |
| 1 仪器与材料 |
| 1.1 仪器与软件 |
| 1.2 样品和试剂 |
| 2 方法 |
| 2.1 样品制备 |
| 2.2 近红外光谱的采集 |
| 2.3 一级数据的采集 |
| 2.4 数据处理与模型建立 |
| 3 结果与讨论 |
| 3.1 光谱采集结果 |
| 3.2 一级数据结果 |
| 3.3 单传感器传统PLS模型 |
| 3.4 低级融合PLS模型 |
| 3.5 对应预处理光谱融合模型 |
| 3.6 单传感器光谱预处理序贯融合模型 |
| 4 建模结果比较 |
| 5 本章小结 |
| 第六章 基于数据融合的RA结晶过程质量非线性表征研究 |
| 1 近红外光谱卷积神经网络设计 |
| 1.1 样本数据 |
| 1.2 软件 |
| 1.3 CNN网络参数设计 |
| 2 CNN建模结果 |
| 2.1 单传感器建模 |
| 2.2 原始光谱串联融合建模 |
| 2.3 外积融合建模 |
| 2.4 主成分融合建模 |
| 3 建模结果比较 |
| 4 本章小结 |
| 第七章 全文总结 |
| 1 总结 |
| 2 创新点与不足 |
| 创新点 |
| 不足 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文和授权专利目录 |
| 学位论文评阅及答辩情况表 |
（6）基于近红外光谱的生物质水分速测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 水分检测的方法 |
| 1.3 近红外光谱技术在水分检测中的发展及现状 |
| 1.4 论文研究工作内容 |
| 第2章 红外光谱水分测定技术 |
| 2.1 红外光谱中水分子光谱特性 |
| 2.2 异常数据剔除 |
| 2.2.1 PCA异常数据剔除法 |
| 2.2.2 马氏距离异常数据剔除法 |
| 2.2.3 拉依达准则剔除异常数据 |
| 2.3 对红外光谱进行预处理 |
| 2.3.1 平滑处理 |
| 2.3.2 多元散射校正 |
| 2.3.3 标准正态变化 |
| 2.3.4 基线校正和数据规范化 |
| 2.3.5 导数 |
| 2.4 红外光谱特征波长的选择 |
| 2.4.1 间隔偏最小二乘法 |
| 2.4.2 相关系数法 |
| 2.5 红外光谱分析技术数学模型 |
| 2.5.1 多元线性回归模型 |
| 2.5.2 偏最小二乘法(PLS) |
| 2.5.3 BP神经网络算法 |
| 2.6 对近红外技术预测的结果评估 |
| 2.7 本章小结 |
| 第3章 近红外光谱测量环境和数据采集实验 |
| 3.1 影响近红外光谱数据采集的因素 |
| 3.2 实验原料与方法 |
| 3.2.1 实验对象和实验仪器 |
| 3.2.2 实验的环境条件与影响 |
| 3.2.3 实验方法 |
| 3.2.4 实验步骤 |
| 3.3 本章小结 |
| 第4章 生物质水分含量模型的建立 |
| 4.1 生物质原料的特征分析 |
| 4.2 异常样本识别 |
| 4.2.1 PCA异常数据剔除法 |
| 4.2.2 马氏距离异常数据剔除法 |
| 4.2.3 拉依达准则剔除异常数据 |
| 4.2.4 小结 |
| 4.3 光谱数据预处理 |
| 4.3.1 多元散射校正 |
| 4.3.2 标准正态变化 |
| 4.3.3 一阶导数 |
| 4.3.4 二阶导数 |
| 4.3.5 小结 |
| 4.4 特征波长选择 |
| 4.5 样本集划分 |
| 4.6 模型的建立与验证 |
| 4.6.1 线性模型与验证 |
| 4.6.2 非线性模型建立与验证 |
| 4.6.3 模型结果分析 |
| 4.7 本章小结 |
| 第5章 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
| 附录 |
（7）基于近红外光谱的变压器油中糠醛含量定量检测研究（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 油中糠醛含量检测的研究现状 |
| 1.2.1 油纸绝缘老化机理 |
| 1.2.2 油纸绝缘老化的形式 |
| 1.2.3 油中糠醛含量检测的研究现状 |
| 1.3 近红外光谱的研究现状 |
| 1.3.1 近红外光谱概述 |
| 1.3.2 近红外光谱的研究现状 |
| 1.3.3 近红外光谱用于油纸绝缘老化检测的研究现状 |
| 1.4 主要研究内容和技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 技术路线 |
| 第2章 油纸绝缘热老化试验及老化绝缘油的检测 |
| 2.1 油纸绝缘热老化试验 |
| 2.1.1 试验材料及其预处理 |
| 2.1.2 油纸绝缘热老化试验 |
| 2.2 油中糠醛含量的检测 |
| 2.3 绝缘油近红外光谱检测 |
| 2.4 小结 |
| 第3章 绝缘油近红外光谱吸收峰归属的研究 |
| 3.1 基于DFT理论及非谐性振动能级公式的糠醛近红外吸收峰的研究 |
| 3.1.1 近红外光谱原理及非谐性振动能级公式 |
| 3.1.2 密度泛函理论 |
| 3.1.3 糠醛近红外光谱吸收峰的理论计算 |
| 3.2 绝缘油近红外光谱吸收峰归属的研究 |
| 3.3 小结 |
| 第4章 油中糠醛含量全谱区定量检测模型的研究 |
| 4.1 PCA-MD算法剔除异常样品 |
| 4.1.1 主成分分析法 |
| 4.1.2 PCA-MD算法剔除异常样品 |
| 4.2 PCA-K-S算法选取校正集样本 |
| 4.3 绝缘油近红外光谱预处理 |
| 4.3.1 近红外光谱预处理方法 |
| 4.3.2 绝缘油近红外光谱预处理 |
| 4.4 建立基于全谱区及PLS的油中糠醛含量定量检测模型 |
| 4.4.1 偏最小二乘法 |
| 4.4.2 定量模型的评价指标 |
| 4.4.3 建立基于全谱区及PLS的油中糠醛含量定量检测模型 |
| 4.5 小结 |
| 第5章 基于吸收峰归属和iPLS算法的油中糠醛含量定量检测模型的优化研究 |
| 5.1 基于绝缘油近红外光谱吸收峰归属的模型优化研究 |
| 5.2 基于iPLS算法的模型优化研究 |
| 5.3 建立基于特征波长的PCA-BP模型及其结果分析 |
| 5.4 小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间所发表论文及参与课题 |
（8）近红外光谱在阿胶、汽油、葡萄糖结晶分析中的应用研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 近红外光谱分析技术 |
| 1.2.1 发展简介 |
| 1.2.2 光谱产生机理及分析方法 |
| 1.2.3 技术特点 |
| 1.2.4 主要应用领域 |
| 1.3 NIR分析中的化学计量学方法 |
| 1.3.1 概述 |
| 1.3.2 预处理方法 |
| 1.3.3 定性和定量校正方法 |
| 1.3.4 模型传递技术 |
| 1.4 几个重要应用领域的分析技术现状 |
| 1.4.1 阿胶及原料 |
| 1.4.2 多通道在线近红外光谱仪 |
| 1.4.3 结晶过程控制分析 |
| 1.5 本文研究内容概述 |
| 第二章 阿胶及其原料的快速分类与识别方法研究 |
| 2.1 引言 |
| 2.2 实验部分 |
| 2.2.1 实验设备 |
| 2.2.2 实验样本 |
| 2.2.3 光谱采集 |
| 2.2.4 数据处理 |
| 2.3 结果与讨论 |
| 2.3.1 阿胶原料真伪识别 |
| 2.3.2 阿胶真伪识别 |
| 2.3.3 不同品牌的阿胶膏分类与识别 |
| 2.4 小结 |
| 第三章 多通道在线近红外光谱仪通道之间模型传递方法可行性研究 |
| 3.1 引言 |
| 3.2 实验部分 |
| 3.2.1 实验样本 |
| 3.2.2 光谱仪器 |
| 3.2.3 光谱采集 |
| 3.2.4 数据处理 |
| 3.3 结果与讨论 |
| 3.3.1 光谱分析 |
| 3.3.2 分别建立各通道PLS模型 |
| 3.3.3 角向量建模 |
| 3.4 小结 |
| 第四章 葡萄糖结晶介稳区的测定方法研究 |
| 4.1 引言 |
| 4.2 方法原理 |
| 4.2.1 溶解度测定方法 |
| 4.2.2 超溶解度测定方法 |
| 4.3 实验部分 |
| 4.3.1 实验仪器 |
| 4.3.2 实验材料 |
| 4.3.3 溶解度的测定 |
| 4.3.4 超溶解度的测定 |
| 4.3.5 数据处理 |
| 4.4 结果与讨论 |
| 4.4.1 光谱分析 |
| 4.4.2 建立溶解度曲线 |
| 4.4.3 建立超溶解度曲线 |
| 4.5 小结 |
| 第五章 结论 |
| 参考文献 |
| 致谢 |
| 作者和导师简介 |
| 附件 |
（9）近红外光谱技术在血浆醇沉过程中建模策略及质量监测研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 前言 |
| 1 血液生物制品 |
| 1.1 生物制品简介 |
| 1.2 血液制品简介 |
| 1.2.1 人血白蛋白 |
| 1.2.2 人免疫球蛋白 |
| 1.2.3 总蛋白 |
| 1.3 生物血液制品的现状分析 |
| 1.3.1 血浆来源 |
| 1.3.2 血液制品生产现状 |
| 1.3.3 生物血液制品的发展机遇与挑战 |
| 2 血浆醇沉过程 |
| 2.1 血液制品生产过程 |
| 2.2 醇沉过程简介 |
| 2.2.1 低温乙醇法 |
| 2.2.2 血浆分离流程图 |
| 2.3 醇沉终点判断 |
| 3 过程分析技术 |
| 3.1 过程分析技术 |
| 3.2 PAT生物制药领域中的应用简介 |
| 3.3 化学计量学 |
| 4 近红外光谱分析技术 |
| 4.1 近红外光谱简介 |
| 4.1.1 近红外光谱原理 |
| 4.1.2 近红外光谱分析技术的分析流程 |
| 4.1.3 有效信息的提取 |
| 4.2 近红外光谱分析技术在生物血液制品中的应用及壁垒 |
| 5 本课题的研究目的及意义 |
| 6 本课题主要研究内容 |
| 第二章 基于DoE的定向结合随机的建模策略优化研究 |
| 1 材料 |
| 1.1 仪器和软件 |
| 1.2 试剂 |
| 2 方法 |
| 2.1 方法概述 |
| 2.2 预处理及波段选择方法备选库 |
| 2.3 醇沉过程 |
| 2.4 光谱的采集 |
| 2.5 一级数据的测定 |
| 2.6 预处理方法的因子实验设计 |
| 2.7 效应及效应重要性 |
| 3 结果 |
| 3.1 样本光谱 |
| 3.2 样品集划分 |
| 3.3 预处理及波段选择方法备选库 |
| 3.4 预处理方法的因子实验设计结果 |
| 3.5 合并方差及效应分析 |
| 3.6 变量选择以及PLS模型的建立 |
| 3.7 模型的验证 |
| 4 讨论与结论 |
| 第三章 次抛型醇沉过程终点智能判断系统的分析研究 |
| 1 材料 |
| 1.1 装置材料 |
| 1.2 仪器与软件 |
| 1.3 试剂 |
| 2 方法 |
| 2.1 次抛型醇沉过程终点智能判断系统的技术方案 |
| 2.2 过滤耗材的选择 |
| 2.3 次抛型醇沉过程终点智能判断系统的可行性研究 |
| 2.3.1 样品的制备 |
| 2.3.2 光谱的采集 |
| 2.3.3 光谱的重复性考察 |
| 2.4 定量分析模型的建立 |
| 2.5 定量分析模型的外部验证 |
| 2.6 次抛型醇沉过程终点智能判断系统的验证 |
| 3 实验结果 |
| 3.1 过滤耗材的选择 |
| 3.2 样品近红外光谱 |
| 3.3 光谱吸光度的重复性考察 |
| 3.4 定量分析模型的建立 |
| 3.5 模型的外部验证 |
| 3.6 次抛型醇沉过程终点智能判断系统的验证 |
| 4 讨论与结论 |
| 第四章 血浆醇沉过程监测 |
| 1 材料 |
| 1.1 仪器和软件 |
| 1.2 试剂 |
| 1.3 装置及构造 |
| 2 方法 |
| 2.1 醇沉实验步骤 |
| 2.2 光谱的采集 |
| 2.3 一级数据的测定 |
| 2.4 定量分析模型的建立 |
| 3 实验结果 |
| 3.1 近红外光谱 |
| 3.2 一级数据 |
| 3.3 模型的建立 |
| 3.4 醇沉过程监测模型的验证 |
| 3.5 醇沉过程分析 |
| 4 讨论与结论 |
| 第五章 总结与展望 |
| 1 总结 |
| 2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位论文期间发表论文 |
| 学位论文评阅及答辩情况表 |
（10）红外光谱多元分析理论、方法及应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 红外光谱技术 |
| 1.2.1 红外光谱技术发展历程 |
| 1.2.2 红外光谱技术原理与特点 |
| 1.3 红外光谱技术的多元分析方法 |
| 1.3.1 红外光谱多元分析方法概述 |
| 1.3.2 预处理方法 |
| 1.3.3 主成分分析 |
| 1.3.4 偏最小二乘回归 |
| 1.3.5 独立簇类软模式识别 |
| 1.3.6 支持向量机 |
| 1.3.7 二维相关光谱分析 |
| 1.3.8 人工神经网络 |
| 1.4 红外光谱多元分析方法及应用研究进展 |
| 1.4.1 红外光谱定量分析方法及应用研究进展 |
| 1.4.2 红外光谱定性分析方法及应用研究进展 |
| 1.4.3 红外光谱多元分辨方法及应用研究进展 |
| 1.5 本课题研究内容概述 |
| 第二章 红外光谱沥青多种性质即时分析方法研究 |
| 2.1 引言 |
| 2.2 理论部分 |
| 2.3 实验部分 |
| 2.3.1 样品收集 |
| 2.3.2 红外光谱采集 |
| 2.3.3 沥青光谱数据库 |
| 2.3.4 评价指标 |
| 2.3.5 数据处理 |
| 2.4 结果与讨论 |
| 2.4.1 光谱分析 |
| 2.4.2 PLS模型 |
| 2.4.3 LMD方法 |
| 2.4.4 光谱数据库信息挖掘即时定量分析方法 |
| 2.4.5 方法性能评价 |
| 2.5 本章小结 |
| 第三章 “动态”红外光谱与深度学习相结合的模式识别方法研究 |
| 3.1 引言 |
| 3.2 理论部分 |
| 3.2.1 构造化学图像 |
| 3.2.2 迁移学习 |
| 3.2.3 评价指标 |
| 3.3 实验部分 |
| 3.3.1 实验材料及制备方法 |
| 3.3.2 光谱采集 |
| 3.3.3 数据处理方法 |
| 3.4 结果与讨论 |
| 3.4.1 光谱分析 |
| 3.4.2 常用模式识别方法比较 |
| 3.4.3 水分扰动红外光谱 |
| 3.4.4 红外光谱化学图像 |
| 3.4.5 基于深度学习的红外光谱化学图像判别 |
| 3.5 本章小结 |
| 第四章 红外光谱鉴别山羊绒纺织品真伪的新方法研究 |
| 4.1 引言 |
| 4.2 理论与算法部分 |
| 4.2.1 理论 |
| 4.2.2 算法 |
| 4.3 实验部分 |
| 4.3.1 样品收集 |
| 4.3.2 样品制备 |
| 4.3.3 光谱采集 |
| 4.3.4 数据处理 |
| 4.4 结果与讨论 |
| 4.4.1 光谱分析 |
| 4.4.2 SIMCA模型 |
| 4.4.3 SVM模型 |
| 4.4.4 新方法鉴别 |
| 4.4.5 应用 |
| 4.5 本章小结 |
| 第五章 温度扰动近红外光谱研究双亲性温敏水凝胶相转变机理 |
| 5.1 引言 |
| 5.2 理论部分 |
| 5.3 实验部分 |
| 5.3.1 实验材料 |
| 5.3.2 光谱采集 |
| 5.3.3 光谱处理 |
| 5.3.4 软件 |
| 5.4 结果与讨论 |
| 5.4.1 光谱分析 |
| 5.4.2 相转变中水的结构变化 |
| 5.4.3 高斯分峰 |
| 5.4.4 相转变中水组分的变化 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文主要内容 |
| 6.2 论文主要创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 研究成果及发表的学术论文 |
| 致谢 |
| 作者及导师简介 |
| 附件 |
四、温度测量型近红外光谱分析仪的研究（论文参考文献）
- [1]基于便携式光谱仪的白酒掺假检测研究[D]. 李展鸿. 江南大学, 2021(01)
- [2]近红外光谱分析仪的实时数据采集与监测管理[D]. 汤余尖. 大连理工大学, 2021(01)
- [3]基于近红外光谱检测技术的水泥生料质量控制研究[D]. 黄冰. 济南大学, 2021(02)
- [4]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)
- [5]基于NIRS的莱鲍迪苷A生产工艺优化及快速质量控制方法的研究[D]. 许金珂. 山东大学, 2021(11)
- [6]基于近红外光谱的生物质水分速测研究[D]. 安梦迪. 华北电力大学(北京), 2021(01)
- [7]基于近红外光谱的变压器油中糠醛含量定量检测研究[D]. 蒋友列. 西南大学, 2021(01)
- [8]近红外光谱在阿胶、汽油、葡萄糖结晶分析中的应用研究[D]. 沈紫薇. 北京化工大学, 2020(02)
- [9]近红外光谱技术在血浆醇沉过程中建模策略及质量监测研究[D]. 权爽. 山东大学, 2020(02)
- [10]红外光谱多元分析理论、方法及应用研究[D]. 孙禧亭. 北京化工大学, 2020(02)