化学论文_卷积神经网络光谱分析方法及其在农产

文章目录

致谢

摘要

Abstract

缩写表

第一章 绪论

1.1 研究背景与意义

1.2 农产品品质检测光谱分析技术现状及问题

    1.2.1 光谱分析在农产品品质检测中的应用

    1.2.2 光谱分析存在的问题

        1.2.2.1 预处理

        1.2.2.2 特征选择

        1.2.2.3 建模方法

        1.2.2.4 全局模型、局部模型和模型传递

1.3 深度学习光谱分析

    1.3.1 深度学习简介

    1.3.2 卷积神经网络模型特点

    1.3.3 卷积神经网络建模及训练过程

1.4 深度学习光谱分析在农产品品质检测中的应用

    1.4.1 定性分析

        1.4.1.1 种类判别

        1.4.1.2 产地鉴别

        1.4.1.3 掺假鉴别

        1.4.1.4 瘀伤检测

    1.4.2 定量分析

        1.4.2.1 水果和果汁

        1.4.2.2 谷物和饲料

        1.4.2.3 作物

1.5 深度学习光谱分析中存在问题和可借鉴之处

1.6 研究目的、内容和技术路线

1.7 本章小结

第二章 基于卷积神经网络的光谱定性分析方法研究

2.1 引言

2.2 实验与方法

    2.2.1 卷积神经网络光谱定性分析模型

    2.2.2 CNN模型与传统化学计量学模型精度比较

    2.2.3 光谱分析数据集

    2.2.4 模型评价指标

2.3 结果与讨论

    2.3.1 CNN模型与传统化学计量学模型精度

    2.3.2 模型稳定性分析

2.4 本章小结

第三章 基于卷积神经网络的光谱定量分析方法研究

3.1 引言

3.2 实验与方法

    3.2.1 DeepSpectra模型

    3.2.2 DeepSpectra模型与三种卷积神经网络模型比较

    3.2.3 DeepSpectra模型与传统化学计量学建模方法比较

    3.2.4 光谱分析数据集

    3.2.5 模型评价指标

3.3 结果与讨论

    3.3.1 DeepSpectra模型与三种卷积神经网络模型精度比较

    3.3.2 光谱预处理对DeepSpectra模型精度的影响

    3.3.3 DeepSpectra模型与传统化学计量学模型精度

    3.3.4 DeepSpectra模型稳定性分析

3.4 本章小结

第四章 卷积神经网络光谱分析模型的解释机理研究

4.1 引言

4.2 实验与方法

    4.2.1 卷积神经网络模型

    4.2.2 光谱特征波段

    4.2.3 光谱特征提取过程

    4.2.4 CNN模型与PLS-LDA模型的精度及特征波段比较

    4.2.5 光谱分析数据集

4.3 结果与讨论

    4.3.1 CNN模型与PLS-LDA模型准确率

    4.3.2 CNN模型与PLS-LDA模型特征波段

        4.3.2.1 大肠杆菌表面增强拉曼光谱

        4.3.2.2 肉中红外光谱

    4.3.3 CNN模型特征提取过程分析

    4.3.4 CNN模型与PLS-LDA模型稳定性分析

4.4 本章小结

第五章 梨的可溶性固形物含量预测应用研究

5.1 引言

5.2 梨的近红外光谱数据集

5.3 实验与方法

    5.3.1 卷积神经网络模型

    5.3.2 全局模型与局部模型

    5.3.3 光谱数据分析

    5.3.4 模型评价指标

5.4 结果与讨论

    5.4.1 原始光谱数据分析

    5.4.2 模型精度对比

        5.4.2.1 五种梨的全局模型

        5.4.2.2 单品种梨的局部模型

        5.4.2.3 全局模型与局部模型精度比较

文章来源：《光谱学与光谱分析》 网址: http://www.gpxygpfxzz.cn/qikandaodu/2022/0130/536.html