近紅外光譜分析技術(shù)及其在現(xiàn)代農(nóng)業(yè)中的應(yīng)用

第1 章 概論
　1.1 近紅外光譜技術(shù)的發(fā)展歷程
　1.1.1 近紅外光譜儀器的發(fā)展
　1.1.2 光譜化學(xué)計量學(xué)的發(fā)展
　1.1.3 應(yīng)用領(lǐng)域的發(fā)展
　1.1.4 我國近紅外光譜分析技術(shù)的發(fā)展和研究現(xiàn)狀
　1.2 近紅外光譜技術(shù)的研究展望
　1.2.1 降低近紅外分析技術(shù)的使用難度
　1.2.2 近紅外成像分析技術(shù)的研究展望
　1.2.3 近紅外過程分析技術(shù)的研究展望
　1.2.4 我國近紅外光譜技術(shù)的研究展望
　參考文獻(xiàn)
第2 章 近紅外光譜分析基礎(chǔ)
　2.1 近紅外光譜產(chǎn)生機理
　2.1.1 分子振動的基頻、倍頻與合頻
　2.1.2 分子振動的能級
　2.1.3 振動光譜選擇定律
　2.1.4 分子振動形式
　2.1.5 基團頻率和特征吸收峰
　2.2 近紅外光譜特點
　2.3 近紅外光譜分析理論基礎(chǔ)
　2.4 近紅外光譜常規(guī)分析技術(shù)
　2.4.1 透射光譜法
　2.4.2 漫反射光譜法
　2.4.3 近紅外在線檢測技術(shù)[2,3]
　2.5 近紅外光譜分析流程
　2.6 近紅外定標(biāo)模型的評價指標(biāo)
　參考文獻(xiàn)
第3 章 近紅外光譜分析系統(tǒng)
　3.1 近紅外光譜儀發(fā)展概述
　3.1.1 國外儀器發(fā)展現(xiàn)狀
　3.1.2 國內(nèi)儀器發(fā)展現(xiàn)狀
　3.1.3 發(fā)展展望
　3.2 近紅外光譜儀的基本構(gòu)成
　3.2.1 光源
　3.2.2 分光系統(tǒng)
　3.2.3 測樣器件
　3.2.4 檢測器
　3.2.5 控制和數(shù)據(jù)處理分析系統(tǒng)
　3.3 近紅外光譜儀主要類型
　3.3.1 濾光片型[
　3.3.2 光柵掃描型
　3.3.3 傅立葉變換型
　3.3.4 聲光可調(diào)濾光型
　3.3.5 多通道型
　3.3.6 其他類型
　3.4 近紅外光譜儀的主要性能指標(biāo)
　3.4.1 波長范圍
　3.4.2 分辨率
　3.4.3 波長準(zhǔn)確度
　3.4.4 波長重復(fù)性
　3.4.5 吸光度準(zhǔn)確度
　3.4.6 信噪比
　3.4.7 雜散光強度
　3.4.8 分析速度
　3.4.9 軟件功能
　3.5 近紅外光譜系統(tǒng)研制實例
　3.5.1 基于AOTF 的近紅外光譜儀
　3.5.2 基于CCD 的近紅外光譜儀的研制
　3.5.3 近紅外光譜分析軟件的開發(fā)[
　參考文獻(xiàn)
第4 章 近紅外光譜分析的預(yù)處理方法
　4.1 概述
　4.1.1 建模集樣品預(yù)處理
　4.1.2 建模集光譜預(yù)處理
　4.1.3 小結(jié)
　4.2 建模集樣品挑選方法
　4.2.1 常用的建模集樣品挑選算法
　4.2.2 GN 距離法
　4.2.3 應(yīng)用實例
　4.3 減小籽粒樣品裝樣影響的預(yù)處理方法
　4.3.1 預(yù)處理方法介紹
　4.3.2 應(yīng)用實例
　4.4 基于導(dǎo)數(shù)法的光譜信息挖掘技術(shù)
　4.4.1 直接差分法
　4.4.2 Savitzky-Golay 窗口移動多項式最小二乘擬合法
　4.4.3 基于窗口優(yōu)化選擇的二階導(dǎo)數(shù)法
　4.4.4 應(yīng)用實例
　4.5 小波分析在光譜噪聲濾除中的應(yīng)用
　4.5.1 小波及小波包理論與消噪原理
　4.5.2 分段小波消噪
　4.5.3 基于小波包和導(dǎo)數(shù)處理相結(jié)合的光譜信息提取
　4.6 遺傳算法優(yōu)化光譜波長區(qū)間的算法
　4.6.1 常見譜區(qū)優(yōu)化算法
　4.6.2 基于遺傳算法的近紅外光譜譜區(qū)選擇法
　4.6.3 應(yīng)用實例
　4.7 CARS 波長變量選擇法
　4.7.1 CARS 變量選擇方法
　4.7.2 應(yīng)用實例
　參考文獻(xiàn)
第5 章 近紅外光譜的定量與定性分析
　5.1 概述
　5.2 近紅外光譜定量分析
　5.2.1 偏最小二乘法
　5.2.2 BP 神經(jīng)網(wǎng)絡(luò)
　5.2.3 支持向量機
　5.3.1 聚類分析
　5.3.2 支持向量機分類器
　參考文獻(xiàn)
第6 章 近紅外光譜技術(shù)在現(xiàn)代農(nóng)業(yè)領(lǐng)域中的應(yīng)用
　6.1 概述
　6.2 CA-05 型谷物內(nèi)部品質(zhì)近紅外分析系統(tǒng)及應(yīng)用
　6.2.1 功能簡述
　6.2.2 基本工作原理
　6.3 近紅外光譜技術(shù)在土壤養(yǎng)分檢測中的應(yīng)用
　6.3.1 土壤養(yǎng)分含量的近紅外光譜快速檢測模型的建立
　VII I
　6.3.2 近紅外土壤養(yǎng)分快速檢測光譜儀的開發(fā)
　6.3.3 基于自制光譜儀的土壤樣品光譜掃描與模型建立
　6.4 近紅外光譜在乳制品品質(zhì)分析中的應(yīng)用
　6.4.1 劣質(zhì)（低蛋白）奶粉的快速定性檢測
　6.4.2 奶粉理化指標(biāo)的定量分析
　6.4.3 純牛奶中三聚氰胺的快速檢測
　6.4.4 乳品近紅外光譜分析系統(tǒng)研制與對比分析
　6.5 近紅外光譜技術(shù)在食用油品質(zhì)分析中的應(yīng)用
　6.5.1 食用油種類的定性識別[
　6.5.2 食用油摻假鑒別分析[
　6.5.3 食用油脂肪酸的定量分析
　6.5.4 食用油過氧化值的定量分析
　6.6 近紅外光譜在蔬菜農(nóng)殘檢測中的應(yīng)用
　6.6.1 蔬菜農(nóng)殘的快速定性檢測
　6.6.2 蔬菜農(nóng)殘的快速定量檢測
　6.7 近紅外光譜在花椒品質(zhì)分析中的應(yīng)用
　6.7.2 單籽粒紅花椒揮發(fā)油NIR 模型的建立與優(yōu)化
　6.7.3 建立單?；ń坊旌螻IR 定量模型的探索
參考文獻(xiàn)
附錄1 近紅外預(yù)處理算法源程序（MATLAB）
　1.1 建模集樣品挑選算法
　1.2 分段小波消噪算法
　1.3 基于窗口優(yōu)化選擇的二階導(dǎo)數(shù)法
　1.4 正交信號校正
　1.5 聚類算法
附錄2 近紅外預(yù)建模算法
　2.1 PLS
　2.2 ANN
　2.3 SVM