欢迎来到天天文库
浏览记录
ID:34877645
大小:12.20 MB
页数:84页
时间:2019-03-13
《基于近红外光谱技术的石斛属植物快速鉴别研究与应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、V'分类号—密级公开抓C630全曰制硕±专壁学位硏究生学位论文基于近红外光谱技术的石解属植物快速鉴别研究与应用't!'餐作者姓名:刘瑞婷?指导教师、:寿国忠教授't、J专业学位名称:工程硕击领域名称;林业工程研巧方向:近红外光谱技术所在学院:工程学院论文提交日期;2015年12月20日浙江农林大学2015年12月20日ZhejiangAgriculture&ForestryUniversityMasterDegreeThe
2、sisResearchandApplicationonRapidIdentificationofDendrobiumPlantsBasedonNearInfraredSpectroscopyCandidate:LIURui–tingSupervisor:ShouGuo–zhong,ProfessorSpecialty:ForestryEngineeringDateofSubmission:December20,2015ZhejiangA&FUniversityLin’an,zhejiangprovince,P.R.Chi
3、naDecember20,2015独扣性亩巧木人声巧,扣呈交巧単位&支,在巧导技师巧导下,迎过战的巧九电得时沾黑,井且g自已巧写的。原巧巧知,除了文中巧了标注巧致谢中己狂巧了吾巧的化方外,&戈中不色含其化人发表或该写过的研巧成媒,也不包當巧巧江A林大巧巧其化教巧机巧巧巧巧巧或祉书巧梗巧过的材抖一W.与巧同对本研巧枕出巧巧的同击,託巧论义中杜了巧确的说明并表/ji了巧贵。山巧S有j化冉犯化A如识軒的巧责i.由龙九本p怖有巧巧巧。巧化^^^古巧方定巧译^;,刮却為日巧T邸。M论文使用授权巧化巧
4、本A完全了耗浙江农林大学有关巧国、使巧単化&文的规定,即単技有枚迈巧论文的S巧拌,L允巧论文沾査间巧押间)、;学校可lit&布化文的全却巧祀分内留,可:l巧用於巧结巧或其化夏利手段保巧&义。巧密,在_年后巧史W达m本技权书*□不巧巧,本単化论文巧于不巧巧,囚""(巧在方恒内巧J) ̄^学化论文巧量亲写S名!壬]楓砖曰期,射。}指巧巧亲笔结名呵瓜如‘知;日恥摘要摘要石斛为我国传统中药材,其中铁皮石斛被誉为中华九大仙草之首,药用价值和价格方面都高于其他石斛,市场上出现了用紫皮石斛、金钗
5、石斛等冒充铁皮石斛的现象,而且不同产地的铁皮石斛的价格和药用价值也是不同的,因此需要建立一种快速无损的检测方法来对其进行鉴别。本文采用微型近红外光谱仪对3种易混淆石斛和7个产地的铁皮石斛进行鉴别研究,在此基础上构建了石斛鉴别物联网系统。本文建立了3种易混淆石斛(样品形态为完整样和粉碎样)的近红外判别模型;探究了样品粒度对近红外光谱和模型的影响,发现粉碎样过80目筛后,采集的光谱重现性好而且所建模型效果优于40目和60目;对完整样样品和粉碎样样品建立的模型的正确识别率和拒绝率均为100%,预测稳定性和精度较高,都可以实现3
6、种石斛的快速无损鉴别。由于产地间的差异较品种间差异小,因此产地鉴别比品种鉴别困难,所以首先利用近红外光谱技术结合SIMCA模式识别方法对7个产地的铁皮石斛(样品形态为粉碎样)进行鉴别,经光谱预处理、波段选择及主成分优化后,所建的最佳模型SIMCA的识别率和拒绝率均为100%,成功的鉴别了7个产地的铁皮石斛;在此基础上采用SIMCA、PLS–DA和PCA–DA三种建模方法对7个产地的铁皮石斛(样品形态为完整样)进行鉴别,结果表明SIMCA的识别率高,但是拒绝率为70%以上,PLS-DA的正确率为70%,而PCA-DA正确率
7、达到94%,模型效果优于其他两种方法。基于云计算的石斛鉴别物联网系统可以实现近红外光谱的光谱采集、光谱对比和预测分析等功能,经过测试和初步应用后表明该系统设计合理,界面操作简单,具有较好的稳定性和准确性。石斛的近红外光谱技术的模型开发,为石斛鉴别研究领域提供一种有效、快速、无损的技术手段,使长期困扰我国市场上各种石斛混乱无法快速鉴别的问题得到解决。关键词:石斛;近红外光谱技术;SIMCA;鉴别IABSTRACTABSTRACTDendrobiumofficinale(Tie-pi-shi-huinChinese),ran
8、kedasthefirstof“NinekindsofChinesemedicinalherbs”,isaprecioustraditionalChineseherbalmedicinewhichbelongstoDendrobiumspecies,andisvaluablebecauseofitsexcellent
此文档下载收益归作者所有