本書從社會實際需求出發，作者多年從事測控技術及信息處理，并與食品相關專業等研究人員合作，融入許多為解決實際問題而進行的研究和實踐經驗，系統介紹了本課題組基于近紅外光譜分析技術在蔬菜農藥殘留量的檢測、食用植物油、小麥粉、淀粉的品質檢測中的應用研究成果。本書主要內容：較系統地綜述了近紅外光譜法的分析特點及發展應用過程；總結闡述了近紅外光譜分析的基本理論和流程；闡述了基于近紅外光譜分析技術的蔬菜中農藥殘留量檢測方法及模型建立；采用近紅外光譜技術結合模式識別方法建立了食用油種類、花生油和橄欖油摻偽定性識別模型；采用近紅外光譜技術結合化學計量學方法建立了食用油脂肪酸含量、過氧化值和酸價的定量分析模型；提出了基于近紅外光譜檢測小麥粉品質；運用近紅外光譜技術可實現快速、無損地鑒別淀粉品質等。
本書適合從事食品、衛生、檢測技術、自動化、信息處理等專業內容方面的研究生、本科生及相關工程技術人員、科研人員閱讀。
本書依托重點實驗室設備和技術，匯集行業專家數年科研與教學成果，重點基金資助專著出版，對食品品質檢測領域有極高的參考價值。
作者一直從事自動化系統及測控技術專業的教學、科研工作，為研究生、本科生主講了十余門課程，指導研究生、本科生40余人，多年主講《自動檢測技術及儀表》、《多傳感器數據融合技術》、《過程控制系統》等課程，任課程負責人，現任中國計算機用戶協會仿真技術分會副理事長，《電力自動化設備》雜志常務理事。在測控技術、復雜系統的建模與仿真方法研究、先進控制方法研究及應用等方面做出一定成績。負責完成了北京市自然基金項目“基于近紅外光譜技術農藥殘留量的快速智能檢測方法研究”；參加北京市有修人才基金“基于近紅外光譜技術食用油檢測方法研究”、“同軸相位法找水儀的研制”等多項部級、局級、橫向科研課題，多次獲得過省部級獎勵。發表學術論文40余篇，主編了《集散控制系統》、《系統仿真》、《智能建筑通信自動化系統》等各類教材5部，有豐富的教學和科研經歷。目前研究方向：智能測量技術與數據處理、復雜系統的建模與仿真方法研究、智能控制方法研究及應用。正在主持中國石油科技風險創新研究項目“低產液水平井高可靠流量測量新方法研究”。
前言
第1章緒論1
1.1近紅外光譜技術的分析特點及在各領域中的應用現狀1
1.1.1近紅外光譜技術的分析特點1
1.1.2近紅外光譜技術的發展及應用2
1.2近紅外光譜技術在食品安全檢測領域的研究概述3
1.2.1近紅外光譜技術在農殘檢測領域的研究進展3
1.2.2近紅外光譜技術在食用油品質檢測領域的研究進展6
1.2.3近紅外光譜技術在面粉品質檢測領域的研究進展11
1.2.4近紅外光譜技術在淀粉品質檢測領域的應用13
1.3基于近紅外光譜的數據處理分析方法概述13
1.3.1光譜數據預處理方法概述14
1.3.2校正模型方法概述15
1.4完成的相關科學研究項目概況16
1.5本書的主要內容16
參考文獻19
第2章近紅外光譜分析技術基礎24
2.1近紅外光譜分析的理論基礎24
2.2近紅外光譜分析流程26
2.3近紅外光譜分析預處理方法28
2.3.1主成分分析法29
2.3.2馬氏距離法 30
2.3.3杠桿值法 31
2.3.4半數重采樣法 31
2.3.5蒙特卡洛交叉驗證法31
2.3.6數據規范化處理32
2.3.7光程校正32
2.3.8基線校正33
2.3.9導數法34
2.3.10平滑處理34
2.3.11多元散射校正35
2.3.12傅里葉變換35
2.3.13正交信號校正35
2.3.14標準正態變量變換36
2.3.15基于分段窗口的特征譜區篩選方法36
2.4近紅外光譜模型多元校正分析方法37
2.4.1多元線性回歸（MLR）法37
2.4.2主成分回歸(PCR)法38
2.4.3偏最小二乘(PLS)法39
2.4.4人工神經網絡（ANN）BP法40
2.4.5聚類分析法41
2.4.6支持向量機（SVM）法45
2.5近紅外光譜定標模型的評價指標47
2.6近紅外光譜儀器介紹47
2.6.1光譜儀發展介紹47
2.6.2本研究應用光譜儀平臺介紹50
2.7小結53
參考文獻54
目錄第3章基于近紅外光譜的溶液中農藥殘留檢測方法研究57
3.1簡介57
3.2基于近紅外光譜的溶液中毒死蜱PLS定量分析方法研究59
3.2.1樣品制備59
3.2.2光譜采集59
3.2.3結果與分析60
3.2.4重現性實驗結果與分析63
3.3基于近紅外光譜的溶液中毒死蜱BP網絡定量分析方法研究64
3.3.1BP算法的實驗設計64
3.3.2樣品制備64
3.3.3結果與分析64
3.4溶液中毒死蜱的PLS和BP定量分析模型性能的比較71
3.4.1PLS法的樣品選擇71
3.4.2BP法的樣品選擇71
3.4.3比較分析結果71
3.5基于近紅外光譜的溶液中毒死蜱PLS定性分析方法研究72
3.5.1樣品制備72
3.5.2光譜采集72
3.5.3結果與分析72
3.5.4重現性實驗結果與分析72
3.6光譜預處理對毒死蜱和炔螨特近紅外光譜定量模型性能影響分析75
3.6.1 樣品制備75
3.6.2光譜采集76
3.6.3不同預處理方法對毒死蜱PLS模型性能影響分析76
3.6.4不同預處理方法對炔螨特PLS模型性能影響分析78
3.6.5毒死蜱和炔螨特的近紅外光譜ANN BP檢測試驗研究80
3.7小結83
附錄85
附錄A附表85
附錄B標準物質相關說明87
參考文獻88
第4章基于近紅外光譜的蔬菜中農藥殘留檢測方法研究89
4.1簡介89
4.2蔬菜中常見的有機磷農藥殘留量檢測方法91
4.2.1色譜法93
4.2.2生物化學測定法 (膽堿酯酶抑制法)96
4.2.3發光菌檢測法100
4.2.4生物傳感器法101
4.2.5免疫分析法101
4.2.6光譜法102
4.2.7實驗室機器人110
4.3基于近紅外光譜的大白菜中毒死蜱殘留量檢測方法研究110
4.3.1樣品制備110
4.3.2光譜采集111
4.3.3光譜預處理對模型性能影響分析112
4.3.4近紅外光譜波長選擇對模型性能影響分析113
4.3.5模型性能驗證113
4.4基于近紅外光譜的菠菜中毒死蜱殘留量檢測方法研究114
4.4.1樣品制備114
4.4.2光譜采集115
4.4.3光譜預處理對模型性能影響分析115
4.4.4近紅外光譜波長選擇對模型性能影響分析116
4.4.5模型性能驗證116
4.5基于近紅外光譜的蘿卜中毒死蜱殘留量檢測方法研究117
4.5.1樣品制備118
4.5.2光譜采集118
4.5.3蘿卜中毒死蜱殘留量的PLS模型建立與分析118
4.5.4蘿卜中毒死蜱殘留量的BP模型建立與分析119
4.6小結120
參考文獻120
第5章近紅外光譜技術在食用油品質定性分析中的應用研究122
5.1簡介122
5.2模式識別方法122
5.2.1系統聚類分析法122
5.2.2支持向量機分類器122
5.3 基于近紅外光譜的食用油種類定性識別分析127
5.3.1樣品制備127
5.3.2光譜采集127
5.3.3結果與分析128
5.4基于近紅外光譜的純花生油摻假鑒別分析130
5.4.1樣品制備130
5.4.2光譜采集130
5.4.3結果與分析131
5.5 基于近紅外光譜的純橄欖油摻假鑒別分析134
5.5.1樣品制備134
5.5.2光譜采集134
5.5.3結果與分析135
5.6小結136
參考文獻136
第6章近紅外光譜技術在食用油品質定量分析中的應用研究138
6.1簡介138
6.2光譜分辨率的選取對食用油近紅外模型性能影響分析138
6.2.1樣品制備139
6.2.2光譜采集139
6.2.3結果與分析139
6.3基于近紅外光譜的食用油脂肪酸定量分析141
6.3.1常見譜區優化算法142
6.3.2CARS波長變量選擇法145
6.3.3基于CARS-PLS的食用油脂肪酸定量模型的優化146
6.4基于近紅外光譜的食用油過氧化值定量分析148
6.4.1樣品制備149
6.4.2光譜采集149
6.4.3結果與分析149
6.5基于近紅外光譜的食用油酸價定量分析152
6.5.1樣品制備152
6.5.2光譜采集152
6.5.3結果與分析152
6.6小結155
參考文獻155
第7章基于近紅外光譜的小麥粉品質檢測方法研究157
7.1 簡介157
7.2基于近紅外光譜的小麥粉PLS模型的建立與分析158
7.2.1樣品制備158
7.2.2光譜采集158
7.2.3結果與分析159
7.3基于近紅外光譜的小麥粉異常樣品剔除方法研究160
7.3.1基于馬氏距離法的異常樣品判別分析161
7.3.2基于蒙特卡洛交叉驗證法的異常樣品判別分析161
7.3.3剔除異常樣品后的模型評價162
7.4基于近紅外光譜的小麥粉特征譜區篩選方法研究162
7.4.1小麥粉樣品集劃分方法比較163
7.4.2基于常規區間偏最小二乘法的小麥粉近紅外光譜模型優化164
7.4.3基于聯合區間最小二乘法的小麥粉近紅外光譜模型優化165
7.4.4基于向后區間最小二乘法的小麥粉近紅外光譜模型優化166
7.4.5基于CARS譜區篩選法的小麥粉近紅外光譜模型優化168
7.4.6特征譜區篩選法的比較170
7.5SVM和ANN BP在小麥粉品質定量分析中的應用研究170
7.5.1小麥粉近紅外光譜的主成分分析171
7.5.2基于近紅外光譜的小麥粉ANN BP模型171
7.5.3基于近紅外光譜的小麥粉支持向量回歸模型172
7.5.4小麥粉模型比較分析174
7.6小結175
參考文獻 175
第8章基于近紅外光譜的淀粉品質檢測方法研究176
8.1簡介176
8.2基于聚類分析的淀粉種類定性識別方法研究176
8.2.1樣品制備176
8.2.2光譜采集176
8.2.3結果與分析177
8.3基于SVM的淀粉種類定性識別方法研究181
8.3.1樣品制備181
8.3.2光譜采集181
8.3.3結果與分析181
8.4基于近紅外光譜的淀粉含水量快速分析方法研究187
8.4.1樣品制備187
8.4.2光譜采集187
8.4.3淀粉含水量PLS模型的建立與分析187
8.5馬鈴薯淀粉摻雜玉米淀粉的近紅外光譜檢測方法研究192
8.5.1樣品制備194
8.5.2光譜采集194
8.5.3定量分析模型的建立194
8.5.4定量分析模型的驗證194
8.6淀粉摻雜滑石粉的近紅外光譜檢測方法研究196
8.6.1樣品制備197
8.6.2光譜采集197
8.6.3實驗方法設計198
8.6.4定量分析模型的建立198
8.6.5定量分析模型的驗證198
8.7小結199
參考文獻200
第9章總結與展望201
9.1本書的主要內容總結201
9.2展望203
參考文獻203
新書資訊