近红外光谱技术在白囊耙齿菌菌丝体多糖含量分析中的应用

论文摘要

本文分别利用PLS和RBFNN法对白囊耙齿菌菌丝体中多糖的含量建立定量分析数学校正模型。在PLS建立校正模型过程中,考察了不同预处理方法、波长变量和隐变量数对模型的影响;在RBFNN法建立校正模型过程中,考察了预处理方法,输入节的点数,隐含层的节点数和径向基的宽度对模型的影响;通过比较两种方法优选的定量分析数学校正模型,从而获得最佳结果。最佳白囊耙齿菌菌丝体中多糖含量的定量分析数学校正模型:采用最有效的光谱预处理方法为FFT;在进行MWPLS波长变量筛选时,最合适的W为85;最优的nw值为25;最合适的PLS隐变量数为7,模型的评价参数RMSEC、Rc、RMSEP分别为0.0067、0.9490和0.0070。实验结果表明所建立的白囊耙齿菌菌丝体中多糖组分的定量分析数学校正模型能够很好地预测标准方法测定值,预测性能较好,能满足快速无损定量分析的要求。

论文目录

• 内容提要
• 第一章 绪论
• 1.1 近红外光谱技术研究简述
• 1.1.1 近红外光谱的分析原理
• 1.1.2 近红外光谱发展历史
• 1.2 白囊耙齿菌的研究现状
• 1.3 课题研究目的及意义
• 1.4 主要研究内容、目标和研究流程
• 1.4.1 主要研究内容
• 1.4.2 研究目标
• 1.4.3 研究流程
• 1.5 本研究的重难点
• 1.6 立题的背景和研究意义
• 第二章 白囊耙齿菌菌丝体样品的收集及多糖含量的测定
• 2.1 材料与仪器
• 2.1.1 实验仪器
• 2.1.2 材料和试剂
• 2.1.3 菌种与培养基
• 2.2 实验方法
• 2.2.1 白囊耙齿菌培养方法
• 2.2.2 制备白囊耙齿菌菌丝体样品
• 2.2.3 菌丝体中多糖的含量测定
• 2.3 结果与讨论
• 2.3.1 菌丝体中还原糖的测定
• 2.3.2 菌丝体中总糖含量的测定
• 2.3.3 不同样品中多糖含量的测定
• 2.4 本章小结
• 第三章 近红外光谱技术结合PLS 对白囊耙齿菌菌丝体中的多糖含量的测定
• 3.1 材料与仪器
• 3.1.1 实验仪器
• 3.1.2 实验应用所需软件
• 3.2 实验方法
• 3.2.1 白囊耙齿菌菌丝体近红外光谱的采集
• 3.2.2 蒙特卡罗偏最小二乘方法识别异常样品
• 3.2.3 选择蒙特卡罗偏最小二乘法校正集样品数
• 3.2.4 选择 PLS 模型的光谱预处理方法、波长变量和隐变量数
• 3.2.5 最优 PLS 模型的建立
• 3.3 结果与讨论
• 3.3.1 样品近红外光谱的采集
• 3.3.2 异常样品的识别
• 3.3.3 校正集样品数的选择
• 3.3.4 选择 PLS 模型光谱预处理方法、波长变量和隐变量数
• 3.3.5 最优 PLS 模型的建立
• 3.4 本章小结
• 第四章 近红外光谱技术结合 RBFNN 对白囊耙齿菌菌丝体中的多糖含量的测定
• 4.1 材料与仪器
• 4.1.1 实验仪器
• 4.1.2 实验应用所需软件
• 4.2 实验方法
• 4.2.1 采集菌丝体的近红外光谱
• 4.2.2 识别异常样本及校正集的选择
• 4.2.3 近红外光谱的预处理
• 4.2.4 主成分得分的计算
• 4.2.5 RBFNN 模型相关系数的选择及最优模型的建立
• 4.2.6 最优 PLS 模型和最优 RBFNN 模型的比较
• 4.3 结果与讨论
• 4.3.1 光谱主成分分析
• 4.3.2 建立白囊耙齿菌菌丝体中多糖含量的 RBFNN 定量分析数学校正模型
• 4.3.3 最优PLS 模型和最优RBFNN 模型的比较
• 4.4 本章小结
• 第五章 全文总结和后期展望
• 5.1 实验主要结论
• 5.2 本文创新之处
• 5.3 后续工作建议
• 参考文献
• 致谢
• 摘要
• ABSTRACT