一、白酒真假优劣鉴别(上)(论文文献综述)
朱锦[1](2019)在《白酒品种鉴别的电子鼻系统设计与研究》文中指出我国白酒种类繁多,香型各异,随着经济的快速发展,白酒行业发展趋势越发磅礴。由于白酒行业利润丰厚,有些不法商家为获取更大利润,制假售假的情况严重,且饮用假酒对人体健康伤害巨大,因而对白酒质量的监管尤为重要。质谱仪、色谱仪与感官分析等是目前白酒品质检测的常用手段。感官分析带有一定主观性,容易受评估者的身体状况、环境等因素影响。当采用质谱仪与色谱仪对白酒检测时,虽能对白酒香气成分提供精确的分析,但检测过程繁琐,周期长,费用高,同时检测仪器昂贵且笨重,不利于推广和使用。因此,对我国日益兴盛的白酒行业而言,这些检测手段明显有些捉襟见肘。电子鼻作为一种新兴的检测手段,可以根据白酒挥发的气味对白酒品种进行快速的鉴别。但是现有的电子鼻造价昂贵,且容易受到温度、湿度等环境因素的干扰,鲁棒性不强,气体特征信息提取困难。本课题组在江苏省研究生科研与实践创新计划项目(SJCX170573)的资助下研发了一种低成本、高性能、小体积,且具有一定抗干扰能力的电子鼻系统,其可以对市场上的白酒品种进行快速、实时、有效的鉴别分析。本文所设计研发的电子鼻系统,主要包括传感器阵列、数据采集和传输系统、气体收集装置和数据处理四个部分。传感器阵列主要是由TGS系列和MQ系列的10种气体传感器组成,该传感器阵列具有低功耗、高性能、低成本、长寿命和高灵敏度的特点,可以最大限度获取白酒的气味特征,并将之转化电压信号。在数据采集过程中,主要选用MP4623数据采集系统,可以实现10个通道数据并行采集,并能对采集的数据进行A/D转换和存储,同时数据采集过程可以通过LabVIEW软件程序进行实时观测。气体收集装置主要由气泵、样品存放瓶和气室三个部分组成。除此之外,在数据处理方面,本文将模糊理论和鉴别主成分分析(DPCA)算法结合,提出了一种模糊鉴别主成分分析(FDPCA)算法,该算法可以有效的改善特征提取的效果,在多类分类时实现“软”分类,能够提高数据分类的准确率,从而提高电子鼻系统的抗干扰能力,改善电子鼻系统的性能。最后,采用设计出的电子鼻系统,结合提出的模糊鉴别主成分分析(FDPCA)算法,以及K近邻分类法,对市场上购买的六种白酒进行鉴别分析。再使用留一法(LOO)和k-fold交叉验证法,对分类鉴别的准确率进行验证,发现电子鼻对六种白酒识别的准确率可以达到98%。实验结果表明,建立在所设计电子鼻硬件系统和FDPCA算法的软件系统基础上的电子鼻分类系统在对白酒分类鉴别十分有效。
高云,汪廷彩,张静,胡文敏,刘嘉飞,熊含鸿,蔡展帆,梁旭霞[2](2018)在《真假干邑白兰地的鉴定研究进展》文中认为白兰地是世界着名的蒸馏酒之一,深受世界各国人民的喜爱。白兰地的生产遍布世界各地,其中以法国干邑(Cognac)地区生产的白兰地品质最为优秀。由于干邑白兰地的价格昂贵,但制酒的成本却低廉,从而导致制作假冒名牌干邑白兰地的利润畸高,从而使得假冒白兰地的泛滥,其严重程度已经引起多方面的重视,特别是酒类管理部门的重视。本文对近年来干邑白兰地的真假鉴定技术的研究发展进行了分析,为了保证酒类市场的健康运行,有必要对真假酒更深入地进行研究,此项研究工作有着广泛的实际应用前景。
于静[3](2018)在《葡萄酒和白酒质量识别方法的研究》文中提出葡萄酒是我国近20年市场快速成长的酒类,而白酒是我国最重要的烈酒消费种类,它们都具有广泛的消费人群。葡萄酒和白酒的质量一直以来都是消费者、生产者以及监管部门最关心的问题。国家标准对酒质量有相应规定,遗憾的是缺乏相应完善的配套检测鉴别方法。本研究围绕我国葡萄酒和白酒生产质量监测和市场监管的一些难点和热点问题,采用现代仪器方法检测了我国市场主要葡萄酒、白酒中的特征成分,结合化学计量学方法进行对应的质量数据分析,研究探讨了基于二极管阵列高效液相色谱技术的葡萄酒质量鉴别方法,基于近红外光谱技术的整串葡萄品质识别方法,基于近红外光谱技术的葡萄酒产地识别方法,基于电化学高效液相色谱技术的不同类别白酒品质识别方法,提出了相应的葡萄酒和白酒质量识别方法,为葡萄酒和白酒生产的质量调控和市场监管提供技术手段,讨论了完善相应国家标准中品质检测方法及质量指标的建议。主要结果如下:1.根据我国葡萄酒生产品质监测和市场监管中产地、品种和年份识别的难点以及我国葡萄酒市场监测部门的特点和实际状况,结合国家监管部门对检测方法要求,在本实验室多年有机酸研究的基础上,挑选了7种葡萄酒中常见的有机酸作为研究对象,完善了一种可以应用于我国监管部门的稳定高效液相色谱检测方法。该方法能很好的分离7种有机酸,各有机酸的线性关系良好(R2,0.9959~0.9999),检测限低(0.025~0.05 mg/mL),准确度较高(回收率,95%~102%)。使用该方法对年份葡萄酒和品种葡萄酒进行分析,结果表明年份和品种均对(红/白)葡萄酒中有机酸有一定的影响,其中品种的影响较大,相对来讲年份的影响较小。同时,年份对于白葡萄酒的影响远大于红葡萄酒。此外,红葡萄酒与白葡萄酒有机酸组成也明显不同,红葡萄酒中主要为酒石酸和乳酸,而白葡萄酒中主要的有机酸为苹果酸和酒石酸;进一步用该方法分析北京市售葡萄酒有机酸及有机酸总量含量状况,发现北京市售葡萄酒中有机酸质量状况整体较好。所测103款葡萄酒样品中,柠檬酸超标仅有5例,超标检出率为4.9%。使用有机酸可以有效区分葡萄酒与假葡萄酒,尤其是“三精一水”勾兑的低劣葡萄酒。此外,供试进口葡萄酒与国产葡萄酒、不同产区葡萄酒、不同酒庄葡萄酒有机酸特征均不同,显示该方法在市场监管中具有重要的作用。通过对葡萄原酒与市购葡萄酒各有机酸及总量的对比分析,初步得出葡萄酒质量状况,为我国葡萄酒产品标准中有机酸指标的设立提供依据。2.葡萄原料成熟度状况的及时准确快速判断是酿造优质葡萄酒的重要基础工作。本研究根据目前利用单粒破碎葡萄检测可溶性固形物含量的方法来确定葡萄采摘时间存在的问题,建立了一种新的基于近红外光谱技术对整串葡萄果实中可溶性固形物含量(SSC)的检测方法,通过自制光谱采集装置采集整串葡萄光谱数据,重点优化三个相关参数,即光源功率(P)、探头外径(D)和光源到探头距离(L)。建立了一种新的基于偏最小二乘法(PLS)的葡萄可溶性固形物含量预测模型,其中,采用漫透射光谱采集葡萄SSC光谱。试验中通过正交试验优化选择最佳参数。根据近红外光谱分析中各样本相关系数(rc),预测均方根误差(RMSEP)以及偏差(Δ)综合评估各影响因子在不同模型下的表现。在P,D和L分别为70W,70mm和85 mm的条件下,PLS模型获得最好结果,其中rc为0.83,RMSEP为0.76° Brix,Δ为0.84° Brix。研究结果表明,使用近红外光谱仪检测整串葡萄SSC是可行的,其中参数L对预测模型的性能影响比其他两个参数更大。采用适合的参数组合可以获得更好的葡萄SSC预测模型。该方法的确立,为快速无破损整串葡萄SSC检测移动设备的研发提供了重要基础数据和思路。3.优质产地葡萄酒深受市场欢迎,但是,假冒优质原产地葡萄酒的事件时有发生。本研究依据市场监管的需求,建立一种新的基于近红外光谱产地葡萄酒无损分类方法。研究表明,针对产地葡萄酒近红外光谱存在的差异,采用合适的光谱数据预处理方法和径向基函数神经网络方法(RBFNN)或最小二乘支持向量机方法(LS-SVM)相结合,具有对非常相似特性物质的鉴别能力。结果显示,采用最佳RBFNN参数对标准正态变量(SNV)光谱预处理数据分析,获得非常高的准确分类率,达到98.36%。采用基于RBF核的LS-SVM方法对多元散射校正(MSC)光谱预处理数据分析,对于两种产地葡萄酒的判别准确率最高,分别为96.67%和100%。结果表明,NIR光谱与化学计量学结合具有良好的葡萄酒类别判别能力,能够以非破坏性方法判别产地葡萄酒,为今后葡萄酒市场的有效监管提供了新的方法和手段。5.由于我国白酒市场的需求不断增加,国家建立了不同白酒的生产标准,但是,也给市场监管增加了难度。如何鉴别国家标准中固态法白酒和液态法白酒是目前一直没有破解的难题。本研究基于电化学高效液相色谱技术建立了一种新的白酒品质和种类识别的高效液相电化学检测方法。在最优色谱条件下,8通道采集固态法分离了固态法白酒中102个信息峰,各物质得到了很好的分离,方法精密度(RSD<2.40%)和稳定性高(RSD<2.01%)。该方法能够检测到白酒中多种活性物质,指纹图谱信息丰富,且固态法白酒与液态法白酒谱图差异明显。同时,运用聚类分析与主成分分析对检测数据处理,能准确区分固态法与液态法白酒。运用该方法同时检测不同企业提供的白酒样品,结果表明该方法能够准确区分相同香型的固态法与液态法白酒。进一步分析不同勾兑比例的白酒,统计分析结果与实际相符,白酒样品被准确分为四类:固态法白酒含量比例分为10%、15%、75%和100%。为今后白酒品质和种类的识别提供了一种有效的手段。
高云[4](2018)在《基于气、液相色谱技术的干邑白兰地真伪鉴定方法研究》文中指出白兰地是世界着名的蒸馏酒之一,深受世界各国人民的喜爱。白兰地的生产遍布世界各地,其中以法国干邑(Cognac)地区生产的白兰地品质最为优秀。由于干邑白兰地的价格昂贵,但制酒的成本却低廉,从而导致制作假冒名牌干邑白兰地的利润畸高,从而使得假冒白兰地的泛滥,其严重程度已经引起多方面的重视,特别是酒类管理部门的重视。因此,亟需有效手段对市场中销售的白兰地的真伪进行鉴别。论文采用气相色谱法对人头马、轩尼诗、马爹利3个品牌11种等级的干邑白兰地中的酯类、醛类和高级醇类等三类特征性挥发性物质进行测定,并考察了方法的精密度和重现性,结果表明该检测方法应用于测定干邑白兰地中的三种挥发性物质具有可靠性。检测结果发现不同品牌不同等级干邑白兰地中的酯类、醛类和高级醇类挥发性物质含量之间具有一定的显着性差异,可作为鉴定干邑白兰地真伪的手段之一。应用采集的特征浓度水平并结合干邑白兰地中酯类、醛类和高级醇类的含量,鉴别人头马、轩尼诗和马爹利3个品牌11个等级的假冒干邑白兰地,在获得的210批次样品中发现14批次假冒产品。由于干邑白兰地中酯类、醛类和高级醇类的含量仅能对真伪进行鉴定。因此,论文还建立了同时测定干邑白兰地中没食子酸、5-羟甲基糠醛、香草酸、丁香酸、5-甲基糠醛、香草醛、丁香醛、松柏醛、芥子醛等10种芳香烃类化合物的高效液相色谱-二极管阵列法,并优化了相关的方法条件。最佳液相色谱方法条件为:测定波长为280 nm;梯度洗脱,流动相为10%乙腈水溶液(0.1%乙酸),(C):90%乙腈水溶液(0.1%乙酸)(D)=100:0(乙酸调节pH=3);运行时间(min):3.5、4.6、25、26、35、50;C(%):100、90、85、40、100、100;流速为0.8 mL/min;柱温:40℃。方法学考察结果表明,使用高效液相-二极管阵列检测法测定干邑白兰地中10种芳香烃类化合物的浓度水平,具有较好的准确度和精密度。采用该方法对205批次马爹利、人头马及轩尼诗等三个品牌不同等级的干邑白兰地样品中的10种芳香烃类化合物浓度水平进行测定,建立相关的评判标准鉴定干邑白兰地品质等级及真伪。使用干邑白兰地的酯类、醛类及高级醇类等三类挥发性物质的含量结合10种芳香烃类化合物的含量,可有效对人头马、轩尼诗及马爹利三个品牌的真伪和等级进行鉴别。
卢一[5](2017)在《基于“气味”信息分析的中药饮片快速鉴别研究》文中研究说明中药经炮制后外观性状会发生改变,一些中药具有独特的外观性状特性,依据表现出的这些性状可对中药品质进行评价。本文气味信息分析技术是指电子鼻与快速气相电子鼻,运用气味信息分析技术,以气味作为切入点实现对中药酒制饮片、硫熏中药以及易混淆中药的快速鉴别。根据8味酒制饮片与非酒制饮片的气味信息,对酒制药片与非酒制饮片进行快速鉴别区分。采用电子鼻技术获取酒制饮片与非酒制饮片的气味指纹信息,依据气味信息的客观化数据结合化学计量学方法以及BP人工神经网络模型,对酒制饮片快速鉴别区分。结果表明化学计量学方法(PCA、DFA、SQC、SIMCA)都能够实现酒制饮片与非酒制饮片的区分;BP人工神经网络模型判别区分效果良好,非酒制样品的综合识别率达到100%,酒制样品的综合识别率达到94.6%,对所有样品的综合识别率为96.7%。采用快速气相电子鼻对硫熏麦冬与未硫熏麦冬进行气味信息及成分分析,根据获取的硫熏麦冬与未硫熏麦冬气味色谱信息并通过Kovats保留指数定性,在Arochembase数据库中对差异气味信息进行定性分析;建立PCA、SIMCA模型实现对硫熏麦冬的快速鉴别。结果表明,通过Arochembase数据库对比分析,硫熏麦冬硫化物明显比未硫熏麦冬多,气味特征差异大;PCA模型可明显区分硫熏麦冬与未硫熏麦冬;运用SIMCA模型能够实现对硫熏麦冬的快速鉴别。依据获得的气味指纹信息,结合化学计量学方法对八角与莽草进行快速鉴别。结果表明,八角茴香与莽草在气味特征上存在明显差异,统计质量控制分析(SQC)与软独立建模分析(SIMCA)模型能够实现八角茴香与莽草的区分;主成分分析(PCA)可明显区分八角茴香与莽草;判别因子分析(DFA)模型累积方差总贡献率为100%,正确判别率不小于99%。根据快速气相电子鼻Arochembase数据库对比分析,八角茴香与莽草有相似成分如柠檬烯,定性出八角茴香特有成分茴香脑,感官描述符合八角茴香性状特征。气味信息分析技术可客观化评价中药气味信息,以及定性地反映气味信息差异。依据该技术,可以实现对酒制饮片、硫熏中药以及易混淆中药的快速鉴别区分。
魏纪平,王俊全[6](2017)在《运用傅里叶变换红外光谱鉴别茅台酒》文中研究指明基于红外光谱技术的3种不同处理手段运用于茅台酒的真伪鉴别,实验中真伪茅台酒在一维红外谱图上首先体现出了明显的差异,特别是在1 200 cm-11 800 cm-1波段,真伪茅台酒在1 730 cm-1的酯类特征吸收峰以及1 592 cm-1处的羧酸特征吸收峰有明显的不同;在二阶导数谱图上,真伪茅台酒的酯类和酸类物质的红外吸收峰的峰位和峰强明显不同,这也符合一维谱图的分析结果;另外,二维相关红外光谱是通过对样品施加热扰动来对茅台酒的真伪进行鉴别,在印证了一维谱图、二阶导数谱图的鉴别结果的基础上,更加体现出了操作简便、谱图清晰与可视性强等特点。
张淑琴,王微芝,马福林[7](2016)在《辨别钾肥真伪及质量优劣的方法》文中研究说明钾肥是基础肥料,钾肥质量的优劣直接影响着消费者的利益和农作物的生长。本文概述了辨别钾肥真伪的技术途径,提出几种简便易行[1]、容易推广的快速辨别钾肥真伪的方法。包括包装辨别、颜色和形态辨别、灼烧试验辨别、气味辨别、水溶性辨别以及主含量和次含量等方法的辨别,希望通过这些简易可行的方法能够对广大消费者购买优质的钾肥产品起到一定的指导作用,同时也能对我国生产合格的钾肥产品起到一定的促进作用,使我国的农业有更好的发展前景。
周晓璇[8](2016)在《基于近红外光谱技术的大米掺伪定量判别研究》文中研究表明作为“五谷之首”的大米(也称为稻米),其质量和安全问题一直备受关注。然而,近年来频频出现的大米掺伪现象,使得大米的质量分析面临前所未有的挑战,迫切需要开发快速、可靠的检测技术。近红外光谱分析技术(NIRS)具有快速、无损、绿色、低成本的突出优点,已在各个领域和行业中被广泛应用。本研究针对现在市场上常见的两种大米掺伪现象(高档米中混入低档米和使用矿物油抛光),以近红外光谱技术为基础,同时结合化学计量学方法,分别建立了大米中掺入低档米和掺入矿物油的定量分析模型。(1)近红外光谱技术结合直链淀粉含量建立掺伪大米(掺入低档米)的掺伪比例判别模型。按0%、5%、10%、15%、20%、30%、40%、50%、60%、70%、80%、90%和100%不同的掺伪比例制配了130个大米样品(高档A米中掺入低档B米),采集这130个掺伪大米的近红外光谱,对获得的原始光谱数据进行预处理(标准正态变量变换法、最大最小归一化法、平滑法和一阶导数法),分别结合偏最小二乘法建立4种PLS定量分析模型。通过对比建模结果得出最优的预处理方法是最大最小归一化法,建立的掺伪比例分析模型(掺入低档米)的校正集和预测集相关系数分别为0.9698(Rc)和0.9845(Rv),均方根误差分别为8.66(RMSECV)和6.46(RMSEP)。(2)近红外光谱技术结合偏最小二乘法(PLS)建立掺伪大米(掺入矿物油)的掺伪比例判别模型。按0.0000%、0.0118%、0.0395%、0.1370%、0.1819%、0.6194%、0.8764%和1.3219%不同的掺伪比例制配了80个大米样品(掺入矿物油),采集这80个掺矿物油大米的近红外光谱,并结合偏最小二乘法建立掺伪比例的PLS定量分析模型。试验结果显示,所建模型校正集的相关系数和均方根误差分别为0.9739(Rc)和0.106(RMSECV),预测集的相关系数和均方根误差分别为0.9888(Rv)和0.0698(RMSEP)。两个模型的预测精度和稳定性均很好,实现了对两种掺伪大米快速、准确的定量判别,为大米的品质监控提供了一种新的方法思路。
杜玲玲[9](2015)在《金门高粱酒真伪鉴别技术研究》文中指出金门高粱酒深受两岸民众喜欢,但目前市面上假酒较多,真假酒区分困难,因此本研究以真假金门高粱酒和其他香型酒为研究对象,采用气相色谱法建立酒指纹图谱,结合化学模式识别,对指纹图谱进行相似度分析、主成分分析、聚类分析,研究金门高粱酒真伪鉴别技术。取得以下主要结果:1、气相色谱仪条件优化为:柱温50°C(5 min),以4°C/min升至200°C,进样口温度230°C,FID检测器温度230°C,毛细管柱为LZP 930,30 m×0.32 mm×1.0μm,进样量1μL,分流比30:1。2、采集55批次酒样,采用夹角余弦法计算指纹图谱相似度,其中10批次金门高粱酒彼此间相似度>99.0%,10批次内地高粱酒和10批次米酒的组内相似度都>98.0%;不同类型的金门高粱酒、米酒、葡萄酒、白兰地彼此间相似度在10.070.0%,说明利用相似度分析可以区分不同香型的酒;而同种香型的金门高粱酒和内地高粱酒以及台湾地区其他高粱酒之间相似度平均在88.0%左右,单凭相似度分析结果还难以区分不同品牌高粱酒,还要结合主成分分析以及聚类分析辅助判断;以金门高粱酒的特征峰结合相似度结果鉴别真假酒,结果显示:6批次高粱酒与金门高粱酒真酒相似度在40.085.0%,可判定为假酒;4批次与真酒相似度在98.0%左右,通过比较特征峰,4个酒样均缺少5个真酒特征峰,疑似假酒,在进行主成分分析和聚类分析时被区分开,也可判定为假酒。3、利用主成分分析可以区分不同香型的酒(金门高粱酒,米酒,葡萄酒),在真假金门高粱酒的鉴定上,主成分分析基本可以排除大部分假酒,剩下个别容易混淆的酒样,需要进一步结合相似度分析结果,聚类分析以及特征峰比对等来共同进行判定。此外,金门高粱酒和内地高粱酒在主成分分析上得分比较相近,导致PCA投影图重叠较多,因此单独利用主成分分析还不足以区分同种香型的酒。4、利用聚类分析基本上可以把不同香型的酒进行分类,也能对真假金门高粱酒进行区分,同样香型的酒也基本能区分开。如果有可疑样品,则需要再结合特征峰的比对情况进行区分判定。5、与标准金门高粱酒指纹图谱相似度分析<98.0%的均可判定为假酒。用主成分分析以及聚类分析结果明显区别于金门高粱酒的样品也判定为假酒。相似度在98.099.0%,以及利用主成分分析和聚类分析不能明显区别的酒样,需要结合三种分析结果以及比对金门高粱酒特征峰等来共同判定。
李曌[10](2013)在《光谱法快速鉴别中国名优白酒的研究》文中进行了进一步梳理白酒一直是中国最流行的酒精饮料之一。近年来,随着国民经济的高速发展和人民生活水平的不断提高,白酒产业呈快速发展之势,市场份额和经济效益都在不断提升。白酒由于其原料、工艺、环境、地域和设备等差异,品种繁多、香型各异,即使是同一厂家生产的白酒,价格、香型以及档次都有可能不同。市场上的白酒价格差异非常大,一瓶酒从几元到几万元不等。这也为造假者创造了以假乱真、获取暴利的机会,严重侵害了消费者和生产者的利益。白酒的真伪优劣鉴别在白酒行业中受到越来越多的关注。然而,到目前为止,国内没有很好的白酒分析方法,发展快速、可靠的检测方法迫在眉睫。本研究以10个品牌(茅台,剑南春,五粮液,散花,稻花香,郎酒,白云边,汾酒,红星和泸州老窖)、6个香型(浓香型,酱香型,酱香型浓香型,清香型,米香型和其他香型等)的22种白酒为研究对象,采用可见近红外光谱技术(VIS/NIR)、衰减全反射傅里叶变换红外光谱技术(ATR-FTIR)和紫外光谱技术(UV)结合化学计量学方法进行鉴别研究。首先对Savitzky-Golay平滑处理、微分光谱及光谱波段等前处理方法和模型的建模参数进行优化。然后对光谱信息进行主成分分析,以作为一种数据可视化的方法。最后根据优化结果对所得光谱信息采用支持向量机(SVM),簇类独立软模式分析(SIMCA),基于主成分分析的线性判别分析(PCA-LDA)建模方法进行建模,并分析对比模型的鉴别能力。主要结果如下:1. VIS/NIR方法中,基于SIMCA法所建模型的训练集和验证集正确分类百分比分别为97.5%和96.67%,基于SVM法所建模型的训练集和验证集正确分类百分比分别为95%和98.33%,基于PCA-LDA法所建模型的训练集和验证集正确分类百分比分别为99.17%和98.33%,以上方法均能达到白酒鉴别的目的。其中,基于PCA-LDA法所建模型对不同品牌、不同酒精度、不同年份和不同香型白酒鉴别能力最好,样品正确分类百分比均高于95%。2. ATR-FTIR方法中,基于SIMCA法所建模型基本上无法对白酒进行鉴别,基于SVM法所建模型的训练集和验证集正确分类百分比分别为73.09%和63.53%,基于PCA-LDA法所建模型的训练集和验证集正确分类百分比分别为92.92%和75.52%,PCA-LDA模型鉴别能力优于其他两种鉴别方法,但其中某些白酒类别的正确分类百分比较低,甚至不到30%。因此,基于中红外光谱技术采用以上建模方法所建模型的鉴别能力总体上偏低。3.UV方法中,基于SIMCA法所建模型的训练集和验证集正确分类百分比分别为87.4%和72.08%,基于SVM法所建模型的训练集和验证集分类百分比分别为99.38%和99.68%,基于PCA-LDA法所建模型的训练集和验证集正确分类百分比分别为99.83%和100%,基于SVM法和PCA-LDA法所建模型均能实现白酒鉴别,且PCA-LDA模型略优于SVM模型。PCA-LDA模型分析结果中,训练集仅有1个白云边5年陈酿被错误地归类为白云边窖藏,其他种类白酒正确分类的百分比均为100%,用所建模型进行预测,所有样品被正确分类。PCA-LDA模型对不同年份、不同香型、不同酒精度、不同品牌白酒均能很好鉴别,样品正确分类百分比均在99.5%以上。4.在不同的光谱鉴别模型中,PCA-LDA均是最合适的建模方法,其中,VIS/NIR法的白酒鉴别模型训练集和验证集正确分类百分比分别为98.94%和95.7%,ATR-FTIR法的训练集和验证集正确分类百分比分别为92.92%和63.53%,UV法的训练集和验证集正确分类百分比分别为99.83%和100%。UV法结合PCA-LDA所建模型对不同白酒的鉴别能力最强。
二、白酒真假优劣鉴别(上)(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、白酒真假优劣鉴别(上)(论文提纲范文)
(1)白酒品种鉴别的电子鼻系统设计与研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 中国白酒及检测技术概述 |
1.1.1 中国白酒及行业发展现状 |
1.1.2 传统的白酒检测技术 |
1.2 电子鼻技术及发展应用 |
1.2.1 电子鼻原理与发展概况 |
1.2.2 电子鼻系统的关键技术 |
1.2.3 电子鼻在食品检测中的应用现状 |
1.3 本文研究目的、意义及内容 |
1.4 本章小节 |
第二章 电子鼻系统的设计开发 |
2.1 引言 |
2.2 硬件系统设计 |
2.2.1 气体传感器 |
2.2.2 传感器阵列 |
2.2.3 电源模块 |
2.2.4 数据采集系统 |
2.3 电子鼻软件系统 |
2.4 电子鼻试验平台 |
2.5 本章小结 |
第三章 电子鼻数据分析方法理论基础 |
3.1 引言 |
3.2 数据预处理 |
3.3 基于模糊理论的统计模式识别 |
3.3.1 模糊集理论 |
3.3.2 主成分分析 |
3.3.3 模糊鉴别主成分分析 |
3.3.4 模糊线性判别分析 |
3.3.5 模糊非相关判别分析 |
3.4 K-近邻分类器 |
3.5 交叉验证 |
3.6 神经网络模式识别 |
3.7 本章小结 |
第四章 基于电子鼻系统的白酒检测实验 |
4.1 引言 |
4.2 实验材料及数据采集 |
4.2.1 实验材料 |
4.2.2 数据采集过程 |
4.3 数据预处理方法 |
4.4 本章小结 |
第五章 电子鼻对不同种类白酒的分类鉴别及结果分析 |
5.1 引言 |
5.2 基于模糊特征提取算法的电子鼻白酒分类 |
5.2.1 主成分分析结果与讨论 |
5.2.2 鉴别主成分分析结果与讨论 |
5.2.3 模糊鉴别主成分分析结果与讨论 |
5.2.4 线性判别分析结果与讨论 |
5.2.5 模糊线性判别分析结果与讨论 |
5.2.6 模糊非相关判别分析结果与讨论 |
5.3 基于BP神经网络的白酒分类鉴别 |
5.3.1 BP网络结构的设计 |
5.3.2 设置网络参数 |
5.3.3 BP神经网络识别结果分析 |
5.4 本章小结 |
第六章 总结 |
参考文献 |
致谢 |
攻读硕士学位期间发表论文及参加科研项目 |
(2)真假干邑白兰地的鉴定研究进展(论文提纲范文)
1 引言 |
2 白兰地的假冒情况与质量监管 |
2.1 白兰地的假冒情况 |
2.2 白兰地的质量监管 |
3 白兰地的主要成分 |
4 真假酒鉴定技术研究现状 |
4.1 真假酒鉴别中气相色谱技术的应用 |
4.2 真假酒鉴别中液相色谱技术的应用研究 |
4.3 真假酒鉴别中其他技术的应用研究 |
5 结论 |
(3)葡萄酒和白酒质量识别方法的研究(论文提纲范文)
中文摘要 |
Abstract |
缩略语表 |
第一章 绪论 |
1.1 我国葡萄酒和白酒产业概况和质量及类别鉴别研究进展 |
1.1.1 我国葡萄酒产业概况 |
1.1.2 我国白酒产业概况 |
1.1.3 葡萄酒质量和类别识别研究进展 |
1.1.4 白酒质量和类别识别研究进展 |
1.1.5 化学计量学在白酒及葡萄酒质量和类别识别上的研究进展 |
1.2 与本课题有关的葡萄酒和白酒质量识别技术研究进展 |
1.2.1 葡萄酒有机酸的检测方法 |
1.2.2 近红外光谱法(NIR) |
1.2.3 HPLC-ECD检测方法 |
1.3 研究的目的和意义 |
1.4 主要研究内容 |
1.4.1 葡萄酒分类及质量识别的研究内容 |
1.4.2 白酒质量识别的研究内容 |
1.5 技术路线 |
第二章 基于有机酸HPLC的葡萄酒质量识别研究 |
2.1 材料与方法 |
2.1.1 试验样品 |
2.1.2 药品试剂 |
2.1.3 仪器设备 |
2.1.4 试验方法 |
2.2 试验结果 |
2.2.1 一种经过完善的高效液相色谱(HPLC)检测葡萄酒中有机酸方法的建立 |
2.2.2 年份葡萄酒中有机酸特征分析 |
2.2.3 品种葡萄酒中有机酸特征分析 |
2.2.4 市场葡萄酒中有机酸特征分析 |
2.2.5 我国葡萄原酒与市场葡萄酒中有机酸含量对比分析 |
2.3 讨论 |
2.3.1 葡萄酒中有机酸检测方法的选择与优化 |
2.3.2 基于有机酸的检测进行葡萄酒质量识别的可靠性 |
第三章 基于NIR技术和化学计量学快速无损检测整串葡萄SSC的研究 |
3.1 材料和方法 |
3.1.1 葡萄样品采样 |
3.1.2 近红外光谱采集 |
3.1.3 样本标准数据分析 |
3.1.4 数据处理 |
3.2 试验结果 |
3.2.1 样品的可溶性固形物含量 |
3.2.2 样品的近红外漫透射光谱 |
3.2.3 正交试验结果及相关分析 |
3.2.4 最佳方案预测结果分析 |
3.3 讨论 |
3.3.1 整串葡萄无损检测的重要性 |
3.3.2 基于近红外谱技术和化学计量学的整串葡萄无损SSC检测的可靠性 |
第四章 基于NIR和化学计量学的葡萄酒产地识别方法研究 |
4.1 材料与方法 |
4.1.1 试验样品 |
4.1.2 仪器和软件 |
4.1.3 试验方法 |
4.1.4 数据分析 |
4.2 试验结果 |
4.2.1 葡萄酒的透射光谱 |
4.2.2 主成分分析(PCA) |
4.2.3 径向基函数神经网络分类(RBFNN) |
4.2.4 最小二乘支持向量机分类(LS-SVM) |
4.3 讨论 |
4.3.1 基于近红外光谱的葡萄酒原产地识别的可靠性 |
4.3.2 NIR光谱与化学计量学结合具有良好的判别效果 |
第五章 HPLC-ECD法和化学计量学在白酒品质和类别识别新方法研究 |
5.1 材料与方法 |
5.1.1 试验样品 |
5.1.2 药品试剂 |
5.1.3 仪器设备 |
5.1.4 试验方法 |
5.1.5 数据分析 |
5.2 试验结果 |
5.2.1 GC法与HPLC-ECD法检测白酒的对比试验结果 |
5.2.2 HPLC-ECD检测白酒新方法的建立 |
5.2.3 固态法白酒与液态法白酒HPLC-ECD指纹图谱数据化学计量学分析 |
5.3 讨论 |
5.3.1 HPLC-ECD鉴定白酒品质和识别白酒种类的可靠性 |
5.3.2 固态法白酒与新工艺白酒品质识别分析 |
第六章 结论和展望 |
6.1 结论 |
6.2 本文的创新点 |
6.3 展望 |
参考文献 |
致谢 |
附录 |
个人简介 |
(4)基于气、液相色谱技术的干邑白兰地真伪鉴定方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 白兰地概述 |
1.2 白兰地的历史与发展 |
1.3 白兰地的假冒情况与质量监管 |
1.3.1 白兰地的假冒情况 |
1.3.2 白兰地的质量监管 |
1.4 白兰地的主要成分 |
1.5 真假酒鉴定技术研究现状 |
1.5.1 真假酒鉴别中气相色谱技术的应用研究 |
1.5.2 真假酒鉴别中液相色谱技术的应用研究 |
1.5.3 真假酒鉴别中其他技术的应用研究 |
1.6 研究目的、意义及主要研究内容 |
1.6.1 本论文的研究目的和意义 |
1.6.2 本论文的主要研究内容 |
第二章 基于气相色谱法同时测定干邑白兰地中酯类、醛类和高级醇特征性挥发性物质的研究 |
2.1 实验材料与仪器 |
2.1.1 材料与试剂 |
2.1.2 实验仪器 |
2.1.3 实验样品 |
2.2 实验方法 |
2.2.1 标准品溶液的制备 |
2.2.2 校正因子(f值)的测定 |
2.2.3 试样的测定 |
2.2.4 校正因子和22种挥发性成分的计算 |
2.3 统计分析 |
2.4 结果与讨论 |
2.4.1 干邑白兰地中酯类挥发性物质的含量 |
2.4.2 干邑白兰地中醛类挥发性物质的含量 |
2.4.3 干邑白兰地中高级醇类挥发性物质的含量 |
2.4.4 基于酯类、醛类和高级醇类的干邑白兰地鉴别指标的建立 |
2.5 本章小结 |
第三章 高效液相色谱法同时测定干邑白兰地中10种芳香烃类化合物的研究 |
3.1 实验材料与仪器 |
3.1.1 材料与试剂 |
3.1.2 实验仪器 |
3.1.3 实验样品 |
3.2 实验方法 |
3.2.1 标准溶液的配制 |
3.2.2 样品制备 |
3.2.3 试验条件 |
3.2.4 测试步骤及计算 |
3.3 结果与讨论 |
3.3.1 检测波长的选择 |
3.3.2 流动相的选择 |
3.3.3 流动相pH值的选择 |
3.3.4 洗脱梯度的优化 |
3.3.5 检测方法的线性范围 |
3.3.6 加标回收率、精密度、测定下限 |
3.3.7 实际样品测定 |
3.4 本章小结 |
第四章 品牌干邑白兰地的等级及真伪鉴定研究 |
4.1 实验材料与仪器 |
4.1.1 材料与试剂 |
4.1.2 实验仪器 |
4.1.3 实验样品 |
4.2 实验方法 |
4.3 统计学分析 |
4.4 结果与讨论 |
4.4.1 人头马干邑白兰地的等级及真伪鉴定 |
4.4.2 轩尼诗干邑白兰地的等级及真伪鉴定 |
4.4.3 马爹利干邑白兰地的等级及真伪鉴定 |
4.5 本章小结 |
结论与展望 |
一、结论 |
二、创新点 |
三、展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(5)基于“气味”信息分析的中药饮片快速鉴别研究(论文提纲范文)
摘要 |
abstract |
前言 |
第一章 研究背景及目的意义 |
1 研究背景 |
1.1 中药质量评价研究现状 |
1.2 气味指纹分析技术 |
2 目的意义 |
2.1 酒制饮片与未酒制饮片的快速鉴别 |
2.2 硫熏中药快速鉴别 |
2.3 八角茴香与莽草的真伪鉴别 |
第二章 酒制饮片与未酒制饮片快速鉴别研究 |
1 样品收集 |
2 顶空气相色谱检测方法 |
2.1 仪器 |
2.2 样品制备 |
2.3 方法 |
2.4 结果 |
3 快速气相电子鼻检测方法 |
3.1 仪器 |
3.2 快速气相电子鼻实验条件 |
3.3 快速气相电子鼻分析结果 |
4 电子鼻检测方法 |
4.1 仪器 |
4.2 电子鼻参数考察 |
4.3 电子鼻分析方法 |
4.4 电子鼻分析结果 |
4.5 BP神经网络模型建立及运用 |
5 小结 |
第三章 中药硫熏快速鉴别研究 |
1 样品来源 |
2 二氧化硫检测方法 |
2.1 仪器装置 |
2.2 试剂试药 |
2.3 测定法 |
2.4 测定结果 |
3 电子鼻检测方法 |
3.1 电子鼻参数考察 |
3.2 电子鼻分析方法 |
3.3 电子鼻分析结果 |
4 快速气相电子鼻检测方法 |
4.1 快速气相电子鼻实验条件 |
4.2 快速气相电子鼻分析结果 |
5 小结 |
第四章 八角茴香与莽草真伪快速鉴别研究 |
1 样品收集 |
2 电子鼻检测方法 |
2.1 仪器 |
2.2 电子鼻参数考察 |
2.3 电子鼻分析方法 |
2.4 电子鼻分析结果 |
3 快速气相电子鼻检测方法 |
3.1 仪器 |
3.2 快速气相电子鼻实验条件 |
3.3 快速气相电子鼻分析结果 |
4 小结 |
第五章 总结与讨论 |
1 总结 |
2 讨论 |
2.1 气味信息分析技术有助于提高中药饮片质量标准 |
2.2 展望 |
参考文献 |
综述 |
参考文献 |
在读期间公开发表的学术论文、专着及科研成果 |
致谢 |
(6)运用傅里叶变换红外光谱鉴别茅台酒(论文提纲范文)
1 材料与方法 |
1.1 仪器设备 |
1.2 过程 |
1.3 样品 |
2 结果与讨论 |
2.1真伪茅台酒一维红外分析 |
2.2 真伪茅台酒二阶导数分析 |
2.3 真伪茅台酒二维相关红外分析 |
3 结论 |
(7)辨别钾肥真伪及质量优劣的方法(论文提纲范文)
1 常见钾肥的辩别方法 |
1.1 包装辨别 |
1.2 形态和颜色辨别 |
1.3 灼烧试验辨别 |
1.4 水溶性辨别 |
1.5 气味辨别 |
1.6 吸湿性辨别 |
2 辨别钾肥真伪的方法 |
2.1 主含量判别 |
2.2 次含量判别 |
3 建议措施 |
4 结语 |
(8)基于近红外光谱技术的大米掺伪定量判别研究(论文提纲范文)
摘要 |
Abstract |
1 文献综述 |
1.1 大米 |
1.1.1 大米的种类 |
1.1.2 大米的主要营养成分 |
1.1.3 大米的直链淀粉 |
1.1.4 大米的掺伪现状 |
1.2 近红外光谱技术 |
1.2.1 近红外光谱技术的原理 |
1.2.2 近红外光谱技术的特点 |
1.2.3 近红外光谱技术的分析步骤 |
1.3 化学计量方法 |
1.3.1 光谱预处理 |
1.3.2 定量模型的建立 |
1.4 近红外光谱技术在大米领域的研究进展 |
1.4.1 近红外光谱技术在大米营养成分测定中的应用 |
1.4.2 近红外光谱技术在大米等级、品种、产地判别中的应用 |
1.4.3 近红外光谱技术在大米其他品质中的应用 |
2 引言 |
2.1 研究目的和意义 |
2.2 研究内容 |
2.3 技术路线 |
3 材料与方法 |
3.1 试验材料 |
3.1.1 试验样品 |
3.1.2 试剂药品 |
3.1.3 仪器设备 |
3.2 试验方法 |
3.2.1 样品制备 |
3.2.2 化学值测定 |
3.2.3 样品的近红外光谱采集 |
3.2.4 光谱预处理 |
3.2.5 NIRS预测模型的建立 |
4 结果与分析 |
4.1 掺低档米部分 |
4.1.1 化学值测定 |
4.1.2 光谱特征曲线 |
4.1.3 光谱预处理 |
4.1.4 定量模型的建立 |
4.2 掺矿物油部分 |
4.2.1 光谱特征曲线 |
4.2.2 定量模型的建立 |
5 讨论 |
5.1 样品的制备对定量模型结果的影响 |
5.2 化学检测对定量模型结果的影响 |
5.3 定量模型的可行性和适用性 |
5.4 近红外光谱技术的问题和展望 |
6 结论 |
6.1 近红外光谱技术结合直链淀粉含量对大米掺伪比例(掺低档米)的定量判别可行 |
6.2 近红外光谱技术结合化学计量学方法对大米掺伪比例(掺矿物油)的定量判别可行米的定量判别 |
参考文献 |
致谢 |
作者简介 |
在读期间发表的学术论文 |
(9)金门高粱酒真伪鉴别技术研究(论文提纲范文)
摘要 |
Abstract |
主要符号表 |
第1章 引言 |
1.1 白酒的分类和主要风味成分 |
1.2 金门高粱酒 |
1.2.1 金门高粱酒简介 |
1.2.2 金门高粱酒主要香味成分 |
1.2.3 金门高粱酒假冒情况 |
1.3 酒类真伪鉴定研究现状 |
1.3.1 酒类分析中气相色谱的应用 |
1.3.2 酒类分析中气相色谱-质谱联用技术的应用 |
1.3.3 酒类分析中其他仪器的应用 |
1.4 指纹图谱的获取和处理 |
1.4.1 指纹图谱的获取和处理 |
1.4.2 标准指纹图谱建立 |
1.5 几种指纹图谱的化学识别模式 |
1.6 研究目的与内容 |
第2章 材料与方法 |
2.1 实验材料 |
2.1.1 实验试剂 |
2.1.2 实验材料 |
2.2 实验仪器 |
2.3 实验方法 |
2.3.1 酒样预处理 |
2.3.2 仪器条件确定 |
2.3.3 指纹图谱相似度分析 |
2.3.4 指纹图谱主成分分析 |
2.3.5 指纹图谱聚类分析 |
第3章 结果与分析 |
3.1 仪器条件的优化 |
3.2 指纹图谱相似度分析 |
3.2.1 各类酒间相似度分析 |
3.2.2 真假金门高粱酒相似度分析 |
3.2.3 同香型酒之间(高粱酒)相似度分析 |
3.2.4 不同香型酒之间相似度分析 |
3.2.5 相似度分析小结 |
3.3 指纹图谱主成分分析 |
3.3.1 指纹图谱主成分分析 |
3.3.2 PCA投影 |
3.3.3 主成分分析小结 |
3.4 指纹图谱聚类分析 |
3.4.1 10批次金门高粱酒与10个假酒聚类分析结果 |
3.4.2 10批次金门高粱酒与其他3类酒的聚类分析结果 |
3.4.3 聚类分析小结 |
第4章 结论与展望 |
4.1 结论 |
4.2 展望 |
致谢 |
参考文献 |
(10)光谱法快速鉴别中国名优白酒的研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略语表 |
第一章 文献综述 |
1 白酒简介 |
2 酒类分析方法研究进展 |
2.1 感官鉴评法 |
2.2 仪器分析法 |
2.2.1 色谱及色谱联用法 |
2.2.2 光谱法 |
2.2.3 电子鼻与电子舌 |
3 本课题的研究意义和主要内容 |
3.1 研究背景 |
3.2 研究目的及意义 |
3.3 主要内容 |
第二章 基于光谱技术鉴别模型建立的基本原理和方法 |
1 前言 |
2 近红外光谱技术 |
2.1 近红外光谱技术简介 |
2.2 近红外光谱分析技术的特点 |
3 衰减全发射傅里叶变换红外光谱技术 |
3.1 中红外光谱技术简介 |
3.2 衰减全反射测量 |
4 紫外光谱技术 |
5 光谱法定性分析过程 |
6 光谱分析数学模型的建立 |
6.1 光谱预处理方法 |
6.1.1 噪音滤除 |
6.1.2 光谱范围的优化选择 |
6.2 不同建模方法原理 |
6.2.1 PCA法 |
6.2.2 SVM法 |
6.2.3 SIMCA法 |
6.2.4 PCA-LDA法 |
第三章 可见/近红外光谱法鉴别中国名优白酒的研究 |
1 前言 |
2 材料与方法 |
2.1 试剂和样品 |
2.1.1 光谱稳定性 |
2.1.2 模型建立 |
2.2 仪器 |
2.3 数据处理方法及软件 |
2.3.1 样品相似度计算 |
2.3.2 模型建立 |
3 结果与讨论 |
3.1 白酒光谱稳定性分析 |
3.1.1 光谱分析 |
3.1.2 相似度比较 |
3.2 同品牌不同档次白酒鉴别方法建立及参数优化 |
3.2.1 训练集和验证集样品确定 |
3.2.2 光谱分析 |
3.2.3 基于SIMCA的不同档次白酒鉴别模型的建立与分析 |
3.2.4 基于SVM的不同档次白酒鉴别模型的建立与分析 |
3.2.5 基于PCA-LDA的不同档次白酒鉴别模型的建立与分析 |
3.2.6 不同建模方法的比较与讨论 |
3.3 白酒鉴别方法的建立和分析 |
3.3.1 训练集和验证集样品确定 |
3.3.2 基于主成分分析法的数据可视化 |
3.3.3 不同建模方法的分析和比较 |
4 小结 |
第四章 衰减全反射傅里叶变换中红外光谱法鉴别中国名优白酒的研究 |
1 前言 |
2 材料与方法 |
2.1 试剂和样品 |
2.2 仪器 |
2.3 数据处理方法及软件 |
3 结果与讨论 |
3.1 白酒光谱稳定性分析 |
3.1.1 相似度比较 |
3.2 白酒鉴别方法的建立和分析 |
3.2.1 训练集和验证集样品确定 |
3.2.2 光谱分析 |
3.2.3 基于主成分分析法的数据可视化 |
3.2.4 基于SIMCA的白酒鉴别模型的建立与分析 |
3.2.5 基于SVM的白酒鉴别模型的建立与分析 |
3.2.6 基于PCA-LDA的白酒鉴别模型的建立与分析 |
3.2.7 不同建模方法的分析和比较 |
4 小结 |
第五章 紫外光谱法鉴别中国名优白酒的研究 |
1 前言 |
2 材料与方法 |
2.1 试剂和样品 |
2.2 仪器 |
2.3 试验方法 |
2.3.1 样品紫外光谱测定条件研究 |
2.4 数据处理方法及软件 |
3 结果与讨论 |
3.1 紫外光谱测定条件优化 |
3.1.1 参比溶液的选择 |
3.1.2 白酒样品稀释度的确定 |
3.2 白酒光谱稳定性分析 |
3.2.1 相似度比较 |
3.3 白酒鉴别方法的建立和分析 |
3.3.1 训练集和验证集样品确定 |
3.3.2 光谱分析 |
3.3.3 基于主成分分析法的数据可视化 |
3.3.4 基于SIMCA的白酒鉴别模型的建立与分析 |
3.3.5 基于SVM的白酒鉴别模型的建立与分析 |
3.3.6 基于PCA-LDA的白酒鉴别模型的建立与分析 |
3.3.7 不同建模方法的比较与讨论 |
4 小结 |
第六章 全文主要结论 |
参考文献 |
附录 |
致谢 |
四、白酒真假优劣鉴别(上)(论文参考文献)
- [1]白酒品种鉴别的电子鼻系统设计与研究[D]. 朱锦. 江苏大学, 2019(02)
- [2]真假干邑白兰地的鉴定研究进展[J]. 高云,汪廷彩,张静,胡文敏,刘嘉飞,熊含鸿,蔡展帆,梁旭霞. 食品安全质量检测学报, 2018(12)
- [3]葡萄酒和白酒质量识别方法的研究[D]. 于静. 中国农业大学, 2018(12)
- [4]基于气、液相色谱技术的干邑白兰地真伪鉴定方法研究[D]. 高云. 华南理工大学, 2018(05)
- [5]基于“气味”信息分析的中药饮片快速鉴别研究[D]. 卢一. 成都中医药大学, 2017(12)
- [6]运用傅里叶变换红外光谱鉴别茅台酒[J]. 魏纪平,王俊全. 食品研究与开发, 2017(08)
- [7]辨别钾肥真伪及质量优劣的方法[J]. 张淑琴,王微芝,马福林. 广州化工, 2016(20)
- [8]基于近红外光谱技术的大米掺伪定量判别研究[D]. 周晓璇. 安徽农业大学, 2016(05)
- [9]金门高粱酒真伪鉴别技术研究[D]. 杜玲玲. 集美大学, 2015(01)
- [10]光谱法快速鉴别中国名优白酒的研究[D]. 李曌. 华中农业大学, 2013(02)