1. 研究目的与意义
乳制品是我国国民日常消费品的重要组成部分，随着消费者对乳制品需求的提高，其质量安全问题也日益凸显，这不仅损害了乳制品行业的形象，更损害了消费者的权益。乳制品中各营养成分也与其质量相关，故乳品质量判别成了乳制品质量安全管理的重中之重。质量判别旨在通过数据提取并绘制成谱图进行对比、分析等，实现对问题产品的快速、准确、高效地识别。由于实验谱图维度的单一性，不能全面反映数据特征、提高分类效率，因此本项目聚焦于多元角度下的质量判别新技术研究，针对现存的质量安全问题，拟通过动静态数据融合，获取不同阶段谱图特征，形成更加丰富全面的数据体系。并结合贝叶斯统计推断，算出后验概率，划分不同类别，建立起乳制品质量智能判别模型。
2. 研究内容和预期目标
基于动静态数据融合机制，开展贝叶斯判别算法研究。通过多维度、多角度、智能化、一体化、前瞻性质量判别技术与方法研究，建立新型质量判别体系。
① 开展多维谱图数据的融合机制研究，在于综合利用多维谱图的全谱数据、特征提取谱数据、决策融合数据等，研究基于动静态数据融合算法，揭示多维谱图数据融合机制。
② 开展基于模式识别算法的快速判别模型研究，综合运用贝叶斯模式识别算法，构建智能快速判别体系，并进行模型验证与优化研究。
3. 国内外研究现状
面对日益凸显的乳制品质量安全问题，新方法、新技术是推动乳制品质量判别研究发展的关键所在。在乳制品检测领域，光谱分析技术被验证是一种高效、准确、低成本的的检测方法，成为该领域的研究热点。国外Cassoli、Gonzlez － Martn 和Kawamura 等学者将红外光谱技术应用到乳品浓度检测、脂肪等物质含量检测、乳品等级检测等方面。在国内，鲁超、吴迪、何勇等研究学者也将光谱技术如近红外和中红外光谱用于乳品成分检测和品种判别中。现有的基于光谱技术的乳品检测方法中神经网络法、偏最小二乘法和支持向量机法等模式识别方法常用于乳品种类判别，这些方法主要是基于机器学习的模式识别法，这类方法具有很强的非线性拟合能力，可映射任意复杂的非线性关系，学习规则简单，然而对于一些复杂问题，算法收敛速度慢，模型训练时间长，模型参数并不能保证全局最优，模型判别性能不稳定。同时该领域对贝叶斯算法的运用也多偏于加工数据控制图的过程能力分析，结合数据融合对数据分类的研究较为匮乏，因此本项目提出基于动静态数据融合与贝叶斯算法的质量判别新技术，建立起智能能快速判别模型。
4. 计划与进度安排
① 多维谱图数据的融合机制研究，本项目拟系统研究数据层、特征层、决策层的多维谱图的动静态数据融合。静态数据是指与乳制品相关且不经常变换的数据，反映了乳制品的一些基本情况，直观且易于分析。静态数据融合分析主要是针对目标体系某一时刻（尤其是样品体系稳定时态）的数据分析，动态数据融合研究更为聚焦目标体系变化状态融合分析。动静态数据融合的分类方法，对时间序列进行处理，通过动态条件下不同阶段谱图特征，获取更加丰富的体系数据。进一步使用相关分析等融合分析方法，可获得体系数据的高维重构。动静态数据融合是将静态融合数据、动态融合数据进行再融合的过程，包括数据层、特征层，决策层的加权融合、随机权融合。
② 基于模式识别算法的快速判别模型研究，拟采用贝叶斯模式识别算法，基本原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类，构建智能快速判别体系，并进行模型验证与优化研究，提高聚类有效性，进而提高数据分类精度。
5. 参考文献
[1]A.G. Galstyan.Effects of criticalfluctuations of storage temperature on the quality of dry dairyproduct[J].Journal of Dairy Science,2019:10779-10789.
[2]施彦之.低温乳制品冷链管理中利用风险量模型公式对食品安全质量风险的评估、控制的探讨[J].轻工科技，2019:16-17.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
