一、怎样选购和鉴别大米?（论文文献综述）
朱培培[1]（2021）在《基于拉曼光谱的北方粳稻种子品种鉴别方法研究》文中指出近年来,农业种质资源保护作为重大民生问题而备受关注。黑龙江省水稻种植区域广、品种多,不同区域适宜栽种水稻种子的品种不尽相同,但因利益驱使导致种子市场混乱,且种子外观之间无明显差别,农户无法通过肉眼对其进行准确快速区分,经常出现所购非所选现象,因此,对水稻种子品种的准确、高效、快速鉴别意义重大。目前,对水稻种子的鉴别方法正在由原始费时、费力的人工方法,逐渐向准确度高、操作简单的物理、化学方法转变,近年来,拉曼光谱技术由于快速、高效、便捷等优点,在品种鉴别领域得到了广泛发展和应用,已有研究证实,稻米的拉曼振动光谱是对其内部成分、结构的体现,品种不同,成分及结构往往存在差异性。因此,本研究尝试利用拉曼光谱分析技术结合数学方法对水稻种子的品种实现快速判别。文中以黑龙江省主要种植的33种粳稻种子为研究对象,利用拉曼光谱技术采集种子的光谱信息,建立基于不同光谱数据的偏最小二乘判别分析（partial least squares discrimination analysis,PLSDA）和支持向量机（Support Vector Machine,SVM）的分类识别算法鉴别模型与相关系数和余弦相似度的相似度分析判别模型,主要内容如下:（1）拉曼光谱的采集与光谱预处理方法的选择。通过采集粳稻种子的拉曼光谱数据,确定了实验方法和采集参数,并进一步研究Savitzky-Golay（SG）平滑、自适应迭代重加权惩罚最小二乘法（Adaptive iterative reweighted penalized least squares,AIRPLS）、一阶导（First derivative,1-Der）、二阶导（Second derivative,2-Der）和均值中心化（Mean Centering,MC）等光谱预处理方法及其组合等13种预处理方法在PLSDA和SVM方法建模中的鉴别效果,对比分析,从而确定光谱最佳预处理方法。经过研究,在400～3200cm-1波段光谱数据中,AIRPLS+1-Der预处理数据在两类模型中准确率分别为77.58%和90.91%,效果好于其他预处理方法。（2）基于不同光谱数据的粳稻种子分类识别模型研究及效果对比。由于拉曼光谱数据量大,建模时间长,故通过对粳稻种子拉曼光谱的400～3200cm-1波段、400～1700cm-1波段和特征值三种不同光谱信息分别建立PLSDA和SVM方法的分类判别模型,分析不同建模数据条件下、不同建模方法下的分类模型判别效果及运行时间,从而确定较优的分类识别模型。经过研究,输入数据量越少,建模所用时间越短;基于AIRPLS+1-Der预处理后数据通过竞争自适应加权采样（Competitive adaptive reweighted sampling,CARS）特征提取,然后利用SVM建立分类模型对33种水稻种子的鉴别效果好于其他几种,识别准确率达到92.12%,说明利用拉曼光谱技术结合数学方法对水稻种子进行分类判别效果较好。（3）基于不同光谱数据的粳稻种子相似度分析方法研究及效果对比。同样采取400～3200cm-1波段、400～1700cm-1波段、特征值三类数据开展分析,分析同一品种内、不同品种间样本拉曼光谱数据的相似度,研究基于相关系数和余弦相似度的粳稻种子品种相似度分析及判别模型,对比分析不同模型的鉴别效果及运行时间。研究结果表明,数据量越小,运行时间越短;通过相关系数和余弦相似度方法建立模型在不同数据集下的相似度判别效果趋势一致,同类品种的数据相似度优于品种间相似度,基于AIRPLS+1-Der预处理方法后进行CARS特征提取,最后结合余弦相似度算法判别模型对33种水稻种子的相似度判别效果优于其他几种。以上研究成果为水稻多品种种子的高效、便捷、快速检测提供了理论依据,同时也为研究种子的多品种鉴别提供了新的方法和手段。
武威[2]（2021）在《基于机器视觉技术的稻麦籽粒外观品质评测研究》文中研究说明水稻和小麦是我国主要的粮食作物和重要的商品粮、储备粮,在粮食的生产、流通和消费等环节中,外观品质检测对产品的定等定级具有重要作用。传统低效率、高误差的粮食质量安全检测技术方法已经不能满足现有需求。近年来,新的检测技术迅速发展,正不断取代传统方法。机器视觉技术已被证明在粮食种类识别、籽粒外部特征检测、不完善籽粒分级等方面具有较大优势,不但方便快捷,而且准确度高。本文首先从图像获取设备展开研究,分析了不同设备在谷物籽粒图像获取中的优劣,总结出适宜的籽粒外观图像获取方法;然后利用传统图像分析技术与深度学习算法对籽粒图像进行预处理,解决籽粒的分割与计数问题;在此基础上,研究了稻麦籽粒形态通用检测方法、水稻籽粒外观评测方法、小麦籽粒外观分类方法,实现了基于机器视觉技术的稻麦籽粒形态外观品质评测研究,并讨论了小麦加工品质的估测方法。主要研究结果如下:（1）传统图像分析技术在单一背景条件下具有较好的预处理结果,其中水稻籽粒分割精度高于小麦,籽粒数量增大会增加分割难度,误检率和漏检率均未超过3.5%,运行时间控制在1s以内。深度学习算法在处理复杂背景图像时效果显着,Faster R-CNN模型效果最好,精度高达91%,运行时间在2s以内。对同一目标任务进行测试,结果显示,基于图像特征参数的线性模型准确率可达96%,深度学习模型准确率高达99%,但是在时间成本、训练成本方面,传统图像法优于深度学习法。（2）在稻麦谷物形态特征检测研究中,最小外接矩形法是精度最高的方法,粒长、粒宽和长宽比的测量均值偏差分别在0.15mm、0.10mm和0.08以内,标准误均在0.03 mm以内。基于双目视觉技术的籽粒三维检测结果显示,粒高和粒体积的均值偏差分别在0.10 mm和1.00 mm3以内,可以作为一种有效的籽粒三维形态指标检测方法。（3）对不同饱满程度籽粒成影图像进行处理,计算外切矩形面积的比率（AR）和距离比率（DR）。填充颗粒的AR值通常在4以上,但是未填充颗粒的AR值通常在4以下,填充颗粒的DR值在1.8以上,未填充颗粒的DR值在1.8以下。使用支持向量机（SVM）检测未填充的谷物比使用AR和DR固定的阈值更准确,其中,AR的使用比DR更好。籼稻品种（Indica）的误报率略低于粳稻（Japonica）品种,但籼稻的漏报率略高,漏报率和误报率均未超过5%。利用19个常规水稻品种对神经网络进行训练,识别结果比水漂法高2.08%。在破碎米粒分割上,边缘中心模板比例法（ECMP）不受粒型的影响,对复杂的米粒粘连情况具有同样的分割效果。籼稻和粳稻检测准确率都随着籽粒数量的减少而增加,200粒比100粒下降了 2.71%,总体准确率均在95%以上。采用最小外接矩形法识别整精米精度最高,误报率和漏报率均未超过5%,随着检测米粒数量的增加,籼稻和粳稻品种的检测精度有所下降,平均相对误差在3.21%以内。在垩白识别研究中,利用米粒中垩白部分与其他部分透光能力不同,垩白区的灰度值与其他部分差别较大,可以准确分割垩白区域,但未去完全的胚芽会影响识别的准确率。利用SVM可实现胚芽、背白、腹白、心白的精确区分,对籼米和粳米垩白进行分类,准确率分别为98.5%和97.6%。（4）在小麦外观分类研究中,首先分析不同籽粒在红值（r）、绿值（g）、蓝值（b）、麦粒色（w）、色调（Hu）、饱和度（Sa）、亮度（V）、长（L）、宽（W）、高（H）、体积（Vol）、周长（P）、面积（S）、离心率（C）、能量（ASM）、相关（COR）、熵（ENT）、对比度（CON）、一阶矩（u1）、二阶矩（u2）、三阶矩（u3）等21个图像特征上的差异初步确定适宜参数,利用散点图进一步确认最佳参数,以最佳特征及全参数作为模型输入参数,对7种机器学习算法建模精度进行比较。结果表明,破碎粒与正常粒在纹理特征和形态特征上存在较大差异,最优特征参数为u1、u2、C、L、H、Vol,最优分类模型为全参数构建的逻辑回归（Logistic）模型,准确率均为100%,漏报率均为0%,AUC均为1。空秕粒与正常粒在纹理特征和形态特征上存在较大差异,最优特征参数为ASM、COR、ENT、CON、S、W、H和Vol,最优分类模型为单参数W构建的Logistic模型,准确率均为100%,漏报率均为0%,AUC均为1。杂质与正常粒在颜色、纹理和形态特征上均存在较大差异,最优特征参数为w、Sa、u2和C,最优分类模型为单参数w构建的Logistic模型,准确率分别为98%和100%,漏报率分别为2%和0%,AUC均为1。当混合识别4种类别籽粒时,最优分类模型为全参数构建的SVM模型,空秕粒、杂质、正常粒、破碎粒的准确率分别为100%、98%、98%、94%,漏报率分别为0%、2%、2%、6%,召回率分别为96%、98%、98%、98%,误报率分别为4%、2%、2%、2%,AUC值分别为1、1、1、0.99,说明模型较为可靠。
李昂[3]（2020）在《基于跨媒体特征融合的黑龙江省大米产地分类研究》文中研究指明黑龙江省作为一个大米种植的大省,大米的年产量每年都在全国的前列。但由于黑龙江省不同产区大米质量各不相同,各产区大米也不尽相同,这就导致了部分商家为获得不法收益而进行以次充好的行为,导致了大米产地信息被破坏,丧失了其在人们购买大米时的参考价值。因此为解决目前大米行业存在的产地混乱问题,提出了大米产地安全溯源方法。大米安全溯源技术包括近红外光谱技术、计算机视觉检测技术等。由于化学溯源技术检测周期较长,难以实现实时在线检测,而物理溯源技术虽然检测速度较快但准确率较低,降低了实际应用的可靠性,因此本文通过提出一种基于跨媒体特征融合的近红外光谱与计算机视觉联合检测的溯源方法,旨在解决大米实时在线产地溯源的准确性和可靠性问题。本文进行黑龙江省大米产地分类的方法有三种,分别为:基于图像特征的黑龙江省大米产地分类研究、基于近红外光谱特征的黑龙江省大米产地分类研究及基于跨媒体特征融合的黑龙江省大米产地分类研究。在进行基于图像处理的黑龙江省大米产地分类研究中分别对图像进行了图像去噪声、图像二值化及图像特征提取操作,并结合了不同算法进行了黑龙江省大米产地分类实验。在进行基于近红外光谱的黑龙江省大米产地分类研究中,对近红外光谱进行了预处理和特征提取,并在此基础上利用不同分类算法进行黑龙江省大米产地分类实验。最后,对大米图像特征及大米近红外光谱数据特征进行了跨媒体特征融合,得到新的融合特征。并进行了基于支持向量机、BP神经网络及随机森林三种机器学习算法与跨媒体特征融合建模,对黑龙江省大米产地进行分类。将跨媒体特征融合的大米产地分类与图像特征、近红外光谱的大米产地分类进行对比分析,实验结果表明,跨媒体特征融合方法比单一的大米产地分类方法分类准确率更高。因此通过利用近红外光谱的数据特征与大米外观图像特征进行跨媒体融合的综合分析方法,既可以对大米产地进行实时在线的检测,又可避免采用单一的近红外光谱分析方法对实验结果产生不准确性和不可靠性的影响。
徐帆[4]（2020）在《基于目标框架理论的有机米购买行为研究》文中研究说明随着我国居民生活水平日益提高,消费习惯与消费方式逐步发生了改变,在选购食品方面对于安全性、品质、营养、口感等都提出了更高的要求。由于有机米在整个种植过程不使用农用化学品,采用天然有机栽种方式生产,有专业的有机认证平台,成为公认的质量安全食品。因此,有机米消费满足了居民在消费升级方面的需求。而且,通过研究消费者对有机米的购买,可以拓宽有机消费行为领域的研究思路,为深入研究有机市场的发展规律提供新的研究视角与方向。论文的主要研究工作如下:（1）统计汇总了我国有机米的种植和生产加工行业规模,以及消费现状,并归纳分析了影响消费者选购有机米的主要原因;详细地收集整理了有关消费者行为理论研究文献资料,对于影响因素进行分析说明;（2）主要运用目标框架理论,分析消费者的有机米购买行为,将消费者的有机米的购买目标划分为规范目标、功利目标和享乐目标,深入剖析了消费者的购买动机,并依此构建了基于目标框架理论的消费者购买行为模型;（3）设计开发了初始调研问卷,开展预调研工作和测量变量的信效度分析,修改形成正式的调查问卷;开展了线上线下的问卷调查,收集样本数据近500份,并用SPSS 24.0软件对样本数据做了描述性统计分析。主要研究结论。结合调研样本数据,运用SmartPLS 3.0工具对研究假设和文章构建的理论模型进行验证,分析表明:（1）规范目标对功利目标和享乐目标的形成有显着的影响;（2）消费者目标框架对于购买意愿及购买行为有显着的正向影响,有机米“品质可信度”对购买行为的调节效果显着;（3）基于目标框架理论的消费者购买行为模型效度较好,对消费者购买行为具有“中高度”解析能力。结合上述分析结果,建议相关农产品的生产销售企业可以从增强内外部影响深化规范目标、满足快乐和愉悦的享乐目标、提高中长期收益的功利目标、吸引老年群体与有孩家庭消费、提升有机米产品的品质可信度四个方面来促进产品消费,进而转化为企业利润。
许琨[5]（2020）在《天津“小站稻”的品牌管理策略》文中研究说明我国经济社会发展进入新时代,人民生活水平的提升促使农产品由数量、价格的竞争提升为品牌、质量的竞争。天津具有大米种植的悠久历史,并形成了以“小站稻”为代表的着名大米品牌。然而,由于农产品的粗放经营和品牌意识的淡薄,近年来“小站稻”等具有天津区域特色优势的“区域品牌”大米在天津市及周边市场的品牌影响力弱化,竞争力下降,市场份额受到影响。目前,天津市政府积极推进区域品牌振兴计划,赋予了天津“小站稻”区域品牌发展的良好外部环境。品牌维护、品牌营销是品牌管理的重要支撑,因此,有必要深入梳理和分析天津市大米区域品牌管理存在的问题及其成因,揭示其外部与内部营销环境,进而寻找改进路径和发展模式。这也正是本论文的研究意义和研究目标。本研究以分析天津“小站稻”知名大米区域品牌的发展现状为切入点,梳理了天津“小站稻”的发展历程、发展现状,阐明了天津“小站稻”品牌与天津市场其他知名大米品牌之间的优势和差距,分析了品牌管理存在的主要问题及其成因,譬如品牌营销意识淡薄、品牌维护不到位、品牌推广不足、国内外其他着名品牌挤压等现象。然后,运用问卷调查法、实地访谈法所获得的真实数据,分析了天津“小站稻”区域品牌大米的购买人群、购买行为特征、购买偏好、购买数量。应用宏观环境分析,SWOT分析法,从优势、劣势、机遇、威胁四方面,阐述了天津“小站稻”区域品牌管理面临的外部环境。最后,依据STP分析法,从明确品牌定位、确定目标市场、细分购买人群、产品差异化、4P组合营销等五个方面,提出提升天津“小站稻”区域品牌管理水平的对策建议。本研究的结论是,区域品牌管理作为一项系统工程,需要政府、社会组织、经营者、消费者等主体通过品牌定位、品牌维护、组合营销、品牌传播多角度共同合作。天津“小站稻”大米区域品牌应该建立区域品牌发展体系,树立精品、绿色的品牌定位。保持中老年消费群体,着力巩固天津及京津冀地区对天津“小站稻”品牌的认可度。大力挖掘天津区域品牌的文化内涵,充分展示品牌历史悠久的特色。天津稻米生产企业要借助政府有关区域农产品品牌建设支持政策,大力提升品牌意识,利用信息化对品牌赋能。
刘亚超,李永玉,彭彦昆,闫帅,王绮,韩东海[6]（2020）在《近红外二维相关光谱的掺和大米判别》文中提出随着经济水平的提升人们对大米品质要求越来越高,由于不同大米品种之间价格差异也较大,致使不少商贩以劣充优谋取利益,有的掺和比例高达30%以上,这种行为严重损害了消费者利益。大米作为一种碳水化合物直接通过一维近红外光谱信息不易区分掺和米,目前诸多研究集中在基于一维光谱的化学计量学判别模型建立。二维相关光谱具有高分辨率、解析峰的归属等优点,可以挖掘出掺和米在一维光谱中隐藏的有效信息。以五常大米作为研究对象,选取难以用肉眼分辨的六种大米为掺入米,分别制备5%～50%的不同掺和比例大米样品140个。以五常大米近红外光谱的平均光谱作为参考谱,掺和比例作为外部扰动因数,将掺和米光谱和五常米光谱分别与参考谱进行二维相关运算,通过解析不同掺和比例大米二维相关同步谱特性发现自相关谱1 420和1 920 nm两处自动峰值与同步谱（1 420, 1 920） nm和（1 920, 1 420） nm处交叉峰值强度均随掺和比例增加呈递增趋势,其中1 920 nm自动峰值对掺和比例响应最显着。通过对自相关谱1 420和1 920 nm两处自动峰产生机制的追溯并分析对应官能团归属,发现大米中直链淀粉对掺和比例响应程度高于蛋白质及其他碳水化合物。分别以五常大米同步谱中1 420和1 920 nm处自动峰值和（1 920, 1 420）nm处交叉峰值的最大值作为判别阈值,对140个大米样品进行了判别试验。结果显示,基于1 920 nm自动峰值的判别效果最佳正确率达93.3%,掺和比例20%及以上掺和米样品判别正确率为100%,随着掺和比例降低判别正确率也逐渐下降,掺和比例15%, 10%和5%样品判别正确率分别为91.7%, 66%和75%。综上所述,以掺和比例作为外部干扰因数解析不同掺和比例的大米二维同步谱特性,通过特征峰值的差异可以简单有效区分掺和米,与以往近红外判别模式相比不需要准备大量样品来训练模型,为快速鉴别掺和大米提供一种新思路。
吴盛杰[7]（2020）在《建政初期南京城乡商业的重构（1949-1957）》文中研究表明本文采用“中观”的视角,以1949年以后南京地区城乡商业的变革为中心,尝试考察新中国建立初期社会经济转型过程中的详细情况及驱动要素。建政前,商业在南京的经济结构中占比很大,工业占比则较小。新政权建立后,提出了要将“消费的南京转向生产的南京”的总体目标。在这一基本方针的指导下,新政权逐步对南京城乡商业的结构和形态进行了重构。首先,新政权通过打击投机、稳定金融物价等措施逐步建立了新的经济秩序,与此同时,随着内外环境的变化,南京的消费商业迅速衰落,新政权则乘势展开了对城乡商业的初步改造。急剧的变化使得私营商业一度陷入困境,经过政策调整以及广泛的开展城乡物资交流,城乡商业状况得到一定程度的恢复。朝鲜战争时期,由于加工订货的增多,私营商业得到了迅速的发展。然而随着“三反”“五反”运动的开展,这一进程被打断,且相比于私营工业,私营商业在运动中受到了更大的冲击。新政权则利用这个机会进一步展开对南京城乡商业系统的重构,南京市的经济结构自此发生了重大的变化。社会主义改造开始后,南京首先根据中央的政策淘汰了私营批发商,其次由于市场大环境的变化,从统购统销的几个行业开始,私营零售商也逐渐接受改造。及至1956年开始的全行业公私合营的高潮,南京的社会商业走向全面的公有化,但过快改造打乱了商业系统的运行,给城乡经济造成了巨大的压力,因此不得不再次回到市场机制。本文以南京地区的报刊、档案资料为主,结合其他相关文献资料,在关注国家政策的制定的同时,也详细考察了南京市新政权对政策的执行情况。通过这个过程,本文展示了地方社会经济变革中的复杂性,特别是在私营商业的改造之外,也注意到了公营商业的发展及其在地方社会经济变革中的重要影响。在此基础上,本文与过往学术界关于新中国初期政治经济变革研究中的一些观点展开对话,并提出政治考量是驱动地方经济变革的主要因素。全文共分为三个部分,绪论、正文和结语。其中正文部分共八章。第一章主要论述中共占领南京之后在南京建立新的社会经济秩序的过程,其中重点考察了中共接管大城市的经济政策的形成过程以及在南京的执行情况。第二章主要论述新政权对南京社会商业进行的初步改造,其中重点考察了针对南京市社会商业的具体情况,新政权在私营商业改造、城乡物资交流和工商关系的变革上所具体施行的办法。第三章主要论述第一次商业调整政策出台的背景、方案及其在南京推行过程中的实际情况。第四章主要论述朝鲜战争开始后,南京市新政权面对战时状况对社会商业方面的问题所作的处理。第五章主要论述南京的“三反”“五反”运动及其对社会商业变革产生的巨大影响。第六章主要考察南京地区地方国营商业推行经济核算制,建立计划经济体制的成果与问题。第七章主要论述在进入社会主义改造阶段后,南京市新政权对私营批发商、私营零售商的改造过程,以及在城乡推行粮食统购统销的过程及其一系列的影响。第八章主要考察在全行业公私合营的高潮到来后,中央政府、南京市新政权与南京私商、小商小贩之间的三方互动及其结果。
沙敏,桂冬冬,张正勇,吉昕妍,蒋丙晨,刘军,张丁[8]（2020）在《拉曼光谱结合模式识别方法鉴别大米种类》文中研究表明为实现大米种类准确、快速的鉴别,选购72份大米样品,粉碎,采集粒度为100～140目米粉的拉曼光谱,对谱图数据进行去噪、归一化和特征提取后,综合运用主成分分析（PCA）、层次聚类分析（HCA）和支持向量机（SVM）3种方法对粳米、籼米和糯米进行聚类与模式识别研究。3种大米经PCA分析可直观地归为3簇,籼米和糯米可被区分开,但粳米与糯米、粳米与籼米不能区分。HCA结果表明粳米与籼米较难区分,糯米与其他两种米有较大差异,3种大米经HCA聚类分析准确率为81.94%。而采用SVM判别方法经10次运行后的平均识别率达98.86%。实验证明:拉曼光谱法结合支持向量机用于大米种类的分类与识别简单快速,在分析数据相对复杂的情况下,可快速建立分类模型并实现大米种类间的鉴定与识别。
万拯群[9]（2016）在《粮食知识漫谈——粮食工作人员应知的粮食知识》文中研究指明粮食是人类所需的重要营养物质,也是国家粮食安全的重要物质基础。因此,粮食对国家、社会乃至个人都是重要的战略物质和营养物质。所以,粮食工作人员、广大粮食消费者必须懂得相关粮食知识。
卫生防疫中心[10]（2014）在《食品安全基本知识》文中研究指明一、食品安全基本知识1、食品安全的定义以及食品质量主要有哪几项基本要求?根据世界卫生组织的定义,食品安全（food safety）是"食物中有毒、有害物质对人体健康影响的公共卫生问题"。食品安全指的是所有对人体健康造成急性或慢性损害的危险都不存在,是一个绝对概念。食品质量主要有以下几个方面的要求:（1）有营养价值;（2）有较好的色、香、味和外观形状;（3）无毒、无害,符合食品卫生质量要求。2、什么是食品污染?有哪些环节导致
二、怎样选购和鉴别大米?（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、怎样选购和鉴别大米?（论文提纲范文）
（1）基于拉曼光谱的北方粳稻种子品种鉴别方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的目的及意义 |
| 1.2 国内外研究动态和趋势 |
| 1.2.1 非拉曼光谱技术在水稻鉴别中的国内外研究现状 |
| 1.2.2 拉曼光谱技术在水稻鉴别中的国内外研究现状 |
| 1.2.3 光谱分析方法的国内外研究现状 |
| 1.3 研究目标、内容和技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 研究方案和技术路线 |
| 2 粳稻种子拉曼光谱的采集与预处理 |
| 2.1 拉曼光谱采集原理 |
| 2.2 实验仪器和材料 |
| 2.2.1 实验仪器与设备 |
| 2.2.2 实验材料 |
| 2.3 拉曼光谱采集实验 |
| 2.4 光谱预处理 |
| 2.4.1 数据规范化 |
| 2.4.2 去噪 |
| 2.4.3 导数 |
| 2.4.4 基线校正 |
| 2.5 光谱特征提取 |
| 2.5.1 连续投影算法 |
| 2.5.2 逐步回归算法 |
| 2.5.3 竞争自适应加权采样法 |
| 2.6 本章小结 |
| 3 基于400~3200波段光谱的种子分类识别和相似度分析方法研究 |
| 3.1 数据来源 |
| 3.2 结果与分析 |
| 3.2.1 拉曼光谱数据预处理 |
| 3.2.2 基于分类算法的粳稻种子判别模型 |
| 3.2.3 基于相似度分析方法的粳稻种子判别模型 |
| 3.3 本章小结 |
| 4 基于400~1700波段光谱的种子分类识别和相似度分析方法研究 |
| 4.1 数据来源 |
| 4.2 结果与分析 |
| 4.2.1 拉曼光谱数据预处理 |
| 4.2.2 基于分类算法的粳稻种子判别模型 |
| 4.2.3 基于相似度分析方法的粳稻种子判别模型 |
| 4.3 本章小结 |
| 5 基于光谱特征值的种子分类识别和相似度分析方法研究 |
| 5.1 数据来源 |
| 5.2 结果与分析 |
| 5.2.1 拉曼光谱数据特征提取 |
| 5.2.2 基于分类算法的粳稻种子判别模型 |
| 5.2.3 基于相似度分析方法的粳稻种子判别模型 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 个人情况 |
| 教育背景 |
| 科研经历 |
| 在学期间发表论文 |
（2）基于机器视觉技术的稻麦籽粒外观品质评测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 中英文对照和符号说明 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 水稻籽粒外观品质研究进展 |
| 1.2.1 粒形 |
| 1.2.2 透明度 |
| 1.2.3 垩白 |
| 1.2.4 整精米 |
| 1.3 小麦籽粒外观品质研究进展 |
| 1.3.1 粒形 |
| 1.3.2 不完善粒 |
| 1.4 图像分析技术研究进展 |
| 1.4.1 图像分析技术概况 |
| 1.4.2 图像分析技术在农业上的应用 |
| 1.5 深度学习技术及其在农业上的应用 |
| 1.5.1 数据集介绍 |
| 1.5.2 骨干网络 |
| 1.5.3 检测器 |
| 1.5.4 深度学习框架 |
| 1.5.5 深度学习在农业上的应用 |
| 1.6 机器学习技术及其在农业上的应用 |
| 1.6.1 朴素的贝叶斯 |
| 1.6.2 判别分析 |
| 1.6.3 K最近邻 |
| 1.6.4 支持向量机 |
| 1.6.5 其他机器学习算法 |
| 1.7 籽粒外观快速检测研究进展 |
| 1.7.1 分类分级 |
| 1.7.2 杂质鉴别 |
| 1.7.3 病虫害鉴别 |
| 1.8 研究目的与技术路线 |
| 1.8.1 研究目的与意义 |
| 1.8.2 技术路线 |
| 第二章 图像获取设备及方法 |
| 2.1 基于数码相机的图像获取设备及方法 |
| 2.2 基于扫描仪的图像获取技术 |
| 2.3 基于智能手机的图像获取技术 |
| 2.4 基于双目视觉的图像获取技术 |
| 2.5 小结 |
| 第三章 图像预处理及分割技术 |
| 3.1 基于图像分析技术的籽粒图像处理 |
| 3.1.1 试验材料 |
| 3.1.2 图像处理 |
| 3.1.3 评测方法 |
| 3.1.4 籽粒分割准确率 |
| 3.1.5 程序运行效率 |
| 3.2 基于深度学习算法的籽粒图像处理 |
| 3.2.1 材料与方法 |
| 3.2.2 网络模型 |
| 3.2.3 评估方法 |
| 3.2.4 模型训练与验证结果 |
| 3.2.5 籽粒计数精度 |
| 3.2.6 运行效率 |
| 3.3 图像分析技术与深度学习算法的比较 |
| 3.3.1 试验设计及图像获取 |
| 3.3.2 图像处理 |
| 3.3.3 评估方法 |
| 3.3.4 不同处理人工校验比较 |
| 3.3.5 线性模型分析 |
| 3.3.6 深度学习模型精度 |
| 3.3.7 讨论 |
| 3.4 小结 |
| 第四章 稻麦籽粒形态特征快速检测 |
| 4.1 材料与方法 |
| 4.1.1 试验地点与材料 |
| 4.1.2 图像获取 |
| 4.1.3 测定项目 |
| 4.1.4 图像预处理 |
| 4.1.5 形态特征检测方法 |
| 4.1.6 统计作图软件 |
| 4.2 不同算法检测效果 |
| 4.3 二维形态特征检测精度 |
| 4.3.1 长度检测精度 |
| 4.3.2 宽 |
| 4.3.3 长宽比 |
| 4.4 三维形态特征检测精度 |
| 4.5 扬麦系列品种在形态特征上的发展概况 |
| 4.5.1 在粒长上的发展方向 |
| 4.5.2 在粒宽上的发展方向 |
| 4.5.3 在粒高上的发展方向 |
| 4.5.4 在粒形上的发展方向 |
| 4.5.5 在粒体积上的发展方向 |
| 4.6 小结 |
| 第五章 水稻籽粒外观品质评测研究 |
| 5.1 水稻空秕粒检测方法 |
| 5.1.1 材料准备 |
| 5.1.2 图像处理 |
| 5.1.3 籽粒及影子特征计算 |
| 5.1.4 籽粒及其阴影的特征分析 |
| 5.1.5 籽粒分类 |
| 5.1.6 特征值比较 |
| 5.1.7 单个特征值的测量结果 |
| 5.1.8 SVM测量结果 |
| 5.1.9 测量效率 |
| 5.2 水稻整精米率检测方法 |
| 5.2.1 实验设备及流程 |
| 5.2.2 图像预处理 |
| 5.2.3 凹点检测 |
| 5.2.4 凹点匹配 |
| 5.2.5 计算粒长 |
| 5.2.6 计算整精米率 |
| 5.2.7 设备精度 |
| 5.2.8 分割结果 |
| 5.2.9 整精米识别 |
| 5.2.10 整精米率精度 |
| 5.3 水稻垩白检测方法 |
| 5.3.1 试验设备及材料 |
| 5.3.2 粘连米粒分割 |
| 5.3.3 垩白信息检测 |
| 5.3.4 垩白位置确定 |
| 5.3.5 垩白分类结果 |
| 5.4 小结 |
| 第六章 小麦籽粒外观品质评测研究 |
| 6.1 材料与方法 |
| 6.1.1 试验材料 |
| 6.1.2 籽粒图像获取方法 |
| 6.1.3 图像特征参数提取 |
| 6.1.4 机器学习模型算法 |
| 6.1.5 数据处理及作图软件 |
| 6.2 特征差异性分析 |
| 6.3 破碎粒识别 |
| 6.3.1 特征值比较 |
| 6.3.2 精度比较 |
| 6.3.3 最优模型评估 |
| 6.4 空秕粒识别 |
| 6.4.1 特征值比较 |
| 6.4.2 精度比较 |
| 6.4.3 最优模型评估 |
| 6.5 杂质识别 |
| 6.5.1 特征值比较 |
| 6.5.2 精度比较 |
| 6.5.3 最优模型评估 |
| 6.6 混合识别 |
| 6.6.1 特征值比较 |
| 6.6.2 精度比较 |
| 6.6.3 最优模型评估 |
| 6.7 小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 讨论 |
| 7.2.1 稻麦籽粒的共性与特性 |
| 7.2.2 谷物外观检测工具的形式 |
| 7.2.3 不同方法准确率的比较 |
| 7.2.4 不同方法运行效率的比较 |
| 7.2.5 深度学习的优势 |
| 7.2.6 外观品质检测 |
| 7.3 本研究创新点 |
| 7.4 存在问题 |
| 7.5 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（3）基于跨媒体特征融合的黑龙江省大米产地分类研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究现状及分析 |
| 1.3.1 大米图像产地分类研究现状 |
| 1.3.2 大米近红外光谱产地分类研究现状 |
| 1.4 论文的组织结构 |
| 2 大米产地分类研究相关技术 |
| 2.1 大米分类相关技术 |
| 2.1.1 近红外光谱技术 |
| 2.1.2 图像识别技术 |
| 2.2 分类算法 |
| 2.2.1 支持向量机算法 |
| 2.2.2 BP神经网络 |
| 2.2.3 随机森林算法 |
| 2.3 大米图像分类相关技术 |
| 2.3.1 大米图像预处理 |
| 2.3.2 大米图像特征提取 |
| 2.3.3 大米图像分类技术 |
| 2.4 大米近红外光谱分类相关技术 |
| 2.4.1 大米近红外光谱处理及特征提取 |
| 2.4.2 大米近红外光谱产地分类 |
| 2.5 跨媒体特征融合的大米产地分类相关技术 |
| 2.5.1 跨媒体技术 |
| 2.5.2 特征融合 |
| 2.6 本章小结 |
| 3 基于跨媒体特征融合的大米产地分类研究 |
| 3.1 大米图像特征提取及产地分类 |
| 3.1.1 大米图像预处理 |
| 3.1.2 大米特征提取 |
| 3.1.3 基于图像特征的大米产地分类建模 |
| 3.2 大米近红外光谱特征提取及产地分类 |
| 3.2.1 大米近红外光谱特征提取 |
| 3.2.2 基于近红外光谱特征的大米产地分类建模 |
| 3.3 基于跨媒体特征融合的大米产地分类 |
| 3.3.1 基于跨媒体特征融合的大米产地分类建模 |
| 3.3.2 基于跨媒体特征融合的大米产地分类 |
| 3.4 本章小结 |
| 4 实验结果分析 |
| 4.1 基于大米图像的产地分类 |
| 4.2 基于近红外光谱技术的大米产地分类 |
| 4.3 基于跨媒体特征融合的大米产地分类 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的论文 |
（4）基于目标框架理论的有机米购买行为研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 当前研究现状 |
| 1.2.1 目标框架相关研究 |
| 1.2.2 消费者购买行为相关研究 |
| 1.3 研究方法 |
| 1.3.1 文献研究法 |
| 1.3.2 问卷调查法 |
| 1.3.3 统计分析 |
| 1.4 研究内容及技术路线图 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线图 |
| 2 概念界定与理论基础 |
| 2.1 概念界定 |
| 2.1.1 有机农业 |
| 2.1.2 有机食品 |
| 2.1.3 有机米 |
| 2.1.4 有机认证 |
| 2.2 理论基础 |
| 2.2.1 功利目标框架下的理论模型 |
| 2.2.2 规范目标框架下的理论模型 |
| 2.2.3 享乐目标框架下的理论模型 |
| 2.2.4 目标框架下的理论模型 |
| 2.2.5 消费者购买行为理论 |
| 3 模型构建与研究假设 |
| 3.1 理论模型构建 |
| 3.2 研究假设 |
| 4 研究设计与数据来源 |
| 4.1 变量的界定和测量 |
| 4.1.1 目标框架 |
| 4.1.2 购买意愿 |
| 4.1.3 购买行为 |
| 4.1.4 有机米品质可信度 |
| 4.2 问卷设计 |
| 4.3 预调研数据信效度 |
| 4.4 正式数据收集 |
| 5 实证分析 |
| 5.1 调查数据样本描述性分析 |
| 5.2 个体特征对目标框架的影响 |
| 5.3 结构方程分析结果 |
| 5.3.1 测量模型 |
| 5.3.2 结构模型 |
| 5.4 调节作用分析 |
| 5.5 实证研究总结 |
| 6 消费目标视角的有机米营销建议 |
| 6.1 增强规范目标 |
| 6.2 满足享乐目标 |
| 6.3 提高功利目标 |
| 6.4 吸引重点消费群体 |
| 6.5 提升品质可信度 |
| 7 研究创新与不足展望 |
| 7.1 研究创新 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 附录A 调查问卷 居民购买有机米问卷调查 |
| 附录B 攻读学位期间的主要学术成果 |
| 致谢 |
（5）天津“小站稻”的品牌管理策略（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容与方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.2.3 技术路线图 |
| 第二章 相关理论及文献综述 |
| 2.1 概念界定 |
| 2.1.1 农产品品牌 |
| 2.1.2 区域农产品品牌 |
| 2.2 相关理论 |
| 2.2.1 农产品品牌管理 |
| 2.2.2 品牌生命周期理论 |
| 2.2.3 品牌定位理论 |
| 2.2.4 营销组合理论 |
| 2.3 国内外文献综述 |
| 2.3.1 有关农产品品牌的研究 |
| 2.3.2 有关区域农产品品牌的研究 |
| 2.3.3 有关天津区域农产品品牌的研究 |
| 第三章 天津“小站稻”品牌发展环境的SWOT分析 |
| 3.1 天津“小站稻”品牌发展宏观及产业环境分析 |
| 3.1.1 自然环境 |
| 3.1.2 政策环境 |
| 3.1.3 社会环境 |
| 3.1.4 产业环境 |
| 3.1.5 品牌环境 |
| 3.2 天津“小站稻”品牌的缘起 |
| 3.2.1 天津“小站稻”品牌的历史文化 |
| 3.2.2 天津“小站稻”品牌的发展时期 |
| 3.3 天津“小站稻”品牌发展环境及SWOT分析 |
| 3.3.1 外部环境分析 |
| 3.3.2 SWOT分析 |
| 第四章 天津“小站稻”品牌的管理、营销现状与存在问题 |
| 4.1 天津“小站稻”品牌的管理现状分析 |
| 4.1.1 天津“小站稻”品牌的法律维护现状 |
| 4.1.2 天津“小站稻”品牌的授权维护现状 |
| 4.1.3 天津“小站稻”品牌的品质维护现状 |
| 4.1.4 天津“小站稻”品牌的传播推广现状 |
| 4.2 天津“小站稻”品牌管理存在的问题 |
| 4.2.1 品牌组织管理松散 |
| 4.2.2 品牌维护意识淡薄 |
| 4.2.3 优质品种种植规模小 |
| 4.2.4 品牌同质化竞争激烈 |
| 4.3 天津“小站稻”品牌的营销现状分析 |
| 4.3.1 品牌的产品分析 |
| 4.3.2 品牌的价格分析 |
| 4.3.3 品牌的渠道分析 |
| 4.3.4 品牌的推广分析 |
| 4.4 天津“小站稻”品牌营销存在的问题 |
| 4.4.1 品牌产品定位不够精准 |
| 4.4.2 品牌销售渠道明显不足 |
| 4.4.3 品牌推广的积极性低 |
| 第五章 天津“小站稻”品牌的提升策略 |
| 5.1 明晰天津“小站稻”品牌的市场定位 |
| 5.1.1 细分人群 |
| 5.1.2 目标市场 |
| 5.1.3 市场定位策略 |
| 5.2 调整品牌营销策略,提升天津“小站稻”品牌的价值提升 |
| 5.2.1 精准品牌定位,提高附加值的产品策略 |
| 5.2.2 合理市场定价,错位竞争的价格策略 |
| 5.2.3 借助“互联网+”,拓展市场的渠道策略 |
| 5.2.4 打造文化符号,转型新媒体的推广策略 |
| 5.3 强化品牌管理,维护天津“小站稻”品牌的信誉 |
| 5.3.1 强化组织管理,形成区域品牌维护合力 |
| 5.3.2 整合品牌资源,打造区域品牌建设体系 |
| 5.3.3 引导品质提高,严格区域品牌品质管控 |
| 5.3.4 提升品牌信誉,推广品牌与食品安全知识 |
| 第六章 结论 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 附录1 天津大米区域品牌购买情况调查 |
| 附录2 天津大米区域品牌采访问题 |
（6）近红外二维相关光谱的掺和大米判别（论文提纲范文）
| 引 言 |
| 1 实验部分 |
| 1.1 材料 |
| 1.2 光谱采集 |
| 1.3 二维相关光谱分析方法 |
| 2 结果与讨论 |
| 2.1 不同种类大米近红外光谱分析 |
| 2.2 解析不同掺和比例二维相关同步图特性 |
| 2.3 基于二维相关光谱特性的掺和大米鉴别结果分析 |
| 3 结 论 |
（7）建政初期南京城乡商业的重构（1949-1957）（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 绪论 |
| 一、选题缘起与研究资料 |
| 二、文献综述 |
| 三、研究框架与方法 |
| 四、几个概念的界定 |
| 第一章 建立南京城市经济的新秩序 |
| 第一节 中共接管城市的经济政策 |
| 第二节 南京市新政权的建立 |
| 第三节 建立市场和金融的新秩序 |
| 第四节 增加财政收入的措施 |
| 第二章 城乡商业的初步改造 |
| 第一节 中共中央的商业政策 |
| 第二节 南京公营商业体系的初步建立 |
| 第三节 私营商业的初步改造 |
| 第四节 城乡交流与商业转型 |
| 第五节 重塑工商关系 |
| 第三章 南京的第一次商业调整 |
| 第一节 第一次商业调整的背景 |
| 第二节 中共中央调整商业的政策 |
| 第三节 南京调整商业的过程 |
| 第四节 南京调整商业后的情况 |
| 第四章 抗美援朝时期的商业与政治 |
| 第一节 战时经济政策及其在南京的执行 |
| 第二节 公营贸易体系的发展 |
| 第三节 战争动员对社会商业的影响 |
| 第五章 “三反”“五反”运动与商业的转型 |
| 第一节 “三反”运动及其对经济的影响 |
| 第二节 工商界的“五反”运动 |
| 第三节 “五反”运动对社会经济的影响 |
| 第四节 第二次商业调整 |
| 第六章 国营商业走向计划经济模式 |
| 第一节 国营商业推行经济核算制 |
| 第二节 全面推行经济核算制的难点与问题 |
| 第三节 国营商业向计划经济的过渡 |
| 第四节 国营商业体制的继续变革 |
| 第七章 私营商业与自由市场的改造 |
| 第一节 改造私营批发商 |
| 第二节 粮食的统购统销与市场的剧变 |
| 第三节 国家资本主义与私营零售商的改造 |
| 第八章 走向全面公私合营 |
| 第一节 突如其来的全面公私合营 |
| 第二节 对私营工商业者的改造 |
| 第三节 对小商小贩的改造 |
| 第四节 “反冒进”与市场的回归 |
| 结语 |
| 一、“中观”视角下地方社会经济变革的复杂性 |
| 二、政治驱动:商业改造中的决定性要素 |
| 三、南京社会经济变革中的一般性与特殊性 |
| 参考资料 |
| 后记 |
（8）拉曼光谱结合模式识别方法鉴别大米种类（论文提纲范文）
| 1 材料与方法 |
| 1.1 材料 |
| 1.2 仪器与设备 |
| 1.3 方法 |
| 1.3.1 样品制备 |
| 1.3.2 拉曼光谱谱图测试 |
| 1.3.3 数据分析 |
| 2 结果与讨论 |
| 2.1 3种大米的拉曼光谱分析 |
| 2.2 PCA |
| 2.3 HCA |
| 2.4 SVM |
| 3 结论 |
（10）食品安全基本知识（论文提纲范文）
| 一、食品安全基本知识 |
| 1、食品安全的定义以及食品质量主要有哪几项基本要求? |
| 2、什么是食品污染?有哪些环节导致食品污染以及其防制措施有哪些? |
| 3、你知道什么是绿色食品、无公害食品及有机食品吗? |
| 4、你知道什么是转基因食品吗?转基因食品对人体有害吗? |
| 5、食品添加剂是否有“毒”? |
| 6、什么是食品标签?如何看食品标签? |
| 7、QS标志的含义是什么? |
| 8、食品保持期和保存期有什么区别? |
| 9、什么是食源性疾病? |
| 1 0、食品中毒如何预防? |
| 1 1、突发性食品中毒应如何进行急救? |
| 1 2、儿童食品安全十大问题你知道吗? |
| 1 3、保健 (功能) 食品与药品的区别是什么? |
| 二.常用食品安全选购、食用与保存 |
| 1、如何购买放心猪肉? |
| 2、猪肉中含有“瘦肉精”会有什么危害?消费者在购买时应注意什么? |
| 3. 激素是不是影响肉鸡快速生长的原因?如何选购和保存鸡肉? |
| 4、如何选购火腿? |
| 5、如何选购新鲜的鸡蛋? |
| 6、选购食用油的要领是什么? |
| 7、如何食用和保存酱油? |
| 8、如何鉴别食醋? |
| 9、如何鉴别辣椒粉? |
| 1 0、如何选购大料? |
| 1 1、怎样选购和保存盐? |
| 1 2、如何选购食糖? |
| 1 3、如何选购鲜牛奶和奶制品? |
| 1 4、蔬菜为什么不宜久存?蔬菜都要放进冰箱才可保存吗? |
| 1 5、生吃蔬菜安全吗? |
| 16、不吃主食 (大米、小麦等五谷) 有害吗? |
| 17、怎样选购和保存面粉? |
| 18、怎样选购和保存大米? |
| 19、如何安全选购和食用水果? |
| 20、不宜空腹食用的水果有哪些? |
| 21、如何选购质量好的鱼? |
| 22、哪些水产品不宜吃? |
| 23、如何鉴别水产干货的好坏? |
| 24、如何保存海鲜? |
| 25、豆腐和豆浆如何保存? |
| 26、如何选购腐竹? |
| 27、如何选购豆腐干? |
| 28、如何选购豆芽? |
| 29、如何鉴别与选购木耳? |
| 30、如何科学饮水?饮料能代替水吗? |
四、怎样选购和鉴别大米?（论文参考文献）
- [1]基于拉曼光谱的北方粳稻种子品种鉴别方法研究[D]. 朱培培. 黑龙江八一农垦大学, 2021
- [2]基于机器视觉技术的稻麦籽粒外观品质评测研究[D]. 武威. 扬州大学, 2021
- [3]基于跨媒体特征融合的黑龙江省大米产地分类研究[D]. 李昂. 哈尔滨商业大学, 2020(12)
- [4]基于目标框架理论的有机米购买行为研究[D]. 徐帆. 中南林业科技大学, 2020(02)
- [5]天津“小站稻”的品牌管理策略[D]. 许琨. 天津科技大学, 2020(08)
- [6]近红外二维相关光谱的掺和大米判别[J]. 刘亚超,李永玉,彭彦昆,闫帅,王绮,韩东海. 光谱学与光谱分析, 2020(05)
- [7]建政初期南京城乡商业的重构（1949-1957）[D]. 吴盛杰. 南京大学, 2020(12)
- [8]拉曼光谱结合模式识别方法鉴别大米种类[J]. 沙敏,桂冬冬,张正勇,吉昕妍,蒋丙晨,刘军,张丁. 中国粮油学报, 2020(01)
- [9]粮食知识漫谈——粮食工作人员应知的粮食知识[J]. 万拯群. 现代食品, 2016(06)
- [10]食品安全基本知识[J]. 卫生防疫中心. 食品安全导刊, 2014(20)