CN102183500B - 基于荧光特征参量欧氏距离的白酒鉴别方法 - Google Patents
基于荧光特征参量欧氏距离的白酒鉴别方法 Download PDFInfo
- Publication number
- CN102183500B CN102183500B CN201110047861A CN201110047861A CN102183500B CN 102183500 B CN102183500 B CN 102183500B CN 201110047861 A CN201110047861 A CN 201110047861A CN 201110047861 A CN201110047861 A CN 201110047861A CN 102183500 B CN102183500 B CN 102183500B
- Authority
- CN
- China
- Prior art keywords
- liquor
- identified
- benchmark
- euclidean distance
- characteristics parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及一种基于荧光特征参量欧氏距离的白酒鉴别方法,其包括如下步骤:a、存储各基准白酒的品牌、香型、年份、度数、荧光特征参量和三维等角、等高线荧光光谱至基准数据库内;b、测量待鉴别白酒的荧光光谱,提取待鉴别白酒的荧光特征参量;c、查询并选择与待鉴别白酒荧光峰个数相同的所有基准白酒的基本信息及荧光特征参量;d、将待鉴别白酒的荧光特征参量与上述选择的各基准白酒的荧光特征参量作欧氏距离求值;e、将上述得到的欧氏距离值与设定的阈值相比较;并计算得到待鉴别白酒与相应基准白酒的相似度;f、输出待鉴别白酒的品种、年份及与相应基准白酒的相似度。本发明工艺操作方便,鉴别准确率高,适应范围广,安全可靠。
Description
技术领域
本发明涉及一种白酒鉴别方法,尤其是一种基于荧光特征参量欧氏距离的白酒鉴别方法,属于白酒鉴别的技术领域。
背景技术
在我国,白酒有着巨大的消费市场和众多的消费群体,且消费层次多样,假冒伪劣白酒事件时有发生,用食用酒精甚至工业酒精勾兑的假白酒、有毒白酒仍然常见报道,由此引发的食品安全事故严重地威胁着人民的健康和生命,也损害了中国白酒的声誉。现有技术中只能通过专业人员凭借多年的经验且依据感官对酒的品质进行鉴定。该种白酒鉴别技术存在着效率低下、鉴别费用较高和准确性受鉴别人员主观因素影响等问题。
另外,自古以来,人们一直认为“酒是陈的香”;近年来,白酒年份酒作为中国白酒行业的高端产品受到市场热捧,价格飙升,逐渐成为白酒企业开发的重点。但是,由于国家没有颁布年份白酒技术标准,产品年份标准有较大随意性,年份酒市场出现混乱,酒的“年份”真假莫辨,“假年份”、“伪年份”混杂。
因此,如何通过科学手段,客观、准确地鉴定白酒的真伪、品牌、年份等,成为规范行业和市场、实现白酒领域食品安全有效监管的迫切需要。
发明内容
本发明的目的是克服现有技术中存在的不足,提供一种基于荧光特征参量欧氏距离的白酒鉴别方法,其工艺操作方便,鉴别准确率高,适应范围广,安全可靠。
按照本发明提供的技术方案,所述基于荧光特征参量欧氏距离的白酒鉴别方法包括如下步骤:
a、存储各基准白酒的品牌、香型、年份、度数、荧光特征参量和三维等角、等高线荧光光谱至基准数据库内;b、测量待鉴别白酒的荧光光谱,并将测定的多组二维荧光光谱数据合成矩阵式且绘制出待鉴别白酒的三维荧光光谱图,根据绘制的三维荧光光谱图,提取待鉴别白酒的荧光特征参量;c、根据上述提取待鉴别白酒荧光特征参量中荧光峰个数,查询并选择与待鉴别白酒荧光峰个数相同的所有基准白酒的基本信息及荧光特征参量;d、将待鉴别白酒的荧光特征参量与上述选择的各基准白酒的荧光特征参量作欧氏距离求值;e、将上述得到的欧氏距离值与设定的阈值相比较;当得到欧氏距离值小于设定阈值且所述欧氏距离值为待鉴别白酒的荧光特征参量与各基准白酒的荧光特征参量欧氏距离的最小值时,则判定待鉴别白酒与相应欧氏距离为最小值时基准白酒同品种;根据待鉴别白酒与基准白酒的最小欧氏距离及设定阈值,计算得到待鉴别白酒与相应基准白酒的相似度;f、输出待鉴别白酒的品种、年份及与相应基准白酒的相似度。
所述步骤b中,荧光特征参量包括三维荧光光谱中荧光峰个数、主荧光峰峰值波长、最佳激发波长和最佳激发波长下二维发射光谱的表征线宽特征的主荧光峰1/4高度处的线宽、1/2高度处的线宽及3/4高度处的线宽。
所述步骤d中,待鉴别白酒的荧光特征参量与各基准白酒的荧光特征参量的欧氏距离表示为:
所述步骤e中,待鉴别白酒与相应基准白酒相似度的计算函数为:
其中,D为设定阈值,d为待鉴别白酒与基准白酒荧光特征参量的欧氏距离。
所述步骤b中,通过荧光光谱仪测量待鉴别白酒的荧光光谱。所述步骤b中,绘制的三维荧光光谱图中的三维坐标分别是发射波长、激发波长及荧光强度。
本发明的优点:与现有技术中通过品酒师鉴别白酒效率低、费用较高且准确性易受主观因素影响相比,本发明的基于荧光特征参量欧氏距离鉴别白酒的系统以及方法信息完整、数据可靠、依据充分、方法科学,具有结构清晰、层次分明、操作方便、智能、实用等特点,发挥了荧光光谱技术和计算机智能技术的优点,可实现中国白酒检测的科学化、仪器化和智能化,并使检测结果更客观、更真实、更准确。而且,该方法高效、便捷、低成本。本发明有利于维护白酒的市场秩序和消费者的权益。
附图说明
图1为本发明的结构框图。
图2为本发明相似度函数的关系示意图。
图3为本发明鉴别方法的流程图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
如图1所示:为了能够对白酒进行有效鉴别,本发明包括存储模块、测量及数据处理模块、查询模块、计算模块及输出模块。
如图1所示:所述存储模块,用于存储各基准白酒的品牌、香型、年份、度数、荧光特征参量和三维等角、等高线荧光光谱至基准数据库;测量及数据处理模块,用于测量待鉴别白酒的荧光光谱,将测得的多组二维荧光光谱数据合成矩阵形式绘制成三维荧光光谱图,并从三维矩阵数据中自动提取出待鉴别白酒的荧光特征参量;存储模块与测量及数据处理模块的输出端均与查询模块相连,查询模块,用于在存储模块的基准数据库中查询与待测白酒荧光峰个数相同的所有基准白酒的品牌、香型、年份、度数和其余荧光特征参数;查询模块的输出端与计算模块相连,计算模块,用于依据测量及数据处理模块中提取的待鉴别白酒的荧光特征参量,计算待鉴别白酒和查询模块基准数据库中基准白酒的欧氏距离值,并根据相应欧氏距离值计算待鉴别白酒与基准库中白酒的相似度;计算模块的输出端与输出模块相连,输出模块,用于输出依据计算模块中最小欧氏距离判定得到的白酒的品种和年份,并输出相应的相似度。
在上述的基于荧光特征参量欧氏距离鉴别白酒的系统中,存储模块中的荧光特征参量分别为三维荧光光谱中荧光峰个数(n)、主荧光峰(相对强度最大的荧光峰)峰值波长(λem)、最佳激发波长(λex)和最佳激发波长下二维发射光谱的表征线宽特征的主荧光峰1/4高度处的线宽(Δλ1/4)、1/2高度处的线宽(Δλ1/2)和3/4高度处的线宽(Δλ3/4);所述测量及数据处理模块包括一台荧光光谱仪和数据处理单元,该荧光光谱仪用于测量待鉴别白酒的荧光光谱,数据处理单元进行三维荧光光谱图绘制和荧光特征参量提取;输出模块中输出的白酒是依据判别分析方法中的“距离判别法”,根据待测白酒与基准库中白酒荧光特征参量间欧氏距离最小原则判定白酒的品种和年份。
如图3所示:本发明基于荧光特征参量欧氏距离的白酒鉴别方法包括如下步骤:
a、存储各基准白酒的品牌、香型、年份、度数、荧光特征参量和三维等角、等高线荧光光谱至基准数据库内;
所述基准数据库位于存储模块内,所述各基准白酒荧光特征参量为从已测定的基准白酒的荧光光谱数据库中取得;
b、测量待鉴别白酒的荧光光谱,并将测定的多组二维荧光光谱数据合成矩阵式且绘制出待鉴别白酒的三维荧光光谱图,根据绘制的三维荧光光谱图,提取待鉴别白酒的荧光特征参量;
所述三维荧光光谱图的三维坐标分别为发射波长、激发波长及荧光强度,可将发射波长设为x轴,激发波长设为y轴,荧光强度设为z轴,如此可以得到待鉴别白酒的三维等角、等高线荧光光谱图和荧光三维矩阵数据;
c、根据上述提取待鉴别白酒荧光特征参量中荧光峰个数,查询并选择与待鉴别白酒荧光峰个数相同的所有基准白酒的基本信息及荧光特征参量;
当待鉴别白酒的荧光特征参量中荧光粉个数n与基准数据库内的基准白酒荧光特征参量的荧光峰个数相同时,就可以将待鉴别白酒与相应的基准白酒归为同一类白酒,能够缩小待鉴别白酒的鉴别范围;若当待鉴别白酒的荧光特征参量中荧光粉个数n与基准数据库内的基准白酒荧光特征参量的荧光峰个数均不同时,则认定待鉴别白酒与基准数据库内的基准白酒间都不在同一类别,不能对待鉴别白酒进行精确检测,鉴别结束;步骤c由查询模块完成;
d、将待鉴别白酒的荧光特征参量与上述选择地各基准白酒的荧光特征参量作欧氏距离求值;
将待鉴别白酒与基准数据库内的除荧光峰个数n外的其余五个参数即主荧光峰峰值波长(λem)、最佳激发波长(λex)、主荧光峰1/4、1/2和3/4高度处的线宽(Δλ1/4、Δλ1/2和Δλ3/4),组成一个5维特征向量
式中N为荧光峰个数n与待鉴别白酒相同而归为一类的基准数据库中基准白酒的数目。设定其阈值D,所述阈值D的选择根据实际经验进行选择设定;对于欧氏距离di均大于或等于D的待测样品,判定待鉴别白酒为不属于存储模块中基准数据库中已知基准白酒品种;若有欧氏距离di小于设定阈值D,则进一步找出待鉴别白酒与基准数据库中同类基准白酒间欧氏距离的最小值dmin;所述对应欧氏距离最小值基准白酒的样本为Q,即可判定待鉴别白酒的样品为Q,并由欧氏距离计算出两者的相似度S;
e、将上述得到的欧氏距离值与设定的阈值相比较;当得到欧氏距离值小于设定阈值且所述欧氏距离值为待鉴别白酒的荧光特征参量与各基准白酒的荧光特征参量欧氏距离的最小值时,则判定待鉴别白酒与相应欧氏距离为最小值时基准白酒同品种;根据待鉴别白酒与基准白酒的最小欧氏距离及设定阈值,计算得到待鉴别白酒与相应基准白酒的相似度;
待鉴别白酒与相应基准白酒相似度的计算函数为
其中,D为设定阈值,d为待鉴别白酒与基准白酒荧光特征参量的欧氏距离;
如图2所示:为待鉴别白酒与基准数据库中相应基准白酒间的欧氏距离与相似函数关系示意图,其中,横坐标表示欧氏距离,纵坐标表示待鉴别白酒与相应基准白酒的相似度;由图2可以看出,当待鉴别白酒与基准白酒的欧氏距离恰好等于设定阈值时,则待鉴别白酒与相应基准白酒的相似度为50%,当待鉴别白酒与基准白酒的欧氏距离小于阈值的1/5时,则待鉴别白酒与相应基准白酒的相似度为100%,当待鉴别白酒与基准白酒的欧氏距离大于设定阈值的1/5而小于阈值时,则待鉴别白酒与相应基准白酒间的相似度可以通过公式(3)得到;步骤d~e的过程通过计算模块完成;
f、输出待鉴别白酒的品种、年份及与相应基准白酒的相似度;当通过计算模块得到待鉴别白酒的品种、年份及相似度后,通过输出模块输出。
具体实施时,鉴别系统分为两种,一种用于鉴别中国白酒的品种,另一种用于鉴别某种白酒的各年份酒。由于同一品种不同年份的年份酒的荧光光谱特性的差异小于不同品种白酒之间的差异,年份酒鉴别系统所设定的欧氏距离阈值小于白酒品种鉴别系统所设定的阈值。
实施例1
以鉴别洋河蓝色经典系列的梦九(简称梦九)的品种为例来阐述各模块的工作过程。
存储模块的工作过程,首先测量梦九的荧光光谱,在200nm到500nm的激发波长范围内每隔5nm激发一次,得到61张二维荧光光谱图,之后按发射波长为x轴、激发波长为y轴和荧光强度为z轴合成三维矩阵数据,如此可得到梦九的三维等角、等高线荧光光谱图,并因此可提取得到基准荧光特征参量分别为荧光峰个数为2、主荧光峰峰值波长为449nm、最佳激发波长为365nm和最佳激发波长下二维发射光谱的表征线宽特征的主荧光峰1/4高度处的线宽为161nm、1/2高度处的线宽为116nm和3/4高度处的线宽为74nm。之后将梦九的品名(即梦九)、香型(浓香型)、度数(45度)及提取出的基准特征参量存储至白酒基本信息及荧光特征参量数据库。
测量及数据处理模块,用于测量待鉴别白酒的二维荧光光谱且合成三维等角、等高线荧光光谱图,并自动提取出荧光特征参量,所述测量及数据处理模块包括荧光光谱仪和数据处理单元,所述荧光光谱仪用于测量待鉴别白酒的二维荧光光谱,所述数据处理单元依据所述荧光光谱仪测得的二维荧光光谱合成三维矩阵数据,从而得到三维等角、等高线荧光光谱图并提取荧光特征参量。
在本实施例中,待鉴别的白酒为洋河蓝色经典系列白酒中的梦九,荧光光谱仪为美国产的型号为SP-2558的多功能荧光光谱仪,通过所述光谱仪测得梦九的二维荧光光谱,数据处理单元处理得到待鉴别的白酒即梦九的荧光特征参量。
查询模块,用于在存储模块的基准数据库中查询与测量及数据处理模块所提取的待鉴别白酒的荧光特征参量中荧光峰个数相同的所有基准白酒的品牌、香型、年份、度数和其余荧光特征参数。在本实施例中,查询模块在基准数据库中查询到与待测白酒的测量及数据处理模块所提取的特征参量中荧光峰个数相同(均为2)的共有15种白酒,并提取出其所对应的品牌、香型、年份、度数和其余荧光特征参数。
计算模块,用于依据测量及数据处理模块中提取的荧光特征参量计算待测白酒和查询模块基准数据库中白酒的欧氏距离值,并计算待测白酒与基准库中白酒的相似度。在本实施例中,所述计算模块先分别计算出待测白酒与查询模块中得到的所有白酒的荧光特征参量作欧氏距离求值,根据预先设定的距离阈值D=15,若所求距离大于阈值则排除,若小于等于阈值时再根据欧氏距离最小原则判定白酒的品种;根据公式(3)计算得到待鉴别白酒与相应白酒品种的相似度;
输出模块,用于输出查询模块和计算模块所提取的品牌、香型、年份和度数,并输出相似度。在本实施例中,输出模块输出为:浓香型45度梦九、相似度为100%。
通过将待鉴别白酒与已知基准数据中基准白酒的主荧光峰(相对强度最大的荧光峰)峰值波长(λem)、最佳激发波长(λex)和最佳激发波长下二维发射光谱的表征线宽特征的主荧光峰1/4高度处的线宽(Δλ1/4)、1/2高度处的线宽(Δλ1/2)和3/4高度处的线宽(Δλ3/4)作为特征向量,并根据相应的特征向量计算得到相应的欧氏距离值,提高了待鉴别白酒鉴别过程的准确性;根据欧氏距离值及相应设定的阈值,计算待鉴别白酒与相应基准白酒的相似度,操作方便,安全可靠。
综上所述,本发明先存储各基准白酒的品牌、香型、年份、度数和基准荧光特征参量至基准数据库,接着测量待鉴别白酒的二维荧光光谱且制成三维荧光光谱,并提取荧光特征参量,然后在基准数据库中查询与所提取的荧光峰个数相同的所有白酒的基准特征参量并提取其对应的品牌、香型、年份、度数;之后依据阈值和欧氏距离最小原则判定白酒的品种,并根据欧氏距离计算出待鉴别白酒与基准白酒的相似度;最后输出待鉴别白酒的品牌、香型、年份、度数和相似度,如此可科学、客观、低成本、高效和高准确度的进行白酒的鉴别,从而有利于维护白酒的市场秩序和消费者的权益,是规范行业和市场、实现白酒领域食品安全有效监管的迫切需要。
Claims (5)
1.一种基于荧光特征参量欧氏距离的白酒鉴别方法,其特征是:所述白酒鉴别方法包括如下步骤:
(a)、存储各基准白酒的品牌、香型、年份、度数、荧光特征参量和三维等角、等高线荧光光谱至基准数据库内;
(b)、测量待鉴别白酒的荧光光谱,并将测定的多组二维荧光光谱数据合成矩阵式且绘制出待鉴别白酒的三维荧光光谱图,从中提取待鉴别白酒的荧光特征参量;
(c)、根据上述提取的待鉴别白酒荧光特征参量中荧光峰个数,查询并选择与待鉴别白酒荧光峰个数相同的所有基准白酒的基本信息及荧光特征参量;
(d)、将待鉴别白酒的荧光特征参量与上述选择地各基准白酒的荧光特征参量作欧氏距离求值;
(e)、将上述得到的欧氏距离值与设定的阈值相比较;当得到欧氏距离值小于设定阈值且所述欧氏距离值为待鉴别白酒的荧光特征参量与各基准白酒的荧光特征参量欧氏距离的最小值时,则判定待鉴别白酒与相应欧氏距离为最小值时基准白酒同品种;根据待鉴别白酒与基准白酒的最小欧氏距离及设定阈值,计算得到待鉴别白酒与相应基准白酒的相似度;
(f)、输出待鉴别白酒的品种、年份及与相应基准白酒的相似度;
所述步骤(b)中,荧光特征参量包括三维荧光光谱中荧光峰个数、主荧光峰峰值波长、最佳激发波长和最佳激发波长下二维发射光谱的表征线宽特征的主荧光峰1/4高度处的线宽、1/2高度处的线宽及3/4高度处的线宽。
3.根据权利要求1所述的基于荧光特征参量欧氏距离的白酒鉴别方法,其特征是:所述步骤(e)中,待鉴别白酒与相应基准白酒相似度的计算函数为:
其中,D为设定阈值,d为待鉴别白酒与基准白酒荧光特征参量的欧氏距离。
4.根据权利要求1所述的基于荧光特征参量欧氏距离的白酒鉴别方法,其特征是:所述步骤(b)中,通过荧光光谱仪测量待鉴别白酒的荧光光谱。
5.根据权利要求1所述的基于荧光特征参量欧氏距离的白酒鉴别方法,其特征是:所述步骤(b)中,绘制的三维荧光光谱图中的三维坐标分别是发射波长、激发波长及荧光强度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110047861A CN102183500B (zh) | 2011-02-28 | 2011-02-28 | 基于荧光特征参量欧氏距离的白酒鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110047861A CN102183500B (zh) | 2011-02-28 | 2011-02-28 | 基于荧光特征参量欧氏距离的白酒鉴别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102183500A CN102183500A (zh) | 2011-09-14 |
CN102183500B true CN102183500B (zh) | 2012-09-05 |
Family
ID=44569724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110047861A Active CN102183500B (zh) | 2011-02-28 | 2011-02-28 | 基于荧光特征参量欧氏距离的白酒鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102183500B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944541A (zh) * | 2012-12-06 | 2013-02-27 | 江南大学 | 基于荧光光谱线型特性和曲线拟合测定年份白酒的方法 |
CN103115910A (zh) * | 2013-02-25 | 2013-05-22 | 江苏大学 | 一种二维荧光光谱技术快速鉴别食用植物油种类的方法 |
CN103760139B (zh) * | 2013-05-14 | 2015-11-04 | 江南大学 | 一种基于三维荧光光谱与稳健马氏距离鉴别市售橙汁饮品的方法 |
CN103398993A (zh) * | 2013-08-14 | 2013-11-20 | 江南大学 | 荧光光谱结合pca-hca与plsr检测市售橙汁饮品的方法 |
CN104502320B (zh) * | 2014-12-29 | 2017-03-01 | 江南大学 | 一种三维荧光光谱结合pca‑svm鉴别浓香型白酒的方法 |
FR3039650B1 (fr) * | 2015-07-31 | 2017-08-25 | Pernod Ricard | Dispositif portable pour le controle d’une boisson alcoolisee a travers un contenant, systeme et procede associes |
CN106568842B (zh) * | 2016-10-14 | 2019-02-26 | 陕西师范大学 | 一种基于加权欧氏距离的陶瓷器超声波防伪辨识方法 |
CN108776144B (zh) * | 2018-06-12 | 2020-10-09 | 南京大学 | 一种基于基团光谱特征的海洋溢油乳化物遥感识别方法 |
CN109657733B (zh) * | 2018-12-28 | 2019-11-22 | 中国农业科学院农业质量标准与检测技术研究所 | 基于成分结构特征的品种鉴别方法与系统 |
CN110554013B (zh) * | 2019-08-29 | 2022-05-20 | 华夏安健物联科技(青岛)有限公司 | 一种利用荧光光谱特征信息实现快速识别比对的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299026A (zh) * | 2008-05-29 | 2008-11-05 | 江南大学 | 一种通过三维荧光光谱鉴别白酒的系统以及方法 |
CN101409819A (zh) * | 2008-11-27 | 2009-04-15 | 杭州电子科技大学 | 一种基于声纹的数码相机图片加密解密方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040157334A1 (en) * | 2002-08-12 | 2004-08-12 | Barashkov Nikolay N. | Method for determination of ethanol concentration in an aqueous solution containing an alcoholic beverage |
-
2011
- 2011-02-28 CN CN201110047861A patent/CN102183500B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299026A (zh) * | 2008-05-29 | 2008-11-05 | 江南大学 | 一种通过三维荧光光谱鉴别白酒的系统以及方法 |
CN101409819A (zh) * | 2008-11-27 | 2009-04-15 | 杭州电子科技大学 | 一种基于声纹的数码相机图片加密解密方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102183500A (zh) | 2011-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102183500B (zh) | 基于荧光特征参量欧氏距离的白酒鉴别方法 | |
CN101701916B (zh) | 一种玉米品种快速鉴定、鉴别方法 | |
CN102023137B (zh) | 一种白酒鉴别方法 | |
CN103134767B (zh) | 一种红外光谱校正鉴定白酒品质的方法 | |
CN104502320A (zh) | 一种三维荧光光谱结合pca-svm鉴别浓香型白酒的方法 | |
CN103487411A (zh) | 一种随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法 | |
Kwan et al. | Classification of wines by applying pattern recognition to chemical composition data | |
CN102324047A (zh) | 基于稀疏核编码skr的高光谱图像地物识别方法 | |
CN105181678A (zh) | 基于激光诱导击穿光谱的水稻品种鉴别方法 | |
CN110763698A (zh) | 一种基于特征波长的高光谱柑橘叶片病害识别方法 | |
CN104316660A (zh) | 快速检测豆瓣酱风味、等级及产品溯源的方法 | |
CN104376325A (zh) | 一种近红外定性分析模型的建立方法 | |
CN104132896A (zh) | 一种快速鉴别掺假肉的方法 | |
CN103760139B (zh) | 一种基于三维荧光光谱与稳健马氏距离鉴别市售橙汁饮品的方法 | |
CN113720797B (zh) | 一种白酒蒸馏的在线快速量质摘酒方法 | |
CN108844941A (zh) | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 | |
CN103091281A (zh) | 一种基于中红外光谱特征基的茶叶发酵度鉴定方法 | |
Song et al. | Wood materials defects detection using image block percentile color histogram and eigenvector texture feature | |
CN101566569B (zh) | 一种通过特征参量鉴别多种荧光光谱混叠物质的系统和方法 | |
CN111426657B (zh) | 一种溶解性有机物三维荧光谱图的识别比对方法 | |
Wu et al. | Geographical origin traceability and authenticity detection of Chinese red wines based on excitation-emission matrix fluorescence spectroscopy and chemometric methods | |
Wu et al. | A rapid and low-cost method for detection of nine kinds of vegetable oil adulteration based on 3-D fluorescence spectroscopy | |
CN108197662A (zh) | 一种实木地板分类方法 | |
CN106383103A (zh) | 一种基于主成分分析的时间分辨油荧光鉴别方法 | |
CN111912823A (zh) | 一种多成分农药残留荧光检测分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |