CN102590129A - 近红外检测花生中氨基酸含量的方法 - Google Patents
近红外检测花生中氨基酸含量的方法 Download PDFInfo
- Publication number
- CN102590129A CN102590129A CN2012100074256A CN201210007425A CN102590129A CN 102590129 A CN102590129 A CN 102590129A CN 2012100074256 A CN2012100074256 A CN 2012100074256A CN 201210007425 A CN201210007425 A CN 201210007425A CN 102590129 A CN102590129 A CN 102590129A
- Authority
- CN
- China
- Prior art keywords
- amino acid
- acid content
- near infrared
- peanut
- peanuts
- 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.)
- Granted
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种检测花生中氨基酸含量的方法。该方法,包括:1)校正集样本光谱的建立;2)校正集样本光谱预处理;3)提取校正集样本光谱的特征信息数据;4)校正模型的建立;5)待测样品分析。将待测样品的近红外光谱经预处理,提取特征信息输入校正模型,即可计算得到花生样品中的氨基酸含量。本发明具有分析速度快、分析效率高、不使用任何化学试剂、分析成本低、且对环境不造成任何污染等优点,可为花生品质分析、控制花生品质及制品品质提供可靠依据。
Description
技术领域
本发明涉及一种检测花生中氨基酸的方法,尤其是涉及一种利用近红外光谱检测花生中氨基酸含量的方法。
背景技术
花生中蛋白质含量为24%~36%,含有人体必需的八种氨基酸,其消化系数高达90%;随着人们生活水平的提高,花生育种研究已从单纯重视产量,转化为产量和品质兼顾,并不断重视营养和特殊花生成分的功效。在花生品质分析中,氨基酸含量测定通常采用氨基酸自动分析仪或高效液相色谱仪,但两种方式分析速度慢,成本高,不适于大批量样品的测定和育种材料的筛选。因此,需要找到一种快速和准确的花生氨基酸品质检测方法,为花生氨基酸含量的评价提供依据。
无损检测技术是一门新兴的综合性应用学科,在不破坏或损坏被检测对象的前提下,利用样品内部结构存在所引起的对热、声、光、电、磁等反应的变化,来对样品结构组成做出判断和评价。根据无损检测原理的不同,检测方法大致可分为光学特性分析法、声学特性分析法、机器视觉技术检测方法、电学特性分析法、核磁共振检测技术与X射线技术等。
近年来,近红外光谱技术在农产品无损检测尤其是农作物的品质分析和农药残留等方面的应用十分广泛。国内外还未见近红外技术在花生氨基酸含量分析测试方法或建立相关模型方面的报道。
发明内容
本发明的目的是提供一种近红外检测花生中氨基酸含量的方法。
本发明提供的一种检测花生中氨基酸含量的方法,包括如下步骤:
1)对已知氨基酸含量的花生标准品进行近红外光谱扫描,获得所述已知氨基酸含量的花生标准品在近红外波长的所有光谱信息,得到校正集样本光谱的计算平均值;
2)对所述步骤1)所得校正集样本光谱进行预处理;
3)将所述步骤2)预处理后的校正集样本光谱中的信息数据进行主成分分析,提取特征信息数据;
4)校正模型的建立:
以所述花生标准品的氨基酸含量的化学测定值为校正值,将所述步骤3)所得特征信息数据作为自变量,所述校正值作为因变量,用化学计量学多元校正算法建立所述自变量与所述因变量之间的校正模型(也即氨基酸含量与近红外光谱特征信息数据之间的映射关系;);
5)未知氨基酸含量的花生样品的测定:
将所述步骤1)所述已知氨基酸含量的花生标准品替换为待测花生样品,重复所述步骤1)至步骤3),将所述步骤3)所得特征信息数据输入所述步骤4)的校正模型,得到所述待测花生样品中的氨基酸含量。
上述方法所述步骤1)中,所述近红外波长为950-1650nm。所述近红外光谱扫描步骤中,扫描方式为连续波长近红外扫描或离散波长近红外扫描。
所述步骤2)预处理步骤中,预处理的方法为多元散射校正方法、平滑方法和求导方法中的至少一种。所述求导方法为一阶求导或二阶求导方法。
所述步骤3)主成分分析步骤包括如下步骤:将所述步骤2)预处理后的校正集样本光谱中的信息数据变换到2-10个互不相关的变量中;上述2-10个互不相关的变量含有原来多个相关的光谱≥90%的信息。
所述步骤1)所述扫描方式为连续波长近红外扫描时,所述化学计量学多元校正算法为偏最小二乘法(PLS)、主成分回归(PCR)或人工神经网络算法(ANN);所述扫描方式为离散波长近红外扫描时,所述化学计量学多元校正算法为逐步回归算法或多元线性回归算法(MLR)。
所述步骤4)中,所述花生标准品的氨基酸含量的化学测定值是由氨基酸自动分析仪测定而得。
所述氨基酸选自天门冬氨酸、苏氨酸、甘氨酸、谷氨酸、丝氨酸、亮氨酸、精氨酸和半胱氨酸中的至少一种。
另外,可按照如下步骤对步骤4)所得校正模型进行验证:将所述步骤1)所述已知氨基酸含量的花生标准品替换为一组已知氨基酸含量的花生样品,重复所述步骤1)至步骤3)后,利用所述步骤4)所述校正模型得到所述已知氨基酸含量的花生样品中氨基酸含量的计算值,计算所述计算值与实际值的相关系数和方差,评价所述步骤4)所得校正模型的可靠性。
在所述步骤1)之前,亦不需要对花生标准品或待测花生样品进行任何预处理。
本发明收集了一批有代表性的花生样品例如:白沙1016、黑花生、白花生、五彩花生、中花8号、花育20号、开农30号等。测定样品中的氨基酸含量,以这批样品作为建立数学模型的校正集建立数学模型,提出了一种利用花生的近红外光谱中包含样品的主要成分及测量的信息测定其中氨基酸含量的方法,该方法应用化学计量学方法对花生近红外光谱和花生中氨基酸含量进行关联研究,可以确定这两者之间的定性或定量关系,即校正模型。建立校正模型后,只要测量出未知样品的近红外光谱,根据校正模型就可以确定花生的各个氨基酸含量。该方法具有分析速度快、分析效率高,不使用任何化学试剂,分析成本低,且对环境不造成任何污染的优点。
附图说明
图1为未经预处理的花生样品光谱图;
图2为校正集和验证集的实际值和计算值的关系散点图。
具体实施方式
下面结合具体实施例对本发明作进一步阐述,但本发明并不限于以下实施例。所述方法如无特别说明均为常规方法。所述原料如无特别说明均能从公开商业途径而得。下述实施例每步骤的数据处理均由挪威CAMO公司出售的化学计量软件The Unscrambler 9.7中完成。
实施例1
1)取2011年收获的花生样品作为标准品,140个样品(符合花生群体的常态分布规律);在25℃下开启近红外光谱仪预热30min,取60g花生样品放于旋转样品杯中(直径75mm,深度25mm);采用连续波长近红外扫描中的漫反射模式采集光谱,扫描谱区950-1650nm,分辨率5nm,采集样品的吸收光谱;为了克服样品粒度差异引起的光谱漂移,减少误差,每个样品重复装样3次,得到校正集样本光谱,将该校正集样本光谱的计算平均值(图1)存于计算机软件中,备下一步构建氨基酸含量校正模型使用;
2)近红外光谱预处理:采用一阶求导结合平滑处理方法对步骤1得到的校正集样本光谱进行预处理;
3)将步骤2)预处理后的校正集样本光谱中的信息数据变换到主成分数为2-10个互不相关的变量中,完成特征信息数据的提取,花生中8种不同氨基酸对应的主成分数分别为:
天门冬氨酸:5、苏氨酸:9、甘氨酸:4、谷氨酸:8、
丝氨酸:6、亮氨酸:6、精氨酸:8、半胱氨酸:7。
4)校正模型的建立:以该花生标准品的氨基酸含量的化学测定值为校正值,将步骤3)所得特征信息数据作为自变量,校正值作为因变量,用偏最小二乘法建立自变量与因变量之间的校正模型(也即氨基酸含量与近红外光谱特征信息数据之间的映射关系),所得模型结果如表1所示;
表1、花生氨基酸定标模型参数
5)模型的验证:取已知的氨基酸含量的花生样本检验校正模型,重复步骤1)至步骤3)后,利用步骤4)校正模型得到已知氨基酸含量的花生样品中氨基酸含量的计算值,计算计算值与实际值的相关系数(Corr,Coeff)和方差(RMSEC),评价步骤4)所得校正模型的可靠性(验证相关曲线参见图2);
6)待测样品的分析:
将步骤1)已知氨基酸含量的花生标准品替换为22个待测花生样品,重复步骤1)至步骤3),将步骤3)所得特征信息数据输入步骤4)所得校正模型中,得到22个待测花生样品中的氨基酸含量,该花生氨基酸含量的模型预测值与化学测定值的比较见表2a至表2d,并对其预测值与化学测定值进行配对t-检验(所得结果如表3所示),表明两者差异均不显著(P>0.05),可见测定结果准确。
表2a、氨基酸含量的模型预测值与化学测定值的比较
表2b、氨基酸含量的模型预测值与化学测定值的比较
表2c、氨基酸含量的模型预测值与化学测定值的比较
表2d、氨基酸含量的模型预测值与化学测定值的比较
表3、花生氨基酸预测值与测定值的t检验
Claims (9)
1.一种检测花生中氨基酸含量的方法,包括如下步骤:
1)对已知氨基酸含量的花生标准品进行近红外光谱扫描,获得所述已知氨基酸含量的花生标准品在近红外波长的所有光谱信息,得到校正集样本光谱的计算平均值;
2)对所述步骤1)所得校正集样本光谱进行预处理;
3)将所述步骤2)预处理后的校正集样本光谱中的信息数据进行主成分分析,提取特征信息数据;
4)以所述花生标准品的氨基酸含量的化学测定值为校正值,将所述步骤3)所得特征信息数据作为自变量,所述校正值作为因变量,用化学计量学多元校正算法建立所述自变量与所述因变量之间的校正模型;
5)将所述步骤1)所述已知氨基酸含量的花生标准品替换为待测花生样品,重复所述步骤1)至步骤3),将所述步骤3)所得特征信息数据输入所述步骤4)的校正模型,得到所述待测花生样品中的氨基酸含量。
2.根据权利要求1所述的方法,其特征在于:所述步骤1)中,所述近红外波长为950-1650nm。
3.根据权利要求1或2所述的方法,其特征在于:所述步骤1)中,所述近红外光谱扫描步骤中,扫描方式为连续波长近红外扫描或离散波长近红外扫描。
4.根据权利要求1-3任一所述的方法,其特征在于:所述步骤2)预处理步骤中,预处理的方法为多元散射校正方法、平滑方法和求导方法中的至少一种。
5.根据权利要求4所述的方法,其特征在于:所述求导方法为一阶求导或二阶求导方法。
6.根据权利要求1-5任一所述的方法,其特征在于:所述步骤3)所述主成分分析步骤包括:将所述步骤2)预处理后的校正集样本光谱中的信息数据变换到2-10个互不相关的变量。
7.根据权利要求1-6任一所述的方法,其特征在于:所述步骤1)所述扫描方式为连续波长近红外扫描时,所述化学计量学多元校正算法为偏最小二乘法、主成分回归或人工神经网络算法;
所述扫描方式为离散波长近红外扫描时,所述化学计量学多元校正算法为逐步回归算法或多元线性回归算法。
8.根据权利要求1-7任一所述的方法,其特征在于:所述步骤4)中,所述花生标准品的氨基酸含量的化学测定值是由氨基酸自动分析仪测定而得。
9.根据权利要求1-8任一所述的方法,其特征在于:所述氨基酸选自天门冬氨酸、苏氨酸、甘氨酸、谷氨酸、丝氨酸、亮氨酸、精氨酸和半胱氨酸中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210007425.6A CN102590129B (zh) | 2012-01-11 | 2012-01-11 | 近红外检测花生中氨基酸含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210007425.6A CN102590129B (zh) | 2012-01-11 | 2012-01-11 | 近红外检测花生中氨基酸含量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102590129A true CN102590129A (zh) | 2012-07-18 |
CN102590129B CN102590129B (zh) | 2014-03-26 |
Family
ID=46479070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210007425.6A Active CN102590129B (zh) | 2012-01-11 | 2012-01-11 | 近红外检测花生中氨基酸含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102590129B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102809635A (zh) * | 2012-08-06 | 2012-12-05 | 中国农业科学院农产品加工研究所 | 一种适宜溶解型蛋白质加工的花生品质测定及其评价方法 |
CN102879353A (zh) * | 2012-09-19 | 2013-01-16 | 中国农业科学院农产品加工研究所 | 近红外检测花生中蛋白质组分含量的方法 |
CN104819953A (zh) * | 2015-04-21 | 2015-08-05 | 通威股份有限公司 | 一种基于近红外光谱技术的dl-蛋氨酸的快速检测方法 |
CN105181642A (zh) * | 2015-10-12 | 2015-12-23 | 华中农业大学 | 一种花生品质的近红外检测方法及应用 |
CN105466878A (zh) * | 2015-10-15 | 2016-04-06 | 秭归帝元食品罐头有限责任公司 | 一种利用红外光谱测定番茄酱中番茄红素的方法 |
CN105866065A (zh) * | 2016-05-09 | 2016-08-17 | 北京理工大学 | 一种乌洛托品-醋酸溶液中乌洛托品含量分析方法 |
CN106124447A (zh) * | 2016-06-08 | 2016-11-16 | 沈阳农业大学 | 一种基于近红外光谱分析技术检测草莓中可溶性固形物含量的方法 |
CN108195793A (zh) * | 2016-12-08 | 2018-06-22 | 中国农业机械化科学研究院 | 植物源性饲料原料氨基酸含量的通用模型构建方法 |
CN108507967A (zh) * | 2018-04-09 | 2018-09-07 | 山东省花生研究所 | 一种检测多粒花生种子中α-和γ-生育酚含量的方法 |
CN108693137A (zh) * | 2018-04-09 | 2018-10-23 | 山东省花生研究所 | 一种检测单粒花生种子中α-生育酚含量的方法 |
CN108801973A (zh) * | 2018-06-28 | 2018-11-13 | 中国农业科学院农产品加工研究所 | 利用单粒检测配件同步检测花生中主要成分的近红外方法 |
RU2811528C1 (ru) * | 2023-06-23 | 2024-01-15 | федеральное государственное бюджетное образовательное учреждение высшего образования "Волгоградский государственный аграрный университет" (ФГБОУ ВО Волгоградский ГАУ) | Способ количественного определения треонина на инфракрасных анализаторах Bruker MPA или Bruker Tango-R в кормовом треонине |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001089288A1 (en) * | 2000-05-25 | 2001-11-29 | Lestander Torbjoern | Single seed sortation |
CN1544921A (zh) * | 2003-11-26 | 2004-11-10 | 广东省农业科学院作物研究所 | 一种非破坏性测定花生单粒种子含油量的方法 |
CN101216418A (zh) * | 2008-01-21 | 2008-07-09 | 浙江大学 | 瓶装黄酒品质指标在线检测的方法和装置 |
CN101216419A (zh) * | 2007-12-28 | 2008-07-09 | 陈郁 | 一种快速检测黄酒品质指标的方法 |
US20080184821A1 (en) * | 2007-02-05 | 2008-08-07 | Pioneer Hi-Bred International, Inc. | Apparatus and method for presenting a particulate sample to the scanning field of a sensor device |
CN101382488A (zh) * | 2008-10-14 | 2009-03-11 | 江苏吟春碧芽茶叶研究所有限公司 | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 |
CN101419166A (zh) * | 2008-11-18 | 2009-04-29 | 江苏大学 | 基于近红外光谱和机器视觉技术的茶叶品质无损检测方法及装置 |
CN101620180A (zh) * | 2009-05-08 | 2010-01-06 | 合肥美亚光电技术有限责任公司 | 近红外技术快速检测茶叶品质的方法 |
CN101655454A (zh) * | 2009-09-15 | 2010-02-24 | 北京市农林科学院 | 一种粮食储存品质判定的快速测定方法 |
CN101887018A (zh) * | 2009-05-13 | 2010-11-17 | 山东省花生研究所 | 一种非破坏性测定花生种子主要脂肪酸含量的方法 |
CN101936893A (zh) * | 2010-07-30 | 2011-01-05 | 华中农业大学 | 一种从油菜籽中检测蛋白质和氨基酸的方法 |
CN101995392A (zh) * | 2010-11-15 | 2011-03-30 | 中华人民共和国上海出入境检验检疫局 | 快速检测橄榄油掺伪的方法 |
CN102042968A (zh) * | 2010-11-24 | 2011-05-04 | 南京财经大学 | 粮食品质近红外快速检测无线系统 |
CN102175620A (zh) * | 2010-12-27 | 2011-09-07 | 河南省农业科学院 | 近红外光谱测定玉米中赖氨酸的方法 |
CN102179375A (zh) * | 2011-03-09 | 2011-09-14 | 中国科学院合肥物质科学研究院 | 一种基于近红外作物单籽粒成分无损检测筛选方法 |
CN102252971A (zh) * | 2011-04-06 | 2011-11-23 | 食品行业生产力促进中心 | 一种芒果硬度快速检测方法 |
CN102279168A (zh) * | 2011-07-20 | 2011-12-14 | 浙江大学 | 基于近红外光谱技术快速无损分析整粒棉籽营养品质的方法 |
-
2012
- 2012-01-11 CN CN201210007425.6A patent/CN102590129B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001089288A1 (en) * | 2000-05-25 | 2001-11-29 | Lestander Torbjoern | Single seed sortation |
CN1544921A (zh) * | 2003-11-26 | 2004-11-10 | 广东省农业科学院作物研究所 | 一种非破坏性测定花生单粒种子含油量的方法 |
US20080184821A1 (en) * | 2007-02-05 | 2008-08-07 | Pioneer Hi-Bred International, Inc. | Apparatus and method for presenting a particulate sample to the scanning field of a sensor device |
CN101216419A (zh) * | 2007-12-28 | 2008-07-09 | 陈郁 | 一种快速检测黄酒品质指标的方法 |
CN101216418A (zh) * | 2008-01-21 | 2008-07-09 | 浙江大学 | 瓶装黄酒品质指标在线检测的方法和装置 |
CN101382488A (zh) * | 2008-10-14 | 2009-03-11 | 江苏吟春碧芽茶叶研究所有限公司 | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 |
CN101419166A (zh) * | 2008-11-18 | 2009-04-29 | 江苏大学 | 基于近红外光谱和机器视觉技术的茶叶品质无损检测方法及装置 |
CN101620180A (zh) * | 2009-05-08 | 2010-01-06 | 合肥美亚光电技术有限责任公司 | 近红外技术快速检测茶叶品质的方法 |
CN101887018A (zh) * | 2009-05-13 | 2010-11-17 | 山东省花生研究所 | 一种非破坏性测定花生种子主要脂肪酸含量的方法 |
CN101655454A (zh) * | 2009-09-15 | 2010-02-24 | 北京市农林科学院 | 一种粮食储存品质判定的快速测定方法 |
CN101936893A (zh) * | 2010-07-30 | 2011-01-05 | 华中农业大学 | 一种从油菜籽中检测蛋白质和氨基酸的方法 |
CN101995392A (zh) * | 2010-11-15 | 2011-03-30 | 中华人民共和国上海出入境检验检疫局 | 快速检测橄榄油掺伪的方法 |
CN102042968A (zh) * | 2010-11-24 | 2011-05-04 | 南京财经大学 | 粮食品质近红外快速检测无线系统 |
CN102175620A (zh) * | 2010-12-27 | 2011-09-07 | 河南省农业科学院 | 近红外光谱测定玉米中赖氨酸的方法 |
CN102179375A (zh) * | 2011-03-09 | 2011-09-14 | 中国科学院合肥物质科学研究院 | 一种基于近红外作物单籽粒成分无损检测筛选方法 |
CN102252971A (zh) * | 2011-04-06 | 2011-11-23 | 食品行业生产力促进中心 | 一种芒果硬度快速检测方法 |
CN102279168A (zh) * | 2011-07-20 | 2011-12-14 | 浙江大学 | 基于近红外光谱技术快速无损分析整粒棉籽营养品质的方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102809635B (zh) * | 2012-08-06 | 2014-10-15 | 中国农业科学院农产品加工研究所 | 一种适宜溶解型蛋白质加工的花生品质测定及其评价方法 |
CN102809635A (zh) * | 2012-08-06 | 2012-12-05 | 中国农业科学院农产品加工研究所 | 一种适宜溶解型蛋白质加工的花生品质测定及其评价方法 |
CN102879353A (zh) * | 2012-09-19 | 2013-01-16 | 中国农业科学院农产品加工研究所 | 近红外检测花生中蛋白质组分含量的方法 |
CN102879353B (zh) * | 2012-09-19 | 2016-04-27 | 中国农业科学院农产品加工研究所 | 近红外检测花生中蛋白质组分含量的方法 |
CN104819953A (zh) * | 2015-04-21 | 2015-08-05 | 通威股份有限公司 | 一种基于近红外光谱技术的dl-蛋氨酸的快速检测方法 |
CN105181642A (zh) * | 2015-10-12 | 2015-12-23 | 华中农业大学 | 一种花生品质的近红外检测方法及应用 |
CN105181642B (zh) * | 2015-10-12 | 2018-04-03 | 华中农业大学 | 一种花生品质的近红外检测方法及应用 |
CN105466878A (zh) * | 2015-10-15 | 2016-04-06 | 秭归帝元食品罐头有限责任公司 | 一种利用红外光谱测定番茄酱中番茄红素的方法 |
CN105466878B (zh) * | 2015-10-15 | 2019-01-18 | 秭归帝元食品罐头有限责任公司 | 一种利用红外光谱测定番茄酱中番茄红素的方法 |
CN105866065B (zh) * | 2016-05-09 | 2018-10-30 | 北京理工大学 | 一种乌洛托品-醋酸溶液中乌洛托品含量分析方法 |
CN105866065A (zh) * | 2016-05-09 | 2016-08-17 | 北京理工大学 | 一种乌洛托品-醋酸溶液中乌洛托品含量分析方法 |
CN106124447A (zh) * | 2016-06-08 | 2016-11-16 | 沈阳农业大学 | 一种基于近红外光谱分析技术检测草莓中可溶性固形物含量的方法 |
CN108195793A (zh) * | 2016-12-08 | 2018-06-22 | 中国农业机械化科学研究院 | 植物源性饲料原料氨基酸含量的通用模型构建方法 |
CN108693137A (zh) * | 2018-04-09 | 2018-10-23 | 山东省花生研究所 | 一种检测单粒花生种子中α-生育酚含量的方法 |
CN108507967A (zh) * | 2018-04-09 | 2018-09-07 | 山东省花生研究所 | 一种检测多粒花生种子中α-和γ-生育酚含量的方法 |
CN108801973A (zh) * | 2018-06-28 | 2018-11-13 | 中国农业科学院农产品加工研究所 | 利用单粒检测配件同步检测花生中主要成分的近红外方法 |
RU2811528C1 (ru) * | 2023-06-23 | 2024-01-15 | федеральное государственное бюджетное образовательное учреждение высшего образования "Волгоградский государственный аграрный университет" (ФГБОУ ВО Волгоградский ГАУ) | Способ количественного определения треонина на инфракрасных анализаторах Bruker MPA или Bruker Tango-R в кормовом треонине |
Also Published As
Publication number | Publication date |
---|---|
CN102590129B (zh) | 2014-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
Chen et al. | Discrimination of Ganoderma lucidum according to geographical origin with near infrared diffuse reflectance spectroscopy and pattern recognition techniques | |
Modroño et al. | Handheld NIRS sensors for routine compound feed quality control: Real time analysis and field monitoring | |
Wu et al. | Short-wave near-infrared spectroscopy analysis of major compounds in milk powder and wavelength assignment | |
CN103630499B (zh) | 一种基于高光谱成像技术的鱼蛋白质含量分布检测方法 | |
CN101382488B (zh) | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 | |
An et al. | A portable soil nitrogen detector based on NIRS | |
CN109668859A (zh) | 基于svm算法的花椒产地和品种的近红外光谱识别方法 | |
CN104931470A (zh) | 一种基于荧光高光谱技术的农药残留检测装置及检测方法 | |
CN103411906B (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
CN102636450A (zh) | 基于近红外光谱技术无损检测枸杞中枸杞多糖含量的方法 | |
Xie et al. | Combination and comparison of chemometrics methods for identification of transgenic tomatoes using visible and near-infrared diffuse transmittance technique | |
Pan et al. | a simple and portable screening method for adulterated olive oils using the hand‐held FTIR spectrometer and chemometrics tools | |
CN103674864A (zh) | 一种基于高光谱成像技术的鱼水分含量分布检测方法 | |
CN102788794A (zh) | 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法 | |
CN105181606B (zh) | 基于高光谱成像技术检测花生中蔗糖含量分布的方法 | |
CN103645155A (zh) | 生鲜羊肉嫩度的快速无损检测方法 | |
CN104568815A (zh) | 生鲜牛肉中挥发性盐基氮含量的快速无损检测方法 | |
CN107421912A (zh) | 一种基于近红外透射技术的液态乳制品质量检测的装置与方法 | |
CN105823752A (zh) | 近红外光谱法快速鉴别食用油种类的方法 | |
CN106198447A (zh) | 基于近红外光谱技术的复混肥主要成分无损定量检测方法 | |
CN103712948B (zh) | 生鲜羊肉中挥发性盐基氮含量的快速无损检测方法 | |
CN101614663A (zh) | 可见和近红外光谱的蜂花粉品种鉴别方法 | |
Zhu et al. | Rapid discrimination of fish feeds brands based on visible and short-wave near-infrared spectroscopy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |