CN102592054A - 定量评判浓香型白酒基酒质量的方法 - Google Patents
定量评判浓香型白酒基酒质量的方法 Download PDFInfo
- Publication number
- CN102592054A CN102592054A CN2012100067981A CN201210006798A CN102592054A CN 102592054 A CN102592054 A CN 102592054A CN 2012100067981 A CN2012100067981 A CN 2012100067981A CN 201210006798 A CN201210006798 A CN 201210006798A CN 102592054 A CN102592054 A CN 102592054A
- Authority
- CN
- China
- Prior art keywords
- level
- lambda
- liquor
- quality
- equation
- 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.)
- Pending
Links
Landscapes
- Alcoholic Beverages (AREA)
Abstract
本发明属于酿酒技术领域,特别涉及定量评判浓香型白酒基酒质量的方法。本发明提供一种定量评判浓香型白酒基酒质量的方法,采用方法结果合理、准确。本发明方法包括如下步骤:筛选出m个白酒中的n个共有特征峰,共有特征峰的峰面积集X;将m个白酒的共有特征峰峰面积组成矩阵R,将R输入SPSS统计软件进行主成分分析,由分析结果可提出s个主成分、s个主成分的方差贡献率h和因子得分系数矩阵D;由矩阵D可得到s个主成分的标准化线性组合Fi=d1iX1+d2iX2+d3iX3+......+dniXn(i=1,2,......,s),各主成分与方差贡献率h的乘积之和以G为自变量g,白酒质量等级评分U为因变量回归分析,可得到数个回归方程U=f(g),决定系数R2最高的回归方程为最终的数学模型评判方程。
Description
技术领域
本发明属于酿酒技术领域,特别涉及定量评判浓香型白酒基酒质量的方法。
背景技术
固态酿造生产白酒中,感官品评是分析白酒质量的一种重要手段,感官品评依靠白酒的色、香、味、形等来定性地判断其质量特性,从而判断白酒酒质的好坏。但是感观评价因人而异,且不能量化,使得评判结果缺乏科学性、系统性。
发明内容
本发明所要解决的技术问题是提供一种定量评判浓香型白酒基酒质量的方法,本发明采用主成分分析方法对白酒质量进行定量评判,结果合理、准确。
本发明定量评判浓香型白酒基酒质量的方法,包括如下步骤:
1)、筛选出m个白酒中的n个共有特征峰,共有特征峰的峰面积集X={X1,X2,X3,X4,......,Xn};
2)、将m个白酒的共有特征峰峰面积数据组成矩阵 将R输入SPSS统计软件进行主成分分析,由分析结果可提出s个主成分(F1,......,Fs)、s个主成分的方差贡献率h=(h1,h2,h3,h4,......,hs)和因子得分系数矩阵
3)、由2)中的矩阵D可得到s个主成分的标准化线性组合
Fi=d1iX1+d2iX2+d3iX3+......+dniXn(i=1,2,......,s),各主成分与2)中方差贡献率h的乘积之和G即为白酒风味成分特性综合指标;
4)、以3)中的白酒风味成分特性综合指标G为自变量g,白酒质量等级评分U为因变量进行回归分析,可得到数个回归方程U=f(g)),相关系数最高的回归方程为评判浓香型白酒基酒质量最终的数学模型评判方程。
本发明步骤4)中以G为自变量,U为因变量运用EXCEL进行回归分析时,可进行线性回归、对数回归、多项式回归及指数回归等。比较各回归方程的决定系数R2(R2的数值大小反映回归方程的拟合程度,R2的取值范围在0~1之间,其等于1或接近1时,回归方程的可靠性最高,反之则可靠性较低),取决定系数最高者为最终数学模型的评判方程。
本发明根据相同色谱条件下,同种峰保留时间一致的原则,筛选出白酒中的共有特征峰。步骤1)中X1,X2,X3,X4,......,Xn为共有特征峰的峰面积值,以往的方法都是采用白酒中各风味物质的含量(g/L)为原始数据进行分析处理,而峰面积值(pA*s)为色谱原始信号数据,未经过后续处理,故更精确,更适用于白酒的分析处理。
本发明步骤2)中采用主成分分析法对得到的共有特征峰数据矩阵进行分析,其中rmn为第m个酒样色谱图中第n个共有特征峰的峰面积数据。因子得分系数矩阵中dns表示第n个共有特征峰在主成分FS上的因子得分系数。主成分分析时采用SPSS软件。
本发明方法的提出是基于如下的原理:主成分分析(PCA)是系统降维和特征提取的一种基本方法,其实质是将原来多个具有一定相关性的指标,重新组合成一组新的互相无关的综合指标来代替原来的指标。这一组新的互相无关的综合指标就是分析得出的一组主成分。运用主成分分析剖析白酒质量与白酒风味成分间的内在关系,可以更加有效地对白酒质量进行定量判别。使用白酒质量等级评分与PCA方法得出的主成分数据进行回归分析,最终生成的模型具有高达90%的有效性。
本发明方法可以对白酒质量进行定量评判,避免了人为因素带来的主观差异,使结果更为合理、准确,是白酒质量定量评判的一种新的选择,在酿酒行业具有广阔的推广和应用前景。
具体实施方式
实施例1采用本发明方法定量评判调味级、特级、优级三种储存一年的白酒基酒。
三种储存一年的白酒基酒共m个酒样通过Agilent 7890色谱仪检测,筛选出20个共有特征峰,筛选出白酒中的共有特征峰集X={X1,X2,X3,X4,......,Xn},n=20,代表共有特征峰数量;其中X1-Xn分别代表m个酒样的色谱分析报告中的n个共有特征峰,可通过不同白酒在相同色谱条件下同一保留时间所代表的特征峰相同这一原则获得。
20个共有特征峰峰面积数据组成的矩阵 其中m=30,代表白酒数量,rmn为第m个酒样的第n个共有特征峰的峰面积。
然后对20个共有特征峰面积数据矩阵运用SPSS软件进行主成分分析,可提出4个主成分为F1、F2、F3、F4,并由主成分分析结果可得4个主成分的方差贡献率h=(h1,h2,h3,h4)(表2)以及因子得分系数矩阵D(见表1)。
表1因子得分系数矩阵
表2各主成分的方差贡献率
主成分 | 1 | 2 | 3 | 4 |
方差贡献率h/% | 46.129 | 28.711 | 9.407 | 7.866 |
由表1可得到4个主成分F1、F2、F3和F4的标准化线性组合(式1~4),而构建的白酒风味成分特性综合指标(G)为各主成分与方差贡献率(见表2)的乘积之和(式5)。
F1=-0.063X1+0.049X2-0.010X3+0.085X4......-0.022X20 (1)
F2=0.121X1+0.080X2-0.166X3+0.075X4......+0.003X20 (2)
F3=-0.020X1-0.295X2-0.039X3-0.019X4......+0.359X20 (3)
F4=0.226X1-0.270X2-0.008X3-0.172X4......-0.308X20 (4)
G=46.129%F1+28.711%F2+9.407%F3+7.866%F4 (5)
表3质量等级评分与综合指标间的回归分析
回归分析 | 方程 | 决定系数R2 |
线性回归 | U=0.1989g+84.405 | 0.9088 |
二次方回归 | U=-0.003g2+0.4637g+79.752 | 0.9699 |
三次方回归 | U=0.00005g3-0.0098g2+0.734g+76.745 | 0.9768 |
对数回归 | U=7.668lng+65.097 | 0.9711 |
比较决定系数R2可知,利用三次方回归分析方法其决定系数R2最大,高达0.9768,说明方程U=0.00005g3-0.0098g2+0.734g+76.745可靠,能用于不同等级储存一年的白酒基酒质量的估测。
选经验丰富的品酒师10名对三种储存一年的白酒基酒共30个酒样进行定级并打分,采用百分制,然后统计所有人打分,取人数多的打分为白酒质量等级评分。白酒质量定级打分的标准为:调味级(95~100分),特级(90~95分),优级(85~90分)。不同香型的白酒基酒也可以根据自身酒质不同而设定不同级数的质量定级打分标准。本发明得到的模型等级评价结果与人为打分结果相符率达到90%,说明该评价模型有较高的准确性,见表4。
表4模型验证情况表
酒样标号 | 模型定级 | 品评定级 | 酒样标号 | 模型定级 | 品评定级 |
1 | 调味级 | 调味级 | 16 | 特级 | 特级 |
2 | 特级 | 调味级 | 17 | 特级 | 特级 |
3 | 调味级 | 调味级 | 18 | 特级 | 特级 |
4 | 调味级 | 调味级 | 19 | 特级 | 特级 |
5 | 特级 | 调味级 | 20 | 特级 | 特级 |
6 | 调味级 | 调味级 | 21 | 优级 | 优级 |
7 | 调味级 | 调味级 | 22 | 优级 | 优级 |
8 | 调味级 | 调味级 | 23 | 优级 | 优级 |
9 | 调味级 | 调味级 | 24 | 优级 | 优级 |
10 | 调味级 | 调味级 | 25 | 优级 | 优级 |
11 | 调味级 | 特级 | 26 | 优级 | 优级 |
12 | 特级 | 特级 | 27 | 优级 | 优级 |
13 | 特级 | 特级 | 28 | 优级 | 优级 |
14 | 特级 | 特级 | 29 | 优级 | 优级 |
15 | 特级 | 特级 | 30 | 优级 | 优级 |
实施例2采用本发明方法定量评判调味级、特级、优级三种基酒新酒。
调味级、特级、优级三种不同等级的白酒基酒通过Agilent 7890色谱仪检测,筛选出25个共有特征峰,筛选出白酒中的共有特征峰集X={X1,X2,X3,X4,......,Xn},n=25,代表共有特征峰数量。其中X1-Xn分别代表m个酒样的色谱分析报告中的n个共有特征峰,可通过不同白酒在相同色谱条件下同一保留时间所代表的特征峰相同这一原则获得。
表5因子得分系数矩阵
25个共有特征峰峰面积数据组成的矩阵 其中m=30,代表白酒数量;rmn为第m个酒样的第n个共有特征峰的峰面积。
然后对25个共有特征峰数据矩阵运用SPSS软件进行主成分分析,可提出3个主成分为F1、F2、F3,并由主成分分析结果可得3个主成分的方差贡献率h=(h1,h2,h3)(表6)以及因子得分系数矩阵D(见表5)。
表6各主成分的方差贡献率
主成分 | 1 | 2 | 3 |
方差贡献率h/% | 76.378 | 6.917 | 4.416 |
由表5可得到3个主成分F1、F2和F3的标准化线性组合(式6~8),而构建的白酒风味成分特性综合指标(G)为各主成分与方差贡献率(见表6)的乘积之和(式9)。
F1=-0.046X1+0.041X2-0.049X3+0.049X4......+0.047X25(6)
F2=0.133X1+0.007X2+0.122X3+0.103X4......-0.232X25 (7)
F3=-0.096X1+0.259X2-0.159X3-0.213X4......+0.116X25(8)
G=76.378%F1+6.917%F2+4.416%F3 (9)
以白酒风味成分特性综合指标G为自变量g,白酒质量等级评分U为因变量进行回归分析,结果见表7。
表7质量等级评分与综合指标间的回归分析
回归分析 | 方程 | 决定系数R2 |
线性回归 | U=0.0471g+84.245 | 0.9034 |
二次方回归 | U=-0.0001g2+0.0906g+81.087 | 0.9360 |
三次方回归 | U=8E-07g3-0.0006g2+0.1654g+77.537 | 0.9408 |
对数回归 | U=7.33lng+55.46 | 0.9381 |
比较决定系数R2可知,利用三次方回归分析方法其决定系数R2最大,高达0.9408,说明方程U=8E-07g3-0.0006g2+0.1654g+77.537可靠,能用于不同等级白酒基酒新酒质量的估测。
选经验丰富的品酒师10名对三种储存一年的白酒基酒共30个酒样进行定级并打分,采用百分制,然后统计所有人打分,取人数多的打分为白酒质量等级评分。白酒质量定级打分的标准为:调味(95~100分),特级(90~95分),优级(85~90分)。本发明得到的模型等级评价结果与人为打分结果相符率相符率达到86.7%,说明该评价模型有较高的准确性,见表8。
表8模型验证情况
酒样标号 | 模型定级 | 品评定级 | 酒样标号 | 模型定级 | 品评定级 |
1 | 调味级 | 调味级 | 16 | 特级 | 特级 |
2 | 调味级 | 调味级 | 17 | 特级 | 特级 |
3 | 特级 | 调味级 | 18 | 调味级 | 特级 |
4 | 调味级 | 调味级 | 19 | 特级 | 特级 |
5 | 特级 | 调味级 | 20 | 特级 | 特级 |
6 | 调味级 | 调味级 | 21 | 优级 | 优级 |
7 | 调味级 | 调味级 | 22 | 优级 | 优级 |
8 | 调味级 | 调味级 | 23 | 优级 | 优级 |
9 | 调味级 | 调味级 | 24 | 优级 | 优级 |
10 | 调味级 | 调味级 | 25 | 优级 | 优级 |
11 | 特级 | 特级 | 26 | 优级 | 优级 |
12 | 特级 | 特级 | 27 | 优级 | 优级 |
13 | 调味级 | 特级 | 28 | 优级 | 优级 |
14 | 特级 | 特级 | 29 | 优级 | 优级 |
15 | 特级 | 特级 | 30 | 优级 | 优级 |
实施例3
采用本发明方法定量评判一级、二级、三级三种基酒新酒。
30个白酒基酒通过Agilent 7890色谱仪检测,筛选出25个共有特征峰,筛选出白酒中的共有特征峰集X={X1,X2,X3,X4,......,Xn},n=25,代表共有特征峰数量;其中X1-Xn分别代表m个酒样的色谱分析报告中的n个共有特征峰,可通过不同白酒在相同色谱条件下同一保留时间所代表的特征峰相同这一原则获得。
25个共有特征峰峰面积数据组成的矩阵 其中m=30,代表白酒数量,rmn为第m个酒样的第n个共有特征峰的峰面积。
然后对25个共有特征峰数据矩阵运用SPSS软件进行主成分分析,可提出4个主成分为F1、F2、F3、F4,并由主成分分析结果可得4个主成分的方差贡献率h=(h1,h2,h3,h4)(表10)以及因子得分系数矩阵D(见表9)。
由表9可得到4个主成分F1、F2、F3和F4的标准化线性组合(式10~13),而构建的白酒风味成分特性综合指标(G)为各主成分与方差贡献率(见表10)的乘积之和(式14)。
F1=0.048X1+0.035X2+0.056X3+0.064X4......+0.048X25(10)
F2=0.098X1-0.069X2+0.061X3+0.024X4......-0.066X25(11)
F3=0.051X1+0.263X2+0.038X3+0.046X4......-0.015X25(12)
F4=-0.45X1+0.172X2-0.351X3-0.047X4......+0.451X25(13)
G=60.507%F1+13.179%F2+10.897%F3+4.932%F4(14)
以白酒风味成分特性综合指标G为自变量g,白酒质量等级评分U为因变量进行回归分析,结果见表11。
表9因子得分系数矩阵
表10各主成分的方差贡献率
表11质量等级评分与综合指标间的回归分析
回归分析 | 方程 | 决定系数R2 |
线性回归 | U=-0.1856g+82.73 | 0.8753 |
二次方回归 | U=-0.0018g2-0.1109g+83.02 | 0.8828 |
三次方回归 | U=-0.0001g3+0.0082g2-0.2548g+81.991 | 0.9047 |
比较决定系数R2可知,利用三次方回归分析方法其决定系数R2最大,高达0.9047,说明方程U=-0.0001g3+0.0082g2-0.2548g+81.991可靠,能用于不同等级白酒基酒新酒质量的估测。
选经验丰富的品酒师10名对三种储存一年的白酒基酒共30个酒样进行定级并打分,采用百分制,然后统计所有人打分,取人数多的打分为白酒质量等级评分。白酒质量定级打分的标准为:一级(80~85分),二级(75~80)分,三级(70~75分)。本发明得到的模型等级评价结果与人为打分结果相符率相符率达到86.7%,说明该评价模型有较高的准确性,见表12。
表12模型验证情况
酒样标号 | 模型定级 | 品评定级 | 酒样标号 | 模型定级 | 品评定级 |
1 | 一级 | 一级 | 16 | 二级 | 二级 |
2 | 二级 | 一级 | 17 | 三级 | 二级 |
3 | 一级 | 一级 | 18 | 二级 | 二级 |
4 | 一级 | 一级 | 19 | 二级 | 二级 |
5 | 一级 | 一级 | 20 | 二级 | 二级 |
6 | 一级 | 一级 | 21 | 三级 | 三级 |
7 | 一级 | 一级 | 22 | 三级 | 三级 |
8 | 一级 | 一级 | 23 | 三级 | 三级 |
9 | 一级 | 一级 | 24 | 三级 | 三级 |
10 | 一级 | 一级 | 25 | 三级 | 三级 |
11 | 二级 | 二级 | 26 | 二级 | 三级 |
12 | 二级 | 二级 | 27 | 三级 | 三级 |
13 | 二级 | 二级 | 28 | 三级 | 三级 |
14 | 三级 | 二级 | 29 | 三级 | 三级 |
15 | 二级 | 二级 | 30 | 三级 | 三级 |
Claims (2)
1.定量评判浓香型白酒基酒质量的方法,包括如下步骤:
1)、筛选出m个白酒中的n个共有特征峰,共有特征峰的峰面积集X={X1,X2,X3,X4,......,Xn};
2)、将m个白酒的共有特征峰峰面积数据组成矩阵 将R输入SPSS统计软件进行主成分分析,由分析结果可提出s个主成分(F1,......,Fs)、s个主成分的方差贡献率h=(h1,h2,h3,h4,......,hs)和因子得分系数矩阵
3)、由2)中的矩阵D可得到s个主成分的标准化线性组合
4)、以3)中的白酒风味成分特性综合指标G为自变量g,白酒质量等级评分U为因变量进行回归分析,可得到数个回归方程U=f(g),将决定系数R2最高的回归方程作为评判浓香型白酒基酒质量最终的数学模型评判方程。
2.根据权利要求1所述的定量评判浓香型白酒基酒质量的方法,其特征在于:步骤4)中回归方程为线性回归方程、对数回归方程、多项式回归方程及指数回归方程等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100067981A CN102592054A (zh) | 2012-01-10 | 2012-01-10 | 定量评判浓香型白酒基酒质量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100067981A CN102592054A (zh) | 2012-01-10 | 2012-01-10 | 定量评判浓香型白酒基酒质量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102592054A true CN102592054A (zh) | 2012-07-18 |
Family
ID=46480685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100067981A Pending CN102592054A (zh) | 2012-01-10 | 2012-01-10 | 定量评判浓香型白酒基酒质量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102592054A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865360A (zh) * | 2015-06-03 | 2015-08-26 | 四川理工学院 | 一种浓香型大曲质量评价方法及系统 |
CN110084420A (zh) * | 2019-04-22 | 2019-08-02 | 四川轻化工大学 | 浓香型白酒发酵中黄水的总糖、总酸和酒精度的检测方法 |
CN113176326A (zh) * | 2021-04-26 | 2021-07-27 | 上汽大众汽车有限公司 | 清洗液甲醇含量的检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872387A (zh) * | 2010-05-21 | 2010-10-27 | 杭州电子科技大学 | 一种啤酒口味的软测量方法 |
CN102023137A (zh) * | 2009-09-18 | 2011-04-20 | 贵州仁怀茅台镇金士酒业有限公司 | 一种白酒鉴别方法 |
-
2012
- 2012-01-10 CN CN2012100067981A patent/CN102592054A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102023137A (zh) * | 2009-09-18 | 2011-04-20 | 贵州仁怀茅台镇金士酒业有限公司 | 一种白酒鉴别方法 |
CN101872387A (zh) * | 2010-05-21 | 2010-10-27 | 杭州电子科技大学 | 一种啤酒口味的软测量方法 |
Non-Patent Citations (7)
Title |
---|
岳田利 等: "基于主成分分析法的苹果酒香气质量评价模型的构建", 《农业工程学报》 * |
李运 等: "统计分析在葡萄酒质量评价中的应用", 《酿酒科技》 * |
杨铭 等: "综合主成分分析用于秦皮的质量评价", 《中成药》 * |
祝成 等: "不同感官等级白酒基酒的相似度研究", 《中国酿造》 * |
祝成 等: "不同感官等级白酒基酒的聚类分析", 《酿酒科技》 * |
祝成 等: "指纹图谱在白酒分析及质量控制中的应用", 《中国酿造》 * |
霍丹群 等: "基于主成分分析和判别分析的白酒品牌鉴别方法", 《农业工程学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865360A (zh) * | 2015-06-03 | 2015-08-26 | 四川理工学院 | 一种浓香型大曲质量评价方法及系统 |
CN110084420A (zh) * | 2019-04-22 | 2019-08-02 | 四川轻化工大学 | 浓香型白酒发酵中黄水的总糖、总酸和酒精度的检测方法 |
CN110084420B (zh) * | 2019-04-22 | 2022-06-03 | 四川轻化工大学 | 浓香型白酒发酵中黄水的总糖、总酸和酒精度的检测方法 |
CN113176326A (zh) * | 2021-04-26 | 2021-07-27 | 上汽大众汽车有限公司 | 清洗液甲醇含量的检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Su et al. | Lamina shape does not correlate with lamina surface area: An analysis based on the simplified Gielis equation | |
CN106501470B (zh) | 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法 | |
CN105044298B (zh) | 一种基于机器嗅觉的蟹类新鲜度等级检测方法 | |
CN102735642B (zh) | 一种快速无损鉴别初榨橄榄油和油橄榄果渣油的方法 | |
CN103837587A (zh) | 一种利用电子舌系统对杨梅汁味感快速品评的方法 | |
Meléndez et al. | Modelling phenolic and technological maturities of grapes by means of the multivariate relation between organoleptic and physicochemical properties | |
CN102879436A (zh) | 一种利用电子鼻检测河鲫鱼新鲜度的方法 | |
CN108181263B (zh) | 基于近红外光谱的烟叶部位特征提取及判别方法 | |
CN102692488A (zh) | 基于电子鼻技术的金华火腿分级与鉴别方法 | |
Río Segade et al. | Instrumental texture analysis parameters as winegrapes varietal markers and ripeness predictors | |
Kokkinofta et al. | Isotopic and elemental authenticity markers: a case study on Cypriot wines | |
CN103134850A (zh) | 一种基于特征香气的茶叶品质快速检测装置及检测方法 | |
Liu et al. | A new comprehensive index for discriminating adulteration in bovine raw milk | |
CN103674638B (zh) | 一种利用味觉指纹图谱快速鉴别宁夏枸杞生产年份的方法 | |
CN102706813B (zh) | 基于高光谱图像的草地早熟禾品种识别方法 | |
CN104132968A (zh) | 一种大米地理标志的鉴别方法及其应用 | |
CN108845045A (zh) | 一种气相指纹图谱结合主成分分析方法判别炸油质量的方法 | |
CN102592054A (zh) | 定量评判浓香型白酒基酒质量的方法 | |
CN109490306A (zh) | 一种基于色泽和气味数据融合的猪肉新鲜度检测方法 | |
CN104807777A (zh) | 一种基于近红外光谱分析技术的槟榔水分含量快速检测方法 | |
CN104390933A (zh) | 一种基于近红外技术的食品药品快检方法 | |
CN112595694A (zh) | 一种基于近红外快速检测羊肉品质数据库及其建立方法 | |
CN101685092A (zh) | 用烟叶pH检测值判定烤烟醇化质量的方法 | |
Ulberth | Advances in testing for adulteration in honey | |
CN103983676A (zh) | 一种基于气敏传感器技术的猪肉新鲜度快速无损检测的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120718 |