CN103048275A - 基于近红外光谱的自适应软仪表装置及其构造方法 - Google Patents
基于近红外光谱的自适应软仪表装置及其构造方法 Download PDFInfo
- Publication number
- CN103048275A CN103048275A CN2012105344798A CN201210534479A CN103048275A CN 103048275 A CN103048275 A CN 103048275A CN 2012105344798 A CN2012105344798 A CN 2012105344798A CN 201210534479 A CN201210534479 A CN 201210534479A CN 103048275 A CN103048275 A CN 103048275A
- Authority
- CN
- China
- Prior art keywords
- near infrared
- soft instrument
- instrument
- data
- soft
- 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
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于近红外光谱的自适应软仪表装置及其构造方法,该方法通过采集发酵过程产物样本的近红外光谱数据,对获取的原始光谱数据进行预处理并提取最能表征发酵过程产物参数指标的光谱信息,再结合离线理化分析方法结果建立秸秆固态发酵过程关键参数指标的软测量模型,再利用已建立好的软仪表模型来预测该样本关键参数指标的属性值。通过将pH值等在线仪表获得数据与自适应软仪表预测数据进行对比,实现对软仪表监控与自适应更新。本发明所述装置操作简单方便、检测速度快且重现性好,可用于秸秆固态发酵过程关键参数指标的质量在线测量,作为一种极具应用前景的质量监控方法,并能实现对软仪表的在线监控。
Description
技术领域
本发明涉及一种基于近红外光谱的固态发酵过程软仪表装置及其构造方法,属于固态发酵过程检测与控制领域。
背景技术
目前我国年产各类秸秆约9亿吨,用于做饲料的不足10%,秸秆利用率还很低,大量秸秆被焚烧,对自然环境造成了极大地破坏。随着农业生物技术的发展,用生物技术特别是微生物发酵手段来处理秸秆,使其成为家畜饲料来源,不仅能促进我国畜牧业的发展,而且也会改善农业生态环境,实现资源的充分利用,变废为宝。
固态发酵过程关键参数指标的检测一般都采用离线化学实验方法,且固态发酵过程中的环境温度、物料含水量和pH值等关键参数均是在经过多次试验尝试后而确定出最佳发酵条件,然后靠人工经验控制反应器各个主要参数指标。虽然化学检测方法的结果客观可信,但由于它的步骤烦琐、检测时间长、检测费用高等缺点,且离线测量给发酵工程的控制和优化带来了很多不便。因此,不利于实现对整个发酵过程状态信息变量的优化控制。为了实现对整个发酵进程的自动控制和优化以及解决理化指标检测时间长、费用高等缺点,国内外研究人员始终进行着不懈地努力,他们采用新的技术和手段来对发酵进程及产物进行定性或定量分析,并结合化学计量学方法来建立发酵过程关键参数的软仪表模型,以监控发酵进程、保证发酵品质。但是,已有软仪表构造方法无法实现对软仪表自身进行监控与自适应更新。
近红外光谱分析技术具有快速、无损、准确,多组分同时检测等优点,是最适于实现在线分析和实时控制的成熟技术之一,已经在石油、化工、食品、制药和烟草等领域得到了广泛应用。本发明是将近红外光谱技术应用于固态发酵过程关键参数的在线软仪表模型,并提出软仪表自适应机制,有助于实现对固态发酵过程以及软仪表进行实时诊断与更新,以保证最终发酵产品的品质。
发明内容
本发明的目的是:针对现有技术中软仪表技术的上述不足,提供一种基于近红外光谱的秸秆固态发酵过程自适应软仪表及其构造方法。
本发明的技术方案是:
基于近红外光谱的自适应软仪表装置,包括近红外光谱采集装置、线检测仪表和计算机。近红外光谱采集装置用于对采样的秸秆固态发酵过程产物样本进行光谱扫描,采集其近红外光谱信号并进行分析转换,然后传入计算机。在线检测仪表直接连接计算机。计算机用于对接收的近红外光谱信号和在线检测仪表进行预处理并提取特征信息,进行秸秆固态发酵过程关键参数指标软仪表模型的建立,并利用已建立的模型以实现对未知待测样本关键参数值的实时预测和通过在线仪表实现对软仪表的监控和自适应更新。
作为本发明的进一步改进,所述在线检测仪表为pH值在线检测仪表,包括在线传感器和测量变送器。
作为本发明的进一步改进,所述近红外光谱采集装置包括卤素灯光源、Y型光纤探头和光谱仪;所述卤素灯光源的光是由Y型光纤引出,并将其照射到定时采样的秸秆固态发酵过程产物待测样本的表面上;所述Y型光纤探头用于采集定时采用的固态发酵过程产物样本内漫反射出来的光,并传至光谱仪;所述光谱仪用于对接收的光谱信号进行分析,并将其转变为电信号,然后通过A/D转换为数字信号后再由连接在光谱仪和计算机之间的数据线传入计算机。
基于近红外光谱的自适应软仪表构造方法,通过计算机基于样本和实验过程同时采集近红外光谱装置和在线仪表数据,通过分析上述数据特征,建立发酵过程可在线检测数据特征与过程不可在线检测数据特征间的统计学模型,实现其软仪表的构造;并对过对比软仪表预测可在线测量数据和实际可在线测量数据间对比,实现对软仪表监控与自适应更新。具体步骤为:
1)理化分析,对秸秆固态发酵过程样本进行定周期采样,利用离线理化分析方法获取发酵过程关键参数指标的参考测量值,并建立数据库;
2)利用漫反射式近红外光谱系统装置来对这些样本进行近红外光谱数据的采集,计算机对获得的原始数据进行预处理,并进行相应的光谱信息特征变量的提取;
3)将提取的特征变量与步骤1)中建立的数据库中测定的关键参数值通过统计学模型建立方法进行关联,建立固态发酵过程关键参数软仪表模型;
4)对于待测发酵过程产物样本,通过采集光谱数据和特征信息提取,利用该软仪表模型来完成待测样本关键参数的实时检测;
5)基于第4)步,利用该软仪表模型预测可以在线获得的过程变量数据,并通过对比,实现对软仪表的监控和自适应学习。
作为本发明的进一步改进,步骤3)中所述的统计学模型为支持向量机回归模型。
作为本发明的进一步改进,步骤2)中所述的近红外光谱数据的采集,是将秸秆固态发酵过程产物样本称取约40g放入样品杯中,并将其放在载物台上;近红外光谱仪通过Y型光纤与载物台相连接,采集的光谱信号由Y型光纤传入近红外光谱仪,再由连接在计算机和光谱仪之间的数据线传至计算机中。
作为本发明的进一步改进,步骤2)中所述的预处理方法包括标准正态变量变换、平滑、中心化、求导、归一化及小波滤噪,预处理方法依据实际情况选择。
作为本发明的进一步改进,步骤4)中所述的特征信息提取,是通过主成分分析并提取累计方差贡献率达85%以上的前几个主成分得分向量作为全光谱的信息的特征向量。
作为本发明的进一步改进,步骤4)中所述的过程变量数据,通过在线检测仪表获得。
作为本发明的进一步改进,所述软仪表模型是近红外光谱特征信号与定时取样的秸秆固态发酵过程产物关键参数指标的统计学模型。
本发明的有益效果是:
本发明与传统化学分析手段相比,操作简单方便、检测速度快且重现性好,可用于秸秆固态发酵过程关键参数指标的质量在线测量,作为一种极具应用前景的质量监控方法,并能实现对软仪表的在线监控。本发明有望解决秸秆固态发酵生产过程中常规离线理化检测方法成本高、耗时长及效率低等缺陷,同时为秸秆固态发酵相关产品的质量提升提供有力的技术保障。
附图说明
图1是本发明基于近红外光谱的自适应软仪表构造方法的技术方案示意图;
图2是本发明基于近红外光谱的自适应软仪表装置的示意图。
图中:1、样品杯;2、载物台;3、Y型光纤;4、计算机;5、数据线;6、近红外光谱仪。
具体实施方式
下面结合附图对本发明进行进一步详细说明。
本发明基于近红外光谱的秸秆固态发酵过程软仪表及其构造方法是通过采集发酵过程产物样本的近红外光谱数据,对获取的原始光谱数据进行预处理并提取最能表征发酵过程产物参数指标的光谱信息,再结合离线理化分析方法结果建立秸秆固态发酵过程关键参数指标的软测量模型。待测样本通过相应的光谱数据采集、原始光谱数据预处理和特征信息提取,再利用已建立好的软仪表模型来预测该样本关键参数指标的属性值。通过将pH值等在线仪表获得数据与自适应软仪表预测数据进行对比,实现对软仪表监控与自适应更新。
本发明通过漫反射式近红外光谱系统装置采集秸秆固态发酵过程产物的近红外光谱数据,被采集的光谱信号经光谱仪分析转换后通过数据线传入计算机,对获得的原始光谱数据进行预处理后,再利用主成分分析从这些光谱信息中提取主成分特征变量,建立这些特征向量与秸秆固态发酵过程在线和离线分析关键参数指标的统计数学模型及软仪表模型。对于未知待测样本,通过相应的光谱数据采集和特征信息提取,然后再利用已建立好的相关数学模型来预测该发酵过程产物样本可以在线获得和需要离线分析的关键过程参数,从而实现秸秆固态发酵过程产物关键参数的在线检测;同时通过预测可以在线监控变量的数据与实际在线获得监控数据比较,实现对所构造软仪表的监控与自适应学习。
本发明基于近红外光谱的秸秆固态发酵过程关键参数自适应软仪表方法是:
(1)理化分析,对秸秆固态发酵过程样本进行定周期采样,利用离线理化分析方法获取发酵过程关键参数指标的参考测量值,并建立数据库;
(2)利用漫反射式近红外光谱系统装置来对这些样本进行近红外光谱数据的采集,计算机对获得的原始数据进行预处理,并进行相应的光谱信息特征变量的提取;
(3)将提取的特征变量与前面建立的数据库中测定的关键参数值通过统计学模型(如支持向量机回归)建立方法进行关联,建立固态发酵过程关键参数软仪表模型;
(4)对于待测发酵过程产物样本,通过采集光谱数据和特征信息提取,利用该软仪表模型来完成待测样本关键参数的实时检测;
(5)基于第4)步,利用该软仪表模型预测可以在线获得的过程变量数据,并通过对比,实现对软仪表的监控和自适应学习。
所述近红外光谱数据的采集,具体是将秸秆固态发酵过程产物样本称取40g左右放入样品杯1(光谱仪标准配件)中,并将其放在载物台2上;近红外光谱仪6通过Y型光纤3与载物台2相连接,采集的光谱信号由Y型光纤3传入近红外光谱仪6,在由连接在计算机4和光谱仪之间的数据线5传至计算机4中。
所述数据预处理和特征信息提取,是为了消除背景干扰、颗粒大小和均匀度不一致的影响,提高光谱的质量,需对采集的原始光谱数据进行预处理,光谱的预处理方法主要有标准正态变量变换、平滑、中心化、求导、归一化及小波滤噪等,采用哪种预处理方法要依据实际情况来选择;光谱特征信息提取是通过主成分分析并提取累计方差贡献率达85%以上的前几个主成分得分向量作为全光谱的信息的特征向量。
所述可以在线获得的监控数据,可以通过在线检测仪表获得(如果pH值传感器)。
所述软仪表模型,即为近红外光谱特征信号与定时取样的秸秆固态发酵过程产物关键参数指标的统计学模型。模型建立的一般过程为:首先收集不同发酵批次不同发酵时间的过程产物样本(一般大于80个),参考相关国家标准,通过离线理化分析方法测得秸秆固态过程产物关键参值,然后采集所有收集样本的近红外光谱并对其进行预处理,再利用主成分分析从光谱信息中提取主成分特征变量,并建立这些特征变量与秸秆固态过程产物关键参数指标的参考值间的统计学模型,运用支撑向量机回归方法建立秸秆固态过程产物关键参数指标的软测量模型,该方法是近红外光谱分析中较为成熟的统计数学模型建立方法,并已得到较为广泛的应用。
本发明实现上述快速检测方法的软仪表装置,包括近红外光谱采集装置、pH值在线检测仪表等在线检测仪表和计算机,其中:
近红外光谱采集装置,用于对采样的秸秆固态发酵过程产物样本进行光谱扫描,采集其近红外光谱信号并进行分析转换,然后传入计算机;pH值等在线检测仪表直接连接计算机。
计算机,用于对接收的近红外光谱信号和pH值等在线检测仪表进行预处理并提取特征信息,进行秸秆固态发酵过程关键参数指标软仪表模型的建立,并能够利用已建立的模型以实现对未知待测样本关键参数值的实时预测和通过在线仪表实现对软仪表的监控和自适应更新。
上述所述的近红外光谱采集装置,包括卤素灯光源、Y型光纤探头和光谱仪等,其中:
卤素灯光源,其光是由Y型光纤引出,并将其照射到定时采样的秸秆固态发酵过程产物待测样本的表面上;
Y型光纤探头,用于采集定时采用的固态发酵过程产物样本内漫反射出来的光,并传至光谱仪;
光谱仪,用于对接收的光谱信号进行分析,并将其转变为电信号,然后通过A/D转换为数字信号后再由连接在光谱仪和计算机4之间的数据线5传入计算机4。
所述pH值等在线检测装置,包括在线传感器、测量变送器。
本发明对秸秆固态发酵过程关键参数的快速检测具有通用性。本发明只举一个用于秸秆蛋白饲料固态发酵过程产物关键参数指标快速检测的实施实例,其余的可参照该实施实例的方法。
本发明实例实现步骤参阅图1,实例实现装置参阅图2。首先,收集不同发酵批次、不同发酵时间的秸秆蛋白饲料固态发酵过程产物样本(一般大于80个)用来建立软仪表,利用近红外光谱采集装置对收集的样本进行近红外光谱数据采集;其次,参考相关国家标准,通过理化分析方法测得秸秆蛋白饲料固态过程产物关键参数,如蛋白质含量、pH值及湿度等指标的参考测量值;再次,对采集的原始光谱数据进行光谱预处理后,利用主成分分析从光谱信息中提取主成分特征变量;最后,将这些特征变量与秸秆蛋白饲料固态过程产物关键参数指标的参考测量值进行关联,运用支持向量机回归方法建立秸秆蛋白饲料固态过程产物关键参数指标的软仪表模型。
对于未知待测秸秆蛋白饲料固态发酵过程产物样本,每次称取40g左右的发酵过程产物放入样品杯(光谱仪标准配件)1中,然后近红外光谱仪6中的卤素灯发出的光经Y型光纤3照射到发酵过程产物样本上,并在该样本内部形成漫反射,漫反射出来的光再经Y型光纤3进入近红外光谱仪6,得到的光谱信号经光谱仪分析转换后通过数据线5传入计算机4。在计算机中完成原始光谱数据的预处理和主成分特征变量提取,并将提取的特征变量代入已建立好的软仪表模型,就可以快速预测待测样本的相应关键参数值,并显示在计算机界面上。至此该未知待测发酵过程产物样本的关键参数值软仪表测量结束。
在软仪表对不可在线测量变量进行预测同时,可以通过软仪表对可在线部分变量进行测量(如pH值),通过对比,可以监控软仪表模型并实时进行自适应修正。
Claims (9)
1.基于近红外光谱的自适应软仪表装置,其特征在于:所述自适应软仪表装置包括近红外光谱采集装置、在线检测仪表和计算机;所述近红外光谱采集装置用于对采样的秸秆固态发酵过程产物样本进行光谱扫描,采集其近红外光谱信号并进行分析转换,然后传入计算机;所述在线检测仪表直接连接计算机;所述计算机用于对接收的近红外光谱信号和在线检测仪表进行预处理并提取特征信息,进行秸秆固态发酵过程关键参数指标软仪表模型的建立,并利用已建立的模型以实现对未知待测样本关键参数值的实时预测和通过在线仪表实现对软仪表的监控和自适应更新。
2.根据权利要求1所述的基于近红外光谱的自适应软仪表装置,其特征在于:所述近红外光谱采集装置包括卤素灯光源、Y型光纤探头和光谱仪;所述卤素灯光源的光是由Y型光纤引出,并将其照射到定时采样的秸秆固态发酵过程产物待测样本的表面上;所述Y型光纤探头用于采集定时采用的固态发酵过程产物样本内漫反射出来的光,并传至光谱仪;所述光谱仪用于对接收的光谱信号进行分析,并将其转变为电信号,然后通过A/D转换为数字信号后再由连接在光谱仪和计算机之间的数据线传入计算机。
3.基于近红外光谱的自适应软仪表构造方法,其特征在于:通过计算机基于样本和实验过程同时采集近红外光谱装置和在线仪表数据,通过分析上述数据特征,建立发酵过程可在线检测数据特征与过程不可在线检测数据特征间的统计学模型,实现其软仪表的构造;并对过对比软仪表预测可在线测量数据和实际可在线测量数据间对比,实现对软仪表监控与自适应更新;具体步骤为:
1)理化分析,对秸秆固态发酵过程样本进行定周期采样,利用离线理化分析方法获取发酵过程关键参数指标的参考测量值,并建立数据库;
2)利用漫反射式近红外光谱系统装置来对这些样本进行近红外光谱数据的采集,计算机对获得的原始数据进行预处理,并进行相应的光谱信息特征变量的提取;
3)将提取的特征变量与步骤1)中建立的数据库中测定的关键参数值通过统计学模型建立方法进行关联,建立固态发酵过程关键参数软仪表模型;
4)对于待测发酵过程产物样本,通过采集光谱数据和特征信息提取,利用该软仪表模型来完成待测样本关键参数的实时检测;
5)基于第4)步,利用该软仪表模型预测可以在线获得的过程变量数据,并通过对比,实现对软仪表的监控和自适应学习。
4.根据权利要求3所述的自适应软仪表构造方法,其特征在于:步骤3)中所述的统计学模型为支持向量机回归模型。
5.根据权利要求3或4所述的自适应软仪表构造方法,其特征在于:步骤2)中所述的近红外光谱数据的采集,是将秸秆固态发酵过程产物样本称取约40g放入样品杯中,并将其放在载物台上;近红外光谱仪通过Y型光纤与载物台相连接,采集的光谱信号由Y型光纤传入近红外光谱仪,再由连接在计算机和光谱仪之间的数据线传至计算机中。
6.根据权利要求3或4所述的自适应软仪表构造方法,其特征在于:步骤2)中所述的预处理方法包括标准正态变量变换、平滑、中心化、求导、归一化及小波滤噪,预处理方法依据实际情况选择。
7.根据权利要求3或4所述的自适应软仪表构造方法,其特征在于:步骤4)中所述的特征信息提取,是通过主成分分析并提取累计方差贡献率达85%以上的前几个主成分得分向量作为全光谱的信息的特征向量。
8.根据权利要求3或4所述的自适应软仪表构造方法,其特征在于:步骤4)中所述的过程变量数据,通过在线检测仪表获得。
9.根据权利要求3或4所述的自适应软仪表构造方法,其特征在于:所述软仪表模型,是近红外光谱特征信号与定时取样的秸秆固态发酵过程产物关键参数指标的统计学模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105344798A CN103048275A (zh) | 2012-12-12 | 2012-12-12 | 基于近红外光谱的自适应软仪表装置及其构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105344798A CN103048275A (zh) | 2012-12-12 | 2012-12-12 | 基于近红外光谱的自适应软仪表装置及其构造方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103048275A true CN103048275A (zh) | 2013-04-17 |
Family
ID=48060994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012105344798A Pending CN103048275A (zh) | 2012-12-12 | 2012-12-12 | 基于近红外光谱的自适应软仪表装置及其构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103048275A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103558406A (zh) * | 2013-09-30 | 2014-02-05 | 江苏大学 | 一种基于软仪表的液压锻锤系统锤头速度测量方法 |
CN110687071A (zh) * | 2019-10-17 | 2020-01-14 | 淮北市正邦饲料科技有限公司 | 一种基于机器视觉的饲料原料自动取样与识别系统及方法 |
CN113324937A (zh) * | 2021-08-03 | 2021-08-31 | 南京可信区块链与算法经济研究院有限公司 | 一种基于太赫兹光谱的生物质燃料质检方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639902A (zh) * | 2009-08-12 | 2010-02-03 | 江苏大学 | 生物发酵过程中基于支持向量机的软测量仪表的建模方法 |
CN102539375A (zh) * | 2012-01-10 | 2012-07-04 | 江苏大学 | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 |
-
2012
- 2012-12-12 CN CN2012105344798A patent/CN103048275A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639902A (zh) * | 2009-08-12 | 2010-02-03 | 江苏大学 | 生物发酵过程中基于支持向量机的软测量仪表的建模方法 |
CN102539375A (zh) * | 2012-01-10 | 2012-07-04 | 江苏大学 | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 |
Non-Patent Citations (3)
Title |
---|
俞佩菲: "阿维菌素发酵过程中的软测量技术应用研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
刘国海等: "基于连续隐Markov模型的发酵过程软测量方法", 《控制与决策》 * |
王博等: "基于自适应FLSVM的赖氨酸发酵过程软测量方法", 《仪器仪表学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103558406A (zh) * | 2013-09-30 | 2014-02-05 | 江苏大学 | 一种基于软仪表的液压锻锤系统锤头速度测量方法 |
CN103558406B (zh) * | 2013-09-30 | 2015-09-30 | 江苏大学 | 一种基于软仪表的液压锻锤系统锤头速度测量方法 |
CN110687071A (zh) * | 2019-10-17 | 2020-01-14 | 淮北市正邦饲料科技有限公司 | 一种基于机器视觉的饲料原料自动取样与识别系统及方法 |
CN113324937A (zh) * | 2021-08-03 | 2021-08-31 | 南京可信区块链与算法经济研究院有限公司 | 一种基于太赫兹光谱的生物质燃料质检方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101308086B (zh) | 基于近红外光谱技术的水果内部品质在线检测装置 | |
CN102539375A (zh) | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 | |
CN101915738B (zh) | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 | |
CN103645155B (zh) | 生鲜羊肉嫩度的快速无损检测方法 | |
CN104048939A (zh) | 生猪血液中血糖含量近红外快速检测方法 | |
CN101210875A (zh) | 基于近红外光谱技术的无损测量土壤养分含量的方法 | |
CN103018181A (zh) | 基于相关性分析和elm神经网络的软测量方法 | |
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
CN102818777A (zh) | 一种基于光谱和颜色测量的水果成熟度评价方法 | |
CN107817223A (zh) | 快速无损实时预测原油性质模型的构建方法及其应用 | |
CN102288670A (zh) | 一种黄酒酒龄的检测方法 | |
CN102876816A (zh) | 基于多传感器信息融合的发酵过程状态监测与控制方法 | |
CN105628644A (zh) | 基于原位实时光谱在线监测蛋白质酶解过程的装置和方法 | |
CN103411906A (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
CN112414967B (zh) | 一种快速实时检测蒲黄炭炮制的近红外质控方法 | |
CN104034691A (zh) | 一种甜菜品质的快速检测方法 | |
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 | |
CN104568815A (zh) | 生鲜牛肉中挥发性盐基氮含量的快速无损检测方法 | |
CN103048275A (zh) | 基于近红外光谱的自适应软仪表装置及其构造方法 | |
CN103712948A (zh) | 生鲜羊肉中挥发性盐基氮含量的快速无损检测方法 | |
CN103267740A (zh) | 秸秆发酵过程特征波数软仪表装置及其构造方法 | |
CN104502307A (zh) | 一种快速检测长牡蛎糖原和蛋白质含量的方法 | |
CN103234923A (zh) | 一种黄酒发酵过程中总糖含量的在线监控方法 | |
CN106338488A (zh) | 一种转基因豆奶粉的快速无损鉴别方法 |
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: 20130417 |