CN103234945A - 黄曲霉毒素检测及分选装置 - Google Patents
黄曲霉毒素检测及分选装置 Download PDFInfo
- Publication number
- CN103234945A CN103234945A CN2013101061046A CN201310106104A CN103234945A CN 103234945 A CN103234945 A CN 103234945A CN 2013101061046 A CN2013101061046 A CN 2013101061046A CN 201310106104 A CN201310106104 A CN 201310106104A CN 103234945 A CN103234945 A CN 103234945A
- Authority
- CN
- China
- Prior art keywords
- aflatoxin
- fluorescence
- imaging lens
- sorting unit
- prism
- 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
Abstract
本发明提供一种黄曲霉毒素检测及分选装置,包括复数个紫外光源、物料滑道、分别位于待检测物料前后两侧的光信号接收装置,所述紫外光源以物料下落轨迹为对称轴对称的分布在物料滑道末端的两侧,紫外光源照射到物料表面,激发出物料的荧光,光信号接收装置收集同一物料相同位置的R、G、B荧光信号并将其转换成电信号,将三路电信号合并成一幅彩色图像。本发明的优点是:能够在线获取物料的微弱彩色荧光信号,方便有效的区分出黄曲霉污染物料,提高了黄曲霉毒素污染物料的在线识别率。
Description
技术领域
本专利申请技术方案属于食品加工技术领域,尤其是检测霉变物料中的黄曲霉毒素装置。
背景技术
黄曲霉毒素(Aflatxoni,AF)是一种剧毒的强致癌分子真菌毒素,是迄今发现的各种真菌毒素中化学结构最稳定的一种。1993年黄曲霉毒素被世界卫生组织的癌症研究机构划定为已知最强致癌化学物质之一,其毒性比氰化钾大10倍,比砒霜大68倍。研究表明,黄曲霉毒素最易污染花生、玉米、棉籽、禽蛋、肉、奶及奶制品等。因此,检测并剔除出黄曲霉污染食品可大大减小黄曲霉毒素对人体的危害,具有重要的现实意义。
目前常用的黄曲霉毒素检测方法可分为两类:一类为传统的化学检测方法,主要有薄层层析法(TLC)、酶联免疫法(ELISA)以及液相色谱法,但这些方法测试周期长,程序复杂,无法满足实时在线剔除霉变物料的要求;另一类为光电识别检测方法,根据检测波段的不同,可分为可见光检测方法、近红外检测方法以及紫外诱导荧光检测方法,其中可见光和近红外检测方法多基于光信号的反射、透射特性,依据某一波长(波段)正常物料和黄曲霉污染物料信号差异来达到分选的目的,已有的常规分选装置中多采用可见光来分选物料,对颜色差异较明显的物料,能够达到良好的分选效果,但黄曲霉污染的物料部分外观无明显颜色变化,导致可见光分选设备识别率较低。
紫外诱导荧光方法是依据黄曲霉毒素以及伴随黄曲霉毒素产生的产物在365nm紫外光的照射下会发射出可见的荧光,而未被黄曲霉毒素污染的物料则不发荧光的特性,可将黄曲霉污染物料识别出并剔除。最初的研究者多利用黄曲霉毒素的伴生物曲酸间接剔除黄曲霉毒素,1969年Marsh 等人在其发表的论文中提出采用紫外诱导荧光法检测棉籽中的黄曲霉毒素,通过检测发出的绿黄色荧光(BGYF)来判断棉籽是否被黄曲霉毒素污染,但结果表明35%的发荧光物料未检测到黄曲霉毒素,20%的不发荧光物料黄曲霉毒素含量超标。2010年:Elisabete等人在其发表的论文中仍采用紫外照射下发出的BGYF荧光进行玉米物料的黄曲霉毒素识别,并使用酶联免疫方法作为标准方法分析经过荧光筛选后的物料,最终结果表明,未发荧光的物料的黄曲霉含量均不超标,20%的发荧光的物料未检出黄曲霉毒素。或利用B和G来直接剔除黄曲霉毒素,1991年pelletier等人采用410nm和490nm的蓝色荧光和绿色荧光来剔除花生中的黄曲霉毒素,得到单次分选总误识别率9%。目前已有的黄曲霉毒素分选装置专利基于以下方式实施:
EP2270475A1‘automated system for detecting aflatoxin in food’(检测食品中黄曲霉毒素的自动化系统)中采用高灵敏度高分辨率光谱检测装置(超光谱仪)获取物料荧光图像,能够有效识别黄曲霉污染颗粒,并对破皮物料的识别有了很大的提升,能够做到准确的识别,但超光谱装置价格十分昂贵(2倍),且输出数据量大,数据冗余,在线识别时难以做到快速,导致产量低,无法满足实际需求。
从以上分析可知,荧光方法可用于黄曲霉毒素颗粒的识别,并且通常采用检测发出的绿黄色荧光(BGYF)来用于黄曲霉毒素颗粒的识别,但是通常产生BGYF荧光的物质由于并非为黄曲霉毒素本身,而是伴随着黄曲霉毒素产生的另外一种霉菌代谢物,因此,它能够在一定程度上反映黄曲霉毒素含量的变化,但误判率较高。
发明内容
本发明所要解决的技术问题在于提供一种克服现有黄曲霉设备识别率低以及在线分选荧光信号弱的不足的黄曲霉毒素检测及分选装置。
本发明是通过以下技术方案解决上述技术问题的:一种黄曲霉毒素检测及分选装置,包括复数个紫外光源、物料滑道、分别位于待检测物料前后两侧的光信号接收装置,所述紫外光源以物料下落轨迹为对称轴对称的分布在物料滑道末端的两侧,紫外光源照射到物料表面,激发出物料的荧光,光信号接收装置收集同一物料相同位置的R、G、B荧光信号并将其转换成电信号,将三路电信号合并成一幅彩色图像。
经过本申请人的反复试验、总结、研究,发现固体物料表面尤其是花生表面黄曲霉毒素发出的荧光信号太弱,传统的探测器由于信噪比不够高而难以做到在线检测,导致识别率降低,而采用超高灵敏度的图像传感器可以改进识别率较低的缺点。基于这一研究结论的突破,本申请人进一步研究得出,所述光信号接收装置中的图像传感器需要满足以下条件:在紫外光源波长在555nm时,图像传感器灵敏度范围为1000-1800V·cm2/μJ。
更优化的,所述图像传感器的灵敏度在1500 V·cm2/μJ -1800 V·cm2/μJ效果更佳。
作为第一种具体的方案,所述光信号接收装置包括两个分别位于物料前后两侧的成像镜头,每个成像镜头后设置一分光棱镜,每个分光棱镜上的三个侧面分别安装一个图像传感器,物料的荧光经过成像镜头后被分光棱镜分成R、G、B三路荧光信号,每一路荧光信号分别入射到对应的图像传感器中,图像传感器将其转换成电信号,将三路电信号合并成一幅彩色图像,所述图像传感器为单线阵图像传感器。
作为该第一种具体的方案的优选方式,所述分光棱镜包括三块依次结合在一起的第一、二、三棱镜,其中第一棱镜和第二棱镜之间镀反蓝透红绿膜,第二棱镜和第三棱镜之间镀反红透蓝绿膜,第一、二、三棱镜的出射面上分别安装一个所述单线阵图像传感器。
作为第二种具体的方案,所述光信号接收装置包括两个分别位于物料前后两侧的成像镜头和两个三线阵图像传感器,一个成像镜头上设置一个三线阵图像传感器,物料的荧光经过成像镜头后分别被所述三线阵图像传感器接收,该三线阵图像传感器分时获取同一物料相同位置的R、G、B值,最终合成一幅彩色图像。
作为第三种具体的方案,所述光信号接收装置包括复数个成像镜头和单线阵图像传感器,物料的前后两侧各采用三个成像镜头,每个成像镜头配一个单线阵图像传感器,在每个成像镜头与单线阵图像传感器之间加中心波长不同的带通滤光片,物料的荧光经过成像镜头后,前侧的光分别通过三个中心波长不同的带通滤光片得到三路B、G、R信号,后侧的光分别通过三个中心波长不同的带通滤光片得到三路B、G、R信号,通过滤光片的信号分别入射到对应的三个单线阵图像传感器上,转换成电信号,分别将前后的三路信号合成得到一幅完整的彩色图像。
作为上述几个方案的优选实施方式,所述图像传感器采用TDI CCD图像传感器。
作为上述方案的优选实施方式,所述紫外光源是紫外荧光灯管或紫外LED或紫外激光器。
更优化的,所述紫外光源的中心波长为365nm,波段不超过400nm。
作为上述方案的进一步的优选实施方式,所述黄曲霉毒素检测及分选装置还包括复数个聚光装置,聚光装置置于紫外光源附近,将紫外光源照射到其上面的光聚焦到物料表面,聚焦到物料表面的紫外光激发出物料的荧光。
进一步的,所述聚光装置是反射装置,此时紫外光源位于聚光装置与物料之间,紫外光源发出的紫外光一部分向前直接照射到物料表面,一部分向后照射到聚光装置的反射面上,聚光装置将接收到的光聚焦到物料表面。
更具体的,所述反射装置是内表面为镜面的弧形反射面或椭圆反射面或抛物线反射面。
或者,所述聚光装置是透射聚光装置,此时,聚光装置置于紫外光源与物料之间,紫外光源发出的紫外光通过透射聚光到物料表面。
本发明的有益效果是:能够在线获取物料的彩色荧光图片,方便的区分出发蓝色、绿色、黄色荧光的黄曲霉污染物料,提高了黄曲霉毒素污染物料的在线识别率。光源可以采用大功率LED,价格低廉,光功率大;图像传感器采用灵敏度、信噪比高的图像传感器,特别是TDI CCD图像传感器,能够有效的检测到花生表面的微弱荧光信号,从而可以有效的区分黄曲霉污染花生与正常花生,避免了传统高灵敏度光电器件的高压危险。可广泛应用于粮食加工领域,具有重要的现实意义和广泛的应用前景。
附图说明
图1 为本发明黄曲霉毒素检测装置的第一种实施方式原理图
图2 为本发明中采用的一种分光结构图
图3 为本发明中采用的高灵敏度传感器信号增强原理图
图4 为本发明黄曲霉毒素检测装置的第二种实施方式原理图
图5为本发明中采用的三线阵传感器工作原理图
图6为本发明黄曲霉毒素检测装置的第三种实施方式原理图
图中部件名称:1:物料滑道;2:物料;41~44:紫外光源;51~52:聚光装置;61、64:透蓝光带通滤光片;62、65:透绿光带通滤光片;63、66:透红光带通滤光片;71~76:成像镜头;91~92:分光棱镜;81~86以及101~106:图像传感器;121~122:图像传感器;111~113:棱镜;1211~1213:三线阵传感器RGB三部分像元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
第一实施例
图1示出了本发明提供的黄曲霉毒素在线检测装置的第一实施例的示意图。该黄曲霉毒素检测及分选装置包括紫外光源41~44、物料滑道1、聚光装置51~52、成像镜头71~72、分光棱镜91~92、图像传感器81~86。
针对不同的结构要求,可以选用不同的紫外光源。例如在图1中所采用的紫外光源41~44为中心波长365nm的荧光灯管,波段不超过400nm。紫外光源41~44以物料2下落轨迹为对称轴对称的分布在物料滑道1末端的两侧。
上述紫外光源41~44还可以是紫外LED或紫外激光器。
聚光装置51~52置于紫外光源41~44附近,并将紫外光源41~44照射到其上面的光聚焦到物料2表面,聚光装置51~52可以由反射装置实现。
例如对于紫外光源41~44为紫外荧光灯管的情形,聚光装置51~52可以采用图1的具体结构,即内表面为镜面的弧形反射面,此时,紫外光源41~44位于聚光装置51~52与物料2之间。紫外光源41~44发出的紫外光一部分向前直接照射到物料2表面,一部分向后照射到聚光装置51~52的反射面上,聚光装置51~52将接收到的光聚焦到物料2表面。需要说明的是,聚光方式并不局限于反射这一种情形,也可以是透射聚光,如柱透镜,此时,聚光装置51~52应该置于紫外光源41~44与物料2之间,紫外光源41~44发出的紫外光通过透射聚光到物料2表面。另外,即使是反射聚光方式,仍然可以有多种反射面形式,如椭圆反射面、抛物线反射面,并不局限于图1一种方式。
聚焦到物料表面的紫外光激发出物料2的荧光,物料2的荧光经过位于物料2前后两侧的成像镜头71~72后分别被分光棱镜91~92分光,每个分光棱镜上的三个侧面分别安装一个图像传感器,分光棱镜91的三个侧面分别安装三个图像传感器81~83,分光棱镜92的三个侧面分别安装三个图像传感器84~86,分光棱镜91分光以后的光分别入射到对应的图像传感器中,每个图像传感器用于收集同一物料2相同位置不同波长的荧光。
例如以产生的花生荧光信号为例,包含蓝绿黄多种颜色荧光,以其中一个分光棱镜9为例,当然分光棱镜91、92结构完全相同,分光棱镜91可以采用如图2中的具体结构,包括三块依次结合在一起的棱镜,其中第一棱镜111和第二棱镜112之间镀反蓝透红绿膜,第二棱镜112和第三棱镜113之间镀反红透蓝绿膜。当花生荧光由分光棱镜91底部入射时,经过第一棱镜111上方的反蓝透红绿膜将蓝光成分反射到图像传感器83,透过的红绿光经过第二棱镜112上方的反红透蓝绿膜将红光成分反射到图像传感器82,最终透过的绿光经过第三棱镜113入射到图像传感器81上。
图像传感器81~86将入射的花生荧光信号转换成电信号,普通的图像传感器由于灵敏度低难以检测到微弱信号,需要使用特殊的图像传感器。
例如图3中所示的TDI CCD图像传感器(时间延迟积分CCD图像传感器)(如S10200,Hamamatsu),其像素大小为n*m,当然,也可以使用其他类型的图像传感器,只要满足以下条件即可:在紫外光源波长在555nm时,图像传感器灵敏度范围为1000-1800 V·cm2/μJ。初始时刻t=0,TDI CCD图像传感器的第一行像素曝光,得到信号强度1;t=1时刻,物体向下运动,TDI CCD图像传感器的第二行像素曝光,并将第一行信号转移到第二行,得到信号强度2;t=2时刻,TDI CCD图像传感器的第三行像素曝光,并将第二行信号转移到第三行,得到信号强度3。如此,当m足够大时,能够得到超高灵敏度的信号,信噪比提高倍。
上述图像传感器81~86均是普通的单线阵TDI CCD图像传感器。
第二实施例
本专利申请也可按另一种实施方式的结构原理图,如图4设计出另一种结构的黄曲霉毒素检测及分选装置。其与上述第一实施例的区别在于信号接收方式的不同,物料2的前后两侧各采用一个成像镜头和一个三线阵TDI CCD图像传感器组合而成信号接收装置。
聚焦到物料表面的紫外光激发出物料2的荧光,物料2的荧光经过位于物料2前后两侧的成像镜头71~72后分别被图像传感器121、122接收,图像传感器121、122为三线阵TDI CCD图像传感器,该图像传感器121、122分时获取一幅图像的RGB值,最终合成图像反映出物料荧光的颜色。
结合图5所示,三线阵TDI CCD图像传感器(如CL-T7 delsa),t=0时刻,物料2发出的荧光被图像传感器121的蓝光敏感部分1213接收得到信号B,t=1时刻,物体2相同位置发出的荧光被图像传感器121的绿光敏感部分1212接收得到信号G,t=2时刻,物体2相同位置发出的荧光被图像传感器121的红光敏感部分1211接收得到信号R,最后将B、G、R三路信号合并成一幅彩色图像进而进行花生物料荧光分辨,从而识别出黄曲霉毒素污染花生。
第三实施例
如图6所示,本专利申请也可按第三种实施方式的结构原理设计出另一种结构的黄曲霉毒素检测及分选装置。其与上述第一实施例的区别在于信号接收方式的不同,物料2的前后两侧各采用三个成像镜头配套三个图像传感器实现。三个图像传感器采用单线阵TDI CCD图像传感器,在每个成像镜头与图像传感器之间加滤光片,且三个滤光片是中心波长不同的带通滤光片。
例如可以采用图6所示的方式,物料2如花生产生的荧光信号分别被前侧的三个成像镜头71~73和后侧的三个成像镜头74~76所接收,前侧三个成像镜头71~73接收的光分别通过三个中心波长不同的滤光片61~63,得到三路信号,分别为B、G、R,通过滤光片61~63的信号分别入射到对应的三个图像传感器101~103上,转换成电信号,后侧三个成像镜头74~76接收的光分别通过三个中心波长不同的滤光片64~66,得到三路信号,分别为R、G、B,通过滤光片64~66的信号分别入射到对应的三个图像传感器104~106上,转换成电信号,分别将前后的三路信号合成可以得到一幅完整的花生物料荧光图片,依据花生荧光颜色可以对黄曲霉毒素污染的花生作出准确的判别。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种黄曲霉毒素检测及分选装置,包括复数个紫外光源、物料滑道、分别位于待检测物料前后两侧的光信号接收装置,其特征在于:所述紫外光源对称的分布在物料滑道末端的两侧,紫外光源照射到物料表面,激发出物料的荧光,光信号接收装置收集同一物料相同位置的R、G、B荧光信号并将其转换成电信号,将三路电信号合并成一幅彩色图像。
2.如权利要求1所述的黄曲霉毒素检测及分选装置,其特征在于:所述光信号接收装置中的图像传感器需要满足以下条件:在紫外光源波长在555nm时,图像传感器灵敏度范围为1000-1800V·cm2/λJ。
3.如权利要求1所述的黄曲霉毒素检测及分选装置,其特征在于:所述光信号接收装置包括两个分别位于物料前后两侧的成像镜头,每个成像镜头后设置一分光棱镜,每个分光棱镜上的三个侧面分别安装一个图像传感器,物料的荧光经过成像镜头后被分光棱镜分成R、G、B三路荧光信号,每一路荧光信号分别入射到对应的图像传感器中,图像传感器将其转换成电信号,将三路电信号合并成一幅彩色图像,所述图像传感器为单线阵图像传感器。
4.如权利要求3所述的黄曲霉毒素检测及分选装置,其特征在于:所述分光棱镜包括三块依次结合在一起的第一、二、三棱镜,其中第一棱镜和第二棱镜之间镀反蓝透红绿膜,第二棱镜和第三棱镜之间镀反红透蓝绿膜,第一、二、三棱镜的出射面上分别安装一个所述单线阵图像传感器。
5.如权利要求1所述的黄曲霉毒素检测及分选装置,其特征在于:所述光信号接收装置包括两个分别位于物料前后两侧的成像镜头和两个三线阵图像传感器,一个成像镜头上设置一个三线阵图像传感器,物料的荧光经过成像镜头后分别被所述三线阵图像传感器接收,该三线阵图像传感器分时获取同一物料相同位置的R、G、B值,最终合成一幅彩色图像。
6.如权利要求1所述的黄曲霉毒素检测及分选装置,其特征在于:所述光信号接收装置包括复数个成像镜头和单线阵图像传感器,物料的前后两侧各采用三个成像镜头,每个成像镜头配一个单线阵图像传感器,在每个成像镜头与单线阵图像传感器之间加中心波长不同的带通滤光片,物料的荧光经过成像镜头后,前侧的光分别通过三个中心波长不同的带通滤光片得到三路B、G、R信号,后侧的光分别通过三个中心波长不同的带通滤光片得到三路B、G、R信号,通过滤光片的信号分别入射到对应的三个单线阵图像传感器上,转换成电信号,分别将前后的三路信号合成得到一幅完整的彩色图像。
7.如权利要求2至6任一项所述的黄曲霉毒素检测及分选装置,其特征在于:所述图像传感器采用TDI CCD图像传感器。
8.如权利要求1至5任一项所述的黄曲霉毒素检测及分选装置,其特征在于:所述紫外光源的中心波长为365nm,波段不超过400nm。
9.如权利要求1所述的黄曲霉毒素检测及分选装置,其特征在于:所述黄曲霉毒素检测及分选装置还包括复数个聚光装置,聚光装置置于紫外光源附近,将紫外光源照射到其上面的光聚焦到物料表面,聚焦到物料表面的紫外光激发出物料的荧光。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310106104.6A CN103234945B (zh) | 2013-03-29 | 2013-03-29 | 黄曲霉毒素检测及分选装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310106104.6A CN103234945B (zh) | 2013-03-29 | 2013-03-29 | 黄曲霉毒素检测及分选装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103234945A true CN103234945A (zh) | 2013-08-07 |
CN103234945B CN103234945B (zh) | 2016-05-25 |
Family
ID=48882996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310106104.6A Active CN103234945B (zh) | 2013-03-29 | 2013-03-29 | 黄曲霉毒素检测及分选装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103234945B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103808722A (zh) * | 2014-03-06 | 2014-05-21 | 山东理工大学 | 粮仓内同时段不同深度粮食颗粒霉变检测装置及检测方法 |
CN105044062A (zh) * | 2015-07-31 | 2015-11-11 | 合肥美亚光电技术股份有限公司 | 黄曲霉毒素在线检测装置及采用该装置的物料分选设备 |
CN105334199A (zh) * | 2015-11-19 | 2016-02-17 | 无锡百奥森科技有限公司 | 一种在线检测玉米中黄曲霉毒素b1的检测仪及其检测方法 |
CN106442458A (zh) * | 2016-11-29 | 2017-02-22 | 合肥泰禾光电科技股份有限公司 | 一种利用紫外荧光光谱的黄曲霉毒素在线检测装置 |
CN106596492A (zh) * | 2016-12-28 | 2017-04-26 | 商丘市农林科学院 | 一种花生对黄曲霉侵染抗性的鉴定方法及其应用 |
CN107144554A (zh) * | 2017-06-16 | 2017-09-08 | 合肥泰禾光电科技股份有限公司 | 一种黄曲霉毒素检测装置 |
CN109060734A (zh) * | 2018-06-19 | 2018-12-21 | 江苏大学 | 荧光成像的玉米赤霉烯酮可视化快速筛查系统及方法 |
EP3480582A1 (en) | 2017-11-01 | 2019-05-08 | Bühler UK Limited | Inspection apparatus and method |
WO2019201786A1 (en) | 2018-04-20 | 2019-10-24 | Bühler Uk Limited (Bukl) | Optical Inspection and Sorting Machine, and Corresponding Method Thereof |
CN113418896A (zh) * | 2021-05-18 | 2021-09-21 | 中国农业大学 | 一种用于在线高通量检测玉米籽粒中黄曲霉毒素的方法 |
CN113857075A (zh) * | 2021-10-11 | 2021-12-31 | 浙江大学 | 基于偏振光和紫外光成像的谷物呕吐毒素检测装置和方法 |
CN115769067A (zh) * | 2021-06-11 | 2023-03-07 | 东洋坚果食品株式会社 | 开心果分选装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201127937Y (zh) * | 2007-11-30 | 2008-10-08 | 华南理工大学 | 应用机器视觉的物料实时检测系统 |
US20120061586A1 (en) * | 2010-09-10 | 2012-03-15 | Haibo Yao | Method and detection system for detection of aflatoxin in corn with fluorescence spectra |
US20120093985A1 (en) * | 2010-10-13 | 2012-04-19 | Mike Vasilescu | System and method for aflatoxin detection |
CN203148850U (zh) * | 2013-03-29 | 2013-08-21 | 合肥美亚光电技术股份有限公司 | 黄曲霉毒素检测及分选装置 |
-
2013
- 2013-03-29 CN CN201310106104.6A patent/CN103234945B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201127937Y (zh) * | 2007-11-30 | 2008-10-08 | 华南理工大学 | 应用机器视觉的物料实时检测系统 |
US20120061586A1 (en) * | 2010-09-10 | 2012-03-15 | Haibo Yao | Method and detection system for detection of aflatoxin in corn with fluorescence spectra |
US20120093985A1 (en) * | 2010-10-13 | 2012-04-19 | Mike Vasilescu | System and method for aflatoxin detection |
CN203148850U (zh) * | 2013-03-29 | 2013-08-21 | 合肥美亚光电技术股份有限公司 | 黄曲霉毒素检测及分选装置 |
Non-Patent Citations (4)
Title |
---|
吴迪等: "基于地面多光谱成像技术的茄子灰霉病无损检测研究", 《光谱学与光谱分析》 * |
李书国等: "粮油食品中黄曲霉毒素检测方法综述", 《粮油食品科技》 * |
王娜等: "花生中黄曲霉毒素检测方法的研究", 《安徽农业科学》 * |
赵进辉等: "利用高光谱图像技术检测鸡胴体内部粪便污染物", 《江西农业大学学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103808722B (zh) * | 2014-03-06 | 2016-03-30 | 山东理工大学 | 粮仓内同时段不同深度粮食颗粒霉变检测装置及检测方法 |
CN103808722A (zh) * | 2014-03-06 | 2014-05-21 | 山东理工大学 | 粮仓内同时段不同深度粮食颗粒霉变检测装置及检测方法 |
CN105044062A (zh) * | 2015-07-31 | 2015-11-11 | 合肥美亚光电技术股份有限公司 | 黄曲霉毒素在线检测装置及采用该装置的物料分选设备 |
CN105044062B (zh) * | 2015-07-31 | 2018-03-23 | 合肥美亚光电技术股份有限公司 | 黄曲霉毒素在线检测装置及采用该装置的物料分选设备 |
CN105334199A (zh) * | 2015-11-19 | 2016-02-17 | 无锡百奥森科技有限公司 | 一种在线检测玉米中黄曲霉毒素b1的检测仪及其检测方法 |
CN106442458A (zh) * | 2016-11-29 | 2017-02-22 | 合肥泰禾光电科技股份有限公司 | 一种利用紫外荧光光谱的黄曲霉毒素在线检测装置 |
CN106596492A (zh) * | 2016-12-28 | 2017-04-26 | 商丘市农林科学院 | 一种花生对黄曲霉侵染抗性的鉴定方法及其应用 |
CN107144554A (zh) * | 2017-06-16 | 2017-09-08 | 合肥泰禾光电科技股份有限公司 | 一种黄曲霉毒素检测装置 |
EP3480582A1 (en) | 2017-11-01 | 2019-05-08 | Bühler UK Limited | Inspection apparatus and method |
WO2019086557A1 (en) | 2017-11-01 | 2019-05-09 | Bühler UK Limited | Inspection apparatus and method |
WO2019201786A1 (en) | 2018-04-20 | 2019-10-24 | Bühler Uk Limited (Bukl) | Optical Inspection and Sorting Machine, and Corresponding Method Thereof |
CN109060734A (zh) * | 2018-06-19 | 2018-12-21 | 江苏大学 | 荧光成像的玉米赤霉烯酮可视化快速筛查系统及方法 |
CN113418896A (zh) * | 2021-05-18 | 2021-09-21 | 中国农业大学 | 一种用于在线高通量检测玉米籽粒中黄曲霉毒素的方法 |
CN113418896B (zh) * | 2021-05-18 | 2023-01-10 | 中国农业大学 | 一种用于在线高通量检测玉米籽粒中黄曲霉毒素的方法 |
CN115769067A (zh) * | 2021-06-11 | 2023-03-07 | 东洋坚果食品株式会社 | 开心果分选装置 |
CN115769067B (zh) * | 2021-06-11 | 2024-03-12 | 东洋坚果食品株式会社 | 开心果分选装置 |
CN113857075A (zh) * | 2021-10-11 | 2021-12-31 | 浙江大学 | 基于偏振光和紫外光成像的谷物呕吐毒素检测装置和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103234945B (zh) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN203148850U (zh) | 黄曲霉毒素检测及分选装置 | |
CN103234945A (zh) | 黄曲霉毒素检测及分选装置 | |
CN105044062B (zh) | 黄曲霉毒素在线检测装置及采用该装置的物料分选设备 | |
Bueno et al. | Determination of mycotoxins in food: A review of bioanalytical to analytical methods | |
CN101832941B (zh) | 一种基于多光谱图像的水果品质评价装置 | |
JP3249628B2 (ja) | 青果物の内部品質検査用の光透過検出装置 | |
CN202351177U (zh) | 基于紫外线led光源的黄曲霉素检测器 | |
CN107884571A (zh) | 便携式荧光免疫分析仪及便携式荧光分析方法 | |
EP3259574B1 (en) | Optical detection systems and methods of using the same | |
CN204699963U (zh) | 一种具有黄曲霉素检测功能的农产品智能分选机 | |
CN105136748A (zh) | 一种呕吐毒素的识别分选设备及分选方法 | |
CN205246666U (zh) | 一种荧光免疫层析定量分析仪器 | |
CN105457907A (zh) | 一种袋泡茶图像采集与分拣装置 | |
CN102128830B (zh) | 免疫层析检测试纸条显色信号定量检测器 | |
CN111220801A (zh) | 基于智能手机的高通量多通道免疫层析分析方法及系统 | |
US20060056659A1 (en) | System and method for the detection of bluestain and rot on wood | |
CN207964840U (zh) | 可实现荧光免疫层析定量检查的食品安全综合分析装置 | |
CN108548786A (zh) | 一种使用多面转镜光谱检测花生黄曲霉毒素的装置与方法 | |
CN204989020U (zh) | 黄曲霉毒素在线检测装置及采用该装置的物料分选设备 | |
RU2549122C2 (ru) | Датчик для проверки ценных документов | |
CN113102291A (zh) | 一种黄曲霉毒素检测分选装置及检测分选方法 | |
CN108469520B (zh) | 一种干式免疫层析检测仪及其检测方法 | |
WO2019086557A1 (en) | Inspection apparatus and method | |
JP2009168746A (ja) | 検査方法および検査装置 | |
CN104822286B (zh) | 硬币和用于检查硬币的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |