CN103398994A - 一种基于高光谱的食源性致病菌检测系统及方法 - Google Patents
一种基于高光谱的食源性致病菌检测系统及方法 Download PDFInfo
- Publication number
- CN103398994A CN103398994A CN2013103091898A CN201310309189A CN103398994A CN 103398994 A CN103398994 A CN 103398994A CN 2013103091898 A CN2013103091898 A CN 2013103091898A CN 201310309189 A CN201310309189 A CN 201310309189A CN 103398994 A CN103398994 A CN 103398994A
- Authority
- CN
- China
- Prior art keywords
- sample
- food
- detection
- control system
- travelling belt
- 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, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了基于高光谱的食源性致病菌检测系统,包括分别与控制系统连接的面检测线、分拣线、合格产品传送带、点检测线。本发明还公开了上述基于高光谱的食源性致病菌检测系统的检测方法,采用基于近红外高光谱系统的面检测线快速定位食源性致病菌位置,通过分拣线将食源性致病菌污染的猪肉传送到点检测线,采用拉曼化学成像实现食源性致病菌种类鉴别。本发明解决了近红外高光谱系统检测微生物细胞结构分辨率有限、拉曼化学成像进行大面积扫描成像效率低的问题,具有使用方便和检测效率显著的优点。
Description
技术领域
本发明涉及食源性致病菌检测技术,特别涉及一种基于高光谱的食源性致病菌检测系统及方法。
背景技术
食品安全一直是全球普遍关注的一个重要问题。近年来发生在美国的“李斯特氏菌食物中毒”事件、德国的“出血性大肠杆菌”事件、中国的速冻水饺“细菌超标”事件等食品污染事件,加重了人们对食品安全的忧虑。据世界卫生组织估计,全球每年有数十亿人感染上食源性疾病,食源性疾病是当代全球食品安全面临的巨大威胁。因此,如何快速而准确地检测和鉴定食源性致病菌,是有效遏制食源性疾病、确保食品安全的重要任务。
目前,食源性致病菌的检测方法有培养鉴定、酶联免疫吸附试验、多聚酶链式反应、电阻抗技术以及全自动微生物分析系统,这些方法不同程度存在耗时、程序复杂或检测成本高等问题。利用微生物的光谱特性发展起来的基于光谱的检测技术逐渐应用在微生物检测中,紫外-可见光谱是根据化合物对电磁波(200~800nm)吸收特性建立起来的分析技术,可以用于化合物的定性、定量、结构分析,但紫外-可见光谱存在谱图重叠、干扰严重的问题。近红外光谱分析作为另一种快速且非接触测量的技术,已经在食品微生物检测中得到了广泛应用,专利申请号CN200910186329.0采用近红外光谱技术构建水果糖酸度检测与分选生产线,然而,基于近红外光谱的检测技术所检测的区域通常是样品表面的某点或较小区域的近红外透射、漫反射信息,样品的不均匀性通常对测定结果造成较大影响,获取样品的空间轮廓信息是全面检测物质的基础。高光谱技术是近红外光谱技术和图像技术的完美结合,它在获得样品空间信息的同时,还为每个图像上每个像素点提供数十至数千个窄波段的光谱信息,专利申请号CN201110300820.9构建了包括光照单元、光谱信息采集单元和数据处理单元的生鲜肉水分在线检测装置。但近红外高光谱系统检测微生物细胞结构时分辨率有限,微生物一些细微分子结构上的信息、微生物形态特征和种群多样性区别无法通过高光谱实现。分子荧光光谱主要是检测物质受激发后发射出的紫外或可见荧光,容易受干扰,尚处于微生物分析的起步阶段。拉曼光谱由于其光谱对水等极性物质极其不敏感,主要应用于掺假分析、微生物与农药残留检测。为了刻画微生物的形态特征,拉曼化学成像技术孕育而生,拉曼化学成像是由数以千计的拉曼光谱重构而成,通过数据预处理,可以重构出微生物的化学成分和分子结构的拉曼图像,专利申请号CN201010571893.7采用拉曼光谱技术对食源性致病菌进行鉴别,但是拉曼化学成像存在扫描时间慢、微生物聚焦效率低,不易单独直接应用于生产线等问题。
发明内容
为了克服现有技术的上述缺点与不足,本发明的目的在于提供一种基于高光谱的食源性致病菌检测系统,解决了近红外高光谱系统检测微生物细胞结构时分辨率有限、拉曼化学成像进行大面积扫描成像时效率低等问题,本发明具有宏观大面积检测与微观显微鉴别一体化、使用方便和检测效率显著的优点。
本发明的目的还在于提供上述基于高光谱的食源性致病菌检测系统的检测方法。
本发明的目的通过以下技术方案实现:
一种基于高光谱的食源性致病菌检测系统,包括面检测线、分拣线、点检测线、控制系统、支撑架和若干盛样盒;面检测线、分拣线和点检测线分别与控制系统连接并依次安装在支撑架上;
面检测线,所述面检测线包括面检测传动带、近红外高光谱系统、面检测整形系统和面检测龙门架;所述面检测整形系统放置在面检测传送带上面,用于将盛样盒调整到面检测传送带的中心;所述近红外高光谱系统通过面检测线龙门架安装在面检测传动带的中心区域上方,用于对装于盛样盒中的样品进行高光谱面扫描,并将结果传送到控制系统;
点检测线,所述点检测线包括拉曼化学成像系统、微区接近传感器、三维数控位移台、合格产品传送带、异常点检测传送带和点检测龙门架;所述拉曼化学成像系统用于对样品进行微区域拉曼成像获取,并将结果传送到控制系统;所述微区接近传感器用于检测三维数控位移台驱动拉曼化学成像系统接近盛样盒中样品表面的信号获取;所述三维数控位移台根据控制系统的指令用于驱动安装在其上的微区接近传感器和拉曼化学成像系统在异常点检测传送带上方移动,三维数控位移台安装在点检测线龙门架上;合格产品传送带用于输送合格样品;异常点检测传送带用于输送异常样品到点检测线龙门支架下进行食源性致病菌的种类判别;
分拣线,所述分拣线包括分拣传送带和分拣系统,所述分拣系统用于根据控制系统的指令将通过面检测线的样品分拣到点检测线中的合格产品传送带或异常产品传送带;
控制系统,所述控制系统用于对近红外高光谱系统的扫描结果进行分析,判断样品是否有食源性致病菌,并进行标志;并用于根据样品是否有食源性致病菌,控制分拣系统将样品分拣到合格产品传送带或异常产品传送带;再通过控制点检测线,得到拉曼化学成像系统的扫描结果,并进行分析,判断食源性致病菌的种类。
上述的基于高光谱的食源性致病菌检测系统的检测方法,包括以下步骤:
S1系统初始化;
S2样品放置于盛样盒中,启动控制系统;
S3面检测传送带输送盛样盒,面检测整形系统将盛样盒调整到面检测传送带中心位置;
S4近红外高光谱系统对盛样盒中的样品进行整体面扫描,结果传送到控制系统;
S5控制系统近红外高光谱系统的面扫描结果进行分析,判断样品是否有食源性致病菌,并进行标志;对标志为有食源性致病菌的样品,计算食源性致病菌各个分布区域的中心位置;
S6面检测传送带将样品输送到分拣传送带,若样品为标志为有食源性致病菌的样品,进行步骤S7;若样品为标志为无食源性致病菌的样品,进行步骤S8;
S7分拣系统将样品输送到异常点检测传送带,控制系统控制微区检测系统完成如下步骤:
S7-1控制系统控制异常点检测传送带将标记的样品输送到拉曼化学成像系统工作区域;
S7-2控制系统停止异常点检测传送带;
S7-3控制系统根据步骤S5计算的食源性致病菌各个分布区域的中心位置,通过控制三维数控位移台,依次移动拉曼化学成像系统到食源性致病菌各个分布区域的中心位置上方;
S7-4控制系统控制三维数控位移台,使拉曼化学成像系统向接近样品表面竖直移动;
S7-5控制系统检测微区接近传感器,判断拉曼化学成像系统是否接近样品表面,若拉曼化学成像系统接近样品表面,进行步骤S7-6;若拉曼化学成像系统未接近样品表面,进行步骤S7-4;
S7-6控制系统控制三维数控位移台使拉曼化学成像系统在样品表面移动,进行微区域拉曼化学成像扫描;
S7-7控制系统根据微区域拉曼化学成像扫描结果判断食源性致病菌的种类;
S7-8控制系统控制异常点检测传送带将样品送出;
S8分拣系统将样品输送到合格产品传送带,控制系统控制合格产品传送带将样品送出。
与现有技术相比,本发明具有以下优点和有益效果:
本发明结合了近红外高光谱技术、拉曼化学成像技术和图像伺服技术相结合的食源性致病菌检测方法,采用基于近红外高光谱系统的面检测线快速定位食源性致病菌位置,通过分拣线将食源性致病菌污染的猪肉传送到点检测线,采用拉曼化学成像实现食源性致病菌种类鉴别,结合宏观大面积检测与微观显微鉴别一体化的食源性致病菌,解决了近红外高光谱系统检测微生物细胞结构时分辨率有限、拉曼化学成像进行大面积扫描成像时效率低等问题,具有使用方便和检测效率显著的优点。
附图说明
图1为本发明的实施例的基于高光谱的食源性致病菌检测系统的结构示意图,图中示出:1—面检测线,2—分拣线,3—点检测线,4—若干盛样盒,5—支撑架,6—控制系统;1-1—近红外高光谱系统,1-2—面检测整形系统,1-3—面检测传送带,1-4—面检测线龙门架;2-1—分拣传送带,2-2—分拣系统;3-1—拉曼化学成像系统,3-2—合格产品传送带,3-3—异常产品传送带,3-4—三维数控位移台,3-5—微区接近传感器,3-6—点检测线龙门架。
具体实施方式
下面结合实施例,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
一种基于高光谱的食源性致病菌检测系统,包括面检测线1、分拣线2、点检测线3、若干盛样盒4、支撑架5和控制系统6;面检测线1、分拣线2和点检测线3分别与控制系统6连接并依次安装在支撑架5上;
面检测线1包括近红外高光谱系统1-1、面检测整形系统1-2、面检测传动带1-3和面检测龙门架1-4;面检测整形系统1-2放置在面检测传送带1-3上面,用于将盛样盒4调整到面检测传送带1-3的中心;近红外高光谱系统1-1通过面检测线龙门架1-4安装在面检测传动带1-3的中心区域上方,用于对装于盛样盒4中的样品进行高光谱面扫描,并将结果传送到控制系统6;
分拣线2包括分拣传送带2-1和分拣系统2-2,分拣系统2-2用于根据控制系统6的指令将通过面检测线1的样品分拣到点检测线3中的合格产品传送带3-2或异常产品传送带3-3;
点检测线3包括拉曼化学成像系统3-1、合格产品传送带3-2、异常点检测传送带3-3、三维数控位移台3-4、微区接近传感器3-5和点检测龙门架3-6;拉曼化学成像系统3-1用于对样品进行微区域拉曼成像获取,并将结果传送到控制系统6;微区接近传感器3-5用于检测三维数控位移台3-4驱动拉曼化学成像系统3-1接近盛样盒4中样品表面的信号获取,并将信号发送到控制系统6;三维数控位移台3-4根据控制系统6的指令用于驱动安装在其上的微区接近传感器3-5和拉曼化学成像系统3-1在异常点检测传送带3-3上方移动,三维数控位移台3-4安装在点检测线龙门架3-6上;合格产品传送带3-2用于输送合格样品;异常点检测传送带3-3用于输送异常样品到点检测线龙门支架3-6下进行食源性致病菌的种类判别;
控制系统6用于对近红外高光谱系统1-1的扫描结果进行分析,判断样品是否有食源性致病菌,并进行标志;并用于根据样品是否有食源性致病菌,控制分拣系统2-2将样品分拣到合格产品传送带3-2或异常产品传送带3-3;再通过控制点检测线3,得到拉曼化学成像系统3-1的扫描结果,并进行分析,判断食源性致病菌的种类。
上述的基于高光谱的食源性致病菌检测系统的检测方法,包括以下步骤:
S1系统初始化;
S2样品放置于盛样盒中,启动控制系统;
S3面检测传送带输送盛样盒,面检测整形系统将盛样盒调整到面检测传送带中心位置;
S4近红外高光谱系统对盛样盒中的样品进行整体面扫描,结果传送到控制系统;
S5控制系统近红外高光谱系统的面扫描结果进行分析,判断样品是否有食源性致病菌,并进行标志;对标志为有食源性致病菌的样品,计算食源性致病菌各个分布区域的中心位置;
S6面检测传送带将样品输送到分拣传送带,若样品为标志为有食源性致病菌的样品,进行步骤S7;若样品为标志为无食源性致病菌的样品,进行步骤S8;
S7分拣系统将样品输送到异常点检测传送带,控制系统控制微区检测系统完成如下步骤:
S7-1控制系统控制异常点检测传送带将标记的样品输送到拉曼化学成像系统工作区域;
S7-2控制系统停止异常点检测传送带;
S7-3控制系统根据步骤S5计算的食源性致病菌各个分布区域的中心位置,通过控制三维数控位移台,依次移动拉曼化学成像系统到食源性致病菌各个分布区域的中心位置上方;
S7-4控制系统控制三维数控位移台,使拉曼化学成像系统向接近样品表面竖直移动;
S7-5控制系统检测微区接近传感器,判断拉曼化学成像系统是否接近样品表面,若拉曼化学成像系统接近样品表面,进行步骤S7-6;若拉曼化学成像系统未接近样品表面,进行步骤S7-4;
S7-6控制系统控制三维数控位移台使拉曼化学成像系统在样品表面移动,进行微区域拉曼化学成像扫描;
S7-7控制系统根据微区域拉曼化学成像扫描结果判断食源性致病菌的种类;
S7-8控制系统控制异常点检测传送带将样品送出;
S8分拣系统将样品输送到合格产品传送带,控制系统控制合格产品传送带将样品送出。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (2)
1.一种基于高光谱的食源性致病菌检测系统,其特征在于,包括面检测线、分拣线、点检测线、控制系统、支撑架和若干盛样盒;面检测线、分拣线和点检测线分别与控制系统连接并依次安装在支撑架上;
面检测线,所述面检测线包括面检测传动带、近红外高光谱系统、面检测整形系统和面检测龙门架;所述面检测整形系统放置在面检测传送带上面,用于将盛样盒调整到面检测传送带的中心;所述近红外高光谱系统通过面检测线龙门架安装在面检测传动带的中心区域上方,用于对装于盛样盒中的样品进行高光谱面扫描,并将结果传送到控制系统;
分拣线,所述分拣线包括分拣传送带和分拣系统,所述分拣系统用于根据控制系统的指令将通过面检测线的样品分拣到点检测线中的合格产品传送带或异常产品传送带;
点检测线,所述点检测线包括拉曼化学成像系统、微区接近传感器、三维数控位移台、合格产品传送带、异常点检测传送带和点检测龙门架;所述拉曼化学成像系统用于对样品进行微区域拉曼成像获取,并将结果传送到控制系统;所述微区接近传感器用于检测三维数控位移台驱动拉曼化学成像系统接近盛样盒中样品表面的信号获取;所述三维数控位移台用于根据控制系统的指令驱动安装在其上的微区接近传感器和拉曼化学成像系统在异常点检测传送带上方移动;三维数控位移台安装在点检测线龙门架上;合格产品传送带用于输送合格样品;异常点检测传送带用于输送异常样品到点检测线龙门支架下进行食源性致病菌的种类判别;
控制系统,所述控制系统用于对近红外高光谱系统的扫描结果进行分析,判断样品是否有食源性致病菌,并进行标志;控制系统根据样品是否有食源性致病菌,将样品分拣到合格产品传送带或异常产品传送带,再通过控制点检测线,得到拉曼化学成像系统的扫描结果,并进行分析,判断食源性致病菌的种类。
2.权利要求1所述的基于高光谱的食源性致病菌检测系统的检测方法,其特征在于,包括以下步骤:
S1系统初始化;
S2样品放置于盛样盒中,启动控制系统;
S3面检测传送带输送盛样盒,面检测整形系统将盛样盒调整到面检测传送带中心位置;
S4近红外高光谱系统对盛样盒中的样品进行整体面扫描,结果传送到控制系统;
S5控制系统近红外高光谱系统的面扫描结果进行分析,判断样品是否有食源性致病菌,并进行标志;对标志为有食源性致病菌的样品,计算食源性致病菌各个分布区域的中心位置;
S6面检测传送带将样品输送到分拣传送带,若样品为标志为有食源性致病菌的样品,进行步骤S7;若样品为标志为无食源性致病菌的样品,进行步骤S8;
S7分拣系统将样品输送到异常点检测传送带,控制系统控制微区检测系统完成如下步骤:
S7-1控制系统控制异常点检测传送带将标记的样品输送到拉曼化学成像系统工作区域;
S7-2控制系统停止异常点检测传送带;
S7-3控制系统根据步骤S5计算的食源性致病菌各个分布区域的中心位置,通过控制三维数控位移台,依次移动拉曼化学成像系统到食源性致病菌各个分布区域的中心位置上方;
S7-4控制系统控制三维数控位移台,使拉曼化学成像系统向接近样品表面竖直移动;
S7-5控制系统检测微区接近传感器,判断拉曼化学成像系统是否接近样品表面,若拉曼化学成像系统接近样品表面,进行步骤S7-6;若拉曼化学成像系统未接近样品表面,进行步骤S7-4;
S7-6控制系统控制三维数控位移台使拉曼化学成像系统在样品表面移动,进行微区域拉曼化学成像扫描;
S7-7控制系统根据微区域拉曼化学成像扫描结果判断食源性致病菌的种类;
S7-8控制系统控制异常点检测传送带将样品送出;
S8分拣系统将样品输送到合格产品传送带,控制系统控制合格产品传送带将样品送出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310309189.8A CN103398994B (zh) | 2013-07-22 | 2013-07-22 | 一种基于高光谱的食源性致病菌检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310309189.8A CN103398994B (zh) | 2013-07-22 | 2013-07-22 | 一种基于高光谱的食源性致病菌检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103398994A true CN103398994A (zh) | 2013-11-20 |
CN103398994B CN103398994B (zh) | 2015-10-28 |
Family
ID=49562660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310309189.8A Active CN103398994B (zh) | 2013-07-22 | 2013-07-22 | 一种基于高光谱的食源性致病菌检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103398994B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103604737A (zh) * | 2013-12-10 | 2014-02-26 | 山东大学 | 一种自动化血细胞识别装置及工作方法 |
CN103616383A (zh) * | 2013-12-02 | 2014-03-05 | 江苏大学 | 食品批量发酵过程中菌群结构稳定性的定量检测方法 |
CN104090358A (zh) * | 2014-07-21 | 2014-10-08 | 张波 | 全自动智能诊断显微镜系统 |
CN105351377A (zh) * | 2015-12-15 | 2016-02-24 | 新昌县羽林街道全顺机械厂 | 一种新型轴承检测装置 |
CN105424645A (zh) * | 2015-10-29 | 2016-03-23 | 福州大学 | 基于主成分分析与Fish判别法快速鉴别临床致病菌的方法 |
CN105651679A (zh) * | 2016-02-04 | 2016-06-08 | 华中农业大学 | 一种基于高光谱成像技术对培养基上的细菌菌落进行快速分类的方法 |
CN106596986A (zh) * | 2016-11-21 | 2017-04-26 | 北京蓝色星语科技有限公司 | 一种核生化自动监测系统及监测方法 |
CN107290293A (zh) * | 2017-06-06 | 2017-10-24 | 浙江大学 | 一种光谱成像技术在线监测水培重金属胁迫作物的装置 |
CN108139412A (zh) * | 2015-07-10 | 2018-06-08 | Amiris有限责任公司 | 用于检测包装食品中微生物的设备和方法 |
CN109772740A (zh) * | 2019-01-21 | 2019-05-21 | 湖北省阿克瑞德检验检测有限公司 | 一种动物源食品中抗生素残留量的检测方法 |
CN109916847A (zh) * | 2019-03-21 | 2019-06-21 | 河南科技大学 | 一种基于特征波段图像的熟肉品质检测系统及检测方法 |
CN112080410A (zh) * | 2020-05-09 | 2020-12-15 | 梁旭东 | 微生物检测系统和方法 |
CN114252318A (zh) * | 2021-12-27 | 2022-03-29 | 浙江大学 | 一种鸡肉中金黄色葡萄球菌的检测方法及系统 |
CN116660259A (zh) * | 2023-05-16 | 2023-08-29 | 安徽国泰众信检测技术有限公司 | 一种基于红外成像的食源性致病菌的快速检测系统 |
CN118624561A (zh) * | 2024-08-14 | 2024-09-10 | 安徽国泰众信检测技术有限公司 | 一种基于光学检测食源性致病菌的装置及方法 |
-
2013
- 2013-07-22 CN CN201310309189.8A patent/CN103398994B/zh active Active
Non-Patent Citations (7)
Title |
---|
J.QIN ET AL: "Raman chemical imaging system for food safety and quality inspection", 《ANALYTICAL CHEMISTRY》, 30 May 2007 (2007-05-30) * |
KATHRYN S.KALASINSKY ET AL: "Raman Chemical Imaging Spectroscopy Reagentless Detection and Identification of Pathogens: Signature Development and Evaluation", 《ANAL.CHEM》, 30 December 2007 (2007-12-30) * |
YANKUN PENG ET AL: "Potential prediction of the microbial spoilage of beef using spatially resolved hyperspectral scattering profiles", 《JOURNAL OF FOOD ENGINEERING》, 25 August 2010 (2010-08-25) * |
YAO-ZE FENG ET AL: "Near-infrared hyperspectral imaging and partial least squares regression for rapid and reagentless determination of Enterobacteriaceae on chicken fillets", 《FOOD CHEMISTRY》, 30 November 2012 (2012-11-30) * |
曲佳欢等: "高光谱成像在食品质量评估方面的研究进展与应用(一)", 《肉类研究》, vol. 26, no. 4, 30 December 2012 (2012-12-30) * |
赵亚荣等: "拉曼光谱在细菌分类鉴定方面的应用现状", 《中国乳品工业》, vol. 41, no. 12, 21 July 2013 (2013-07-21) * |
阮涌等: "鲜猪肉病原菌污染研究进展", 《动物医学进展》, vol. 33, no. 6, 30 December 2012 (2012-12-30) * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103616383A (zh) * | 2013-12-02 | 2014-03-05 | 江苏大学 | 食品批量发酵过程中菌群结构稳定性的定量检测方法 |
CN103616383B (zh) * | 2013-12-02 | 2017-04-12 | 江苏大学 | 食品批量发酵过程中菌群结构稳定性的定量检测方法 |
CN103604737B (zh) * | 2013-12-10 | 2015-11-25 | 山东大学 | 一种自动化血细胞识别装置及工作方法 |
CN103604737A (zh) * | 2013-12-10 | 2014-02-26 | 山东大学 | 一种自动化血细胞识别装置及工作方法 |
CN104090358A (zh) * | 2014-07-21 | 2014-10-08 | 张波 | 全自动智能诊断显微镜系统 |
CN108139412A (zh) * | 2015-07-10 | 2018-06-08 | Amiris有限责任公司 | 用于检测包装食品中微生物的设备和方法 |
CN105424645A (zh) * | 2015-10-29 | 2016-03-23 | 福州大学 | 基于主成分分析与Fish判别法快速鉴别临床致病菌的方法 |
CN105351377A (zh) * | 2015-12-15 | 2016-02-24 | 新昌县羽林街道全顺机械厂 | 一种新型轴承检测装置 |
CN105651679A (zh) * | 2016-02-04 | 2016-06-08 | 华中农业大学 | 一种基于高光谱成像技术对培养基上的细菌菌落进行快速分类的方法 |
CN106596986A (zh) * | 2016-11-21 | 2017-04-26 | 北京蓝色星语科技有限公司 | 一种核生化自动监测系统及监测方法 |
CN106596986B (zh) * | 2016-11-21 | 2018-05-25 | 北京蓝色星语科技有限公司 | 一种核生化自动监测系统及监测方法 |
CN107290293A (zh) * | 2017-06-06 | 2017-10-24 | 浙江大学 | 一种光谱成像技术在线监测水培重金属胁迫作物的装置 |
CN109772740A (zh) * | 2019-01-21 | 2019-05-21 | 湖北省阿克瑞德检验检测有限公司 | 一种动物源食品中抗生素残留量的检测方法 |
CN109916847A (zh) * | 2019-03-21 | 2019-06-21 | 河南科技大学 | 一种基于特征波段图像的熟肉品质检测系统及检测方法 |
CN112080410A (zh) * | 2020-05-09 | 2020-12-15 | 梁旭东 | 微生物检测系统和方法 |
CN114252318A (zh) * | 2021-12-27 | 2022-03-29 | 浙江大学 | 一种鸡肉中金黄色葡萄球菌的检测方法及系统 |
CN114252318B (zh) * | 2021-12-27 | 2023-11-17 | 浙江大学 | 一种鸡肉中金黄色葡萄球菌的检测方法及系统 |
CN116660259A (zh) * | 2023-05-16 | 2023-08-29 | 安徽国泰众信检测技术有限公司 | 一种基于红外成像的食源性致病菌的快速检测系统 |
CN118624561A (zh) * | 2024-08-14 | 2024-09-10 | 安徽国泰众信检测技术有限公司 | 一种基于光学检测食源性致病菌的装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103398994B (zh) | 2015-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103398994B (zh) | 一种基于高光谱的食源性致病菌检测系统及方法 | |
Li et al. | Recent advances in nondestructive analytical techniques for determining the total soluble solids in fruits: a review | |
Wang et al. | Emerging spectroscopic and spectral imaging techniques for the rapid detection of microorganisms: An overview | |
Petersen et al. | Application of Raman spectroscopic methods in food safety: A review | |
Qin et al. | Line-scan hyperspectral imaging techniques for food safety and quality applications | |
Li et al. | Fast detection and visualization of early decay in citrus using Vis-NIR hyperspectral imaging | |
Ellis et al. | Point-and-shoot: rapid quantitative detection methods for on-site food fraud analysis–moving out of the laboratory and into the food supply chain | |
Huang et al. | Recent developments in hyperspectral imaging for assessment of food quality and safety | |
Hassoun et al. | Food processing 4.0: Current and future developments spurred by the fourth industrial revolution | |
Tan et al. | Applications of photonics in agriculture sector: A review | |
Pan et al. | Detection of A. alternata from pear juice using surface-enhanced Raman spectroscopy based silver nanodots array | |
Yang et al. | Red to far-red multispectral fluorescence image fusion for detection of fecal contamination on apples | |
CN103630499A (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 | |
CN103630498B (zh) | 基于高光谱成像技术的脐橙表面农药残留量的检测方法 | |
Zhu et al. | The global concern of food security during the COVID-19 pandemic: Impacts and perspectives on food security | |
CN107219184A (zh) | 一种应用于产地溯源的肉类鉴别方法及装置 | |
CN110542668A (zh) | 一种基于太赫兹成像技术定量分析叶片成分分布情况的方法 | |
Huang et al. | Measurement of early disease blueberries based on vis/nir hyperspectral imaging system | |
CN109182443A (zh) | 一种监测腐败菌繁殖的传感器制备方法及快速检测腐败菌的方法 | |
Yang et al. | The development of a simple multispectral algorithm for detection of fecal contamination on apples using a hyperspectral line-scan imaging system | |
Jiang et al. | Quick assessment of chicken spoilage based on hyperspectral NIR spectra combined with partial least squares regression | |
CN102181514A (zh) | 快速无损伤检测冷却肉菌落总数的方法 | |
Chen et al. | Critical review and recent advances of emerging real-time and non-destructive strategies for meat spoilage monitoring | |
Jang et al. | Field Application of a Vis/NIR hyperspectral imaging system for nondestructive evaluation of physicochemical properties in ‘Madoka’peaches | |
Lipińska et al. | Research on the use of thermal imaging as a method for detecting fungal growth in apples |
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 |