CN103575694A - 一种基于近红外光谱技术的稻谷黄曲霉毒素b1 快速检测方法 - Google Patents
一种基于近红外光谱技术的稻谷黄曲霉毒素b1 快速检测方法 Download PDFInfo
- Publication number
- CN103575694A CN103575694A CN201310555346.3A CN201310555346A CN103575694A CN 103575694 A CN103575694 A CN 103575694A CN 201310555346 A CN201310555346 A CN 201310555346A CN 103575694 A CN103575694 A CN 103575694A
- Authority
- CN
- China
- Prior art keywords
- paddy
- sample
- infrared spectrum
- near infrared
- afb
- 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
本发明属于粮食品质检测领域,具体涉及一种基于近红外光谱技术的稻谷黄曲霉毒素B1快速检测方法。本发明包括稻谷样本材料的收集和光谱采集、稻谷样本黄曲霉毒素B1测定、光谱预处理和校正模型构建、模型验证和未知稻谷样品黄曲霉毒素B1含量的测定。本发明着眼于稻谷有毒有害物质快速、无损检测的基础研究和探讨,基于近红外光谱技术检测稻谷中黄曲霉毒素B1含量。本发明具有简单易行、分析速度快、样品无需任何预处理、检测精度高、分析成本低、且对环境不造成任何污染等优点,可为控制稻谷贮藏品质和稻谷加工制品品质提供可靠依据。
Description
技术领域
本发明属于粮食品质检测领域,具体地说,本发明涉及一种基于近红外光谱技术的稻谷黄曲霉毒素B1快速检测方法。
背景技术
水稻是世界上最重要的粮食作物之一,也是我国三大粮食作物之一,稻谷产业对于我国农业产业化具有举足轻重的意义。随着社会经济的发展,稻谷品质优劣越来越受到人们关注。稻谷在经过长时间的贮藏后,由于贮藏温度、水分等因素的影响,稻谷品质下降,甚至会产生有毒物质,比如危害很大的黄曲霉毒素B1等,对消费者健康带来潜在危害,同时对粮食安全产生重要影响。稻谷黄曲霉毒素快速、无损检测日益受到科研院所、质检部门、国有大型粮库以及粮食加工企业等单位的重视,如和快速、准确检测稻谷中黄曲霉毒素一直是该领域工作者亟待解决的问题。
长期以来稻谷中黄曲霉毒素检测主要依靠人工结合化学处理的方法来完成,这种方法检测成本高、耗时长、消耗巨大的人力和物力,同时对检测人员素质要求比较高,技术推广受到限制,且检测效率和检测效果的一致性都比较差。
除传统的化学分析方法外,一些新技术被用于稻谷中黄曲霉毒素检测,比如液相色谱、酶联免疫法、免疫亲和法等,这些改良的方法虽然可节省人力物力,但这些方法大都因检测周期仍然较长,大量消耗化学试剂,且仪器价格比较昂贵、检测费用较高等原因不能满足粮食品质快速、无损、低成本检测的要求。因此,构建一套快速、无损、高效、准确检测稻谷中黄曲霉毒素,且对检测人员没有较高要求的技术体系显得尤为重要。
近红外光谱技术是20世纪80年代以来发展最为迅速的一项快速检测技术,已在很多领域尤其是粮食品质检测领域得到了广泛应用。近红外光谱技术的优势就在于快速、无损、高效、准确。近年来计算机技术和化学计量学的发展为将近红外光谱技术应用于无损检测稻谷中黄曲霉毒素提供了可能。因此,利用近红外光谱技术建立稻谷黄曲霉毒素无损、快速检测技术体系具有重要理论意义和实践意义。本发明为研制一套近红外无损检测稻谷真菌毒素装置提供理论依据,并期望能在此基础上将该装置扩展应用到小麦、玉米等其它粮食作物中。
发明内容
本发明的目的就是针对当前稻谷中黄曲霉毒素B1定量检测存在的问题,克服现有技术存在的缺陷,提供一种基于近红外光谱技术的方法快速、无损、高效、准确检测稻谷中黄曲霉毒素B1。
为实现上述目的,本发明采用的技术方案如下:(1)样本材料的收集和样本的光谱采集:收集不同程度黄曲霉侵染的稻谷样品,用于模型的建立和校正,然后应用近红外光谱分析仪在相同环境条件下采集稻谷籽粒光谱信息;(2)样本化学值测定:将采集过近红外光谱的稻谷籽粒进行粉碎处理得到稻谷粉末,采用GB/T 5009.22-2003国标方法测定稻谷中的黄曲霉毒素B1含量;(3)校正集和预测集近红外光谱预处理:对校正集稻谷样本和预测集稻谷样本光谱进行预处理,消除非目标因素的干扰,提高检测精度;(4)校正模型建立:通过多变量分析,以校正集样本稻谷黄曲霉毒素B1含量为定标值,将预测集样本稻谷近红外光谱特征信息数据作为自变量,定标值作为因变量,应用偏最小二乘法构建稻谷近红外光谱特征信息和稻谷黄曲霉毒素B1之间的化学计量学模型;(5)模型验证:采用步骤(3)中预处理后的稻谷籽粒的预测样本集的近红外光谱数据对步骤(4)构建的模型进行性能评价;(6)未知稻谷样品黄曲霉毒素B1含量的测定:采集待测的稻谷籽粒样品的近红外光谱数据,运用与步骤(3)中相同的预处理方法对待测的稻谷籽粒样品的近红外光谱数据进行预处理后,用步骤(4)所构建的校正模型对待测的稻谷籽粒样品进行预测。
所述步骤(1),稻谷样本的数量至少为60个,稻谷样本随机分为校正集样本和预测集样本。
所述的近红外光谱分析仪光谱扫描范围为10000cm-1~4000cm-1,分辨率:8cm-1,扫描次数:64次,重复测定三次,取平均光谱。
所述步骤(3),光谱预处理的方法包括平滑、二阶求导、标准化、基线偏移、标准正态变量、多元散射校正、去趋势方法或其中两种以上方法的组合。
本发明不需要任何前处理,且能实现快速、高效、低成本、无污染检测,同时较好的降低外界环境对近红外光谱采集的干扰。
本发明采用的光谱预处理方法可以有效提取近红外光谱的特征信息,降低各种噪声和干扰,提高模型预测精度和稳定性。
本发明提供的方法可为研制一套近红外无损检测稻谷真菌毒素装置提供依据,并能在此基础上将该装置扩展应用到小麦、玉米等其它粮食作物中。
附图说明
图1是稻谷籽粒的原始近红外光谱图;
图2是经过二阶求导处理的稻谷籽粒近红外光谱图;
图3是样品预测值与原始值相关性图谱。
具体实施方式
下面举实例并结合附图对本发明进行详细描述。
(1)取30个自然感染的稻谷样本和50个含水率为16%-22%在25℃下贮藏的稻谷样本共80个样本作为稻谷籽粒的校正样品集和稻谷籽粒的预测样品集,在扫描前自然阴干至稻谷水分稳定在10%-14%。随机抽取2/3样本为校正集样本,1/3为验证集样本;在25℃下开启ANTARISⅡ型傅里叶变换近红外光谱分析仪预热30min,取45g稻谷籽粒放于密封袋中,扫描前尽量排除空气以减少影响;采用透射积分球模式采集光谱,光谱扫描范围10000cm-1~4000cm-1,扫描次数64次,分辨率8cm-1,样品重复扫描3次,采集样品的吸收光谱;取平均值作为校正样品集的近红外光谱数据和预测样品集的近红外光谱数据(参见附图1),为构建黄曲霉毒素B1校正模型做准备;
(2)将采集过近红外光谱的稻谷籽粒进行粉碎处理得到稻谷粉末,采用GB/T 5009.22-2003国标方法测定稻谷中的黄曲霉毒素B1含量;
(3)采用二阶求导处理方法对步骤(1)得到的近红外光谱进行预处理(参见附图2);
(4)根据步骤(3)预处理后的近红外光谱数据,采用Unscrambler 10.3软件提供的偏最小二乘分析方法,建立稻谷籽粒的校正样品集的近红外光谱与稻谷中黄曲霉毒素B1含量之间的校正模型;
(5)运用经步骤(3)预处理后的预测集样本近红外光谱数据,对所构建的校正模型进行性能评价,见表1和表2;
(6)在相同的环境条件下,采用本文所述的方法对未知黄曲霉毒素B1含量的稻谷样品进行检测,运用与步骤(3)相同的预处理方法对待测稻谷样品的光谱数据进行预处理,运用步骤(4)所构建的校正模型预测待测的稻谷样品,稻谷样品的模型预测值和参考值之间的关系见图3。
表1:黄曲霉毒素B1定量分析模型外部验证结果
序号 | 测量值 | 预测值 | 残差 |
1 | 19.91 | 10.08 | 9.83 |
2 | 2.81 | 1.26 | 1.55 |
3 | 22.97 | 23.45 | -0.48 |
4 | 9.3 | 9.61 | -0.31 |
5 | 26.88 | 20.21 | 6.67 |
6 | 10.35 | 12.09 | -1.74 |
7 | 21.3 | 18.56 | 2.74 |
8 | 15.95 | 16.09 | -0.14 |
9 | 2.54 | 1.12 | 1.42 |
10 | 2.19 | 2.16 | 0.03 |
11 | 0.28 | 0.95 | -0.67 |
12 | 10.09 | 12.32 | -2.23 |
13 | 8.62 | 11.90 | -3.28 |
14 | 8.21 | 10.56 | -2.35 |
15 | 3.25 | 5.01 | -1.76 |
16 | 7.05 | 6.28 | 0.77 |
17 | 5.5 | 7.78 | -2.28 |
18 | 0.77 | 0.93 | -0.16 |
19 | 1.44 | 1.56 | -0.12 |
20 | 13.29 | 14.89 | -1.6 |
表2:黄曲霉毒素B1定量分析模型外部验证精度
相关系数 | 预测标准差 | 残差标准值 |
0.922 | 3.14 | 0.30 |
Claims (5)
1.一种基于近红外光谱技术的稻谷黄曲霉毒素B1快速检测方法,其特征在于它的具体步骤如下:(1)样本材料的收集和样本的光谱采集:收集不同程度黄曲霉侵染的稻谷样品,用于模型的建立和校正,然后应用近红外光谱分析仪在相同环境条件下采集稻谷籽粒光谱信息;(2)样本化学值测定:将采集过近红外光谱的稻谷籽粒进行粉碎处理得到稻谷粉末,采用GB/T 5009.22-2003国标方法测定稻谷中的黄曲霉毒素B1含量;(3)校正集和预测集近红外光谱预处理:对校正集稻谷样本和预测集稻谷样本光谱进行预处理,消除非目标因素的干扰,提高检测精度;(4)校正模型建立:通过多变量分析,以校正集样本稻谷黄曲霉毒素B1含量为定标值,将预测集样本稻谷近红外光谱特征信息数据作为自变量,定标值作为因变量,应用偏最小二乘法构建稻谷近红外光谱特征信息和稻谷黄曲霉毒素B1之间的化学计量学模型;(5)模型验证:采用步骤(3)中预处理后的稻谷籽粒的预测样本集的近红外光谱数据对步骤(4)构建的模型进行性能评价;(6)未知稻谷样品黄曲霉毒素B1含量的测定:采集待测的稻谷籽粒样品的近红外光谱数据,运用与步骤(3)中相同的预处理方法对待测的稻谷籽粒样品的近红外光谱数据进行预处理后,用步骤(4)所构建的校正模型对待测的稻谷籽粒样品进行预测。
2.根据权利要求1所述的基于近红外光谱技术的稻谷黄曲霉毒素B1快速检测方法,其特征在于,步骤(1)所述稻谷样本的数量至少为60个,稻谷样本随机分为校正集样本和预测集样本。
3.根据权利要求1所述的基于近红外光谱技术的稻谷黄曲霉毒
素B1快速检测方法,其特征在于,所述的近红外光谱分析仪光谱扫描范围为10000cm-1~4000cm-1,分辨率:8cm-1,扫描次数:64次,重复测定三次,取平均光谱。
4.根据权利要求1所述的基于近红外光谱技术的稻谷黄曲霉毒素B1快速检测方法,其特征在于,步骤(3)所述光谱预处理的方法包括平滑、二阶求导、标准化、基线偏移、标准正态变量、多元散射校正、去趋势方法或其中两种以上方法的组合。
5.根据权利要求1所述的基于近红外光谱技术的稻谷黄曲霉毒素B1快速检测方法,其特征在于,所述的检测方法可用于研制一套近红外无损检测稻谷真菌毒素装置,并能在此基础上将该装置扩展应用到小麦、玉米等其它粮食作物中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310555346.3A CN103575694A (zh) | 2013-11-11 | 2013-11-11 | 一种基于近红外光谱技术的稻谷黄曲霉毒素b1 快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310555346.3A CN103575694A (zh) | 2013-11-11 | 2013-11-11 | 一种基于近红外光谱技术的稻谷黄曲霉毒素b1 快速检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103575694A true CN103575694A (zh) | 2014-02-12 |
Family
ID=50047937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310555346.3A Pending CN103575694A (zh) | 2013-11-11 | 2013-11-11 | 一种基于近红外光谱技术的稻谷黄曲霉毒素b1 快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103575694A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048941A (zh) * | 2014-06-25 | 2014-09-17 | 常熟雷允上制药有限公司 | 采用近红外光谱快速测定麦冬中多指标性成分含量的方法 |
CN104048939A (zh) * | 2014-06-05 | 2014-09-17 | 中国肉类食品综合研究中心 | 生猪血液中血糖含量近红外快速检测方法 |
CN104048940A (zh) * | 2014-06-05 | 2014-09-17 | 中国肉类食品综合研究中心 | 生猪血液中皮质醇含量的近红外快速检测方法 |
CN104089926A (zh) * | 2014-07-18 | 2014-10-08 | 湖南省食品测试分析中心 | 用于鉴别稻米镉含量超标的nir光谱分析模型及鉴别方法 |
CN104964969A (zh) * | 2015-05-28 | 2015-10-07 | 广东省生态环境与土壤研究所 | 一种黄曲霉毒素b1的免标记可视化检测方法及检测试剂盒 |
CN105158201A (zh) * | 2015-07-27 | 2015-12-16 | 南京财经大学 | 一种基于ft-nir技术的糙米中黄曲霉毒素含量的快速检测方法 |
CN105445217A (zh) * | 2015-07-27 | 2016-03-30 | 南京财经大学 | 基于衰减全反射傅里叶变换红外光谱技术的糙米中黄曲霉毒素含量的快速检测方法 |
CN105675534A (zh) * | 2016-03-25 | 2016-06-15 | 北京市农林科学院 | 一种抛光粮食的快速无损鉴别方法 |
EP3211400A1 (en) * | 2016-02-24 | 2017-08-30 | TOMRA Sorting NV | A method and apparatus for the detection of the presence of mycotoxins in cereals |
CN104730027B (zh) * | 2015-02-03 | 2017-09-15 | 中国农业大学 | 应用近红外光谱技术测定小麦条锈病菌夏孢子萌发率的方法 |
CN108107019A (zh) * | 2017-12-15 | 2018-06-01 | 暨南大学 | 一种基于近红外光谱法快速检测玉米中杂色曲菌素含量的方法 |
CN108548786A (zh) * | 2018-03-08 | 2018-09-18 | 青岛农业大学 | 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 |
CN112730269A (zh) * | 2020-12-10 | 2021-04-30 | 青岛农业大学 | 一种基于深度学习的黄曲霉毒素智能检测方法 |
CN112798539A (zh) * | 2020-12-10 | 2021-05-14 | 青岛农业大学 | 一种基于迁移学习的黄曲霉毒素智能检测方法 |
CN114002166A (zh) * | 2021-10-29 | 2022-02-01 | 南京财经大学 | 一种基于高光谱成像技术的稻谷三种曲霉霉变定量检测方法 |
CN114112988A (zh) * | 2021-11-26 | 2022-03-01 | 江苏省农业科学院 | 一种基于云平台的玉米品质和伏马毒素污染现场同步快速分析系统及检测方法 |
CN114965351A (zh) * | 2020-12-17 | 2022-08-30 | 江苏省农业科学院 | 一种基于近红外图像的谷物单籽粒中镰刀菌毒素高通量快速无损定量分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1673746A (zh) * | 2005-04-15 | 2005-09-28 | 中国农业科学院油料作物研究所 | 一种黄曲霉毒素b1的速测方法 |
CN101936895A (zh) * | 2010-09-02 | 2011-01-05 | 中南林业科技大学 | 一种稻米新陈度近红外光谱分析快速检测方法 |
CN103163086A (zh) * | 2013-04-01 | 2013-06-19 | 河南工业大学 | 黄曲霉毒素的太赫兹波谱检测方法 |
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 |
CN103278631A (zh) * | 2013-04-03 | 2013-09-04 | 中国农业科学院油料作物研究所 | 黄曲霉毒素b1流动滞后免疫时间分辨荧光速测试剂盒及其应用 |
CN103323598A (zh) * | 2012-11-21 | 2013-09-25 | 北京农学院 | 一种同时检测小麦及其制品中黄曲霉毒素b1、赭曲霉毒素a、呕吐毒素、玉米赤霉烯酮的快速检测卡及其检测方法 |
-
2013
- 2013-11-11 CN CN201310555346.3A patent/CN103575694A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1673746A (zh) * | 2005-04-15 | 2005-09-28 | 中国农业科学院油料作物研究所 | 一种黄曲霉毒素b1的速测方法 |
CN101936895A (zh) * | 2010-09-02 | 2011-01-05 | 中南林业科技大学 | 一种稻米新陈度近红外光谱分析快速检测方法 |
CN103323598A (zh) * | 2012-11-21 | 2013-09-25 | 北京农学院 | 一种同时检测小麦及其制品中黄曲霉毒素b1、赭曲霉毒素a、呕吐毒素、玉米赤霉烯酮的快速检测卡及其检测方法 |
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 |
CN103163086A (zh) * | 2013-04-01 | 2013-06-19 | 河南工业大学 | 黄曲霉毒素的太赫兹波谱检测方法 |
CN103278631A (zh) * | 2013-04-03 | 2013-09-04 | 中国农业科学院油料作物研究所 | 黄曲霉毒素b1流动滞后免疫时间分辨荧光速测试剂盒及其应用 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048939A (zh) * | 2014-06-05 | 2014-09-17 | 中国肉类食品综合研究中心 | 生猪血液中血糖含量近红外快速检测方法 |
CN104048940A (zh) * | 2014-06-05 | 2014-09-17 | 中国肉类食品综合研究中心 | 生猪血液中皮质醇含量的近红外快速检测方法 |
CN104048941A (zh) * | 2014-06-25 | 2014-09-17 | 常熟雷允上制药有限公司 | 采用近红外光谱快速测定麦冬中多指标性成分含量的方法 |
CN104089926A (zh) * | 2014-07-18 | 2014-10-08 | 湖南省食品测试分析中心 | 用于鉴别稻米镉含量超标的nir光谱分析模型及鉴别方法 |
CN104089926B (zh) * | 2014-07-18 | 2016-07-13 | 湖南省食品测试分析中心 | 用于鉴别稻米镉含量超标的nir光谱分析模型及鉴别方法 |
CN104730027B (zh) * | 2015-02-03 | 2017-09-15 | 中国农业大学 | 应用近红外光谱技术测定小麦条锈病菌夏孢子萌发率的方法 |
CN104964969A (zh) * | 2015-05-28 | 2015-10-07 | 广东省生态环境与土壤研究所 | 一种黄曲霉毒素b1的免标记可视化检测方法及检测试剂盒 |
CN105158201A (zh) * | 2015-07-27 | 2015-12-16 | 南京财经大学 | 一种基于ft-nir技术的糙米中黄曲霉毒素含量的快速检测方法 |
CN105445217A (zh) * | 2015-07-27 | 2016-03-30 | 南京财经大学 | 基于衰减全反射傅里叶变换红外光谱技术的糙米中黄曲霉毒素含量的快速检测方法 |
CN105445217B (zh) * | 2015-07-27 | 2018-08-21 | 南京财经大学 | 基于衰减全反射傅里叶变换红外光谱技术的糙米中黄曲霉毒素含量的快速检测方法 |
WO2017144608A1 (en) * | 2016-02-24 | 2017-08-31 | Tomra Sorting N.V. | A method and apparatus for the detection of the presence of mycotoxins in cereals |
AU2017222946B2 (en) * | 2016-02-24 | 2022-03-17 | Tomra Sorting N.V. | A method and apparatus for the detection of the presence of mycotoxins in cereals |
EP3211400A1 (en) * | 2016-02-24 | 2017-08-30 | TOMRA Sorting NV | A method and apparatus for the detection of the presence of mycotoxins in cereals |
CN109073546A (zh) * | 2016-02-24 | 2018-12-21 | 陶朗分拣股份有限公司 | 用于检测谷物中霉菌毒素的存在的方法和设备 |
JP2019510968A (ja) * | 2016-02-24 | 2019-04-18 | トムラ ソーティング ナムローゼ フェンノートシャップ | 穀物におけるマイコトキシンの存在の検出のための方法及び装置 |
US10429295B2 (en) | 2016-02-24 | 2019-10-01 | Tomra Sorting N.V. | Method and apparatus for the detection of the presence of mycotoxins in cereals |
RU2721896C2 (ru) * | 2016-02-24 | 2020-05-25 | Томра Сортинг Н.В. | Способ и устройство для обнаружения присутствия микотоксинов в злаках |
CN109073546B (zh) * | 2016-02-24 | 2022-08-02 | 陶朗分拣股份有限公司 | 用于检测谷物中霉菌毒素的存在的方法和设备 |
CN105675534A (zh) * | 2016-03-25 | 2016-06-15 | 北京市农林科学院 | 一种抛光粮食的快速无损鉴别方法 |
CN108107019A (zh) * | 2017-12-15 | 2018-06-01 | 暨南大学 | 一种基于近红外光谱法快速检测玉米中杂色曲菌素含量的方法 |
CN108548786A (zh) * | 2018-03-08 | 2018-09-18 | 青岛农业大学 | 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 |
CN108548786B (zh) * | 2018-03-08 | 2023-09-05 | 青岛农业大学 | 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 |
CN112798539A (zh) * | 2020-12-10 | 2021-05-14 | 青岛农业大学 | 一种基于迁移学习的黄曲霉毒素智能检测方法 |
CN112730269A (zh) * | 2020-12-10 | 2021-04-30 | 青岛农业大学 | 一种基于深度学习的黄曲霉毒素智能检测方法 |
CN114965351A (zh) * | 2020-12-17 | 2022-08-30 | 江苏省农业科学院 | 一种基于近红外图像的谷物单籽粒中镰刀菌毒素高通量快速无损定量分析方法 |
CN114002166A (zh) * | 2021-10-29 | 2022-02-01 | 南京财经大学 | 一种基于高光谱成像技术的稻谷三种曲霉霉变定量检测方法 |
CN114112988A (zh) * | 2021-11-26 | 2022-03-01 | 江苏省农业科学院 | 一种基于云平台的玉米品质和伏马毒素污染现场同步快速分析系统及检测方法 |
CN114112988B (zh) * | 2021-11-26 | 2024-05-24 | 江苏省农业科学院 | 一种基于云平台的玉米品质和伏马毒素污染现场同步快速分析系统及检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103575694A (zh) | 一种基于近红外光谱技术的稻谷黄曲霉毒素b1 快速检测方法 | |
CN104596957A (zh) | 基于可见光近红外光谱技术的土壤铜含量估算方法 | |
CN104849232B (zh) | 一种快速检测蜂王浆水分和蛋白质含量的方法 | |
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 | |
Camin et al. | Control of wine vinegar authenticity through δ18O analysis | |
CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
CN105445217A (zh) | 基于衰减全反射傅里叶变换红外光谱技术的糙米中黄曲霉毒素含量的快速检测方法 | |
CN104316491A (zh) | 基于同步-异步二维近红外相关谱检测牛奶掺尿素的方法 | |
CN101504363A (zh) | 一种基于近红外光谱分析的食用油脂酸价检测方法 | |
CN103969212B (zh) | 利用太赫兹频段ftir技术定量检测粮食中农药残留的方法 | |
CN101413883A (zh) | 一种用红外光谱技术鉴别茶叶产地的方法 | |
Meng et al. | Discrimination and content analysis of fritillaria using near infrared spectroscopy | |
CN103487395A (zh) | 一种重楼药材多指标快速检测方法 | |
CN103175805A (zh) | 一种近红外光谱测定污水中cod和bod5指标的方法 | |
CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
CN105784672A (zh) | 一种基于双树复小波算法的毒品检测仪标准化方法 | |
CN105486663B (zh) | 一种利用近红外光谱检测土壤的稳定碳同位素比值的方法 | |
CN103411895B (zh) | 珍珠粉掺伪的近红外光谱鉴别方法 | |
CN105158201A (zh) | 一种基于ft-nir技术的糙米中黄曲霉毒素含量的快速检测方法 | |
CN104596975A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶木质素的方法 | |
CN103712948A (zh) | 生鲜羊肉中挥发性盐基氮含量的快速无损检测方法 | |
CN106126879B (zh) | 一种基于稀疏表示技术的土壤近红外光谱分析预测方法 | |
Du et al. | Rapid determination of Staphylococcus aureus enterotoxin B in milk using Raman spectroscopy and chemometric methods | |
Zhou et al. | Applications of near infrared spectroscopy in cotton impurity and fiber quality detection: A review | |
CN102928356A (zh) | 一种快速测定香精溶剂含量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140212 |