CN103792198B - 牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法 - Google Patents
牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法 Download PDFInfo
- Publication number
- CN103792198B CN103792198B CN201410060479.8A CN201410060479A CN103792198B CN 103792198 B CN103792198 B CN 103792198B CN 201410060479 A CN201410060479 A CN 201410060479A CN 103792198 B CN103792198 B CN 103792198B
- Authority
- CN
- China
- Prior art keywords
- infrared
- dimension
- spectrum
- milk
- near infrared
- 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.)
- Active
Links
- 239000008267 milk Substances 0.000 title claims abstract description 98
- 235000013336 milk Nutrition 0.000 title claims abstract description 98
- 210000004080 milk Anatomy 0.000 title claims abstract description 98
- 238000005100 correlation spectroscopy Methods 0.000 title claims abstract description 29
- 238000001228 spectrum Methods 0.000 claims abstract description 96
- 235000019219 chocolate Nutrition 0.000 claims abstract description 72
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 59
- 229920000877 Melamine resin Polymers 0.000 claims abstract description 58
- JDSHMPZPIAZGSV-UHFFFAOYSA-N melamine Chemical compound NC1=NC(N)=NC(N)=N1 JDSHMPZPIAZGSV-UHFFFAOYSA-N 0.000 claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims abstract description 56
- 238000002474 experimental method Methods 0.000 claims abstract description 54
- 239000000203 mixture Substances 0.000 claims abstract description 8
- 238000012935 Averaging Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 abstract description 13
- 238000004458 analytical method Methods 0.000 abstract description 10
- 239000000956 alloy Substances 0.000 abstract description 7
- 229910045601 alloy Inorganic materials 0.000 abstract description 7
- 230000004069 differentiation Effects 0.000 abstract description 7
- 239000000284 extract Substances 0.000 abstract description 3
- 244000299461 Theobroma cacao Species 0.000 description 52
- 230000008901 benefit Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 235000013365 dairy product Nutrition 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 230000008863 intramolecular interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000008101 lactose Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000411 transmission spectrum Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法，其步骤为：⑴、准备实验用纯牛奶以及掺杂三聚氰胺牛奶；⑵、扫描实验用纯牛奶以及掺杂三聚氰胺牛奶的中红外光谱和近红外光谱；⑶、计算实验用纯牛奶二维中红外-近红外相关同步谱矩阵以及掺杂三聚氰胺牛奶二维中红外-近红外相关同步谱矩阵；⑷、采用多维偏最小二乘法建立判别模型；⑸、未知样品奶扫描计算得到未知样品奶二维中红外-近红外相关同步谱矩阵，代入判别模型，得到是否掺杂三聚氰胺。本发明既充分利用二维中红外-近红外相关谱提取牛奶中掺杂物特征信息的能力，又克服基于二维相关图谱直接比对法判别掺杂样品的主观性，该方法简易、科学、分析效率和判别正确率高。
Description
技术领域
本发明属于检测方法领域，尤其是一种牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法。
背景技术
牛奶具有较高的营养价值，其中含有促进人体生长发育及维持健康水平的必需营养成分，如蛋白质、脂肪、乳糖和其他固形物等。随着人们生活水平的提高，奶制品在国内的消费量迅速增加。在巨大经济利益的驱使下，一些不法商贩为了达到以次充好、赚取非法利润的目的，在牛奶中添加各种掺杂物，直接危害人体健康，并给乳品加工企业造成巨大的经济损失。目前，采用光谱的方法对牛奶掺杂的报道很多，但牛奶是一种悬浮状态和乳浊状态共存的胶体性液体，对光具有较强的散射，同时掺杂物的多样化、微量化以及掺杂物特征峰与牛奶特征峰相互重叠等因素的影响，导致常规一维光谱很难从复杂、重叠、变动的光谱中提取微弱的信息，与常规一维光谱方法相比，二维相关谱将传统光谱在第二维上展开，提高了谱图的分辨率，适合于那些常规光谱方法难以满足的相似样品的鉴别分析。因此二维同谱相关谱，即中红外相关与近红外相关，和二维异谱相关谱，即中红外-近红外相关，已被应用于掺杂食品的定性分析。但上述分析基本都是基于相关谱的指纹信息，通过对掺杂样品与未掺杂样品的图谱进行逐一比对，这就需要相关专业的、有经验的的是技术人员，存在主观的误判因素，且对于判别大量的样品，通过上述方法进行分析是非常繁琐，而且低效的。
发明内容
本发明的目的在于克服现有技术的不足，提供一种牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法，该检测方法充分利用了异谱中红外-近红外相关谱提取牛奶中掺杂物特征信息的能力，同时也克服了基于二维相关图谱直接比对法判别掺杂样品的主观性，该方法简易、科学、分析效率和判别正确率高。
本发明是通过以下技术方案实现的：
一种牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法，其步骤为：
⑴、准备实验用纯牛奶以及用实验用纯牛奶掺杂不同浓度三聚氰胺的掺杂三聚氰胺牛奶；
⑵、分别扫描实验用纯牛奶的中红外光谱和近红外光谱、掺杂三聚氰胺牛奶的中红外光谱和近红外光谱，分别得到实验用纯牛奶一维中红外光谱数据、实验用纯牛奶一维近红外光谱数据、掺杂三聚氰胺牛奶一维中红外光谱数据、掺杂三聚氰胺牛奶一维近红外光谱数据，并通过计算得到实验用纯牛奶一维中红外平均谱数据以及实验用纯牛奶一维近红外平均谱数据；
⑶、将实验用纯牛奶一维中红外平均谱数据与实验用纯牛奶一维中红外光谱数据按行排列组成第一光谱矩阵，将实验用纯牛奶一维近红外平均谱数据与实验用纯牛奶一维近红外光谱数据按行排列组成第二光谱矩阵，将第一光谱矩阵与第二光谱矩阵进行二维相关同步谱计算得到实验用纯牛奶二维中红外-近红外相关同步谱矩阵；将实验用纯牛奶一维中红外平均谱数据与掺杂三聚氰胺牛奶一维中红外光谱数据按行排列组成第三光谱矩阵，将实验用纯牛奶一维近红外平均谱数据与掺杂三聚氰胺牛奶一维近红外光谱数据按行排列组成第四光谱矩阵，将第三光谱矩阵与第四光谱矩阵进行二维相关同步谱计算得到掺杂三聚氰胺牛奶二维中红外-近红外相关同步谱矩阵；
⑷、将实验用纯牛奶二维中红外-近红外相关同步谱矩阵以及掺杂三聚氰胺牛奶二维中红外-近红外相关同步谱矩阵与类别变量矩阵采用多维偏最小二乘法建立判别模型；
⑸、将未知样品奶进行中红外光谱和近红外光谱扫描得到未知样品奶一维中红外光谱数据、未知样品奶一维近红外光谱数据，将实验用纯牛奶一维中红外平均谱数据与未知样品奶一维中红外光谱数据按行排列组成第五光谱矩阵，将实验用纯牛奶一维近红外平均谱数据与未知样品奶一维近红外光谱数据按行排列组成第六光谱矩阵，将第五光谱矩阵与第六光谱矩阵进行二维相关同步谱计算得到未知样品奶二维中红外-近红外相关同步谱矩阵，将未知样品奶二维中红外-近红外相关同步谱矩阵代入步骤⑷中的判别模型，得到未知样品奶是否掺杂三聚氰胺。
而且，所述的中红外光谱采用波段是700-4000cm-1，近红外光谱采用波段是4000-10000cm-1。
而且，所述的中红外光谱优选波段范围是：1400-1704cm-1，近红外光谱优选波段范围是：4200-4800cm-1。
本发明的优点及有益效果是：
1、本发明牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法相对二维同谱相关谱，对未知样本的预测更为准确，可广泛应用于食品掺伪检测中。
2、本发明采用二维相关技术将光谱信号扩张到第二维上，故具有较高的分辨率，可以区分出在一维光谱上被覆盖的小峰和弱峰，从而提高了光谱的分辨率。
3、本发明通过中红外-近红外光谱之间相关性的分析，能够详细地研究不同分子间或分子内的相互作用，通过交叉峰的相关性可以分析信息来源，从而提高光谱的解释能力。
4、本发明基于中红外-近红外光谱相关分析可以相互验证，从而减小由于基线、噪音或吸收峰位置红移/蓝移所造成的二维分析误差，大大提高二维分析的准确度。
5、本发明将二维中红外-近红外相关同步谱矩阵与多维偏最小二乘法相结合实现掺杂三聚氰胺牛奶与纯牛奶的定性判别，既充分利用了二维中红外-近红外相关谱提取牛奶中掺杂物特征信息的能力，同时也克服了基于二维相关图谱直接比对法判别掺杂样品的主观性。该方法简易、科学、分析效率和判别正确率高。
附图说明
图1为纯牛奶的二维中红外-近红外相关同步谱；
图2为掺杂三聚氰胺牛奶的二维中红外-近红外相关同步谱；
图3基于二维中红外-近红外相关同步谱多维偏最小二乘判别模型对校正集内部样品预测结果（*表示掺杂三聚氰胺牛奶样品，○表示纯牛奶样品）；
图4基于二维中红外-近红外相关同步谱多维偏最小二乘判别模型对预测集未知样品的预测结果（☆表示掺杂三聚氰胺牛奶样品，＋表示纯牛奶样品）。
具体实施方式
本发明通过以下实施例进一步详述。需要说明的是：下述实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。
一种牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法，其步骤为：
⑴、准备实验用纯牛奶以及用实验用纯牛奶掺杂不同浓度三聚氰胺的掺杂三聚氰胺牛奶；
⑵、分别扫描实验用纯牛奶的中红外光谱和近红外光谱、掺杂三聚氰胺牛奶的中红外光谱和近红外光谱，分别得到实验用纯牛奶一维中红外光谱数据、实验用纯牛奶一维近红外光谱数据、掺杂三聚氰胺牛奶一维中红外光谱数据、掺杂三聚氰胺牛奶一维近红外光谱数据；中红外光谱采用波段是700-4000cm-1，近红外光谱采用波段是4000-10000cm-1，中红外光谱优选波段范围是：1400-1704cm-1，近红外光谱优选波段范围是：4200-4800cm-1。
⑶、将实验用纯牛奶一维中红外光谱数据、实验用纯牛奶一维近红外光谱数据与实验用纯牛奶一维中红外光谱数据、实验用纯牛奶一维近红外光谱数据进行二维相关同步谱计算得到实验用纯牛奶二维中红外-近红外相关同步谱矩阵；将实验用纯牛奶一维中红外光谱数据、实验用纯牛奶一维近红外光谱数据与掺杂三聚氰胺牛奶一维中红外光谱数据、掺杂三聚氰胺牛奶一维近红外光谱数据进行二维相关同步谱计算得到掺杂三聚氰胺牛奶二维中红外-近红外相关同步谱矩阵；
⑷、将实验用纯牛奶二维中红外-近红外相关同步谱矩阵以及掺杂三聚氰胺牛奶二维中红外-近红外相关同步谱矩阵与类别变量矩阵采用多维偏最小二乘法建立判别模型；类别变量矩阵中纯牛奶可以用“0”表示，掺杂三聚氰胺牛奶可以用“1”表示；
⑸、将未知样品奶进行中红外光谱和近红外光谱扫描得到未知样品奶一维中红外光谱数据、未知样品奶一维近红外光谱数据，将未知样品奶一维中红外光谱数据、未知样品奶一维近红外光谱数据与实验用纯牛奶一维中红外光谱数据、实验用纯牛奶一维近红外光谱数据进行二维相关同步谱计算得到未知样品奶二维中红外-近红外相关同步谱矩阵，将未知样品奶二维中红外-近红外相关同步谱矩阵代入步骤⑷中的判别模型，得到未知样品奶是否掺杂三聚氰胺。即根据未知样品奶的预测值进行判别，当未知样品奶类别变量的预测值大于0.5时，判定该样品属于掺杂三聚氰胺牛奶类；当未知样品奶类别变量的预测值小于0.5时，判定该样品属于纯牛奶类。
本实施例中三聚氰胺为天津市赢达稀贵化学试剂厂提供；实验采用伊利全脂灭菌纯牛奶，随机选取上述纯牛奶为母样本，分别配置纯牛奶样品40个和掺杂三聚氰胺牛奶样品40个，其浓度范围为0.01g/L-3g/L。
本发明中光谱采集采用美国Per中红外-近红外inElmer公司的SpectrumGX傅立叶变换红外光谱仪。中红外光谱扫描范围为700-4000cm-1；近红外光谱扫描范围为4000-10000cm-1；两个波段的仪器参数如下：分辨率为4cm-1，扫描间隔为8cm-1，扫描次数16。实验前，对所配置的掺杂三聚氰胺牛奶进行均质处理。为了消除仪器漂移的影响，在测量每个样品后再采集蒸馏水的光谱作为背景，用样品光谱扣除相邻背景光谱后作为待分析的光谱数据。
计算二维中红外-近红外相关同步谱矩阵
二维中红外-近红外相关同步谱的计算主要基于下述原理：假设原始常规一维中红外光谱A（k×m）和近红外光谱B（k×n）中都包含k个光谱，根据二维相关Noda理论，则二维中红外-近红外相关同步谱Φ(ν1,ν2)可表示为：
T表示转置，m和n分别表示在中红外和近红外波段分别采集的波长数。在本发明中，A和B中都包括两个光谱（k=2），A的第一行为纯牛奶一维中红外平均谱，B的第一行为纯牛奶一维近红外平均谱，当A的第二行为第i个掺杂三聚氰胺牛奶或纯牛奶常规一维中红外谱，B的第二行为第i个掺杂三聚氰胺牛奶或纯牛奶常规一维近红外谱时，根据式（1）就可得到第i个掺杂三聚氰胺牛奶或纯牛奶所对应的二维中红外-近红外相关同步谱。
选择随牛奶中掺杂三聚氰胺浓度变化敏感的特征光谱信息区域1400-1704cm-1和4200-4800cm-1来进行二维相关计算。图1是纯牛奶的二维中红外-近红外相关同步谱，图2是掺杂三聚氰胺牛奶（浓度为0.04g/L）的二维中红外-近红外相关同步谱。
建立掺杂三聚氰胺牛奶判别模型：
采用浓度梯度法从40个掺杂三聚氰胺牛奶和40个纯牛奶样品中选出54个（掺杂三聚氰胺牛奶和纯牛奶各27个）作为校正集，余下26个样品作为独立的预测集。在校正集和预测集中，纯牛奶和掺杂三聚氰胺牛奶分别用“0”，“1”来表示其类别属性。将二维中红外-近红外相关同步谱矩阵(54×39×76)作为自变量，类别变量矩阵作为因变量，建立掺杂三聚氰胺牛奶与纯牛奶的多维偏最小二乘判别模型。利用所建立的模型对校正集样品进行内部预测，其预测结果见图3。3个掺杂三聚氰胺牛奶和1个纯牛奶被误判，所建模型对校正集内部样品的判别正确率为92.6%。
对未知样品的判别：
通过测定未知样品的一维中红外和近红外光谱，采用校正模型中所用纯牛奶样品的一维中红外平均谱和一维近红外平均谱，依据式（1）计算其二维中红外-近红外相关同步谱矩阵，并利用上述建立的多维偏最小二乘判别模型对预测集样品进行外部预测，计算未知样本二维中红外-近红外相关同步谱矩阵对应的类别变量预测值。所建模型对预测集未知样品的预测结果见图4。显然，仅有1个掺杂三聚氰胺牛奶样品被误判，其判别正确率为96.2%。为了验证我们所提出的方法对未知样品具有高的预测能力，对于同样的校正集和预测集样品，分别建立了中红外（1400-1704cm-1）、近红外（4200-4800cm-1）相关同步谱的多维偏最小二乘判别模型，采用这些模型对所有的样品进行预测，并与中红外-近红外相关的多维偏最小二乘判别模型的预测结果作比较，如表1所示。
表1基于二维中红外-近红外、中红外和近红外相关谱多维偏最小
二乘模型预测结果比较
为了进一步验证我们所提方法的有效性，将校正集样品的二维中红外-近红外相关谱同步谱矩阵（54×39×76）拉直转换为二维数据（54×2964），建立了掺杂三聚氰胺牛奶与纯牛奶的unfold偏最小二乘判别模型。为比较，也建立了基于拉直中红外相关谱（54×1521）、近红外（54×5776）相关谱的unfold偏最小二乘判别模型。三个模型对所有的样品预测结果见表2。
表2基于二维中红外-近红外、中红外和近红外相关谱unfold偏最小
二乘判别模型预测结果比较
表1和表2的结果表明：基于二维中红外-近红外相关谱，无论是多维偏最小二乘判别模型，还是unfold偏最小二乘判别模型，对未知样品的判别正确率都优于二维中红外和二维近红外相关谱，且对未知样品的判别正确率都高达96.2%。这是由于二维中红外-近红外相关谱相对于二维中红外和二维近红外相关谱，可更有效地提取了牛奶中掺杂物的特征信息。因此基于二维中红外-近红外相关谱和多维偏最小二乘法可对掺杂三聚氰胺牛奶与纯牛奶样品进行较好判别。
上述参照实施例对掺杂三聚氰胺牛奶二维中红外-近红外相关谱判别方法的详细描述，是说明性的而不是限定性的，因此在不脱离本发明总体构思下的变化和修改，应属于本发明的保护范围之内。
Claims (3)
1.一种牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法，其步骤为：
⑴、准备实验用纯牛奶以及用实验用纯牛奶掺杂不同浓度三聚氰胺的掺杂三聚氰胺牛奶；
⑵、分别扫描实验用纯牛奶的中红外光谱和近红外光谱、掺杂三聚氰胺牛奶的中红外光谱和近红外光谱，分别得到实验用纯牛奶一维中红外光谱数据、实验用纯牛奶一维近红外光谱数据、掺杂三聚氰胺牛奶一维中红外光谱数据、掺杂三聚氰胺牛奶一维近红外光谱数据，并通过计算得到实验用纯牛奶一维中红外平均谱数据以及实验用纯牛奶一维近红外平均谱数据；
⑶、将实验用纯牛奶一维中红外平均谱数据与实验用纯牛奶一维中红外光谱数据按行排列组成第一光谱矩阵，将实验用纯牛奶一维近红外平均谱数据与实验用纯牛奶一维近红外光谱数据按行排列组成第二光谱矩阵，将第一光谱矩阵与第二光谱矩阵进行二维相关同步谱计算得到实验用纯牛奶二维中红外-近红外相关同步谱矩阵；将实验用纯牛奶一维中红外平均谱数据与掺杂三聚氰胺牛奶一维中红外光谱数据按行排列组成第三光谱矩阵，将实验用纯牛奶一维近红外平均谱数据与掺杂三聚氰胺牛奶一维近红外光谱数据按行排列组成第四光谱矩阵，将第三光谱矩阵与第四光谱矩阵进行二维相关同步谱计算得到掺杂三聚氰胺牛奶二维中红外-近红外相关同步谱矩阵；
⑷、将实验用纯牛奶二维中红外-近红外相关同步谱矩阵以及掺杂三聚氰胺牛奶二维中红外-近红外相关同步谱矩阵与类别变量矩阵采用多维偏最小二乘法建立判别模型；
⑸、将未知样品奶进行中红外光谱和近红外光谱扫描得到未知样品奶一维中红外光谱数据、未知样品奶一维近红外光谱数据，将实验用纯牛奶一维中红外平均谱数据与未知样品奶一维中红外光谱数据按行排列组成第五光谱矩阵，将实验用纯牛奶一维近红外平均谱数据与未知样品奶一维近红外光谱数据按行排列组成第六光谱矩阵，将第五光谱矩阵与第六光谱矩阵进行二维相关同步谱计算得到未知样品奶二维中红外-近红外相关同步谱矩阵，将未知样品奶二维中红外-近红外相关同步谱矩阵代入步骤⑷中的判别模型，得到未知样品奶是否掺杂三聚氰胺。
2.根据权利要求1所述的牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法，其特征在于：所述的中红外和近红外光谱采用波段分别是700-4000cm-1与4000-10000cm-1。
3.根据权利要求2所述的牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法，其特征在于：所述的中红外和近红外光谱优选波段范围分别是：1400-1704cm-1和与4200-4800cm-1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410060479.8A CN103792198B (zh) | 2014-02-24 | 2014-02-24 | 牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410060479.8A CN103792198B (zh) | 2014-02-24 | 2014-02-24 | 牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103792198A CN103792198A (zh) | 2014-05-14 |
| CN103792198B true CN103792198B (zh) | 2016-01-20 |
Family
ID=50668070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410060479.8A Active CN103792198B (zh) | 2014-02-24 | 2014-02-24 | 牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103792198B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104316491B (zh) * | 2014-11-12 | 2017-01-18 | 天津农学院 | 基于同步‑异步二维近红外相关谱检测牛奶掺尿素的方法 |
| CN104655595B (zh) * | 2015-02-11 | 2017-06-20 | 北京农业智能装备技术研究中心 | 激光诱导击穿光谱的分析系统及方法 |
| CN106153570A (zh) * | 2015-03-24 | 2016-11-23 | 上海市闵行中学 | 使用中红外光谱快速判别牛奶中是否掺假的方法 |
| CN105588816A (zh) * | 2015-12-16 | 2016-05-18 | 新希望双喜乳业（苏州）有限公司 | 一种基于近红外光谱快速检测牛奶中掺伪三聚氰胺含量的方法 |
| CN105675562B (zh) * | 2016-01-20 | 2018-01-12 | 天津农学院 | 一种基于二维荧光相关谱的水中多环芳烃的检测方法 |
| CN105606540B (zh) * | 2016-01-28 | 2017-12-19 | 天津农学院 | 基于同步二维相关谱自相关峰的定量分析方法 |
| CN106338491A (zh) * | 2016-08-17 | 2017-01-18 | 中国计量大学 | 一种假奶粉鉴别装置 |
| CN106596464A (zh) * | 2016-12-23 | 2017-04-26 | 天津农学院 | 一种奶粉中掺三聚氰胺的近红外自相关谱检测方法 |
| CN106770013A (zh) * | 2016-12-28 | 2017-05-31 | 天津农学院 | 基于二维近红外相关光谱不变矩特征判别掺杂尿素牛奶的方法 |
| CN108426855A (zh) * | 2017-02-15 | 2018-08-21 | 天津农学院 | 基于二维相关近红外光谱灰度统计特征判别掺杂尿素牛奶的方法 |
| CN110398472A (zh) * | 2019-06-28 | 2019-11-01 | 天津大学 | 一种基于二维相关光谱量化的植物油鉴别分类方法 |
| CN111693486B (zh) * | 2020-04-21 | 2022-01-14 | 天津农学院 | 一种减小品牌对掺杂尿素牛奶判别模型影响的同步近红外相关切谱检测方法 |
| CN111351767B (zh) * | 2020-04-21 | 2022-01-14 | 天津农学院 | 一种基于二维近红外相关谱应用特征切谱判别牛奶中掺杂尿素的判别方法 |
| CN111650152B (zh) * | 2020-04-21 | 2022-01-14 | 天津农学院 | 一种减小品牌对掺杂尿素牛奶判别模型影响的异步近红外相关切谱检测方法 |
| CN111323384B (zh) * | 2020-04-21 | 2022-01-14 | 天津农学院 | 一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法 |
| CN117671300B (zh) * | 2023-12-07 | 2024-04-26 | 广东晨晖新材料科技有限公司 | 一种三聚氰胺浸渍纸生产的质检预警方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103543123A (zh) * | 2013-10-08 | 2014-01-29 | 江南大学 | 一种掺假牛奶的红外光谱识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070107947A (ko) * | 2006-05-04 | 2007-11-08 | 대한민국(관리부서:농촌진흥청) | 근적외선 분광 분석 시스템을 이용한 우유 중 요소태질소의분석방법 |
-
2014
- 2014-02-24 CN CN201410060479.8A patent/CN103792198B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103543123A (zh) * | 2013-10-08 | 2014-01-29 | 江南大学 | 一种掺假牛奶的红外光谱识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| 二维相关光谱结合偏最小二乘法测定牛奶中的掺杂尿素;杨仁杰等;《农业工程学报》;20120331;第28卷(第6期);第260页第1.3节及第2节 * |
| 二维相关近红外光谱检测牛奶中的三聚氰胺;刘蓉等;《光散射学报》;20130331;第25卷(第1期);第93页第2节到第96页第4节 * |
| 二维相关进红外光谱结合NPLS-DA判别掺杂牛奶的研究;杨仁杰等;《光子学报》;20130531;第42卷(第5期);第580-585页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103792198A (zh) | 2014-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103792198B (zh) | 牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法 | |
| Vitale et al. | A rapid and non-invasive method for authenticating the origin of pistachio samples by NIR spectroscopy and chemometrics | |
| CN104316491B (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 | |
| Vasconcelos et al. | Study of adulteration of extra virgin olive oil with peanut oil using FTIR spectroscopy and chemometrics | |
| Yang et al. | Detection of adulterated milk using two-dimensional correlation spectroscopy combined with multi-way partial least squares | |
| Ouyang et al. | Real-time monitoring of process parameters in rice wine fermentation by a portable spectral analytical system combined with multivariate analysis | |
| CN103674864B (zh) | 一种基于高光谱成像技术的鱼水分含量分布检测方法 | |
| CN101915744A (zh) | 物质成分含量的近红外光谱无损检测方法及装置 | |
| Chen et al. | Determination of rice syrup adulterant concentration in honey using three-dimensional fluorescence spectra and multivariate calibrations | |
| CN106596464A (zh) | 一种奶粉中掺三聚氰胺的近红外自相关谱检测方法 | |
| Donis-González et al. | Performance evaluation of two commercially available portable spectrometers to non-invasively determine table grape and peach quality attributes | |
| CN103293118A (zh) | 一种基于近红外光谱分析技术的潲水油鉴别方法 | |
| CN104596957A (zh) | 基于可见光近红外光谱技术的土壤铜含量估算方法 | |
| CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
| Wang et al. | Variable selection and optimization in rapid detection of soybean straw biomass based on CARS | |
| CN106950192A (zh) | 一种基于近红外光谱分析技术的植物蛋白饮料中主要成分含量快速检测的方法 | |
| CN105628670A (zh) | 一种适于橄榄油掺杂识别的二维相关光谱多尺度建模方法 | |
| Ouyang et al. | Measurement of non-sugar solids content in Chinese rice wine using near infrared spectroscopy combined with an efficient characteristic variables selection algorithm | |
| Ning et al. | Rapid evaluation of soil fertility in tea plantation based on near-infrared spectroscopy | |
| Jiménez-Carvelo et al. | Rapid and non-destructive spatially offset Raman spectroscopic analysis of packaged margarines and fat-spread products | |
| Grassi et al. | An exploratory study for the technological classification of egg white powders based on infrared spectroscopy | |
| Ma et al. | Efficient identification of Bachu mushroom by flourier transform infrared (FT-IR) spectroscopy coupled with PLS-GS-SVM | |
| Taous et al. | Geographical classification of authentic Moroccan Argan oils and the rapid detection of soya and sunflower oil adulteration with ATR-FTIR spectroscopy and chemometrics | |
| Chen et al. | A rapid and effective method for species identification of edible boletes: FT-NIR spectroscopy combined with ResNet | |
| CN103134763A (zh) | 由红外光谱预测原油密度的方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200106 Address after: No.232, Qiliang Road, xiawuqi Town, Wuqing District, Tianjin 300000 Patentee after: TIANJIN XIANSHUO SCIENCE AND TECHNOLOGY CO., LTD. Address before: 300384 No. 22 Jin Jing Road, Xiqing District, Tianjin, Tianjin Agricultural University Patentee before: tianjin agricultural university |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220424 Address after: 301700 room 597-3, block B, No. 18, Quanzhou North Road, Yangcun street, Wuqing District, Tianjin (centralized office area) Patentee after: TIANJIN NONGSHENG AGRICULTURAL TECHNOLOGY Co.,Ltd. Address before: 300000 No. 232, Qiliang Road, xiawuqi Town, Wuqing District, Tianjin Patentee before: TIANJIN XIANSHUO SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |