CN104713849A - 一种基于近红外光谱分析技术的烟叶霉变的快速预测方法 - Google Patents
一种基于近红外光谱分析技术的烟叶霉变的快速预测方法 Download PDFInfo
- Publication number
- CN104713849A CN104713849A CN201510146760.8A CN201510146760A CN104713849A CN 104713849 A CN104713849 A CN 104713849A CN 201510146760 A CN201510146760 A CN 201510146760A CN 104713849 A CN104713849 A CN 104713849A
- Authority
- CN
- China
- Prior art keywords
- sample
- mouldy
- tobacco leaf
- tobacco
- mildew
- 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
- 241000208125 Nicotiana Species 0.000 title claims abstract description 93
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 20
- 238000002360 preparation method Methods 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000010183 spectrum analysis Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 241000233866 Fungi Species 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 229940089161 ginsenoside Drugs 0.000 claims description 3
- 229930182494 ginsenoside Natural products 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 238000000465 moulding Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 5
- 230000006378 damage Effects 0.000 description 3
- 235000019505 tobacco product Nutrition 0.000 description 3
- 235000019504 cigarettes Nutrition 0.000 description 2
- 230000001332 colony forming effect Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 229930195730 Aflatoxin Natural products 0.000 description 1
- 206010007269 Carcinogenicity Diseases 0.000 description 1
- 231100000678 Mycotoxin Toxicity 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000005409 aflatoxin Substances 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000007670 carcinogenicity Effects 0.000 description 1
- 231100000260 carcinogenicity Toxicity 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002636 mycotoxin Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Manufacture Of Tobacco Products (AREA)
Abstract
一种基于近红外光谱分析技术的烟叶霉变的快速预测方法，通过近红外光谱分析仪采集不同霉变程度烟叶的近红外光谱，首先应用优劣比值法筛选出对霉变判别贡献大的特征波长；然后应用筛选出来的特征波长建立霉变烟叶的判别模型；最后对待测烟叶样本进行近红外光谱采集和特征波长的提取，再用建立的判别模型来预测该烟叶样本的霉变情况。本发明能够在烟叶未出现明显损伤之前，快速、准确的对烟叶是否霉变进行预测。与现有技术相比，样本无需复杂的前处理、检测速度快、操作简单方便、预测准确率高。
Description
技术领域
本发明涉及烟叶检测技术领域，具体为基于近红外光谱分析技术预测烟叶霉变的方法。
背景技术
烟叶霉变是烟叶受霉菌污染的结果。霉菌广泛存在于自然界的空气中,以及烟叶、烟丝上。烟叶中的霉菌只要碰到适宜它生长繁殖的温湿度条件，就会加快生长和繁殖速度，造成烟叶霉变，并迅速蔓延。当烟叶霉变时，霉菌摄取烟叶中的营养物质，破坏其组织结构，分解烟叶的成分，并释放出难闻的气体，致使烟叶彻底失去了使用价值，给卷烟工业企业造成不可挽回的经济损失。同时，从卷烟安全性考虑，霉菌代谢产物中黄曲霉素等霉菌毒素具有极强的致癌性，对人类健康产生危害。因此，对烟叶霉变进行判别是一项极为重要的工作，尤其是在霉变的初期或烟叶还未出现任何损伤时对其进行霉变趋势的预测，并及时采取措施如：将其有效隔离等，并对存贮环境进行通风、除湿、散热等可将烟叶霉变的危害降至最低。
传统的对烟草霉变的检验主要是通过感官检验、感官评吸法以及微生物计数法。感官检验，是将烟草及烟草制品放在白纸上，通过眼观和鼻嗅，若眼观表面有霉斑，或有白、青色绒毛状物，或鼻嗅有霉味的即为霉变烟草及烟草制品。若烟草及烟草制品样品无霉斑或无明显霉味，但水分或包/箱温异常，可进一步制样后通过感官评吸判别是否有霉味。常规的霉菌计数方法以培养基培养，肉眼观察，必要时可用放大镜，记录各稀释倍数和相应的霉菌数，以菌落形成单位（colony forming units，CFU）表示。这些方法存在严重依赖于人的感官、检测效率低、所需时间长等问题，且不能在霉变初期及时对烟叶霉变情况进行预测。因此，研究快速准确的烟叶霉变预测方法非常重要。
发明内容
本发明的目的是提供一种能够对烟叶霉变进行快速预测的方法，以解决现有技术中烟叶霉变检测时间长，难以在霉变初期及时对烟叶霉变情况进行预测的技术问题。
本发明的目的通过如下技术方案实现。
一种基于近红外光谱分析技术的烟叶霉变的快速预测方法，方法步骤如下：
（1）霉变烟叶样本的制备：选取具有代表性的不同产地、不同品种、不同等级的初烤烟叶，在高湿度环境下存贮加速霉菌生长，制备不同霉变程度的烟叶样本；
（2）霉变烟叶的分类：通过感官检验并结合霉菌计数方法，对烟叶的霉变情况进行分类，分成正常样品、霉变初期样品、霉变样品三类；分别将正常样品、霉变初期样品、霉变样品直接粉碎过40目筛后，进行近红外光谱采集；
（3）近红外光谱的采集：通过近红外光谱分析仪分别采集各个样本的近红外光谱，作为各烟叶样本的基础光谱信息；
（4）原始光谱的特征波长提取：应用优劣比值法从各烟叶样本的基础光谱信息中筛选出各烟叶样本对霉变判别贡献大的特征波长；
（5）霉变判别模型的建立与验证：应用筛选出来的特征波长采用偏最小二乘法-判别分析方法建立霉变烟叶的判别模型，并应用验证集验证模型的有效性；
（6）待测烟叶样本霉变情况的预测：对待测的烟叶样本进行近红外光谱采集和特征波长的提取，再用通过有效性验证的模型预测该烟叶样本的霉变情况。
上述步骤（1）中所述在高湿度环境下存贮烟叶，是指在相对湿度80%条件下存储15天。步骤（2）中所述霉变烟叶的分类，正常样品是感官检验和霉菌计数结果均显示为未霉变的样品，霉变初期样品是感官检验未发现霉变现象，但霉菌计数结果显示大于105 CFU/g的样品，霉变样品是感官检验结果为霉变，且霉菌计数结果显示大于106 CFU/g的样品。步骤（3）中所述近红外光谱的采集，仪器的主要工作参数为：光谱扫描范围10000～4000 cm-1，分辨率8 cm-1，扫描次数78次。步骤（4）中，应用优劣比值法方法筛选出的特征波长为9383.5 cm-1、8851.9 cm-1、5457.6 cm-1和4042.0 cm-1。
本发明方法所建立的模型能够快速、准确的对霉变初期的烟叶进行预测。与现有技术相比，样本无需复杂的前处理、检测速度快、操作简单方便、预测准确率高。
附图说明
图1是本发明实施例所采集的近红外光谱图；
图2是实施例的God2Bad值；
图3是实施例中特征波长的变化规律；
图4是实施例预测组样本的主成分得分图。
具体实施方式
为使本发明实施例的目的、技术方案和有点更加清楚，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、完整的描述。
一种基于近红外光谱分析技术的烟叶霉变的快速预测方法，方法步骤如下：
（1）霉变烟叶样本的制备
选取1124个来源于不同产地、不同品种、不同等级的初烤烟叶。选取其中523个，放置于80%湿度环境下以加速霉菌的生长；剩余的601个放置于20%湿度环境下避光保存。霉变烟叶样本的制备包括不同产地、不同品种、不同等级烟叶的选择，以充分考虑到产地、品种、等级不同，烟叶中霉菌的种类和数量不同，对烟叶霉变带来的不同影响；
（2）霉变烟叶的分类
15天后，存放在80%湿度环境下的523个烟叶表现出不同程度的霉变；而存放在20%湿度环境下的601个烟叶表面没有霉菌生长。通过传统的感官检验并结合霉菌计数方法，对烟叶霉变情况分为3个类别：第1类：592个，正常样品，其感官检验和霉菌计数结果均显示为未霉变；第2类：174个，霉变初期样品，其感官检验未发现霉变现象，但霉菌计数结果显示大于105 CFU/g；第3类：188个，霉变样品，其感官检验结果为霉变，且霉菌计数结果显示大于106 CFU/g。分别将正常样品、霉变初期样品、霉变样品直接粉碎过40目筛后，进行近红外光谱采集；
（3）近红外光谱的采集
通过近红外光谱分析仪分别采集各个样本的近红外光谱，作为各烟叶样本的基础光谱信息，该光谱能够反映霉变烟叶的整体化学信息。仪器的主要工作参数为：光谱扫描范围10000～4000 cm-1，分辨率8 cm-1，扫描次数78次。图1为正常烟叶和霉变烟叶的近红外光谱图，图2为正常烟叶和霉变烟叶近红外光谱的优劣比值图。
（4）原始光谱的特征波长提取
应用优劣比值法（God2Bad法）从各烟叶样本的基础光谱信息中筛选出各烟叶样本对霉变判别贡献大的特征波长；筛选出的特征波长为9383.5 cm-1、8851.9 cm-1、5457.6 cm-1和4042.0 cm-1。本实施例中4个特征波长的变化规律如图3所示。
（5）霉变判别模型的建立与验证：
将所有样本随机分为训练组和预测组，其中训练组924个样本用于模型的建立，预测组200个样本用于模型预测效果的验证。应用筛选出来的特征波长，采用偏最小二乘法-判别分析方法（PLS-DA方法）建立霉变烟叶的判别模型，并应用验证集验证模型的有效性；
（6）待测烟叶样本霉变情况的预测：对待测的烟叶样本进行近红外光谱采集和特征波长的提取，再用通过有效性验证的模型预测该烟叶样本的霉变情况，根据模型预测值实现对预测组烟叶样本进行霉变的判定，见图4。结果表明，判别准确率可达95.8%，应用本方法可实现烟叶霉变初期的快速、准确预测。
本发明所描述的实施例是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域其它技术人员在没有作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。
Claims (5)
1.一种基于近红外光谱分析技术的烟叶霉变的快速预测方法，其特征在于，方法步骤如下：
（1）霉变烟叶样本的制备：选取具有代表性的不同产地、不同品种、不同等级的初烤烟叶，在高湿度环境下存贮加速霉菌生长，制备不同霉变程度的烟叶样本；
（2）霉变烟叶的分类：通过感官检验并结合霉菌计数方法，对烟叶的霉变情况进行分类，分成正常样品、霉变初期样品、霉变样品三类；分别将正常样品、霉变初期样品、霉变样品直接粉碎过40目筛后，进行近红外光谱采集；
（3）近红外光谱的采集：通过近红外光谱分析仪分别采集各个样本的近红外光谱，作为各烟叶样本的基础光谱信息；
（4）原始光谱的特征波长提取：应用优劣比值法从各烟叶样本的基础光谱信息中筛选出各烟叶样本对霉变判别贡献大的特征波长；
（5）霉变判别模型的建立与验证：应用筛选出来的特征波长采用偏最小二乘法-判别分析方法建立霉变烟叶的判别模型，并应用验证集验证模型的有效性；
（6）待测烟叶样本霉变情况的预测：对待测的烟叶样本进行近红外光谱采集和特征波长的提取，再用通过有效性验证的模型预测该烟叶样本的霉变情况。
2.根据权利要求1所述的一种基于近红外光谱分析技术的烟叶霉变的快速预测方法，其特征在于，步骤（1）中所述在高湿度环境下存贮烟叶，是指在相对湿度80%条件下存储15天。
3.根据权利要求1所述的一种基于近红外光谱分析技术的烟叶霉变的快速预测方法，其特征在于，步骤（2）中所述霉变烟叶的分类，正常样品是感官检验和霉菌计数结果均显示为未霉变的样品，霉变初期样品是感官检验未发现霉变现象，但霉菌计数结果显示大于105 CFU/g的样品，霉变样品是感官检验结果为霉变，且霉菌计数结果显示大于106 CFU/g的样品。
4.根据权利要求1所述的一种基于近红外光谱分析技术的烟叶霉变的快速预测方法，其特征在于，步骤（3）中所述近红外光谱的采集，仪器的主要工作参数为：光谱扫描范围10000～4000 cm-1，分辨率8 cm-1，扫描次数78次。
5.根据权利要求1所述的一种基于近红外光谱分析技术的烟叶霉变的快速预测方法，其特征在于，步骤（4）中，应用优劣比值法方法筛选出的特征波长为9383.5 cm-1、8851.9 cm-1、5457.6 cm-1和4042.0 cm-1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510146760.8A CN104713849A (zh) | 2015-03-31 | 2015-03-31 | 一种基于近红外光谱分析技术的烟叶霉变的快速预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510146760.8A CN104713849A (zh) | 2015-03-31 | 2015-03-31 | 一种基于近红外光谱分析技术的烟叶霉变的快速预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104713849A true CN104713849A (zh) | 2015-06-17 |
Family
ID=53413362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510146760.8A Pending CN104713849A (zh) | 2015-03-31 | 2015-03-31 | 一种基于近红外光谱分析技术的烟叶霉变的快速预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104713849A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105021564A (zh) * | 2015-08-06 | 2015-11-04 | 云南同创检测技术股份有限公司 | 基于近红外光谱分析技术测定烟叶中麦角甾醇含量的方法 |
| 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 |
| CN107741415A (zh) * | 2017-08-30 | 2018-02-27 | 杨蕾 | 一种基于磁性纳米组装体双重检测小分子和蛋白质的方法 |
| 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 |
| CN109374575A (zh) * | 2018-12-20 | 2019-02-22 | 中国烟草总公司郑州烟草研究院 | 一种基于近红外光谱分析技术的烤烟烟叶底色的鉴别方法 |
| CN109374574A (zh) * | 2018-12-20 | 2019-02-22 | 中国烟草总公司郑州烟草研究院 | 一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法 |
| CN109846077A (zh) * | 2018-12-12 | 2019-06-07 | 云南中烟工业有限责任公司 | 一种从烟草中筛选及制备特征组分的方法及应用 |
| CN110118857A (zh) * | 2019-05-24 | 2019-08-13 | 福建中烟工业有限责任公司 | 卷烟微生物引入风险的检测方法和降低引入风险的方法 |
| CN110346445A (zh) * | 2019-07-05 | 2019-10-18 | 云南腾辉科技开发有限公司 | 一种基于气体分析质谱及近红外光谱分析烟叶霉变的方法 |
| CN110514614A (zh) * | 2019-05-05 | 2019-11-29 | 贵州中烟工业有限责任公司 | 一种用于制丝物料油渍污染在线检测方法 |
| CN111562235A (zh) * | 2020-05-18 | 2020-08-21 | 迟衡 | 基于近红外光谱快速鉴别烟叶黑暴病害及感染程度的方法 |
| CN114993993A (zh) * | 2022-05-25 | 2022-09-02 | 北京远舢智能科技有限公司 | 一种烟叶霉变检测方法及装置 |
| CN115128033A (zh) * | 2022-07-04 | 2022-09-30 | 厦门烟草工业有限责任公司 | 烟叶检测方法、装置和系统、存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102128807A (zh) * | 2010-12-24 | 2011-07-20 | 江苏大学 | 一种快速检测作物叶面雾滴浓度的方法 |
| CN102313715A (zh) * | 2011-08-08 | 2012-01-11 | 中国农业大学 | 基于激光技术的蜂蜜品质检测方法 |
| CN103487395A (zh) * | 2013-09-05 | 2014-01-01 | 浙江大学 | 一种重楼药材多指标快速检测方法 |
| CN104132904A (zh) * | 2014-07-04 | 2014-11-05 | 郑州轻工业学院 | 一种测定烟叶燃烧性的方法 |
-
2015
- 2015-03-31 CN CN201510146760.8A patent/CN104713849A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102128807A (zh) * | 2010-12-24 | 2011-07-20 | 江苏大学 | 一种快速检测作物叶面雾滴浓度的方法 |
| CN102313715A (zh) * | 2011-08-08 | 2012-01-11 | 中国农业大学 | 基于激光技术的蜂蜜品质检测方法 |
| CN103487395A (zh) * | 2013-09-05 | 2014-01-01 | 浙江大学 | 一种重楼药材多指标快速检测方法 |
| CN104132904A (zh) * | 2014-07-04 | 2014-11-05 | 郑州轻工业学院 | 一种测定烟叶燃烧性的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李雅丽等: "花生霉变程度判定指标研究", 《食品科技》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN105021564A (zh) * | 2015-08-06 | 2015-11-04 | 云南同创检测技术股份有限公司 | 基于近红外光谱分析技术测定烟叶中麦角甾醇含量的方法 |
| 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 |
| CN107741415A (zh) * | 2017-08-30 | 2018-02-27 | 杨蕾 | 一种基于磁性纳米组装体双重检测小分子和蛋白质的方法 |
| CN109846077A (zh) * | 2018-12-12 | 2019-06-07 | 云南中烟工业有限责任公司 | 一种从烟草中筛选及制备特征组分的方法及应用 |
| CN109374574A (zh) * | 2018-12-20 | 2019-02-22 | 中国烟草总公司郑州烟草研究院 | 一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法 |
| CN109374575A (zh) * | 2018-12-20 | 2019-02-22 | 中国烟草总公司郑州烟草研究院 | 一种基于近红外光谱分析技术的烤烟烟叶底色的鉴别方法 |
| CN110514614A (zh) * | 2019-05-05 | 2019-11-29 | 贵州中烟工业有限责任公司 | 一种用于制丝物料油渍污染在线检测方法 |
| CN110118857A (zh) * | 2019-05-24 | 2019-08-13 | 福建中烟工业有限责任公司 | 卷烟微生物引入风险的检测方法和降低引入风险的方法 |
| CN110346445A (zh) * | 2019-07-05 | 2019-10-18 | 云南腾辉科技开发有限公司 | 一种基于气体分析质谱及近红外光谱分析烟叶霉变的方法 |
| CN111562235A (zh) * | 2020-05-18 | 2020-08-21 | 迟衡 | 基于近红外光谱快速鉴别烟叶黑暴病害及感染程度的方法 |
| CN114993993A (zh) * | 2022-05-25 | 2022-09-02 | 北京远舢智能科技有限公司 | 一种烟叶霉变检测方法及装置 |
| CN115128033A (zh) * | 2022-07-04 | 2022-09-30 | 厦门烟草工业有限责任公司 | 烟叶检测方法、装置和系统、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104713849A (zh) | 一种基于近红外光谱分析技术的烟叶霉变的快速预测方法 | |
| Brandt | The size distribution of throughfall drops under vegetation canopies | |
| CN104931430B (zh) | 一种复烤片烟自然醇化品质评价及模型构建方法 | |
| CN102023137B (zh) | 一种白酒鉴别方法 | |
| CN105445421A (zh) | 一种通过外观指标预测片烟醇化过程中感官质量的方法 | |
| CN105067531A (zh) | 一种芒果品质无损检测方法及装置 | |
| CN107796782A (zh) | 基于烟叶特征光谱一致性度量的复烤质量稳定性评价方法 | |
| CN105092789B (zh) | 一种片烟醇化过程中烟叶风格特征变化趋势分析方法 | |
| CN111257277B (zh) | 一种基于近红外光谱技术的烟叶相似度判定方法 | |
| CN105717066B (zh) | 一种基于加权相关系数的近红外光谱识别模型 | |
| CN104330382A (zh) | 一种生鲜牛肉的安全分级方法 | |
| CN103389323B (zh) | 一种快速无损评定名贵药材年限的方法 | |
| CN105956364A (zh) | 一种基于特征化学成分的烟叶判别分组方法 | |
| CN104899424A (zh) | 一种基于微观特征的烤后烟叶成熟度和叶片结构客观检测方法 | |
| Matavulj et al. | Integration of reference data from different Rapid-E devices supports automatic pollen detection in more locations | |
| CN105911000B (zh) | 基于特征波段的血斑蛋在线检测方法 | |
| CN103512921A (zh) | 一种基于智能电子鼻系统的梨新鲜度分析装置及方法 | |
| Lien et al. | Assessing guava maturity by statistical analyses of dropped fruit impact responses | |
| CN110887809B (zh) | 一种基于近红外光谱技术测定烟丝中梗含量的方法 | |
| Baltazár et al. | Modelling of the distribution of European mistletoe (Viscum album) with dependence on local factors in the Castle Park in Lednice | |
| CN103399092A (zh) | 一种快速评定人参品质的方法 | |
| CN105974058B (zh) | 基于电子鼻-人工神经网络的快速检测烟叶中钾含量的方法 | |
| CN100429501C (zh) | 一种快速无损检测鸭梨黑心病的方法 | |
| Sanogo et al. | Climate-growth relationships of Daniellia oliveri (Rolfe) Hutch. & Dalziel in the Sudanian zone of Mali, West Africa | |
| CN103234936A (zh) | 一种准确表征卷烟叶丝干燥工序物料加工强度的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150617 |