CN105510273B - 一种基于微区光谱特征的豆粕保真鉴别方法 - Google Patents
一种基于微区光谱特征的豆粕保真鉴别方法 Download PDFInfo
- Publication number
- CN105510273B CN105510273B CN201510830595.8A CN201510830595A CN105510273B CN 105510273 B CN105510273 B CN 105510273B CN 201510830595 A CN201510830595 A CN 201510830595A CN 105510273 B CN105510273 B CN 105510273B
- Authority
- CN
- China
- Prior art keywords
- dregs
- beans
- sample
- data
- test set
- 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
- 244000046052 Phaseolus vulgaris Species 0.000 title claims abstract description 53
- 235000010627 Phaseolus vulgaris Nutrition 0.000 title claims abstract description 53
- 238000001228 spectrum Methods 0.000 title claims abstract description 34
- 238000012850 discrimination method Methods 0.000 title abstract description 5
- 238000012360 testing method Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 5
- 239000011148 porous material Substances 0.000 claims description 2
- 238000012216 screening Methods 0.000 abstract description 6
- 235000013305 food Nutrition 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 abstract description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 18
- 229910052757 nitrogen Inorganic materials 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 4
- 238000004611 spectroscopical analysis Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 229920000877 Melamine resin Polymers 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- JDSHMPZPIAZGSV-UHFFFAOYSA-N melamine Chemical compound NC1=NC(N)=NC(N)=N1 JDSHMPZPIAZGSV-UHFFFAOYSA-N 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 238000004971 IR microspectroscopy Methods 0.000 description 1
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- LFVGISIMTYGQHF-UHFFFAOYSA-N ammonium dihydrogen phosphate Chemical compound [NH4+].OP(O)([O-])=O LFVGISIMTYGQHF-UHFFFAOYSA-N 0.000 description 1
- 229910000387 ammonium dihydrogen phosphate Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- OHJMTUPIZMNBFR-UHFFFAOYSA-N biuret Chemical compound NC(=O)NC(N)=O OHJMTUPIZMNBFR-UHFFFAOYSA-N 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- MNNHAPBLZZVQHP-UHFFFAOYSA-N diammonium hydrogen phosphate Chemical compound [NH4+].[NH4+].OP([O-])([O-])=O MNNHAPBLZZVQHP-UHFFFAOYSA-N 0.000 description 1
- 229910000388 diammonium phosphate Inorganic materials 0.000 description 1
- 235000019838 diammonium phosphate Nutrition 0.000 description 1
- 235000013325 dietary fiber Nutrition 0.000 description 1
- 238000004186 food analysis Methods 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- JMANVNJQNLATNU-UHFFFAOYSA-N glycolonitrile Natural products N#CC#N JMANVNJQNLATNU-UHFFFAOYSA-N 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 230000001900 immune effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 235000019837 monoammonium phosphate Nutrition 0.000 description 1
- 230000003287 optical 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
- 230000000630 rising effect Effects 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 150000003722 vitamin derivatives Chemical class 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Abstract
本发明公开了一种基于微区光谱特征的豆粕保真鉴别方法。该方法，包括如下步骤：1)对豆粕标准样品进行微区近红外光谱检测，作为样品集数据；其中，所述豆粕标准样品为具有不同来源和不同加工工艺的代表性豆粕；2)将待测豆粕样品进行微区近红外光谱检测，作为测试集数据；3)将步骤2)所得测试集数据代入如下公式计算所述测试集数据到样品集数据的全局马氏距离GH。若GH大于3，则说明GH大于3的光谱对应的待测样品存在不高于1％的可能性属于豆粕标准样品。该方法可实现豆粕中未知成分的筛选，属于一种非目标物的检测手段，具有简单、快速、灵敏度高等特点，对保障食品和饲料安全具有重要意义。
Description
技术领域
本发明属于食品分析领域，涉及一种基于微区光谱特征的豆粕保真鉴别方法。
背景技术
豆粕是世界上最重要的蛋白饲料原料之一，其蛋白含量大于36％，碳水化合物的含量大于30％，此外还含有丰富的膳食纤维、维生素和矿物质等。全球大约有90％的豆粕被用于动物饲料，但是随着豆粕价格的上升，为了获得高额利益，豆粕掺假现象严重。比如不法分子通常会将一些非蛋白氮成分：如三聚氰胺等加入豆粕中，通过增加N含量来提高蛋白含量。然而这些非蛋白氮是凯氏定氮法无法识别的，为了防止这种现象的发生，多种手段已被用于这种掺假检测，比如：酶联免疫、气-质联用、高效液相色谱、近红外光谱以及近红外高光谱图像等。
上述提到的检测方法都是针对已知风险物的检测，其技术路线为一种“辨伪”筛查模式。该模式对判断某(几)类已知掺假物的存在具有快速、针对性强等特点，但其局限性亦显而易见，即无法对未知掺假物进行排查性筛查。
发明内容
本发明的目的是提供一种基于微区光谱特征的豆粕保真鉴别方法。
本发明提供的鉴别豆粕的方法，包括如下步骤：
1)对豆粕标准样品进行微区近红外光谱检测，得到豆粕微区近红外光谱库，作为样品集数据；
其中，所述豆粕标准样品为具有不同来源和不同加工工艺的代表性豆粕；
2)在与所述步骤1)相同的检测条件下，将待测豆粕样品进行微区近红外光谱检测，得到待测豆粕样品的近红外光谱数据，作为测试集数据；
3)将步骤2)所得测试集数据代入如下公式计算所述测试集数据到样品集数据的全局马氏距离GH；
其中，H代表马氏距离；
GH代表全局马氏距离；
S代表所述样品集数据的n×f得分矩阵；其中，n代表样品集数据中光谱的条数；f代表样品集数据中的主成分数；
V是矩阵S的协方差矩阵；
M是测试集数据的m×f得分矩阵；其中，m代表测试集数据的光谱数量，f代表测试集数据的主成分个数；
4)若步骤3)所得GH大于3，则说明GH大于3的测试集数据对应的待测样品存在不高于1％的可能性属于所述样品集数据对应的豆粕标准样品；
若步骤3)所得GH不大于3，则说明GH不大于3的测试集数据对应的待测样品存在不低于99％的可能性属于所述样品集数据对应的豆粕标准样品。
上述方法的步骤1)检测步骤中，空间分辨率小于50μm×50μm，光谱分辨率为32cm-1，每个点的扫描次数不小于8。
具体的，所述步骤1)检测步骤中，空间分辨率为25μm×25μm。
光谱的扫描范围为7800cm-1至4000cm-1，优选7160cm-1-1至4144cm-1。
所述方法还包括如下步骤：
在所述豆粕标准样品进行检测前，对所述豆粕标准样品进行粉碎；
在所述待测豆粕样品进行检测前，对所述豆粕标准样品进行粉碎。
具体的，所述粉碎步骤中，筛孔的目数为0.5mm。
为保证计算结果的准确性，所述测试集数据中的主成分数与所述样品集数据中的主成分数保持一致。
在实际操作中，为提高光谱的信噪比，去除无关信息和噪声，可对样品集数据和测试集数据采用相同的方法进行数据预处理，以得到降维后的样品集数据和测试集数据；
以样品集数据为例，可按照各种常规方法对数据进行预处理，如可按照如下方法进行：
1)对样品集数据进行主成分分析，对数据降维；
2)计算样品集数据中所有光谱两两之间的欧式距离；
该欧式距离的计算公式如下：
其中xik，xik代表第i个和第j个光谱，k代表光谱上的第k个数据点，m为数据点的个数。
3)将所得欧式距离最大的两个数据对应的光谱数据舍弃，将余下欧式距离最大的两个数据对应的光谱数据放入样品集中；
4)重复步骤2)和3)直到样品集中样本的数量达到设定值。
本发明尝试从检测对象中排查是否有异常物质存在，其技术路线为一种开放式的非“真”即“伪”的“保真”筛查模式。该模式能够尽可能的排查各类异常物质的存在，从而最大限度的确保“真实”成分的保真度。常规近红外光谱得到的是物质的平均光谱特征，限制了对异质成分的筛查，显微近红外光谱可以获得样品各微区的近红外光谱，使获得豆粕中异质成分光谱特征成为可能。本发明基于豆粕微区近红外光谱的非目标筛选方式能够在保证待测样品最大真实度的基础上筛选出可疑的物质，属于一种非目标检测手段，具有简单、快速、灵敏度高等特点，对预防未知风险物的出现，保证食品和饲料安全具有重要的意义，可以广泛的应用于食品和饲料原料安全控制领域。
具体实施方式
下面结合具体实施例对本发明作进一步阐述，但本发明并不限于以下实施例。所述方法如无特别说明均为常规方法。所述原材料如无特别说明均能从公开商业途径获得。
实施例1
1)收集来源于阿根廷、意大利、巴西、法国和中国的不同加工工艺的代表性豆粕样品88个，包括大豆皮、全脂大豆等，使用粉碎机将其粉碎过筛孔目数为0.5毫米的筛。
2)掺假样品的制备，处理一：豆粕样品中分别掺入不同的非蛋白氮(三聚氰胺、三聚氰酸、尿素、双缩脲、磷酸氢二铵和磷酸二氢铵)，质量分数为0.5％；处理二：豆粕样品中同时掺入上述6种非蛋白氮，每种非蛋白氮的质量分数均为0.5％。
3)采用美国PerkinElmer公司的Spectrum 400+Spotlight 400显微红外/近红外系统收集所有样品微区近红外光谱，扫描参数设置为：扫描光谱范围7800cm-1-4000cm-1，空间分辨率25μm×25μm，光谱分辨率为32cm-1，每个点的扫描次数为8。
4)分别从88个样品中分别挑选出100条代表性微区光谱，构建一个含有8800条微区光谱的豆粕光谱库，作为样品集数据：
a、对样品集数据进行主成分分析，对数据降维；
b、计算样品集数据中所有光谱两两之间的欧式距离；
该欧式距离的计算公式如下：
其中xik，xik代表第i个和第j个光谱，k代表光谱上的第k个数据点，m为数据点的个数。c、将所得欧式距离最大的两个数据对应的光谱数据舍弃，将余下欧式距离最大的两个数据对应的光谱数据放入样品集中；
d、重复步骤b和c，直到样品集中样本的数量达到设定值。
5)在计算待检样品光谱到豆粕光谱库中心的全局马氏距离前对光谱进行一阶导数和标准正态变换处理，去除不必要的光谱变化和散射的影响，全局马氏距离GH计算公式如下所示：
公式中，H代表马氏距离；
GH代表全局马氏距离；
S代表样品集数据的n×f得分矩阵；其中，n代表样品集数据中光谱的条数；f代表样品集数据中的主成分数；
V是矩阵S的协方差矩阵；
M是测试集数据的m×f得分矩阵；其中，m代表测试集数据的光谱数量，f代表测试集数据的主成分个数；
6)计算纯豆粕和纯非蛋白氮微区光谱到豆粕光谱库中心的全局马氏距离，结果表明：
所有纯豆粕的全局马氏距离均小于3；所有纯非蛋白氮的全局马氏距离均大于3；处理一和处理二样品的全局马氏距离均筛选出数量不等的大于3的光谱，经判定为异质成分光谱。
结果的验证：
使用有监督模式的判别分析方法PLSDA对处理一和处理二样品进行分析，验证上述本发明提到的方法，结果发现：几乎所有被PLSDA筛选出的异质成分光谱的全局马氏距离均大于3，除此之外还有一些因化学反应变化的成分没有被PLSDA筛选出的，其全局马氏距离大于3，说明本发明提到的检测方法是非目标检测方法，且其灵敏度较高。
综上所述，利用本发明方法检测豆粕中非蛋白氮的效果良好，根据构建的豆粕光谱库，不仅能够筛选出已知的非蛋白氮光谱，还能筛选出一些发生化学反应变化的异质成分，对控制食品和饲料安全具有良好的实际应用价值。
Claims (7)
1.一种鉴别豆粕的方法，包括如下步骤：
1)对豆粕标准样品进行微区近红外光谱检测，得到豆粕微区近红外光谱库，作为样品集数据；
其中，所述豆粕标准样品为具有不同来源和不同加工工艺的代表性豆粕；
2)在与所述步骤1)相同的检测条件下，将待测豆粕样品进行微区近红外光谱检测，得到待测豆粕样品的近红外光谱数据，作为测试集数据；
3)将步骤2)所得测试集数据代入如下公式计算所述测试集数据到样品集数据的全局马氏距离GH；
其中，H代表马氏距离；
GH代表全局马氏距离；
S代表所述样品集数据的n×f得分矩阵；其中，n代表样品集数据中光谱的条数；f代表样品集数据中的主成分数；
V是矩阵S的协方差矩阵；
M是测试集数据的m×f得分矩阵；其中，m代表测试集数据的光谱数量，f代表测试集数据的主成分个数；
4)若步骤3)所得GH大于3，则说明GH大于3的测试集数据对应的待测样品存在不高于1％的可能性属于所述样品集数据对应的豆粕标准样品；
若步骤3)所得GH不大于3，则说明GH不大于3的测试集数据对应的待测样品存在不低于99％的可能性属于所述样品集数据对应的豆粕标准样品。
2.根据权利要求1所述的方法，其特征在于：所述步骤1)检测步骤中，空间分辨率小于50μm×50μm，光谱分辨率为32cm-1，每个点的扫描次数不小于8。
3.根据权利要求2所述的方法，其特征在于：所述步骤1)检测步骤中，空间分辨率为25μm×25μm。
4.根据权利要求1所述的方法，其特征在于：所述步骤1)检测步骤中，光谱的扫描范围为7800cm-1至4000cm-1。
5.根据权利要求4所述的方法，其特征在于：所述步骤1)检测步骤中，光谱的扫描范围为7160cm-1至4144cm-1。
6.根据权利要求1-5中任一所述的方法，其特征在于：所述方法还包括如下步骤：
在所述待测豆粕样品进行检测前，对所述豆粕待测样品进行粉碎，过筛。
7.根据权利要求6所述的方法，其特征在于：所述粉碎步骤中，筛孔的目数为0.5mm。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510830595.8A CN105510273B (zh) | 2015-11-25 | 2015-11-25 | 一种基于微区光谱特征的豆粕保真鉴别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510830595.8A CN105510273B (zh) | 2015-11-25 | 2015-11-25 | 一种基于微区光谱特征的豆粕保真鉴别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105510273A CN105510273A (zh) | 2016-04-20 |
| CN105510273B true CN105510273B (zh) | 2018-08-31 |
Family
ID=55718410
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510830595.8A Active CN105510273B (zh) | 2015-11-25 | 2015-11-25 | 一种基于微区光谱特征的豆粕保真鉴别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105510273B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110059679B (zh) * | 2019-04-22 | 2020-11-24 | 中国农业大学 | 一种基于近红外图像的饲料原料中污染物非目标检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1804582A (zh) * | 2006-01-18 | 2006-07-19 | 中国农业大学 | 一种利用近红外光谱鉴别生鲜乳和商品乳中的还原乳的方法 |
| CN101000303A (zh) * | 2007-01-15 | 2007-07-18 | 浙江大学 | 瓶装黄酒标注酒龄快速无损鉴别方法和装置 |
| WO2007081874A3 (en) * | 2006-01-05 | 2009-04-09 | Chemimage Corp | System and method for clasifying cells and the pharmaceutical treatment of such cells using raman spectroscopy |
| CN101710071A (zh) * | 2009-12-09 | 2010-05-19 | 川渝中烟工业公司 | 建立烟草近红外模型的选样方法 |
| CN101957316A (zh) * | 2010-01-18 | 2011-01-26 | 河北大学 | 一种用近红外光谱技术鉴别响水大米的方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7309867B2 (en) * | 2003-04-18 | 2007-12-18 | Medispectra, Inc. | Methods and apparatus for characterization of tissue samples |
| US20040064053A1 (en) * | 2002-09-30 | 2004-04-01 | Chang Sung K. | Diagnostic fluorescence and reflectance |
-
2015
- 2015-11-25 CN CN201510830595.8A patent/CN105510273B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007081874A3 (en) * | 2006-01-05 | 2009-04-09 | Chemimage Corp | System and method for clasifying cells and the pharmaceutical treatment of such cells using raman spectroscopy |
| CN1804582A (zh) * | 2006-01-18 | 2006-07-19 | 中国农业大学 | 一种利用近红外光谱鉴别生鲜乳和商品乳中的还原乳的方法 |
| CN101000303A (zh) * | 2007-01-15 | 2007-07-18 | 浙江大学 | 瓶装黄酒标注酒龄快速无损鉴别方法和装置 |
| CN101710071A (zh) * | 2009-12-09 | 2010-05-19 | 川渝中烟工业公司 | 建立烟草近红外模型的选样方法 |
| CN101957316A (zh) * | 2010-01-18 | 2011-01-26 | 河北大学 | 一种用近红外光谱技术鉴别响水大米的方法 |
Non-Patent Citations (2)
| Title |
|---|
| PCA结合马氏距离法剔除近红外异常样品;陈斌 等;《江苏大学学报（自然科学版）》;20080731;第29卷(第4期);全文 * |
| 肉骨粉显微近红外标准光谱库的快速构建方法;姜训鹏 等;《农业机械学报》;20120731;第43卷(第7期);第142~143页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105510273A (zh) | 2016-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cai et al. | Using FTIR spectra and pattern recognition for discrimination of tea varieties | |
| Yao et al. | Geographic identification of Boletus mushrooms by data fusion of FT-IR and UV spectroscopies combined with multivariate statistical analysis | |
| CN103344602B (zh) | 一种基于近红外光谱的水稻种质真伪无损检测方法 | |
| Yao et al. | Traceability of Boletaceae mushrooms using data fusion of UV–visible and FTIR combined with chemometrics methods | |
| CN105181642A (zh) | 一种花生品质的近红外检测方法及应用 | |
| CN113008817A (zh) | 一种基于高光谱成像技术快速鉴别苦杏仁真伪优劣的方法 | |
| Shen et al. | A feasibility study of non-targeted adulterant screening based on NIRM spectral library of soybean meal to guarantee quality: The example of non-protein nitrogen | |
| CN108760677A (zh) | 一种基于近红外光谱技术的法半夏掺伪鉴别方法 | |
| KR100934410B1 (ko) | 근적외 분광분석법을 이용한 곡물 종실의 무게 측정방법 | |
| Wu et al. | Comparison of NIR and Raman spectra combined with chemometrics for the classification and quantification of mung beans (Vigna radiata L.) of different origins | |
| Innamorato et al. | Tracing the geographical origin of lentils (Lens culinaris Medik.) by infrared spectroscopy and chemometrics | |
| Soni et al. | A review of conventional and rapid analytical techniques coupled with multivariate analysis for origin traceability of soybean | |
| Guo et al. | The combination of NIR spectroscopy and HPLC chromatography for differentiating lotus seed cultivars and quantitative prediction of four main constituents in lotus with the aid of chemometrics | |
| Wu et al. | Identification of tea varieties by mid‐infrared diffuse reflectance spectroscopy coupled with a possibilistic fuzzy c‐means clustering with a fuzzy covariance matrix | |
| CN105510273B (zh) | 一种基于微区光谱特征的豆粕保真鉴别方法 | |
| Yao et al. | Geographic characterization of Leccinum rugosiceps by ultraviolet and infrared spectral fusion | |
| CN106706555A (zh) | 基于近红外光谱技术的奶粉测定方法及系统 | |
| Kim et al. | Application of energy dispersive X-ray fluorescence spectrometry and near-infrared reflectance spectroscopy combined with multivariate statistical analysis for discriminating the geographical origin of soybeans | |
| Xu et al. | Protected geographical indication identification of a Chinese green tea (Anji-white) by near-infrared spectroscopy and chemometric class modeling techniques | |
| Teye et al. | Nondestructive authentication of cocoa bean cultivars by FT-NIR spectroscopy and multivariate techniques | |
| CN106770152B (zh) | 一种基于特征峰及算法参数选取的奶粉品牌快速鉴别方法 | |
| Aurum et al. | Coffee origin determination based on analytical and nondestructive approaches–A systematic literature review | |
| Jingying et al. | Discrimination of Dioscorea species (Chinese yam) using FT-IR integrated with chemometric approach | |
| CN110059679A (zh) | 一种基于近红外图像的饲料原料中污染物非目标检测方法 | |
| CN106323903A (zh) | 一种普洱茶提取物中红外光谱指纹图谱的建立及检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |