CN105510412B - 快速无损检测种子生活力的方法 - Google Patents
快速无损检测种子生活力的方法 Download PDFInfo
- Publication number
- CN105510412B CN105510412B CN201510847974.8A CN201510847974A CN105510412B CN 105510412 B CN105510412 B CN 105510412B CN 201510847974 A CN201510847974 A CN 201510847974A CN 105510412 B CN105510412 B CN 105510412B
- Authority
- CN
- China
- Prior art keywords
- seeds
- detection
- seed
- viability
- sensor array
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 title 1
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 230000035899 viability Effects 0.000 claims abstract description 31
- 229910044991 metal oxide Inorganic materials 0.000 claims abstract description 14
- 150000004706 metal oxides Chemical class 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- 230000001066 destructive effect Effects 0.000 claims abstract description 11
- 239000000203 mixture Substances 0.000 claims abstract description 4
- 239000000126 substance Substances 0.000 claims abstract description 4
- 239000007789 gas Substances 0.000 claims description 28
- 235000004977 Brassica sinapistrum Nutrition 0.000 claims description 16
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 9
- 238000000513 principal component analysis Methods 0.000 claims description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical class C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 5
- 244000188595 Brassica sinapistrum Species 0.000 claims description 4
- 150000001298 alcohols Chemical class 0.000 claims description 4
- 150000003568 thioethers Chemical class 0.000 claims description 4
- 125000002915 carbonyl group Chemical group [*:2]C([*:1])=O 0.000 claims description 3
- 229910052945 inorganic sulfide Inorganic materials 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 238000003491 array Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 5
- 240000002791 Brassica napus Species 0.000 description 16
- 230000035784 germination Effects 0.000 description 11
- 238000012360 testing method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 235000011293 Brassica napus Nutrition 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 101100054292 Arabidopsis thaliana ABCG36 gene Proteins 0.000 description 3
- 101100351526 Arabidopsis thaliana PEN3 gene Proteins 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005213 imbibition Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000000741 silica gel Substances 0.000 description 2
- 229910002027 silica gel Inorganic materials 0.000 description 2
- 238000007447 staining method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 235000014698 Brassica juncea var multisecta Nutrition 0.000 description 1
- 235000006008 Brassica napus var napus Nutrition 0.000 description 1
- 235000006618 Brassica rapa subsp oleifera Nutrition 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 150000007513 acids Chemical class 0.000 description 1
- 150000001299 aldehydes Chemical class 0.000 description 1
- 150000001335 aliphatic alkanes Chemical class 0.000 description 1
- 239000003610 charcoal Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 150000002148 esters Chemical class 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 150000002576 ketones Chemical class 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000037353 metabolic pathway Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000007226 seed germination Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 150000003536 tetrazoles Chemical class 0.000 description 1
- 125000003831 tetrazolyl group Chemical group 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供一种快速无损检测种子生活力的方法，所述方法是基于电子鼻原理，采用金属氧化物传感器阵列检测种子产生的挥发气体的成分，将挥发气体的化学信号转变为电信号，根据电信号图谱区分不同生活力的种子，结合BP神经网络对采集的电信号进行建模，实现对未知种子样品的生活力检测。利用本方法，不同生活力种子区分效率可达100％，预测准确度可达99％。本发明所用种子无需经过任何处理，检测过程不直接接触种子，且每次检测耗时仅30秒钟，可实现种子生活力的无破坏性和快速检测。采用本方法检测后，种子可以继续保存、播种或其它用途。
Description
技术领域
本发明涉及种子生活力的测定，具体地说，涉及一种快速无损检测种子生活力的方法。
背景技术
种子生活力是指种子的生命力，指种子能够萌发长成幼苗的能力。随着技术发展，对种子生活力检测的准确度、速度和无破坏性的要求越来越高。
参照国际种子检验规程(International Seed TestingAssociation.International Rules for Seed Testing.2009)，常用的种子生活力检测方法包括：常规发芽法、四唑染色法。常规发芽方法是最准确，也是最经典、最常用的方法，但是非常耗时。油菜种子发芽检测需要10天左右，而且每次检测要损耗100～400粒种子。TZ染色法需要先将油菜种子在湿滤纸上吸水24～48小时，然后用1.0％的四唑染色8小时，每次检测同样需要消耗100～400粒种子。另外还有氧分子流速检测方法(Xin X,Wan YL,WangWJ,Yin GK,McLamore ES,Lu XX.A real-time,non-invasive,micro-optrode techniquefor detecting seed viability by using oxygen influx.Scientific Reports,2013,3:3507)，此类方法需要将干种子浸泡于检测液中，因此对种子也产生相当的破坏，检测后的种子只能丢弃，或者继续培养成植株，而不能继续保存或者用于其它用途。对于一些珍稀的种子，用做长期贮藏等目的的种子，由于种子数量有限，研发无破坏性检测技术意义重大。另外，常规的发芽检测方法耗时耗力，严重限制了检测效率，因此亟需研发一种无破坏性、快速的种子生活力检测方法。
正常条件下，植物通过次生代谢途径产生多种挥发气体，包括：醇类、酸类、醛类、酮类、酯类、烷烃类、含氮化合物和硫化物等。挥发气体的种类和各成分间的比例，因物种、器官、健康度、活性等而不同。在种子生活力降低过程中，细胞内的化学反应发生变化，导致挥发气体产物发生改变(Zhang M,Liu Y,Torii I,Sasaki H,Esashi Y.1993.Evolutionof volatile compounds by seeds during storage periods.Seed Science andTechnology 21,359–373.)。分析挥发气体成分，不必对种子进行任何处理，包括短时吸胀等，且分析过程不直接接触种子，对种子没有任何损害。因此，如果能够通过检测挥发气体成分差异而判断种子的生活力，则可开发出真正无破坏性、快速的检测方法。
发明内容
本发明的目的是提供一种完全无破坏性、快速检测种子生活力的方法。
为了实现本发明目的，本发明的一种快速无损检测种子生活力的方法，所述方法是基于电子鼻原理，采用金属氧化物传感器阵列检测种子产生的挥发气体的成分(种类和浓度)，将挥发气体的化学信号转变为电信号，根据电信号图谱(即根据其气味“指纹”)区分不同活力的种子，结合BP神经网络对采集的电信号进行建模，实现对未知种子样品的生活力检测。
其中，所述金属氧化物传感器阵列是对氮氧化合物、有机硫化物、无机硫化物、羰基类/醇类和甲烷类物质敏感的5个金属氧化物传感器组成的传感器阵列。
本发明提供的方法包括以下步骤：产生挥发气体、收集并检测挥发气体、数据分析、生活力判断和预测。
前述的方法，将适量的种子装入顶空样品瓶(瓶盖中央打孔，内配有硅胶垫)内密封，静止相应时间后直接抽取顶空气体，经金属氧化物传感器阵列检测。具体地，取1～5g种子，装入一定容积(例如，20ml)的顶空样品瓶内，室温静置10～30分钟后进行测定。若遇气温波动大的季节，应将样品瓶放在20℃～35℃恒温箱内。
前述的方法，先用净化的空气(例如用木炭净化的洁净空气)清洗金属氧化物传感器阵列，然后用进样针吸取样品瓶顶空气体，经传感器阵列检测，获得电信号值，连续测定30秒。其中，气体流经传感器阵列的速度为100ml/s～400ml/s。
前述的方法，选取0～30秒之间稳定的电信号数据，利用主成分分析法(PCA)或线性判别法(LDA)，对数据进行降维处理后区分不同生活力梯度种子的数据集。
优选地，每个生活力梯度种子取至少30份样品的检测信号训练BP神经网络，并利用训练好的BP神经网络对未知种子样品进行生活力检测。做完每一次检测，用净化的空气清洗传感器阵列，以消除前一检测的影响。
通过抽取样品瓶内的气体，使气体吸附在金属氧化物传感器表面，引起电阻变化，利用不同的金属氧化物，选择性地识别不同类别的气体，将种子挥发气体的化学信号转变为电信号图谱。通过电化学计量软件，对挥发气体进行区分鉴别，从而区分不同生活力的种子。对获得的电信号进行BP神经网络建模训练，即可预测未知种子样品生活力。
本发明提供的检测方法适用于多种作物种子生活力的测定。优选地，所述种子来自油菜。
整个检测过程无需对种子进行吸胀、萌发、染色等任何处理，只需将种子装入样品瓶静置一段时间，抽取种子顶空的挥发气体进行检测。检测过程不接触种子，只需要少量种子，且每次检测仅不到1分钟，检测效率高、方法简单、结果可靠。利用本方法，不同活力种子区分效率可达100％，预测准确度可达99％，真正实现了种子活力的无破坏性和快速检测。采用本方法检测后，种子可以继续保存、播种或其它用途。
附图说明
图1为本发明实施例1中利用电子鼻检测气体信号。
图2为本发明实施例1中油菜“中油821”15％生活力种子的电子鼻10个传感器响应曲线。
图3为本发明实施例1中油菜“浙油18”47％生活力种子的电子鼻10个传感器响应峰值和均值对比结果。
图4为本发明实施例1中分别采用10个(A、B)和5个(C、D)主传感器峰值区分油菜“浙油18”不同生活力种子以及利用WinMuster的PCA(A、C)和LDA(B、D)分析法区分不同生活力种子的结果。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段，所用原料均为市售商品。
实施例1快速无损检测种子生活力的方法
1.实验材料
随机选用5个油菜品种：浙油18、中油821、中双11、阳光2009和Oro，不同生活力梯度种子的发芽率见表1。
表1 5个品种油菜种子的发芽率
2.实验仪器及耗材
仪器设备：采用普通称量天平称量种子，采用德国Airsense PEN3电子鼻获取种子气味图谱。PEN3有10个金属氧化物传感器，分别对应不同类型的气体(表2)。
耗材：采用色谱用20ml顶空样品瓶盛装油菜种子。
表2 PEN3电子鼻的各传感器性能特点
3.实验内容及方法
不同生活力种子区分的具体步骤为：
(1)准备样品：用天平称取3g种子，装入20ml顶空样品瓶(瓶盖中央打孔，内配有硅胶垫)。
(2)获得挥发性气体：将样品瓶在室温静置20min，若室温波动大，则将样品瓶放在25℃恒温箱内。
(3)数据采集：设置电子鼻参数为：用经过木炭净化的洁净空气清洗传感器阵列100秒，归零10秒，样品检测30秒，采样时间1秒/组，进样流量100～400ml/min(图1)。
(4)数据分析：采集完的信号数据中，选取0～30秒之间的数据，利用主成分分析法(PCA)或线性判别法(LDA)，对数据进行降维处理后区分不同组别的数据集。
预测种子生活力的具体步骤为：
1)数据采集：选取油菜“中双11”的5个生活力梯度种子(表3)，采集气味图谱，重复45次。
2)建模：每个生活力的种子取30个重复共150个数据做训练集，提取第40秒时10个传感器的响应值为输入矢量，发芽率为输出矢量，使用matlab软件建立BP神经网络，神经网络结构为10×10×1。
3)检验及预测：利用剩余15个重复共75个数据做测试集，从而得到油菜种子发芽率BP神经网络训练集及预测集识别结果。
4.实验结果
4.1不同生活力种子气味信号差异
信号采集结果表明，10个传感器对油菜种子的响应值存在明显差异，10个传感器信号基本都呈现先剧烈增加，达到峰值后缓慢下降的趋势(图2)。由于峰值明显高于后期测定数值，且峰值较为稳定，后续分析应采取峰值(图3)。不同生活力种子电子鼻10个传感器响应值存在明显差异，以“浙油18”为例，对照种子的信号值(峰值)按由大到小排列，前5位传感器分别为W1S、W2W、W2S、W1W和W1C，而对于47％发芽率种子则是W1W、W2W、W1S、W2S和W5S(表3)。证明随着种子生活力丧失，其挥发气体成分发生了改变。因此，可以通过气味图谱区分不同生活力的油菜种子。
表3浙油18高生活力(100％发芽率)和低生活力(47％发芽率)各传感器响应峰值对比
4.2不同生活力种子的区分
利用WinMuster的PCA和LDA法分析10个传感器采集信号峰值，区分不同生活力的油菜种子。结果表明，5个品种各生活力梯度种子均可得到有效区分，且LDA分析法优于PCA法，各品种内不同生活力种子区分效果见表4和图4。
表4采用10个传感器峰值区分各生活力梯度种子
4.3传感器阵列优化
为优化传感器阵列，根据各生活力梯度种子区分效果，对不同的传感器组合进行了评价，发现仅采用W1W、W2W、W1S、W2S和W5S这5个传感器的信号即可达到跟10个传感器接近的区分效果(图4和表5)。W1W、W2W、W1S、W2S和W5S这5个传感器分别对无机硫化物、有机硫化物、甲烷、羰基类/醇类和氮氧化合物敏感，其对种子生活力的综合区分准确率可达96％(LDA分析法)。
表5采用5个主传感器峰值区分各生活力梯度种子
4.4 BP神经网络预测未知样品生活力
从表6可以看出，油菜“中双11”的训练集对各生活力梯度种子的识别准确率为96.7％～100％，综合正确率为99.3％。其预测集的准确率则全部达到100％，因此，利用电子鼻技术结合BP神经网络分析，可以准确预测油菜种子生活力。
表6油菜“中双11”各生活力种子30个重复样品的BP神经网络识别结果
可见，本发明的一种无破坏性、快速检测油菜种子生活力的方法，可以在不接触种子、不对种子进行任何预处理的情况下，通过检测其挥发气体的方法实现对油菜种子生活力的无破坏性、快速检测。
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (8)
1.快速无损检测油菜种子生活力的方法，其特征在于，基于电子鼻原理，采用金属氧化物传感器阵列检测油菜种子产生的挥发气体的成分，将挥发气体的化学信号转变为电信号，根据电信号图谱区分不同活力的种子，结合BP神经网络对采集的电信号进行建模，实现对未知油菜种子样品的活力检测；
所述金属氧化物传感器阵列是对氮氧化合物、有机硫化物、无机硫化物、羰基类/醇类和甲烷类物质敏感的5个金属氧化物传感器组成的传感器阵列。
2.根据权利要求1所述的方法，其特征在于，将适量的种子装入顶空样品瓶内密封，静止相应时间后直接抽取顶空气体，经金属氧化物传感器阵列检测。
3.根据权利要求2所述的方法，其特征在于，取1～5g种子，装入一定容积的顶空样品瓶内，室温静置10～30分钟后进行测定。
4.根据权利要求3所述的方法，其特征在于，先用净化的空气清洗金属氧化物传感器阵列，然后用进样针吸取样品瓶顶空气体，经传感器阵列检测，获得电信号值，连续测定30秒。
5.根据权利要求4所述的方法，其特征在于，气体流经传感器阵列的速度为100ml/s～400ml/s。
6.根据权利要求4所述的方法，其特征在于，选取0～30秒之间稳定的电信号数据，利用主成分分析法或线性判别法，对数据进行降维处理后区分不同生活力梯度种子的数据集。
7.根据权利要求6所述的方法，其特征在于，每个生活力梯度种子取至少30份样品的检测信号训练BP神经网络，并利用训练好的BP神经网络对未知种子样品进行生活力检测。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述种子无需经过任何预处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510847974.8A CN105510412B (zh) | 2015-11-27 | 2015-11-27 | 快速无损检测种子生活力的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510847974.8A CN105510412B (zh) | 2015-11-27 | 2015-11-27 | 快速无损检测种子生活力的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105510412A CN105510412A (zh) | 2016-04-20 |
| CN105510412B true CN105510412B (zh) | 2018-03-23 |
Family
ID=55718543
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510847974.8A Active CN105510412B (zh) | 2015-11-27 | 2015-11-27 | 快速无损检测种子生活力的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105510412B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6663151B2 (ja) | 2016-11-29 | 2020-03-11 | 国立研究開発法人物質・材料研究機構 | 試料に対応付けられた推定対象値を推定する方法及び装置 |
| CN107094397A (zh) * | 2017-04-28 | 2017-08-29 | 山东农业大学 | 一种快速无损检测作物种子活力的方法 |
| GB2632262A (en) * | 2023-07-28 | 2025-02-05 | Vivent Sa | Method of assessing status of a storage organ |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102279213A (zh) * | 2011-07-20 | 2011-12-14 | 浙江大学 | 一种利用挥发物快速诊断农作物病害的方法 |
| CN102282932A (zh) * | 2011-07-20 | 2011-12-21 | 浙江大学 | 一种蔬菜种子发芽率快速检测的方法 |
| RU2466528C1 (ru) * | 2011-05-20 | 2012-11-20 | Государственное образовательное учреждение высшего профессионального образования Воронежская государственная технологическая академия (ГОУ ВПО ВГТА) | Способ установления ранней порчи семян рапса |
-
2015
- 2015-11-27 CN CN201510847974.8A patent/CN105510412B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2466528C1 (ru) * | 2011-05-20 | 2012-11-20 | Государственное образовательное учреждение высшего профессионального образования Воронежская государственная технологическая академия (ГОУ ВПО ВГТА) | Способ установления ранней порчи семян рапса |
| CN102279213A (zh) * | 2011-07-20 | 2011-12-14 | 浙江大学 | 一种利用挥发物快速诊断农作物病害的方法 |
| CN102282932A (zh) * | 2011-07-20 | 2011-12-21 | 浙江大学 | 一种蔬菜种子发芽率快速检测的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105510412A (zh) | 2016-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104849321B (zh) | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 | |
| CN102749370B (zh) | 壳类农产品品质指标无损快速检测的方法 | |
| CN103499609B (zh) | 一种对蜂蜜香气智能嗅觉动态响应特征及差异化信息动态表征研究的方法 | |
| Hopker et al. | Reliability of cycling gross efficiency using the Douglas bag method | |
| CN100429519C (zh) | 一种检测温室中植物电信号的方法及其专用设备 | |
| CN105510412B (zh) | 快速无损检测种子生活力的方法 | |
| CN103389323B (zh) | 一种快速无损评定名贵药材年限的方法 | |
| CN108195895A (zh) | 一种基于电子鼻和分光测色仪的茶树叶片氮含量快速检测方法 | |
| CN101620195A (zh) | 一种气味传感器检测次郎甜柿内部品质的方法 | |
| CN110231328B (zh) | 一种基于半峰高距离法的拉曼光谱定量分析方法 | |
| CN105445333B (zh) | 快速无损检测小麦种子生活力的方法 | |
| CN103499664A (zh) | 一种表征蜂蜜品质差异性的图谱信息提取研究的方法 | |
| CN102282932A (zh) | 一种蔬菜种子发芽率快速检测的方法 | |
| CN110887944A (zh) | 一种茶油品质快速检测装置 | |
| CN104897738B (zh) | 一种基于嗅觉指纹信息快速检测超高压果汁品质的方法 | |
| CN106770477A (zh) | 一种优化传感数据及模式识别对蜜源鉴别及掺假快检方法 | |
| CN105493687B (zh) | 快速无损检测大豆种子生活力的方法 | |
| CN112268993A (zh) | 一种基于电子鼻技术对河道水质参数快速监测的方法 | |
| CN104237318B (zh) | 一种利用电子鼻检测根茎类植物根部病虫害的方法 | |
| AU2021106741A4 (en) | Bionic olfaction–based nondestructive testing device and method for rapidly detecting freshness and diseases of apples in storage | |
| CN109657733A (zh) | 基于成分结构特征的品种鉴别方法与系统 | |
| CN111060633B (zh) | 基于特征风味组分对油煎过程中油脂判废模型的建立方法及判废方法 | |
| CN107632045A (zh) | 利用金属氧化物半导体传感器阵列检测虾夷扇贝品质的方法 | |
| CN114577854A (zh) | 一种基于电子鼻的柑橘黄龙病检测方法 | |
| CN112268994A (zh) | 一种基于电子鼻技术的黑臭水体快速识别的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |