CN105606552B - 基于全谱段分子光谱的卷烟烟丝质量趋势分析方法 - Google Patents

基于全谱段分子光谱的卷烟烟丝质量趋势分析方法 Download PDF

Info

Publication number
CN105606552B
CN105606552B CN201610079211.8A CN201610079211A CN105606552B CN 105606552 B CN105606552 B CN 105606552B CN 201610079211 A CN201610079211 A CN 201610079211A CN 105606552 B CN105606552 B CN 105606552B
Authority
CN
China
Prior art keywords
sample
spectrum
quality
cigarette
data
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
Application number
CN201610079211.8A
Other languages
English (en)
Other versions
CN105606552A (zh
Inventor
李超
秦云华
张承明
李颖
孔维松
李娥贤
李利君
李响丽
蒋次清
邹楠
唐杰
李伟
赵辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Tobacco Yunnan Industrial Co Ltd
Original Assignee
China Tobacco Yunnan Industrial Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Tobacco Yunnan Industrial Co Ltd filed Critical China Tobacco Yunnan Industrial Co Ltd
Priority to CN201610079211.8A priority Critical patent/CN105606552B/zh
Publication of CN105606552A publication Critical patent/CN105606552A/zh
Application granted granted Critical
Publication of CN105606552B publication Critical patent/CN105606552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
    • 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
    • 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
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明公开了一种基于全谱段分子光谱的卷烟烟丝质量趋势分析方法。取同一牌号的20支卷烟样品，除去滤嘴，剥离卷烟纸、接装纸和水松纸，仅留存烟丝。采集其近红外光谱数据、图像及光谱数据、紫外光谱数据、拉曼光谱数据，再应用SIMCA‑p11.5+数据处理软件对所采集到的烟丝的全谱段光谱进行处理。该方法简便易行，分析过程快速，计算结果准确，可有效克服传统方法信息来源不够全面、信息采集方式不够便捷的缺陷。可以实现批量、在线操作，与工艺密切接轨。信息采集方法的重复性和稳定性均较好。有助于有效的服务卷烟企业的生产，为保障卷烟烟丝质量，及工艺生产的稳定性提供有利的技术支撑。

Description

基于全谱段分子光谱的卷烟烟丝质量趋势分析方法
技术领域
本发明属于卷烟产品质量控制领域，具体是涉及一种通过采集成品烟丝的全谱段分子光谱，结合主成分分析以及Hotelling T2统计方法对卷烟烟丝的质量趋势进行分析的方法。
背景技术
随着卷烟上水平，精益研发战略的实施和不断推进，卷烟工业企业所面临的提质、降耗、增效的课题和任务变得愈发紧张和急迫。不断提升产品的质量品质是在新经济常态下企业参与全面竞争的根本保障。质量在新的历史条件下，其内涵和外延都有了新的体现，那就是产品质量品质的稳定和持续改善。所以，如何监控卷烟产品质量的波动，及时掌握质量变化的趋势性，对质量的总体态势和未来走势进行评价与判断就变得尤为重要。
近年来，随着多元统计分析，模式识别技术的不断发展，各种卷烟产品质量评价及监控手段层出不穷。例如，李峰等(李峰.山东道地药材金银花的多元多息指纹图谱鉴别研究[D].山东中医药大学,2004.)提出的多元多息指纹图谱鉴别的概念，主张采用多种来源的指纹图谱来鉴别不同样品。王家浚等(王家俊,汪帆,马玲.SIMCA分类法与PLS算法结合近红外光谱应用于卷烟纸的质量控制[J].光谱学与光谱分析,2006,(10):1858-1862.)通过收集NIR、ATR、GC-MS等的指纹图谱，并运用SIMCA分类法、偏最小二乘法(Partial leastsquares，PLS)、结合马氏距离来计算相似度，应用于卷烟纸、烟叶、烟丝等的质量品质监控之中。虽然在产品质量控制及评价领域，特别是卷烟产品质量监控领域取得了一定的进展，但是目前多元多息指纹图谱质量监控手段依旧存在信息来源不够全面、信息采集方式不够便捷、无法实现在线操作与工艺密切接轨，信息采集方法重复性、稳定性较差的缺陷。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于全谱段分子光谱的卷烟烟丝质量趋势分析方法。以快速、准确的完成烟丝质量的监控工作，持续提升卷烟产品的质量。
本发明的目的通过以下技术方案予以实现。
基于全谱段分子光谱的卷烟烟丝质量趋势分析方法，包括以下步骤：
(1)烟丝样品的制备：采用经典取样方法取同一牌号的20支卷烟，除去滤嘴，剥离卷烟纸、接装纸和水松纸，仅留存烟丝作为样品；
(2)样品近红外光谱的采集：配置Nicolet ANTARIS Near-IR Analyzer近红外光谱仪，带积分球漫反射附件，可旋转样品杯，Result Operation近红外光谱仪操作软件；采集前，开机预热，取步骤(1)样品5g预平衡24h后置于样品杯中，采集样品的近红外漫反射光谱数据，波长范围：780-2500nm；每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
(3)样品工业机器视觉识别可见光谱的采集：配置带有CCD照相机的工业机器视觉应用系统，带光源，镜头，图像处理单元，图像处理软件，监视器和通讯/输入输出单元；取步骤(1)样品5g预平衡24h后，置于应用系统中的CCD照相机下，采集图像及光谱数据，波长范围：400-780nm；每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
(4)样品紫外光谱的采集：配置岛津UV 2550紫外可见分光光度计，取步骤(1)样品加入萃取剂，在室温下超声萃取并静置，用水相滤膜过滤，取滤液装入色谱瓶，用移液枪加入分散剂，振匀后装入比色皿中，置于岛津UV 2550紫外可见分光光度计上进行测试，波长范围：190-400nm；每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
(5)样品拉曼光谱的采集，配置美国Thermo scientific公司DRX智能激光拉曼光谱仪，取步骤(1)样品加入萃取剂，在室温下超声萃取并静置，用水相滤膜过滤，取滤液装入色谱瓶，用移液枪加入分散剂，将色谱瓶平置于平板式通用样品架上，然后采集样品的拉曼光谱，波长范围：2500-10000nm；每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
(6)应用SIMCA-p11.5+数据处理软件对所采集到的烟丝全谱段光谱数据，即190～10000nm的光谱数据进行处理：光谱数据经平滑处理后进行主成分分析，建立基于全谱段光谱的主成分类模型；提取所建立的主成分类模型中每个样品对应的Hotelling T2统计量，确定统计量分布的95％置信限和99％置信限，并将95％置信限作为质量监测控制图中的质量预警线，99％置信限作为质量控制线，即当测试样品的Hotelling T2统计量数值低于95％置信限范围时，认为是正常的波动；当Hotelling T2统计量数值高于95％而低于99％置信限范围时，认为样品质量出现预警；当Hotelling T2统计量数值高于99％置信限范围时，认为样品质量异常。
所述的萃取剂为异丙醇：无水乙醇＝1000ml：20ml。
所述的分散剂为异丙醇：十七烷：无水乙醇＝80ml：0.5g：15ml。
相对于现有技术，本发明具有以下优点：
1、本发明的方法简便易行，分析过程快速，计算结果准确，可有效克服传统方法信息来源不够全面、信息采集方式不够便捷的缺陷。
2、该方法可以实现批量、在线操作，与工艺密切接轨。信息采集方法的重复性和稳定性均较好。有助于有效的服务卷烟企业的生产，为保障卷烟烟丝质量，及工艺生产的稳定性提供有利的技术支撑。
3、本发明可以提供卷烟烟丝的全谱段分子光谱信息。作为描述卷烟产品烟丝质量概貌的信息，可对卷烟产品的质量进行评价，也可对质量趋势进行分析和预测，为卷烟产品的精细设计提供技术支持。
4、通过采集卷烟烟丝样品紫外光谱(UV)、近红外光谱(NIR)、机器视觉识别可见光谱、拉曼光谱等全谱段光谱(190-10000nm)数据信息，采用SIMCA-P软件处理数据，确定各类别的权重，运用主成分回归将多个原始变量的信息综合到主成分得分上，这样可以对光谱指纹图谱数据建立主成分类模型，计算不同类别光谱Hotelling T2统计量值，综合考虑权重及统计量值，做出Hotelling T2控制图，以监控烟气的质量品质波动及趋势状况。该质量趋势分析方法对工艺变化、配方调整、以及原料质量变化所造成的质量趋势波动和改变具有良好的提示及预测功能，为卷烟配方设计、产品开发、工艺参数调整提供理论和数据支持。
附图说明
图1为云烟(软珍品)烟丝全谱段分子光谱的PCA模型t[1]/t[2]分布示意图；
图2为云烟(软珍品)烟丝全谱段分子光谱的PCA模型Hotelling T2分布示意图；
图3为云烟(印象)烟丝全谱段分子光谱的PCA模型t[1]/t[2]分布示意图；
图4为云烟(印象)烟丝全谱段分子光谱的PCA模型Hotelling T2分布示意图。
具体实施方式
以下结合附图和实施例对本发明作进一步的详细说明，但附图和实施例并不是对本发明技术方案的限定。
实施例1
相同原料及工艺条件下，对同一牌号的卷烟烟丝质量进行全谱段分子光谱质量趋势分析：
a、烟丝样品的来源及制备，采用经典取样方法抽取同一牌号的20支卷烟样品，除去滤嘴，剥离卷烟纸、接装纸和水松纸，仅留存烟丝。
b、样品近红外光谱(780-2500nm)的采集，采集前，开机预热光谱仪2h。将剥离出的云烟(软珍品)烟丝在温度22土1℃、湿度60士2％平衡24h后，装入圆底烧瓶，样品量5g，取出烟丝置于样品杯中采集烟丝样品的近红外漫反射光谱数据。每个样品进行5次重复数据采集，并将所采集的光谱数据存入计算机；在软件界面操作设置仪器条件：扫描范围(DataRange):10000-4000cm-1；扫描次数128次；分辨率(Resolution):8cm-1；每次采集样品光谱前须采集背景。
c、样品的工业机器视觉识别可见光谱(400-780nm)的采集，将剥离出的云烟(软珍品)烟丝在温度22土1℃、湿度60士2％平衡24h后，装入圆底烧瓶，样品量5g，取出烟丝置于应用系统中的CCD照相机下，采集图像及光谱数据。每个样品进行5次重复数据采集，并将所采集的光谱数据存人计算机。
d、样品紫外光谱(190-400nm)的采集，在剥离出的云烟(软珍品)5g烟丝中准确加入50mL的萃取剂(异丙醇：无水乙醇＝1000mL：20mL)，室温下超声萃取20min，静置5min，得萃取溶液，取约2mL萃取溶液，用0.45um水相滤膜过滤，并取过滤后的溶液装入色谱瓶，用移液枪取5μL加入4mL分散剂(异丙醇：十七烷：无水乙醇＝80mL：5g：15mL)，振匀后装入1CM厚度的比色皿中，置于岛津UV 2550紫外可见分光光度计上进行测试。仪器条件为：波长范围:190～400nm；波长扫描间隔为0.2nm；扫描速度为中速；石英比色皿厚度:1cm；每个样品进行5次重复数据采集，并将所采集的光谱数据存入计算机。
e、样品拉曼光谱(2500～10000nm)的采集，在剥离出的云烟(软珍品)5g烟丝中准确加入50mL的萃取剂(异丙醇：无水乙醇＝1000mL：20mL)，室温下超声萃取20min，静置5min，得萃取溶液，取约2mL萃取溶液，用0.45um水相滤膜过滤，并取过滤后的溶液装入色谱瓶，色谱瓶中加入5μL分散剂(异丙醇：十七烷：无水乙醇＝80mL：5g：15mL)，将色谱瓶平置于平板式通用样品架上，然后收集样品的拉曼光谱，每个样品进行5次重复数据采集，并将所采集的光谱数据存入计算机；其中光谱采集方式为：激发波长780nm，激光强度100mW，光圈25μm，光栅400gr.mm-1，分辨率2.0cm-1，曝光时间50s，曝光次数2次，扫描范围100～4000cm-1。
f、应用SIMCA-p11.5+数据处理软件对所采集到的云烟(软珍品)烟丝的全谱段光谱数据进行处理。数据经过平滑和最佳光谱选择预处理，对多条全谱段光谱进行主成分分析，并建立主成分类模型，确定主成分数为2。如图1，从图中可以看出，对于云烟(软珍品)的烟丝质量特征，类模型中样本分布较为均匀，除一个样品以外，其他所有样品均分布在第一主成分和第二主成分的椭圆中，证明产品质量均匀，趋势稳定，2个主成分[t1]和[t2]能解释该品牌烟丝质量特征的绝大部分信息。利用主成分分析法对卷烟样品的光谱数据进行特征抽提，提取上述建立的基于全谱段光谱的样品主成分类模型中每个样品对应的Hotelling T2统计量，并根据统计量服从F分布的特点，确定统计量分布的95％和99％置信限，并将95％置信限作为质量监测控制图中的质量预警线，99％置信限作为质量控制线，如图2，从图中可知，同一品牌不同样品在多次测定条件下，其全谱段光谱信息在99％置信限以内，绝大部分样品信息在95％置信限以内。说明质量趋势稳定，且Hotelling T2统计量能对卷烟烟丝质量趋势进行分析和管控。
实施例2
重复实施例1，有以下不同点：
a、采用经典取样方法抽取云烟(印象)的20支卷烟样品，除去滤嘴，剥离卷烟纸、接装纸和水松纸，仅留存烟丝。分别采集各谱段光谱数据信息。
b、应用SIMCA-p11.5+数据处理软件对所采集到的云烟(印象)烟丝的全谱段光谱数据进行处理。如图3，从图中可以看出，对于云烟(印象)的烟丝质量特征，类模型中样本分布较为均匀，除一个样品以外，其他所有样品均分布在第一主成分和第二主成分的椭圆中，证明产品质量均匀，趋势稳定，2个主成分[t1]和[t2]能解释该品牌烟气质量特征的绝大部分信息。利用主成分分析法对卷烟样品的光谱数据进行特征抽提，提取上述建立的基于全谱段光谱的样品主成分类模型中每个样品对应的Hotelling T2统计量，如图4，从图中可知，同一品牌不同样品在多次测定条件下，其全谱段光谱信息在99％置信限以内，绝大部分样品信息在95％置信限以内。说明质量趋势稳定，且Hotelling T2统计量能对卷烟烟丝质量趋势进行分析和管控。

Claims (1)

1.一种基于全谱段分子光谱的卷烟烟丝质量趋势分析方法，包括以下步骤：
(1)烟丝样品的制备：采用经典取样方法取同一牌号的20支卷烟，除去滤嘴，剥离卷烟纸、接装纸和水松纸，仅留存烟丝作为样品；
(2)样品近红外光谱的采集：配置Nicolet ANTARIS Near-IR Analyzer近红外光谱仪，带积分球漫反射附件，可旋转样品杯，Result Operation近红外光谱仪操作软件；采集前，开机预热，取步骤(1)样品5g预平衡24h后置于样品杯中，采集样品的近红外漫反射光谱数据，波长范围：780-2500nm；每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
(3)样品工业机器视觉识别可见光谱的采集：配置带有CCD照相机的工业机器视觉应用系统，带光源，镜头，图像处理单元，图像处理软件，监视器和通讯/输入输出单元；取步骤(1)样品5g预平衡24h后，置于应用系统中的CCD照相机下，采集图像及光谱数据，波长范围：400-780nm；每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
(4)样品紫外光谱的采集：配置岛津UV 2550紫外可见分光光度计，取步骤(1)样品加入萃取剂，在室温下超声萃取并静置，用水相滤膜过滤，取滤液装入色谱瓶，用移液枪加入分散剂，振匀后装入比色皿中，置于岛津UV 2550紫外可见分光光度计上进行测试，波长范围：190-400nm；每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
(5)样品拉曼光谱的采集，配置美国Thermo scientific公司DRX智能激光拉曼光谱仪，取步骤(1)样品加入萃取剂，在室温下超声萃取并静置，用水相滤膜过滤，取滤液装入色谱瓶，用移液枪加入分散剂，将色谱瓶平置于平板式通用样品架上，然后采集样品的拉曼光谱，波长范围：2500-10000nm；每个样品进行5次重复数据采集，并将所采集的数据存入计算机；
(6)应用SIMCA-p11.5+数据处理软件对所采集到的烟丝全谱段光谱数据，即190～10000nm的光谱数据进行处理：光谱数据经平滑处理后进行主成分分析，建立基于全谱段光谱的主成分类模型；提取所建立的主成分类模型中每个样品对应的Hotelling T2统计量，确定统计量分布的95％置信限和99％置信限，并将95％置信限作为质量监测控制图中的质量预警线，99％置信限作为质量控制线，即当测试样品的Hotelling T2统计量数值低于95％置信限范围时，认为是正常的波动；当Hotelling T2统计量数值高于95％而低于99％置信限范围时，认为样品质量出现预警；当Hotelling T2统计量数值高于99％置信限范围时，认为样品质量异常；
其中，步骤(4)和(5)中所述的萃取剂为异丙醇：无水乙醇＝1000ml：20ml；所述的分散剂为异丙醇：十七烷：无水乙醇＝80ml：0.5g：15ml。
CN201610079211.8A 2016-02-04 2016-02-04 基于全谱段分子光谱的卷烟烟丝质量趋势分析方法 Active CN105606552B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610079211.8A CN105606552B (zh) 2016-02-04 2016-02-04 基于全谱段分子光谱的卷烟烟丝质量趋势分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610079211.8A CN105606552B (zh) 2016-02-04 2016-02-04 基于全谱段分子光谱的卷烟烟丝质量趋势分析方法

Publications (2)

Publication Number Publication Date
CN105606552A CN105606552A (zh) 2016-05-25
CN105606552B true CN105606552B (zh) 2018-10-02

Family

ID=55986658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610079211.8A Active CN105606552B (zh) 2016-02-04 2016-02-04 基于全谱段分子光谱的卷烟烟丝质量趋势分析方法

Country Status (1)

Country Link
CN (1) CN105606552B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106690401B (zh) * 2017-03-08 2018-01-30 云南中烟工业有限责任公司 基于烟丝中挥发性特征组分的卷烟配方质量趋势分析方法
CN107024450A (zh) * 2017-03-27 2017-08-08 云南小宝科技有限公司 一种基于近红外光谱技术鉴别不同品牌和段数奶粉的方法
CN108982402B (zh) * 2018-08-01 2021-01-08 华北电力科学研究院有限责任公司 一种同类有机污染物对环境危害性的预测方法及系统
CN110931087B (zh) * 2018-09-03 2023-06-16 上海烟草集团有限责任公司 一种烟草在制品常规化学成分监测方法
CN112362610B (zh) * 2020-10-29 2023-08-18 河南中烟工业有限责任公司 细支烟烟支中配方烟丝分布均匀性的检测方法
GB202300670D0 (en) * 2023-01-17 2023-03-01 Nicoventures Trading Ltd A method and apparatus for determining an amount of a material present in a mixture of at least two materials

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2283254Y (zh) * 1994-05-28 1998-06-03 云南大学 快速精密ccd测色仪
WO2002099452A1 (en) * 2001-06-04 2002-12-12 Metabometrix Limited Methods for spectral analysis and their applications: reliability assessment
CN1831516A (zh) * 2006-04-03 2006-09-13 浙江大学 用可见光和近红外光谱技术无损鉴别卷烟品种及真假的方法
US20090204009A1 (en) * 2008-02-07 2009-08-13 Los Alamos National Security Medical device system and related methods for diagnosing abnormal medical conditions based on in-vivo optical properties of tissue
CN101251526B (zh) * 2008-02-26 2012-08-29 浙江大学 鲜猪肉综合品质无损检测方法与装置
CN106680241A (zh) * 2017-01-13 2017-05-17 北京化工大学 一种新型光谱多元分析分类与识别方法及其用途

Also Published As

Publication number Publication date
CN105606552A (zh) 2016-05-25

Similar Documents

Publication Publication Date Title
CN105606552B (zh) 基于全谱段分子光谱的卷烟烟丝质量趋势分析方法
CN101915738B (zh) 基于高光谱成像技术的茶树营养信息快速探测方法及装置
CN101059426A (zh) 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法
CN102507480B (zh) 基于12个特征波长的无损快速检测茶叶含水率的方法
CN101275912B (zh) 一种液体食品褐变检测方法
CN103411906B (zh) 珍珠粉和贝壳粉的近红外光谱定性鉴别方法
CN105548028A (zh) 禽蛋新鲜度的光纤光谱分级检测装置及其方法
CN108169169A (zh) 一种基于近红外光谱技术的山茶油掺伪的快速检测方法
CN111912817B (zh) 前处理方法及装置、测定纸张中糖精钠含量的方法及系统
CN101825572A (zh) 一种通过荧光素区分不同香型白酒的方法
CN107421912A (zh) 一种基于近红外透射技术的液态乳制品质量检测的装置与方法
CN101936893A (zh) 一种从油菜籽中检测蛋白质和氨基酸的方法
CN102566533A (zh) 一种烟用香精香料调配的在线监控装置及方法
CN105738303B (zh) 基于全谱段分子光谱的卷烟烟气质量趋势分析方法
CN103487422A (zh) 多波长led荧光光谱的云端中药品质检测系统及方法
CN104977258A (zh) 基于二维相关光谱的茶叶/化妆品等品质检测方法
CN101614663A (zh) 可见和近红外光谱的蜂花粉品种鉴别方法
CN115015161A (zh) 一种煤质成分预测方法
Jiang et al. High precision qualitative identification of yeast growth phases using molecular fusion spectra
CN105548027A (zh) 基于近红外光谱测定调和油中茶油含量的分析模型及方法
CN104819974A (zh) 基于拉曼光谱的肉制品掺杂检测平台
CN104655580B (zh) 一种快速测定溶解浆中的α‑纤维素含量的方法
CN103234923A (zh) 一种黄酒发酵过程中总糖含量的在线监控方法
CN203572772U (zh) 基于多波长led荧光光谱的云端中药品质检测系统
CN106442396A (zh) 基于近红外技术的甘蔗渣蔗糖含量快检方法

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