CN105738340B - 基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法 - Google Patents
基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法 Download PDFInfo
- Publication number
- CN105738340B CN105738340B CN201510747541.5A CN201510747541A CN105738340B CN 105738340 B CN105738340 B CN 105738340B CN 201510747541 A CN201510747541 A CN 201510747541A CN 105738340 B CN105738340 B CN 105738340B
- Authority
- CN
- China
- Prior art keywords
- lavender
- raman
- fourier
- rapid detection
- detection method
- 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.)
- Expired - Fee Related
Links
Landscapes
- Cosmetics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明涉及薰衣草精油辨别技术领域，是一种基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法；按下述步骤进行：第一步，光谱采集；第二步，特征波长的选择分析；第三步，待测样品的识别，将预处理后的三个特征波长段的拉曼散射强度值作为XP数据集，在所建立的各薰衣草精油OPLS‑DA模型中对XP数据集进行类别变量Y的预测，预测值定义为Yp，当Yp＞0.5，且偏差＜0.5时，判定属于该类。本发明基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法和现有气相色谱/质谱联用技术的准确度相当；本发明具有无损检测、分析效率高、分析速度快和检测成本低的独特优势，适用于薰衣草精油品种的快速检测。
Description
技术领域
本发明涉及薰衣草精油辨别技术领域，是一种基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法。
背景技术
薰衣草Lavandula angustifolia Mill，是唇型科薰衣草属植物，为多年生亚灌木。新疆薰衣草种植面积占全国种植面积的95%左右，是全国最大的薰衣草种植基地。薰衣草精油作为薰衣草花穗的提取物现已成为薰衣草植物主要的经济产品，作为名贵香料被广泛应用于多种日用化妆品中。此外，薰衣草精油还具有抗惊厥、杀菌、催眠、镇静等作用，是卫生部《药品标准》维吾尔药分册的收载品种。但薰衣草品种繁多，随着市场上薰衣草精油商业价值的提升，薰衣草精油品种鉴别将越来越凸现出它的重要性。研究一种简单、快速、无损的薰衣草精油品种鉴别技术对于精油的质量控制就显得很有必要。
精油的传统鉴别技术是气相色谱/质谱联用技术（GC/MS），GC/MS技术分析精油样品时，精油样品必须在一定温度下汽化才能被检测，样品不能重复使用。同时，由于样品的复杂性，一个样品需要的分析时间一般都为几十分钟。并且由于GC/MS仪器价格昂贵，所以样品的分析检测费用较高。
发明内容
本发明提供了一种基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，克服了上述现有技术之不足，其能有效解决精油的传统鉴别技术检测时间长、样品不能重复使用和检测费用高的问题。
本发明的技术方案是通过以下措施来实现的：一种基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，按下述步骤进行：第一步，光谱采集，将待测薰衣草精油装于核磁管中，设定傅利叶拉曼光谱仪测试条件，光谱范围：3500cm-1至200cm-1，分辨率：4cm-1，扫描累加次数32次至128次，扫描后得到拉曼光谱图；第二步，特征波长的选择分析，将拉曼光谱图的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值进行预处理；第三步，待测样品的识别，将预处理后的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值作为XP数据集，在所建立的各薰衣草精油OPLS-DA模型中对XP数据集进行类别变量Y的预测，预测值定义为Yp，当Yp＞0.5，且偏差＜0.5时，判定属于该类；当Yp＜0.5，且偏差＜0.5时，判定不属于该类；当偏差≥0.5时，模型无法辨别；其中：偏差＝｜Yp－1｜。
下面是对上述发明技术方案的进一步优化或/和改进：
上述各薰衣草精油OPLS-DA模型按下述方法建立：第一步，光谱采集，将已知各品种薰衣草精油分别装于核磁管中，设定傅利叶拉曼光谱仪测试条件，光谱范围：3500cm-1至200cm-1，分辨率：4cm-1，扫描累加次数32次至128次，扫描后分别得到已知各品种薰衣草精油的拉曼光谱图；第二步，特征波长的选择分析，对采集到的已知各品种薰衣草精油的拉曼光谱图进行全测量范围内的方差计算，得到已知品种薰衣草精油样品的拉曼测量波长下的方差图，以方差较大的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值进行预处理；第三步，识别模型的建立，将预处理后的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值作为数据集X，自定义对应已知各品种薰衣草精油类别变量Y，通过交互留一验证法对数据集X进行辨别分析，得到已知各品种薰衣草精油的OPLS-DA二维得分图，然后通过回归辨别模型方法建立得到各薰衣草精油OPLS-DA模型。
上述薰衣草精油按下述方法得到：将薰衣草花絮置于阴凉处晾干后得到干薰衣草花絮，按10g干薰衣草花絮中加入50g至150g的蒸馏水计，在干薰衣草花絮中加入蒸馏水沸腾后，在挥发油提取器中提取5h至8h，提取后溜出物经冷凝后得到薰衣草精油。
上述已知品种薰衣草精油为C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油。
上述拉曼散射强度值进行预处理包括平滑和多元散射校正；或/和，傅利叶拉曼光谱仪测试条件：最小分辨率4.0cm-1、Nd:YAG二极管泵浦近红外光源(1064nm)、光源功率500mW、3mm核磁管、高灵敏度液氮制冷锗(Ge)检测器。
本发明基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法和现有气相色谱/质谱联用技术的准确度相当；本发明具有无损检测、分析效率高、分析速度快和检测成本低的独特优势，适用于薰衣草精油品种的快速检测。
附图说明
附图1中A为本发明中C-197(2)薰衣草精油的平均拉曼光谱图。
附图1中B为本发明中法国蓝薰衣草精油的平均拉曼光谱图。
附图1中C为本发明中H-701薰衣草精油的平均拉曼光谱图。
附图2为本发明中C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油的方差曲线图。
附图3为本发明中C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油的OPLS-DA二维得分图。
附图4为本发明中C-197(2)薰衣草精油的标准曲线。
附图5为本发明中法国蓝薰衣草精油的标准曲线。
附图6为本发明中H-701薰衣草精油的标准曲线。
附图7为本发明中C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油的拉曼光谱叠加图。
具体实施方式
本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。
实施例1，该基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，按下述步骤进行：第一步，光谱采集，将待测薰衣草精油装于核磁管中，设定傅利叶拉曼光谱仪测试条件，光谱范围：3500cm-1至200cm-1，分辨率：4cm-1，扫描累加次数32次至128次，扫描后得到拉曼光谱图；第二步，特征波长的选择分析，将拉曼光谱图的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值进行预处理；第三步，待测样品的识别，将预处理后的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值作为XP数据集，在所建立的各薰衣草精油OPLS-DA模型中对XP数据集进行类别变量Y的预测，预测值定义为Yp，当Yp＞0.5，且偏差＜0.5时，判定属于该类；当Yp＜0.5，且偏差＜0.5时，判定不属于该类；当偏差≥0.5时，模型无法辨别；其中：偏差＝｜Yp－1｜。
实施例2，作为上述实施例的优化，各薰衣草精油OPLS-DA模型按下述方法建立：第一步，光谱采集，将已知各品种薰衣草精油分别装于核磁管中，设定傅利叶拉曼光谱仪测试条件，光谱范围：3500cm-1至200cm-1，分辨率：4cm-1，扫描累加次数32次至128次，扫描后分别得到已知各品种薰衣草精油的拉曼光谱图；第二步，特征波长的选择分析，对采集到的已知各品种薰衣草精油的拉曼光谱图进行全测量范围内的方差计算，得到已知品种薰衣草精油样品的拉曼测量波长下的方差图，以方差较大的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值进行预处理；第三步，识别模型的建立，将预处理后的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值作为数据集X，自定义对应已知各品种薰衣草精油类别变量Y，通过交互留一验证法对数据集X进行辨别分析，得到已知各品种薰衣草精油的OPLS-DA二维得分图，然后通过回归辨别模型方法建立得到各薰衣草精油OPLS-DA模型。光谱数据预处理、模型建立、校正和未知样预测都在SIMCA-P 13.0软件中进行。
正交偏最小二乘判别分析(OPLS-DA)是一种将正交信号校正 (orthogonalsignal correction) 与偏最小二乘法(partial least squares)结合的判别分析方法，将之应用于光谱数据分析时，利用数学上正交的办法，可以将光谱峰强度矩阵X中与类别矩阵Y不相关信息部分的滤除，生成的结果更清晰、更易于解释。对薰衣草精油来说，其化学组份复杂，影响因素众多，拉曼散射峰之间存在高度相关，采用正交偏最小二乘法进行建模进行不同品种薰衣草精油的识别分析，可使其分析结论更加可靠，整体性更强。
正交偏最小二乘(Orthogonal Partial Least-Squares, OPLS)判别分析法是一种集正交信号校正、偏最小二乘多元回归和判别分析等基本功能为一体多元统计方法。在分析过程中先对拉曼光谱数据进行正交校正(OSC)处理，再进行偏最小二乘辨别(PLS-DA)建模，在通过PLS-DA方法对OSC校正过的数据进行处理时，在自变量X的本征矢量或因子数测试时，用于描述自定义类别应变量Y中的因子同时也用于描述变量X，其数学模型为：X= TP’+E；Y=UQ’+F。其中，T和P’分别是X的得分和载荷，U和Q’分别是Y的得分和载荷，E和F为运用PLS模型法拟合X和Y引入的误差。由上式得到的T和U矩阵代表了除去大部分噪音的响应和类别信息。分析过程中不仅可以消除众多化学信息中相互重叠的部分，使得分析数据更加准确可靠，同时可避免人为的以精油的主要化学成分来判断品种的不精确性和感官性。
自定义类别变量Y，定义Y数据集时采用二进制数值，二进制数值长度与类别数相同，对所定义二进制值在相同类别的同一位处取1，其余字节处取0，使用了数据集X和自定义的类别变量数据集Y，输入到SIMCA-P 13.0软件中，在软件中选取OPLS-DA计算方法和交互留一验证法对样本集中有效数据进行辨别分析，得到这些薰衣草精油的OPLS-DA二维得分图，然后再在此基础上选择SIMCA-P 13.0软件中的回归辨别模型方法建立每一品种的OPLS-DA识别模型。对每一品种OPLS-DA识别模型来说，应变量Y为类别值，自变量X为三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1拉曼散射强度MSC校正值。Yp类别应变量Y的OPLS-DA识别模型的拟合值。
实施例3，作为上述实施例的优化，各薰衣草精油OPLS-DA模型按下述方法建立：第一步，光谱采集，将三个品种C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油共95个薰衣草精油样品，随机取每个薰衣草精油样品的80%，然后将已知各品种薰衣草精油分别装于核磁管中，设定傅利叶拉曼光谱仪测试条件，光谱范围：3500cm-1至200cm-1，分辨率：4cm-1，扫描累加次数32次至128次，扫描后分别得到已知各品种薰衣草精油的拉曼光谱图；第二步，特征波长的选择分析，对采集到的已知各品种薰衣草精油的拉曼光谱图进行全测量范围内的方差计算，得到已知品种薰衣草精油样品的拉曼测量波长下的方差图，以方差较大的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值进行预处理；第三步，识别模型的建立，将预处理后的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值作为数据集X，自定义对应已知各品种薰衣草精油类别变量Y，通过交互留一验证法对数据集X进行辨别分析，得到已知各品种薰衣草精油的OPLS-DA二维得分图，然后通过回归辨别模型方法建立得到各薰衣草精油OPLS-DA模型。已知薰衣草品种为新疆大量种植的C-197(2) (A)、法国蓝(B)和H-701品种，设定三个类别变量，YA[1 0 0]，YB[0 1 0]，YC[0 0 1]，然后采用正交信号校正（OSC）计算方法对样本集处理，在此基础上建立每种品种的OPLS-DA识别模型。三个品种C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油共95个薰衣草精油样品，随机取每个薰衣草精油样品的80%用于模型的建立，作为样本集，见表1所示。
实施例4，作为上述实施例的优化，薰衣草精油按下述方法得到：将薰衣草花絮置于阴凉处晾干后得到干薰衣草花絮，按10g干薰衣草花絮中加入50g至150g的蒸馏水计，在干薰衣草花絮中加入蒸馏水沸腾后，在挥发油提取器中提取5h至8h，提取后溜出物经冷凝后得到薰衣草精油。
实施例5，作为上述实施例的优化，已知品种薰衣草精油为C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油。
实施例6，作为上述实施例的优化，拉曼散射强度值进行预处理包括平滑和多元散射校正；或/和，傅利叶拉曼光谱仪测试条件：最小分辨率4.0cm-1、Nd:YAG二极管泵浦近红外光源(1064nm)、光源功率500mW、3mm核磁管、高灵敏度液氮制冷锗(Ge)检测器。拉曼散射强度值进行预处理见表2所示。
附图1中A为本发明中C-197(2)薰衣草精油的平均拉曼光谱图；附图1中B为本发明中法国蓝薰衣草精油的平均拉曼光谱图；附图1中C为本发明中H-701薰衣草精油的平均拉曼光谱图；从附图1可以看出，C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油的最强峰都出现在2919cm-1处，其次为2970cm-1、3010cm-1、1674cm-1、1645cm-1和1451cm-1处吸收峰，并在整个波长段的峰形和相对峰高也都非常相似；2919cm-1和2970cm-1均为饱合C-H伸缩振动吸收峰，1451cm-1附近为-CH2-与CH3-的弯曲振动峰，1674cm-1处为C=O的特征吸收峰，3010cm-1、1645cm-1附近为C=C双键吸收峰。
附图2为本发明中C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油的方差曲线图；从附图2可以看出，三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1拉曼散射强度方差值较大，数据变异性强，包含的信息量多，且包含了精油拉曼散射的主要特征峰，可以作为建立薰衣草类别识别模型的基础数据。
附图3为本发明中C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油的OPLS-DA二维得分图；从附图3可以直观地看到C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油聚为三类，分界线明显，表现出良好的区分效果，达到了对其进行OPLS-DA建模的聚类要求。
设定三个类别变量，YA[1 0 0]，YB[0 1 0]，YC[0 0 1]，分别对样本集中C-197(2)(A)、法国蓝(B)和H-701薰衣草精油进行OPLS分析，建立三个品种类别的辨别分析标准曲线，本发明中C-197(2)薰衣草精油的标准曲线见附图4所示。
设定三个类别变量，YA[1 0 0]，YB[0 1 0]，YC[0 0 1]，分别对样本集中C-197(2)(A)、法国蓝(B)和H-701薰衣草精油进行OPLS分析，建立三个品种类别的辨别分析标准曲线，本发明中法国蓝薰衣草精油的标准曲线见附图5所示。
设定三个类别变量，YA[1 0 0]，YB[0 1 0]，YC[0 0 1]，分别对样本集中C-197(2)(A)、法国蓝(B)和H-701薰衣草精油进行OPLS分析，建立三个品种类别的辨别分析标准曲线，本发明中H-701薰衣草精油的标准曲线见附图6所示。
将已知C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油分别封装于直径3mm的核磁管中，设定光谱范围：3500 cm-1至200 cm-1，分辨率：4 cm-1，扫描累加次数：32次；本发明中C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油的拉曼光谱叠加图见附图7所示。附图1至附图6中A表示C-197(2)薰衣草精油，B表示法国蓝薰衣草精油,C表示H-701薰衣草精油。
验证试验：
将三个品种C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油共95个薰衣草精油样品，随机取每个薰衣草精油样品的20%作为验证集，共19个未知薰衣草精油样本，以识别率和拒绝率表示，识别率和拒绝率是反映类模型之间判别未知样本的可信度；识别率和拒绝率表示为：
(1)
(2)
表3为本发明基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法对全部19个未知薰衣草精油样本的识别率和拒绝率，选用ɑ=5%的显著水平。从表3看出每种薰衣草精油都100%地归属到各自的种类之下，而每种薰衣草精油的模型又100%拒绝了其他种类的精油，说明本发明基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法的识别效果显著。
本发明基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法较现有气相色谱/质谱联用技术相比，样品不被损坏，商品化的装在玻璃瓶包装内的精油样品可以不用开封，直接测量，检测后精油还可以使用，本发明具有分析样品速度快的优点、分析精油样品的时间仅为几分钟，且准确度和现有气相色谱/质谱联用技术相当；同时，本发明所用傅利叶拉曼光谱仪器价格较为便宜，因此检测费用也较低。
综上所述，本发明基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法和现有气相色谱/质谱联用技术的准确度相当；本发明具有无损检测、分析效率高、分析速度快和检测成本低的独特优势，适用于薰衣草精油品种的快速检测。
以上技术特征构成了本发明的实施例，其具有较强的适应性和实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。
Claims (9)
1.一种基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，其特征在于按下述步骤进行：第一步，光谱采集，将待测薰衣草精油装于核磁管中，设定傅利叶拉曼光谱仪测试条件，光谱范围：3500cm-1至200cm-1，分辨率：4cm-1，扫描累加次数32次至128次，扫描后得到拉曼光谱图；第二步，特征波长的选择分析，将拉曼光谱图的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值进行预处理；第三步，待测样品的识别，将预处理后的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值作为XP数据集，在所建立的各薰衣草精油OPLS-DA模型中对XP数据集进行类别变量Y的预测，预测值定义为Yp，当Yp＞0.5，且偏差＜0.5时，判定属于该类；当Yp＜0.5，且偏差＞0.5时，判定不属于该类；当偏差=0.5时，模型无法辨别；其中：偏差＝｜Yp－1｜。
2.根据权利要求1所述的基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，其特征在于各薰衣草精油OPLS-DA模型按下述方法建立：第一步，光谱采集，将已知各品种薰衣草精油分别装于核磁管中，设定傅利叶拉曼光谱仪测试条件，光谱范围：3500cm-1至200cm-1，分辨率：4cm-1，扫描累加次数32次至128次，扫描后分别得到已知各品种薰衣草精油的拉曼光谱图；第二步，特征波长的选择分析，对采集到的已知各品种薰衣草精油的拉曼光谱图进行全测量范围内的方差计算，得到已知品种薰衣草精油样品的拉曼测量波长下的方差图，以方差较大的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值进行预处理；第三步，识别模型的建立，将预处理后的三个特征波长段3106.2cm-1至2683.9cm-1、1760.1cm-1至1222.1cm-1、844.09cm-1至585.77cm-1的拉曼散射强度值作为数据集X，自定义对应已知各品种薰衣草精油类别变量Y，通过交互留一验证法对数据集X进行辨别分析，得到已知各品种薰衣草精油的OPLS-DA二维得分图，然后通过回归辨别模型方法建立得到各薰衣草精油OPLS-DA模型。
3.根据权利要求1或2所述的基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，其特征在于薰衣草精油按下述方法得到：将薰衣草花絮置于阴凉处晾干后得到干薰衣草花絮，按10g干薰衣草花絮中加入50g至150g的蒸馏水计，在干薰衣草花絮中加入蒸馏水沸腾后，在挥发油提取器中提取5h至8h，提取后馏出物经冷凝后得到薰衣草精油。
4.根据权利要求2所述的基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，其特征在于已知品种薰衣草精油为C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油。
5.根据权利要求3所述的基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，其特征在于已知品种薰衣草精油为C-197(2)薰衣草精油、法国蓝薰衣草精油和H-701薰衣草精油。
6.根据权利要求2所述的基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，其特征在于拉曼散射强度值进行预处理包括平滑和多元散射校正；或/和，傅利叶拉曼光谱仪测试条件：最小分辨率4.0cm-1、Nd:YAG二极管泵浦近红外光源、光源功率500mW、3mm核磁管、高灵敏度液氮制冷锗(Ge)检测器。
7.根据权利要求3所述的基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，其特征在于拉曼散射强度值进行预处理包括平滑和多元散射校正；或/和，傅利叶拉曼光谱仪测试条件：最小分辨率4.0cm-1、Nd:YAG二极管泵浦近红外光源、光源功率500mW、3mm核磁管、高灵敏度液氮制冷锗(Ge)检测器。
8.根据权利要求4所述的基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，其特征在于拉曼散射强度值进行预处理包括平滑和多元散射校正；或/和，傅利叶拉曼光谱仪测试条件：最小分辨率4.0cm-1、Nd:YAG二极管泵浦近红外光源、光源功率500mW、3mm核磁管、高灵敏度液氮制冷锗(Ge)检测器。
9.根据权利要求5所述的基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法，其特征在于拉曼散射强度值进行预处理包括平滑和多元散射校正；或/和，傅利叶拉曼光谱仪测试条件：最小分辨率4.0cm-1、Nd:YAG二极管泵浦近红外光源、光源功率500mW、3mm核磁管、高灵敏度液氮制冷锗(Ge)检测器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510747541.5A CN105738340B (zh) | 2015-11-05 | 2015-11-05 | 基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510747541.5A CN105738340B (zh) | 2015-11-05 | 2015-11-05 | 基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105738340A CN105738340A (zh) | 2016-07-06 |
| CN105738340B true CN105738340B (zh) | 2018-10-16 |
Family
ID=56295930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510747541.5A Expired - Fee Related CN105738340B (zh) | 2015-11-05 | 2015-11-05 | 基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105738340B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106769987A (zh) * | 2017-01-22 | 2017-05-31 | 北京中医药大学 | 一种区分麦冬药材是否经过硫熏的方法 |
| CN109520999A (zh) * | 2019-01-17 | 2019-03-26 | 云南中烟工业有限责任公司 | 一种基于二维相关光谱的香紫苏油稳定性评价方法 |
| CN109781702A (zh) * | 2019-01-18 | 2019-05-21 | 中国人民解放军军事科学院军事医学研究院 | 一种磁性微球及其制备方法以及微生物的检测方法 |
| CN109765214A (zh) * | 2019-03-29 | 2019-05-17 | 北京中科遗传与生殖医学研究院有限责任公司 | 基于表面增强拉曼光谱的不孕不育患者血清的检测方法 |
| CN109916849A (zh) * | 2019-04-04 | 2019-06-21 | 新疆大学 | 基于近红外光谱相关性分析检测样品理化性质的方法 |
| CN112183614A (zh) * | 2020-09-24 | 2021-01-05 | 上海化工院检测有限公司 | 一种区分汽油牌号的现场快速检测方法 |
| CN112595691A (zh) * | 2020-11-16 | 2021-04-02 | 伊犁紫苏丽人生物科技有限公司 | 基于近红外拉曼光谱融合的薰衣草精油特征组分定量分析模型的建立方法和定量分析方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2014100715A4 (en) * | 2014-04-15 | 2014-07-17 | Macau University Of Science And Technology | Method for authenticating panax notoginseng plant material |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957316B (zh) * | 2010-01-18 | 2012-01-04 | 河北大学 | 一种用近红外光谱技术鉴别响水大米的方法 |
| CN102564993B (zh) * | 2011-12-31 | 2015-07-15 | 江南大学 | 一种利用傅里叶变换红外光谱识别大米品种方法及其应用 |
-
2015
- 2015-11-05 CN CN201510747541.5A patent/CN105738340B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2014100715A4 (en) * | 2014-04-15 | 2014-07-17 | Macau University Of Science And Technology | Method for authenticating panax notoginseng plant material |
Non-Patent Citations (3)
| Title |
|---|
| Classification of Chinese Honeys According to Their Floral Origins Using Elemental and Stable Isotopic Compositions;Zhaobin Wu等;《Journal of Agricultural and Food Chemistry》;20150520;第63卷;第5388-5394页 * |
| Recent developments in honey characterization;Roberto Consonni等;《RSC Advances》;20150531(第5期);第59696-59714页 * |
| 薰衣草精油的衰减全反射红外光谱辨别分析;唐军等;《光谱学与光谱分析》;20160331;第36卷(第3期);第716-719页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105738340A (zh) | 2016-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105738340B (zh) | 基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法 | |
| CN103134850B (zh) | 一种基于特征香气的茶叶品质快速检测方法 | |
| CN103217408B (zh) | 一种鉴别贵州两类不同香型烤烟的方法 | |
| CN102778442A (zh) | 一种快速鉴别烟用香液料液种类的方法 | |
| Cheng et al. | Infrared spectroscopic studies of Chinese medicines | |
| CN105806824A (zh) | 基于多源光谱特征融合的食用油种类快速鉴别方法 | |
| CN102252995A (zh) | 一种近红外透射光谱(nits)快速检测原味茶油脂肪酸及鉴伪方法 | |
| CN103674884A (zh) | 基于近红外光谱信息的烟叶风格特征的随机森林分类方法 | |
| CN103293118A (zh) | 一种基于近红外光谱分析技术的潲水油鉴别方法 | |
| CN103091281A (zh) | 一种基于中红外光谱特征基的茶叶发酵度鉴定方法 | |
| CN103743703A (zh) | 一种采用近红外光谱快速检测茶叶中主要成分的方法 | |
| CN102288551A (zh) | 利用高光谱数据鉴别中药材的方法 | |
| CN102072887A (zh) | 一种用红外光谱分析鉴定白酒的方法 | |
| Chang et al. | Geographical origin traceability of traditional Chinese medicine Atractylodes macrocephala Koidz. by using multi-way fluorescence fingerprint and chemometric methods | |
| CN105259293A (zh) | 基于同位素质谱技术鉴别橄榄油产地的方法 | |
| CN103033486A (zh) | 陈皮及广陈皮药材质量的近红外光谱监控方法 | |
| CN104807777A (zh) | 一种基于近红外光谱分析技术的槟榔水分含量快速检测方法 | |
| CN101664495A (zh) | 一种中药六味地黄丸生产过程的近红外光谱在线检测方法 | |
| 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 | |
| CN108663337A (zh) | 一种测定丹参酮类成分的方法及其应用 | |
| CN105092512A (zh) | 一种基于傅里叶变换红外光谱技术检测油茶籽油的方法 | |
| Fan et al. | Geographical-origin discrimination and volatile oil quantitative analysis of Zanthoxylum bungeanum Maxim. with a portable near-infrared spectrometer | |
| CN104297373A (zh) | 一种草果与草豆蔻的指纹图谱鉴别方法 | |
| Wang et al. | Pattern recognition: An effective tool for quality assessment of herbal medicine based on chemical information | |
| CN101661024B (zh) | 一种烤烟醇化品质判定的高效液相指纹图谱主成分分析方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181016 Termination date: 20191105 |