CN106226265A - 基于光谱分析的生物炭炭化温度快速鉴别方法 - Google Patents
基于光谱分析的生物炭炭化温度快速鉴别方法 Download PDFInfo
- Publication number
- CN106226265A CN106226265A CN201610602013.5A CN201610602013A CN106226265A CN 106226265 A CN106226265 A CN 106226265A CN 201610602013 A CN201610602013 A CN 201610602013A CN 106226265 A CN106226265 A CN 106226265A
- Authority
- CN
- China
- Prior art keywords
- sample
- charcoal
- carbonization temperature
- main constituent
- carbonization
- 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.)
- Granted
Links
- 239000003610 charcoal Substances 0.000 title claims abstract description 52
- 238000003763 carbonization Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000010183 spectrum analysis Methods 0.000 title claims abstract description 6
- 238000001228 spectrum Methods 0.000 claims abstract description 29
- 239000000470 constituent Substances 0.000 claims abstract description 21
- 238000000513 principal component analysis Methods 0.000 claims abstract description 14
- 238000003909 pattern recognition Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000000862 absorption spectrum Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000002835 absorbance Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 239000012620 biological material Substances 0.000 claims description 2
- 238000000205 computational method Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 35
- 238000012360 testing method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000002329 infrared spectrum Methods 0.000 description 3
- 238000004611 spectroscopical analysis Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000010902 straw Substances 0.000 description 2
- -1 10W halogen Chemical class 0.000 description 1
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000013098 chemical test method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000010815 organic waste Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000013031 physical testing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 210000000582 semen Anatomy 0.000 description 1
- 230000009919 sequestration Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000004227 thermal cracking Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000017105 transposition Effects 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
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种基于光谱分析的生物炭炭化温度快速鉴别方法,包括:(1)建立生物炭光谱库;(2)对光谱库进行主成分分析(PCA),按主成分方差贡献率大小,取贡献率最大的前q个主成分;(3)根据样本PCA分析获得的前q个主成分Z1,Z2,…,Zq,利用Fisher线性判别分析法(FLD)对生物炭炭化温度进行模式识别;(4)待鉴别样本光谱扫描;(5)对待鉴别样本光谱同样作主成分分析,按主成分贡献率大小,提取贡献率最大的前q个主成分Z1,Z2,…,Zq;(6)根据已建立的FLD模型,将待鉴别样本归类到相应的生物炭炭化温度类别中,从而完成生物炭炭化温度的快速鉴别。
Description
技术领域
本发明涉及基于光谱分析的生物炭炭化温度快速鉴别方法。
背景技术
生物炭是生物质在缺氧条件下不完全燃烧热裂解后形成的产物,可溶性极低,孔隙度和比表面积大,吸附力、抗氧化力和抗生物分解能力强。生物炭在土壤肥力改良、土壤固碳增汇减排以及受污染环境修复等方面具有显著作用。生物炭理化性能不仅与生物质材料有关,还受炭化过程中温度、时间、强度等工艺参数的影响,其中生物炭炭化温度对碳化物的特性有着显著影响。而炭化温度又与炭化过程能量消耗、工艺设备投资、炭化经济性有着密切关系。由于生物质原料经过炭化工艺加工制备成生物炭后,表观上都呈深黑色,肉眼不易区分甄别。而传统理化测试步骤繁琐,测试时间长,不适合用于生物炭的快速鉴别。因此有必要研究生物炭炭化温度快速鉴别方法。
近年来,近红外光谱技术因其测试快速、重复性好、测试精度较高、易于现场使用、免试剂等优点而得到广泛关注。目前,已有一些国内外学者开展了利用近红外光谱技术对生物炭理化特性进行快速分析的方法研究。例如,本研究小组前期提出了一种对生物炭原始材质进行快速追溯鉴别的光谱分析方法(见专利“一种基于光谱技术的生物炭溯源鉴别方法”ZL2012103158605)。目前,对生物炭炭化温度的光谱学快速鉴别法还未见报道。
发明内容
本发明要克服现有技术的不足,提供一种基于光谱分析的生物炭炭化温度快速鉴别方法。
该发明方法的步骤如下:
(1)建立生物炭光谱库:收集不同种类生物质材料,每种材料分成若干样本,置于马弗炉内进行炭化处理。炭化温度分别设定在300℃、400℃、500℃、600℃和700℃五档,炭化时间分别设定为0.5h、1.5h、3h和6h四档。在炭化温度和炭化时间不同组合下形成生物炭样本集。利用光谱仪采集每个样本的吸光度光谱数据,形成波长范围480~1000nm,波长间隔0.2nm的生物炭光谱库。在生物炭光谱库中,每一样本的光谱记录包括生物炭品种名称、炭化温度、炭化时间值、不同波长点的吸光度,炭化温度鉴别代码。
(2)对光谱库进行主成分分析(PCA),按主成分方差贡献率大小,取贡献率最大的前q个主成分。
所述PCA的计算步骤如下:
假设用p个变量来描述研究对象,分别用X1,X2,…,Xp表示,Xp表示第p个波长点所有样本的吸光度按顺序组成的向量,这p个变量构成的p维向量为X=(X1,X2,…,XP)T,T表示向量转置(下同)。
计算协方差矩阵R:
其中Rij(i,j=1,2,…,p)为原始变量Xi与Xj的相关系数,且Rij=Rji,其计算公式为:
根据协方差矩阵R解特征方程|λE-R|=0,E为单位矩阵,求出特征值λi(i=1,2,…,p)。将λi按大小顺序排序,即λ1≥λ2≥…≥λi≥0,分别求出对应于特征值λi的特征向量ei(i=1,2,…,p),要求||ei||=1,即其中eij表示向量ei的第j个分量。
计算主成分Zi的贡献率Wi,计算公式为根据主成分方差贡献率大小,取所述的贡献率最大的前q个主成分Z1,Z2,…,Zq。
(3)根据样本PCA分析获得的前q个主成分Z1,Z2,…,Zq,利用Fisher线性判别分析法(FLD)对生物炭炭化温度进行模式识别。
FLD计算方法如下:
假设对于一个Rn空间有m个样本x1,x2,…,xm,xi是n维向量,ni表示属于第i类的样本个数,假设有c个类,则n1+n2+…+ni+…+nc=m。
第i类样本均值:
总体样本均值:
类间离散度矩阵:
类内离散度矩阵:
构造Fisher鉴别准则表达式:其中为任一n维列向量。选取使得达到最大值的向量作为投影方向,使投影后的样本具有最大的类间离散度和最小的类内离散度。
(4)待鉴别样本光谱扫描:利用光谱仪采集待鉴别样本的吸光度光谱数据,记录与步骤(1)相同的波长范围480~1000nm,波长间隔0.2nm的吸光度光谱数据。
(5)对待鉴别样本光谱同样作主成分分析,按主成分贡献率大小,提取贡献率最大的前q个主成分Z1,Z2,…,Zq,方法同步骤(2)。
(6)根据已建立的FLD模型,将待鉴别样本归类到相应的生物炭炭化温度类别中,从而完成生物炭炭化温度的快速鉴别。
总体来说,本发明是根据生物炭光谱特征对未知样本进行鉴别测试,是一种有监督机器学习方法。本方法利用光学间接测试和数值处理手段,达到生物炭炭化温度快速鉴别目的。
本发明较常规理化分析技术有多项优点:
(1)快速检测。单个生物炭样本测试时间仅为几秒钟。
(2)现场使用。光谱仪携带方便,不受场地限制。
(3)批量测试。能够对大量样本进行分析检测,免试剂,无污染。
附图说明
图1为本发明方法的示意图。
图2实施例中5种生物炭不同炭化温度的吸光度光谱图。
具体实施方式
下面结合附图,进一步说明本发明方法。
收集到以下5种农林废弃物:竹片、栎木、山核桃壳、水稻秸秆、油菜杆。每种材料分成5组,分别对应炭化温度300℃、400℃、500℃、600℃和700℃五档,每组4个样本,分别对应炭化时间0.5h、1.5h、3h和6h四档。样本置于马弗炉内进行炭化处理。生物炭用研钵磨细,获得颗粒直径小于0.1mm样本。
生物炭样本的光谱测试系统由美国海洋光学公司生产的USB4000光谱仪、10W卤素灯光源、传输光纤、样本架、计算机、电源等组成。光纤探头垂直放置于样本上方1cm左右处,光源光线由光纤连接到探头,光线经样本反射后,由探头接收再经光纤传输到光谱仪,光谱数据经USB接口发送到计算机上。使用计算机软件对光谱数据进行处理,并给出计算结果。
(1)建立生物炭光谱库:利用光谱仪采集每个样本的吸光度光谱数据,形成波长范围480~1000nm,波长间隔0.2nm的生物炭近红外光谱库,光谱如图2所示。
生物炭光谱库由所有样本的光谱记录组成。每一样本的光谱记录包括生物炭品种名称(1字段)、炭化温度值(1字段)、炭化时间值(1字段)、不同波长点吸光度(2730字段),炭化温度鉴别代码(1字段)。
(2)从生物炭光谱库中随机抽取约一半数量样本,利用Unscrambler X10.1光谱分析软件中的主成分分析功能进行计算,按主成分贡献率大小,取贡献率最大的前7个主成分。
(3)根据样本PCA分析获得的前7个主成分,利用Unscrambler X10.1软件Fisher线性判别分析法(FLD)功能建立FLD鉴别模型。
(4)将光谱库中其余样本作为待鉴别样本,5档炭化温度各取8个样本,共40个样本。按步骤(2)同样方法对待鉴别样本光谱作主成分分析,按主成分方差贡献率大小,提取前7个主成分,根据已建立的FLD模型,将待鉴别样本进行归类判别,计算结果如表1所示。结果显示,炭化温度分别为300℃、400℃、500℃的样本全部鉴别正确,炭化温度分别为600℃、700℃的样本各有1例样本鉴别出错。全部40个样本鉴别正确率为95%。
表1生物炭炭化温度PCA-FLD判别结果
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.基于光谱分析的生物炭炭化温度快速鉴别方法,其特征在于该方法的步骤如下:
(1)建立生物炭光谱库:收集不同种类生物质材料,每种材料分成若干样本,置于马弗炉内进行炭化处理;炭化温度分别设定在300℃、400℃、500℃、600℃和700℃五档,炭化时间分别设定为0.5h、1.5h、3h和6h四档;在炭化温度和炭化时间不同组合下形成生物炭样本集;利用光谱仪采集每个样本的吸光度光谱数据,形成波长范围480~1000nm,波长间隔0.2nm的生物炭光谱库;在生物炭光谱库中,每一样本的光谱记录包括生物炭品种名称、炭化温度、炭化时间值、不同波长点的吸光度,炭化温度鉴别代码;
(2)对光谱库进行主成分分析(PCA),按主成分方差贡献率大小,取贡献率最大的前q个主成分;
所述PCA的计算步骤如下:
假设用p个变量来描述研究对象,分别用X1,X2,…,Xp表示,Xp表示第p个波长点所有样本的吸光度按顺序组成的向量,这p个变量构成的p维向量为X=(X1,X2,…,XP)T,T表示向量转置(下同);
计算协方差矩阵R:
其中Rij(i,j=1,2,…,p)为原始变量Xi与Xj的相关系数,且Rij=Rji,其计算公式为:
根据协方差矩阵R解特征方程|λE-R|=0,E为单位矩阵,求出特征值λi(i=1,2,…,p);将λi按大小顺序排序,即λ1≥λ2≥…≥λi≥0,分别求出对应于特征值λi的特征向量ei(i=1,2,…,p),要求||ei||=1,即其中eij表示向量ei的第j个分量;
计算主成分Zi的贡献率Wi,计算公式为根据主成分方差贡献率大小,取所述的贡献率最大的前q个主成分Z1,Z2,…,Zq;
(3)根据样本PCA分析获得的前q个主成分Z1,Z2,…,Zq,利用Fisher线性判别分析法(FLD)对生物炭炭化温度进行模式识别;
FLD计算方法如下:
假设对于一个Rn空间有m个样本x1,x2,…,xm,xi是n维向量,ni表示属于第i类的样本个数,假设有c个类,则n1+n2+…+ni+…+nc=m;
第i类样本均值:
总体样本均值:
类间离散度矩阵:
类内离散度矩阵:
构造Fisher鉴别准则表达式:其中为任一n维列向量;选取使得达到最大值的向量作为投影方向,使投影后的样本具有最大的类间离散度和最小的类内离散度;
(4)待鉴别样本光谱扫描:利用光谱仪采集待鉴别样本的吸光度光谱数据,记录与步骤(1)相同的波长范围480~1000nm,波长间隔0.2nm的吸光度光谱数据;
(5)对待鉴别样本光谱同样作主成分分析,按主成分贡献率大小,提取贡献率最大的前q个主成分Z1,Z2,…,Zq,方法同步骤(2);
(6)根据已建立的FLD模型,将待鉴别样本归类到相应的生物炭炭化温度类别中,从而完成生物炭炭化温度的快速鉴别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610602013.5A CN106226265B (zh) | 2016-07-28 | 2016-07-28 | 基于光谱分析的生物炭炭化温度快速鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610602013.5A CN106226265B (zh) | 2016-07-28 | 2016-07-28 | 基于光谱分析的生物炭炭化温度快速鉴别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106226265A true CN106226265A (zh) | 2016-12-14 |
CN106226265B CN106226265B (zh) | 2019-01-08 |
Family
ID=57533641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610602013.5A Active CN106226265B (zh) | 2016-07-28 | 2016-07-28 | 基于光谱分析的生物炭炭化温度快速鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106226265B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108181263A (zh) * | 2017-12-29 | 2018-06-19 | 浙江中烟工业有限责任公司 | 基于近红外光谱的烟叶部位特征提取及判别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003026383A1 (de) * | 2001-09-26 | 2003-04-03 | Norsk Hydro Asa | Verfahren und vorrichtung zum berührungslosen bestimmen und beeinflussen des pflanzenzustandes |
US20040227947A1 (en) * | 2001-07-17 | 2004-11-18 | Jose Luis Navarro Herrero | On-line method and equipment for detecting, determining the evolution and quantifying a microbial biomass and other substances that absorb light along the spectrum during the development of biotechnological processes |
CN101893557A (zh) * | 2009-05-20 | 2010-11-24 | 中国农业科学院兰州畜牧与兽药研究所 | 动物毛皮种类的快速无损鉴别方法 |
CN101961360A (zh) * | 2009-07-24 | 2011-02-02 | 天津天士力现代中药资源有限公司 | 三七的近红外光谱鉴别方法 |
CN101995392A (zh) * | 2010-11-15 | 2011-03-30 | 中华人民共和国上海出入境检验检疫局 | 快速检测橄榄油掺伪的方法 |
US20110143391A1 (en) * | 2007-07-17 | 2011-06-16 | Kornelis Maquelin | Method for typing and identification of micro-organisms |
CN102841063A (zh) * | 2012-08-30 | 2012-12-26 | 浙江工业大学 | 一种基于光谱技术的生物炭溯源鉴别方法 |
JP2014201722A (ja) * | 2013-04-09 | 2014-10-27 | 一般財団法人電力中央研究所 | 炭化物の製造方法、及び炭化物の品質検査方法 |
CN105424645A (zh) * | 2015-10-29 | 2016-03-23 | 福州大学 | 基于主成分分析与Fish判别法快速鉴别临床致病菌的方法 |
-
2016
- 2016-07-28 CN CN201610602013.5A patent/CN106226265B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040227947A1 (en) * | 2001-07-17 | 2004-11-18 | Jose Luis Navarro Herrero | On-line method and equipment for detecting, determining the evolution and quantifying a microbial biomass and other substances that absorb light along the spectrum during the development of biotechnological processes |
WO2003026383A1 (de) * | 2001-09-26 | 2003-04-03 | Norsk Hydro Asa | Verfahren und vorrichtung zum berührungslosen bestimmen und beeinflussen des pflanzenzustandes |
US20110143391A1 (en) * | 2007-07-17 | 2011-06-16 | Kornelis Maquelin | Method for typing and identification of micro-organisms |
CN101893557A (zh) * | 2009-05-20 | 2010-11-24 | 中国农业科学院兰州畜牧与兽药研究所 | 动物毛皮种类的快速无损鉴别方法 |
CN101961360A (zh) * | 2009-07-24 | 2011-02-02 | 天津天士力现代中药资源有限公司 | 三七的近红外光谱鉴别方法 |
CN101995392A (zh) * | 2010-11-15 | 2011-03-30 | 中华人民共和国上海出入境检验检疫局 | 快速检测橄榄油掺伪的方法 |
CN102841063A (zh) * | 2012-08-30 | 2012-12-26 | 浙江工业大学 | 一种基于光谱技术的生物炭溯源鉴别方法 |
JP2014201722A (ja) * | 2013-04-09 | 2014-10-27 | 一般財団法人電力中央研究所 | 炭化物の製造方法、及び炭化物の品質検査方法 |
CN105424645A (zh) * | 2015-10-29 | 2016-03-23 | 福州大学 | 基于主成分分析与Fish判别法快速鉴别临床致病菌的方法 |
Non-Patent Citations (3)
Title |
---|
杨海清等: "基于反射光谱和主成分分析的生物炭快速溯源鉴别研究", 《红外》 * |
路文江: "基于光谱分析技术的农林生物质燃料特性的快速检测研究", 《红外》 * |
钱湘群等: "不同预处理可见近红外光谱对农作物秸秆热值预测的影响", 《农业工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108181263A (zh) * | 2017-12-29 | 2018-06-19 | 浙江中烟工业有限责任公司 | 基于近红外光谱的烟叶部位特征提取及判别方法 |
CN108181263B (zh) * | 2017-12-29 | 2021-01-12 | 浙江中烟工业有限责任公司 | 基于近红外光谱的烟叶部位特征提取及判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106226265B (zh) | 2019-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106018332A (zh) | 一种柑桔黄龙病的近红外光谱田间检测方法 | |
CN102841063B (zh) | 一种基于光谱技术的生物炭溯源鉴别方法 | |
CN102252972B (zh) | 基于近红外光谱快速鉴别油茶籽油真实属性的检测方法 | |
CN104596957A (zh) | 基于可见光近红外光谱技术的土壤铜含量估算方法 | |
CN103948393B (zh) | 一种血液成分含量的近红外无创检测方法及装置 | |
CN103411952A (zh) | 一种基于拉曼光谱技术的藻种分类识别方法 | |
CN101339150B (zh) | 基于介电谱技术测定汽油辛烷值的方法 | |
CN106290240A (zh) | 一种基于近红外光谱分析技术对酵母菌生长曲线测定的方法 | |
CN108072626A (zh) | 一种沥青品牌识别方法 | |
CN105158175A (zh) | 一种采用透射光谱鉴别水中细菌的方法 | |
CN107703097A (zh) | 利用衰减全反射探头与近红外光谱仪构建快速预测原油性质的模型的方法及其应用 | |
CN103411906A (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
CN106770003A (zh) | 基于近红外光谱技术的木材识别方法及系统 | |
CN105044054A (zh) | 一种基于盲源分离的海洋溢油精细化遥测方法 | |
CN112505010A (zh) | 一种基于荧光光谱的变压器故障诊断装置及方法 | |
CN103743705A (zh) | 一种假高粱及其近似物种的快速检测方法 | |
CN104523241B (zh) | 一种生物组织光学特性的检测装置和检测方法 | |
CN105954228A (zh) | 基于近红外光谱的油砂中金属钠含量的测量方法 | |
CN106226265A (zh) | 基于光谱分析的生物炭炭化温度快速鉴别方法 | |
CN102967557B (zh) | 基于近红外光谱的生物气溶胶含水量测定及其分类方法 | |
CN106323937B (zh) | 一种高辨识力的原油指纹谱构建及鉴别方法 | |
CN106198481B (zh) | 基于lif技术和朴素贝叶斯分类的假酒识别装置及方法 | |
Zhang et al. | Optimized identification of cheese products based on Raman spectroscopy and an extreme learning machine | |
CN109657733B (zh) | 基于成分结构特征的品种鉴别方法与系统 | |
CN204008454U (zh) | 用于检测贮藏稻谷中霉菌指标的便携式近红外光谱分析仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |