CN106483166B - 一种基于介电谱技术快速检测牛乳脂肪含量的方法 - Google Patents
一种基于介电谱技术快速检测牛乳脂肪含量的方法 Download PDFInfo
- Publication number
- CN106483166B CN106483166B CN201610845915.1A CN201610845915A CN106483166B CN 106483166 B CN106483166 B CN 106483166B CN 201610845915 A CN201610845915 A CN 201610845915A CN 106483166 B CN106483166 B CN 106483166B
- Authority
- CN
- China
- Prior art keywords
- dielectric
- fat content
- milk
- sample
- cow
- 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
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
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dairy Products (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种基于介电谱技术快速检测牛乳脂肪含量的方法。本发明利用网络分析仪(或阻抗分析仪)和同轴探头获得一批牛乳样本在某一射频/微波范围内的介电谱(相对介电常数谱和介质损耗因数谱),从介电谱中提取出表达牛乳脂肪含量的特征介电变量,基于整个射频/微波范围内的介电谱或者提取的特征介电变量建立检测牛乳脂肪含量的线性或非线性检测模型,并对模型进行检验,以预测集均方根误差最小的模型作为检测牛乳脂肪含量的最佳模型。测量脂肪含量未知的牛乳样品的介电谱,将特征介电变量的数值代入最佳模型即可计算出该样品的脂肪含量。本发明具有检测便捷、迅速、操作简单、精度高、以及可实现在线及实时检测的优点。
Description
技术领域
本发明属于介电频谱测量技术领域,特别是涉及一种基于介电谱技术快速检测牛乳脂肪含量的方法。
背景技术
牛乳是一种营养丰富、组分合理、易于消化吸收的食品。因其含有人体所需的多种营养成分而被誉为“食品之王”。牛乳中的脂肪是一种高品质的天然脂肪,不仅是牛乳中重要的营养载体,而且对牛乳的口感风味起着关键的作用。由于牛乳中的脂肪含量受到奶牛个体、季节、饮食、泌乳期等条件的影响,牛乳中的脂肪含量是一个变化的量。而脂肪含量对牛乳的品质、牛乳加工品(如奶酪)的品质有很大的影响,因此,牛乳脂肪含量的检测是一个常规性的检测项目。现阶段常用的检测牛乳中脂肪含量的方法主要有:罗紫-哥特里法、盖勃法、巴布科克法等。这些方法均是化学方法,都存在费时、使用化学药品、污染环境、需专业人员、且不能应用于在线或现场检测的缺点。开发便捷、无化学残留、高效,且能用于在线或现场检测的牛乳脂肪含量检测方法对于保证牛乳品质具有重要的意义。
近年来,在将近红外光谱、可见光光谱或者激光等光学技术应用于牛乳脂肪含量检测方面取得了一些研究成果,但由于牛乳中脂肪球的粒径大小与近红外光谱的波长比较接近,脂肪球对光的散射和反射的影响使得光学技术对脂肪含量的检测精度较差。介电谱技术是一种获得物质在某一射频/微波频率范围内介电特性参数的仪器测量方法,是一种物理方法。该方法具有检测迅速、无化学残留、便捷、无需专业技术人员以及可用于在线或现场检测的优点,因而成为目前国际上最先进、最流行的食品物料介电特性测试技术。生鲜牛乳是一个液态多相分散系,组成复杂,牛乳中的各种分子、离子、脂肪球微粒、微生物、体细胞等在射频/微波场中的介电行为也不同,在宏观上则表现为这些组分的介电谱(相对介电常数谱、介质损耗因数谱、损耗角正切谱等)以及介电特性参数值随电磁波信号频率的变化而变化。现有对牛乳介电谱或介电特性参数的研究结果表明,牛乳的脂肪含量对牛乳的介电谱或介电特性参数有一定的影响。但是现有研究仅是针对单一牛乳样品分析脂肪含量的变化对介电谱或介电特性参数的影响规律,或宏观地比较全乳、半脱脂乳以及全脱脂乳介电特性参数的大小。而牛乳的脂肪含量受多种因素的影响,其变化较大,目前尚未见基于介电谱技术检测大样本牛乳脂肪含量的研究文献。
发明内容
发明目的:本发明旨在克服传统化学测量法检测牛乳脂肪含量的缺陷,提供一种基于介电谱技术快速检测牛乳脂肪含量的方法,为乳品品质的快速、高效、准确、实时、在线检测仪器的开发奠定基础。本发明要解决的技术问题是:基于大样本获得的牛乳介电谱和采用国标规定的脂肪含量测量法测量的大样本牛乳的脂肪含量,建立牛乳脂肪含量的检测模型,为牛乳中脂肪含量检测仪的研发提供方法基础。本发明的方法也可以用于其它乳品(如羊乳)脂肪含量的检测中。
一种基于介电谱技术快速检测牛乳脂肪含量的方法,其特征在于,包含以下步骤:
(1)收集样本:收集一批来源于不同地区、不同饲养条件、不同奶牛品种、不同奶牛个体、不同产乳期、不同季节、数量足够、脂肪含量有一定差异的生鲜牛乳样品;样品在2℃~4℃下保存,保存时间不超过24小时;根据国标规定的方法测量各牛乳样品的脂肪含量。
(2)介电谱的采集:测量前将样品回温到室温,在室温下利用网络分析仪和同轴探头组成的测量装置采集样品的介电谱;采集前先校准好测量装置并设置好采集软件,包括设置好采集的射频/微波频率的范围以及适量的采集频率点;然后测量牛乳样品在该射频/微波范围内的介电谱,该介电谱包括相对介电常数谱、介质损耗因数谱;
所述的网络分析仪也可以用阻抗分析仪替代;
所述的相对介电常数谱、介质损耗因数谱也可以被基于这两个介电谱计算得到的其他介电参数谱代替。
(3)样本划分:采用SPXY法将牛乳样本划分为校正集和预测集;校正集和预测集的样品比例按照2:1或3:1或4:1划分;校正集的样品数大于预测集的样品数,脂肪含量为最小值和最大值的牛乳样品要划分进校正集。
(4)特征介电变量的提取:分别采用连续投影算法、无信息变量消除法、基于稳定性竞争自适应重加权采样法对校正集中牛乳样品的介电谱数据进行降维处理,在整个测量频率范围内的介电谱数据中提取出能反映牛乳样品脂肪含量的特征介电变量;特征介电变量对应的频率为特征频率;
特征介电变量不但可以单独从相对介电常数谱数据或介质损耗因数谱数据中提取,也可以从介电常数谱和介质损耗因数谱两种数据中共同提取;提取的特征介电变量一般是步骤(2)中采集的部分介电频谱数据,但也可以是步骤(2)中采集的全部介电频谱数据。
(5)牛乳脂肪含量检测模型的建立:以步骤(4)提取的特征介电变量为输入参数,以牛乳样品的脂肪含量为输出参数,分别以偏最小二乘法、最小二乘支持向量机法、极限学习机法、广义神经网络法建立基于校正集样品数据的牛乳脂肪含量的线性或非线性检测模型。
(6)模型的验证:利用预测集的样品数据检验步骤(5)所建立的多个牛乳脂肪含量检测模型的性能,将预测集均方根误差最小的模型确定为检测牛乳脂肪含量的最佳模型。分析预测集的误差规律并确定出误差修正值。
(7)未知牛乳样品脂肪含量的获得:对于未知脂肪含量的牛乳样品,按照步骤(2)完成介电谱的采集,将采集的未知牛乳样品介电谱数据中与步骤(6)确定的最佳模型所对应输入参数相同的介电变量值代入步骤(6)所确定的最佳模型中,就可以快速计算出该未知牛乳样品的脂肪含量。
(8)利用步骤(6)中得到的误差修正值对步骤(7)的预测结果进行修正;修正后的结果就是未知牛乳样品脂肪含量的最终测量结果。
该方法可用于生鲜牛乳、超高温消毒牛乳和巴士消毒牛乳的脂肪含量快速检测,也可用于羊乳的脂肪含量快速检测。
步骤(7)中,未知脂肪含量的牛乳样品特征介电变量的采集,也可以用针对特征频率开发专门的介电变量测量仪器,仅测量这些特征频率下的介电变量,将所测数值代入所建的最佳模型,也能快速、便捷地计算出牛乳的脂肪含量。
本发明具有如下优点:本发明基于获取的牛乳介电谱信息,采用多种数据降维方法提取表达脂肪含量的特征介电变量,进而建立检测牛乳脂肪含量的线性或非线性模型,以预测集均方根误差最小的模型作为检测牛乳脂肪含量的最佳组合模型,通过测量未知脂肪含量的牛乳在特征频率下的介电变量值,将该介电变量值代入所建的最佳模型就可以快速计算出牛乳的脂肪含量,这为牛乳脂肪含量的快速、准确、实时、现场以及在线检测提供了一种方法。该方法对牛乳脂肪含量的检测误差为0.168%,使牛乳脂肪含量的快速检测成为可能。
附图说明
图1:基于介电谱检测牛乳脂肪含量的方法流程图;
图2:连续投影算法在不同特征变量数下的校正集均方根误差;
图3:无信息变量消除法所选择的特征相对介电常数(a)和介质损耗因数的分布(b);
图4:基于稳定性竞争自适应重加权采样法所选择的特征相对介电常数(a)和介质损耗因数的分布(b)。
具体实施方式
本发明方法对生鲜牛乳、超高温消毒牛乳和巴士消毒牛乳均具有很好的通用性。在此,以生鲜牛乳为实施例,其他类型乳脂肪的检测可参照该实施例的方法进行。具体根据所测乳的类型,建立一个适用于该类型乳脂肪含量检测的模型,就可以基于介电谱对该类乳的脂肪含量进行检测。
下面结合附图和实施例对本发明作进一步说明。
依据本发明实施例的方法包括以下步骤:
步骤(1):从不同的奶牛养殖场以及奶牛的不同泌乳期收集一批大样本的生鲜牛乳,该批牛乳的样本数为143,样品脂肪含量的范围为2.98~5.58%,样本脂肪含量的平均值为3.68%,标准偏差为0.51%。
步骤(2),采集该批牛乳样品的相对介电常数谱和介质损耗因数谱。本实施例采用美国安捷伦公司的E5071C矢量网络分析仪和85070E-020同轴探头测量样品的介电谱。介电谱的采集条件是:介电谱测量频率范围为20MHz~4500MHz,对数坐标下等间隔采集201个点,介电频谱的采集时样品的温度为23~25℃。
步骤(3):样本划分:采用SPXY法按照2:1的比例将样本划分为校正集和预测集,校正集包含96个样品,其脂肪含量的范围为2.98~5.58%,其平均值为3.76%,标准偏差为0.53%;其预测集包含47个样品,其脂肪含量的范围为3.11~5.56%,其平均值为3.50%,标准偏差为0.43%。校正集中包含了脂肪含量为最小值和最大值的样品。
步骤(4):以校正集样品为对象,采用连续投影算法、无信息变量消除法和基于稳定性竞争自适应重加权采样法从具有201个点的相对介电常数全谱和201点的介质损耗因数全谱(共402介电参数值)中提取出表达牛乳脂肪含量的特征介电变量。
采用连续投影算法提取特征介电变量时,设定提取的特征介电变量数的范围为1~15,计算各特征介电变量数下的校正集均方根误差,根据最小的校正集均方根误差确定最佳特征变量数。不同特征变量数下的校正集均方根误差的计算结果如图2所示。结果说明,当特征变量数为9时校正集均方根误差最小。图2中“■”对应的横坐标值表示经连续投影算法优选出的最佳特征介电变量数。对于本实施例,采用连续投影算法提取了9个特征介电变量,分别是频率为25.0、31.5、50.4、364.7和429.4 MHz时的相对介电常数和频率为2070.7、2563.4、3465.0和4311.8 MHz时的介质损耗因数。
采用无信息变量消除法选择出了123个特征介电变量,其中包括57个不同频率下的相对介电常数和66个不同频率下的介质损耗因数。图3a和图3b所示分别是无信息变量消除法所选择的特征相对介电常数和特征介质损耗因数的分布。图中曲线表示某一牛乳样品的相对介电常数和介质损耗因数谱,竖线表示提取的特征介电变量所在的频率。
当采用基于稳定性竞争自适应重加权采样法选择特征介电变量时,计算不同采样运行次数下的校正集均方根误差,根据最小的校正集均方根误差确定最佳的运行次数。根据该运行次数,确定选取的最佳特征介电变量数为40,其中包括25个不同频率下的相对介电常数和15个不同频率下的介质损耗因数。图4a和图4b所示分别是基于稳定性竞争自适应重加权采样法选择的特征相对介电常数和特征介质损耗因数的分布。图中曲线表示某一牛乳样品的相对介电常数和介质损耗因数谱,竖线表示提取的特征介电变量所在的频率。
步骤(5):以步骤四提取出的特征介电变量或介电全谱(20MHz~4500MHz范围内的201个点下的相对介电常数和201个介质损耗因数)为输入变量,以牛乳的脂肪含量为输出变量,建立检测牛乳脂肪含量的偏最小二乘回归、极限学习机、最小二乘支持向量机模型。
步骤(6):用预测集样品检验步骤五所建立的各种模型,比较所建各个模型的预测集均方根误差,以预测集均方根误差最小的模型作为检测牛乳脂肪含量的最佳模型。针对本实施例,检测牛乳脂肪含量的最佳模型为基于介电全谱(201个相对介电常数和201个介质损耗因数)建立的偏最小二乘回归模型,该模型对牛乳脂肪含量的检测误差为0.168%。分析预测集的误差规律并确定出误差修正值。
步骤(7):按照步骤二采集任意一未知脂肪含量的牛乳在20MHz~4500MHz间201个点下的相对介电常数谱和介质损耗因数谱,将所得到的介电参数值代入步骤六所确定最佳模型,即偏最小二乘回归模型中,就可以快速计算出牛乳的脂肪含量。
步骤(8):利用步骤(6)中得到的误差修正值对步骤(7)的预测结果进行修正;修正后的结果就是未知牛乳样品脂肪含量的最终测量结果。
由以上实施例可以看出,本发明利用介电谱技术检测牛乳的脂肪含量具有检测精度高、便捷、高效等优点,而同轴探头可以插入到牛乳中,从而能够实现牛乳脂肪含量的在线和现场检测。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (2)
1.一种基于介电谱技术快速检测牛乳脂肪含量的方法,其特征在于,包含以下步骤:
(1)收集样本:收集一批来源于不同地区、不同饲养条件、不同奶牛品种、不同奶牛个体、不同产乳期、不同季节、数量足够、脂肪含量有一定差异的生鲜牛乳样品;样品在2℃~4℃下保存,保存时间不超过24小时;根据国标规定的方法测量各牛乳样品的脂肪含量;
(2)介电谱的采集:测量前将样品回温到室温,在室温下利用网络分析仪或阻抗分析仪和同轴探头组成的测量装置采集样品的介电谱;采集前先校准好测量装置并设置好采集软件,包括设置好采集的射频/微波频率的范围以及适量的采集频率点;然后测量牛乳样品在该射频/微波范围内的介电谱,该介电谱包括相对介电常数谱、介质损耗因数谱或基于这两个介电谱计算得到的介电参数谱;
(3)样本划分:采用SPXY法将牛乳样本划分为校正集和预测集;校正集和预测集的样品比例按照2:1或3:1或4:1划分;校正集的样品数大于预测集的样品数,脂肪含量为最小值和最大值的牛乳样品要划分进校正集;
(4)特征介电变量的提取:分别采用连续投影算法、无信息变量消除法、基于稳定性竞争自适应重加权采样法对校正集中牛乳样品的介电谱数据进行降维处理,在整个测量频率范围内的介电谱数据中提取出能反映牛乳样品脂肪含量的特征介电变量;特征介电变量对应的频率为特征频率;
特征介电变量单独从相对介电常数谱数据或介质损耗因数谱数据中提取,或从介电常数谱和介质损耗因数谱两种数据中共同提取;提取的特征介电变量一般是步骤(2)中采集的部分介电频谱数据,或步骤(2)中采集的全部介电频谱数据;
(5)牛乳脂肪含量检测模型的建立:以步骤(4)提取的特征介电变量为输入参数,以牛乳样品的脂肪含量为输出参数,分别以偏最小二乘法、最小二乘支持向量机法、极限学习机法、广义神经网络法建立基于校正集样品数据的牛乳脂肪含量的线性或非线性检测模型;
(6)模型的验证:利用预测集的样品数据检验步骤(5)所建立的多个牛乳脂肪含量检测模型的性能,将预测集均方根误差最小的模型确定为检测牛乳脂肪含量的最佳模型;分析预测集的误差规律并确定出误差修正值;
(7)未知牛乳样品脂肪含量的预测:对于未知脂肪含量的牛乳样品,按照步骤(2)完成介电谱的采集,将采集的未知牛乳样品介电谱数据中与步骤(6)确定的最佳模型所对应输入参数相同的介电变量值代入步骤(6)所确定的最佳模型中,就可以快速计算出该未知牛乳样品的脂肪含量;
(8)误差修正:利用步骤(6)中得到的误差修正值对步骤(7)的预测结果进行修正;修正后的结果就是未知牛乳样品脂肪含量的最终测量结果;
步骤(7)中,未知脂肪含量的牛乳样品特征介电变量的采集或用专门开发的介电变量测量仪器,仅测量特征频率下的介电变量,将所测数值代入所建的最佳模型,也能快速、便捷地计算出牛乳的脂肪含量。
2.根据权利要求1所述的一种基于介电谱技术快速检测牛乳脂肪含量的方法,其特征在于,该方法可用于生鲜牛乳、超高温消毒牛乳和巴士消毒牛乳脂肪含量的快速检测,或用于羊乳脂肪含量的快速检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610845915.1A CN106483166B (zh) | 2016-09-25 | 2016-09-25 | 一种基于介电谱技术快速检测牛乳脂肪含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610845915.1A CN106483166B (zh) | 2016-09-25 | 2016-09-25 | 一种基于介电谱技术快速检测牛乳脂肪含量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106483166A CN106483166A (zh) | 2017-03-08 |
CN106483166B true CN106483166B (zh) | 2019-03-15 |
Family
ID=58267504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610845915.1A Active CN106483166B (zh) | 2016-09-25 | 2016-09-25 | 一种基于介电谱技术快速检测牛乳脂肪含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106483166B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2741749C1 (ru) * | 2019-11-29 | 2021-01-28 | Федеральное государственное автономное образовательное учреждение высшего образования "Белгородский государственный национальный исследовательский университет" (НИУ "БелГУ") | Способ определения массовой доли жира в молоке |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363972A (zh) * | 2018-02-05 | 2018-08-03 | 西北农林科技大学 | 一种基于介电频谱技术的牛乳体细胞数快速检测方法 |
CN108103138A (zh) * | 2018-02-05 | 2018-06-01 | 西北农林科技大学 | 基于介电频谱技术的生鲜羊乳菌落总数超标快速判别方法 |
CN108562622B (zh) * | 2018-02-05 | 2020-09-15 | 西北农林科技大学 | 一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法 |
CN108344779B (zh) * | 2018-02-05 | 2020-10-16 | 西北农林科技大学 | 基于介电频谱技术快速检测乳牛隐性乳房炎等级的方法 |
CN110082401A (zh) * | 2019-05-16 | 2019-08-02 | 天津大学 | 一种基于介电特性测量的牛奶含脂类型判断方法 |
CN110398523A (zh) * | 2019-09-10 | 2019-11-01 | 天津大学 | 基于电学特性的牛奶鉴别方法 |
CN110849945A (zh) * | 2019-12-04 | 2020-02-28 | 大连理工大学 | 一种快速无损检测牛奶性质和牛奶掺假物的方法 |
CN111351767B (zh) * | 2020-04-21 | 2022-01-14 | 天津农学院 | 一种基于二维近红外相关谱应用特征切谱判别牛奶中掺杂尿素的判别方法 |
CN111323384B (zh) * | 2020-04-21 | 2022-01-14 | 天津农学院 | 一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法 |
CN111650152B (zh) * | 2020-04-21 | 2022-01-14 | 天津农学院 | 一种减小品牌对掺杂尿素牛奶判别模型影响的异步近红外相关切谱检测方法 |
CN111693486B (zh) * | 2020-04-21 | 2022-01-14 | 天津农学院 | 一种减小品牌对掺杂尿素牛奶判别模型影响的同步近红外相关切谱检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103293188A (zh) * | 2013-05-20 | 2013-09-11 | 北京农业智能装备技术研究中心 | 一种基于介电频谱的小型西瓜成熟度检测方法 |
CN103558259A (zh) * | 2013-11-20 | 2014-02-05 | 西北农林科技大学 | 一种基于牛乳介电特性的乳清蛋白含量预测模型及其建立方法 |
-
2016
- 2016-09-25 CN CN201610845915.1A patent/CN106483166B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103293188A (zh) * | 2013-05-20 | 2013-09-11 | 北京农业智能装备技术研究中心 | 一种基于介电频谱的小型西瓜成熟度检测方法 |
CN103558259A (zh) * | 2013-11-20 | 2014-02-05 | 西北农林科技大学 | 一种基于牛乳介电特性的乳清蛋白含量预测模型及其建立方法 |
Non-Patent Citations (4)
Title |
---|
"Determination of the fat content in cow’s milk based on dielectric properties";朱新华等;《Food Bioprocess Technol》;20150731;第8卷(第7期);第1486-1487页 |
"基于介电特性的燕麦含水率预测";郭文川等;《农业工程学报》;20121231;第28卷(第24期);第272-279页 |
"基于介电频谱/近红外光谱技术检测采后桃和油桃的品质及品种";谷静思;《中国优秀硕士学位论文全文数据库,工程科技Ⅰ辑》;20150315;正文第4页第3段至第16页第1段 |
"基于介电频谱的采后苹果可溶性固形物含量无损检测";郭文川等;《农业机械学报》;20130930;第44卷(第9期);第132-137页 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2741749C1 (ru) * | 2019-11-29 | 2021-01-28 | Федеральное государственное автономное образовательное учреждение высшего образования "Белгородский государственный национальный исследовательский университет" (НИУ "БелГУ") | Способ определения массовой доли жира в молоке |
Also Published As
Publication number | Publication date |
---|---|
CN106483166A (zh) | 2017-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106483166B (zh) | 一种基于介电谱技术快速检测牛乳脂肪含量的方法 | |
CN106248746B (zh) | 一种基于介电频谱技术的牛乳蛋白质含量快速检测方法 | |
CN104807775B (zh) | 一种用于鉴别煎炸油质量的nir光谱分析模型及方法 | |
Keeton et al. | Rapid determination of moisture and fat in meats by microwave and nuclear magnetic resonance analysis | |
CN107543838B (zh) | 一种稀奶油中掺假植脂奶油的核磁共振检测方法 | |
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 | |
CN105738396A (zh) | 一种核桃含油含水率的测定方法 | |
Kalinin et al. | Determining the composition of proteins in milk using a portable near infrared spectrometer | |
CN109540838A (zh) | 一种快速检测发酵乳中酸度的方法 | |
CN106950192A (zh) | 一种基于近红外光谱分析技术的植物蛋白饮料中主要成分含量快速检测的方法 | |
CN107219184A (zh) | 一种应用于产地溯源的肉类鉴别方法及装置 | |
Guo et al. | A novel technique on determining water content in milk using radio-frequency/microwave dielectric spectroscopy and chemometrics | |
CN105136737A (zh) | 基于近红外光谱的馒头中马铃薯全粉含量快速测定的方法 | |
Ayvaz et al. | Near-and mid-infrared determination of some quality parameters of cheese manufactured from the mixture of different milk species | |
JP2016045179A (ja) | チーズの熟成度指標推定方法、チーズの熟成度指標推定装置、コンピュータが実行可能なプログラム、ナチュラルチーズ、プロセスチーズ、及びプロセスチーズの製造方法 | |
González‐Martín et al. | Discrimination of seasonality in cheeses by near‐infrared technology | |
Cartwright et al. | Rapid determination ofmoisture/solids and fat in dairy products by microwave and nuclear magnetic resonance analysis: PVM 1: 2004 | |
McKenna | Measuring moisture in cheese by near infrared absorption spectroscopy | |
CN108363972A (zh) | 一种基于介电频谱技术的牛乳体细胞数快速检测方法 | |
CN106198423B (zh) | 一种基于可见-近红外光谱分析技术鉴别火腿肠等级的方法 | |
Tarapoulouzi et al. | Discrimination of Cheddar and Kefalotyri cheese samples: Analysis by chemometrics of proton-NMR and FTIR spectra | |
CN108562622B (zh) | 一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法 | |
CN108444943A (zh) | 一种基于傅里叶变换近红外光谱的咖啡掺假快速鉴别方法 | |
Mlcek et al. | Accuracy of the FT-NIR method in evaluating the fat content of milk using calibration models developed for the reference methods according to röse-gottlieb and gerber | |
Cattaneo et al. | New applications of near infrared spectroscopy on dairy products |
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 |