CN106872396A - 一种不同近红外仪器测定葡萄糖度模型转换的方法 - Google Patents
一种不同近红外仪器测定葡萄糖度模型转换的方法 Download PDFInfo
- Publication number
- CN106872396A CN106872396A CN201611236736.4A CN201611236736A CN106872396A CN 106872396 A CN106872396 A CN 106872396A CN 201611236736 A CN201611236736 A CN 201611236736A CN 106872396 A CN106872396 A CN 106872396A
- Authority
- CN
- China
- Prior art keywords
- instrument
- conversion
- instruments
- absorbance
- grape
- 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
- 235000009754 Vitis X bourquina Nutrition 0.000 title claims abstract description 49
- 235000012333 Vitis X labruscana Nutrition 0.000 title claims abstract description 49
- 235000014787 Vitis vinifera Nutrition 0.000 title claims abstract description 49
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 18
- 240000006365 Vitis vinifera Species 0.000 title 1
- 241000219095 Vitis Species 0.000 claims abstract description 48
- 238000001228 spectrum Methods 0.000 claims abstract description 37
- 239000007787 solid Substances 0.000 claims abstract description 15
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000012986 modification Methods 0.000 claims abstract description 5
- 230000004048 modification Effects 0.000 claims abstract description 5
- 238000002835 absorbance Methods 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 24
- 235000021028 berry Nutrition 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000002329 infrared spectrum Methods 0.000 claims description 5
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 239000002420 orchard Substances 0.000 abstract description 2
- 239000010979 ruby Substances 0.000 description 7
- 229910001750 ruby Inorganic materials 0.000 description 7
- 229930006000 Sucrose Natural products 0.000 description 4
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000005720 sucrose Substances 0.000 description 4
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229930091371 Fructose Natural products 0.000 description 2
- 239000005715 Fructose Substances 0.000 description 2
- RFSUNEUAIZKAJO-ARQDHWQXSA-N Fructose Chemical compound OC[C@H]1O[C@](O)(CO)[C@@H](O)[C@@H]1O RFSUNEUAIZKAJO-ARQDHWQXSA-N 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 108010051210 beta-Fructofuranosidase Proteins 0.000 description 1
- 210000002421 cell wall Anatomy 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000004345 fruit ripening Effects 0.000 description 1
- 239000010437 gem Substances 0.000 description 1
- 229910001751 gemstone Inorganic materials 0.000 description 1
- 235000019674 grape juice Nutrition 0.000 description 1
- 235000011073 invertase Nutrition 0.000 description 1
- 239000001573 invertase Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
本发明公开了一种不同近红外仪器测定葡萄糖度模型转换的方法,对两种仪器的近红外数据进行了数学处理,并通过模型更新进行了两个仪器间的模型转换,具体包括以下步骤:1)获取两种近红外仪器下的光谱数据;2)光谱数据间的数学转换;3)对两个仪器的数据进行共有波长的筛选;4)计算转换后的光谱集sP`;5)转换后模型的构建。本发明基于两种不同近红外仪器获取不同波段的葡萄近红外光谱信息,同时测得葡萄的可溶性固形物含量,通过获取的光谱数据预测葡萄的品质指标,并完成两种不同原理近红外仪器间的数据转换,使得模型达到通用效果,为葡萄果园的管理及在线检测提供信息基础。
Description
技术领域
本发明涉及一种不同近红外仪器测定葡萄糖度模型转换的方法,属于农产品质量安全快速检测和监测的无损技术领域。
背景技术
葡萄在我国的栽培历史已有2000多年,是我国重要的果树树种之一。可溶性固体含量(SSC)就是人们通常所说的含糖度是葡萄内部品质主要指标之一,对葡萄的口感有着非常重要的影响。在酿造葡萄酒时,由于对不同含糖度的葡萄要采用不同的酿造工艺,因此也要对葡萄的含糖度进行严格控制。葡萄以葡萄糖最多,果糖次之,几乎无蔗糖。葡萄浆果中除水分外,糖含量最高,一般为15%-20%。在葡萄等浆果类果实中,蔗糖的浓度很低,主要集中在维管束组织区。浆果中存在着可溶性的可与细胞壁结合的转化酶,将蔗糖转化为果糖和葡萄糖,果实成熟时已基本上无蔗糖。
葡萄的产后处理、品质鉴定检测一直是农产品加工研究的重要课题,葡萄的含糖量也是葡萄品质评定的重要指标,但传统的葡萄含糖量的检测方法需将葡萄浆果捣碎取葡萄汁再进行糖含量的测定,这样不仅耗时费力,对葡萄造成损害,而且由于取样分析时间长,难免造成样品变质而导致较大的人为误差产生。近年来,近红外检测技术作为一种无损伤、快速地分析和评估各类食物质量与安全的方法,得到了广泛的认可。近红外光谱的光谱区域范围是12000-4000cm-1(800-2500nm),该谱区承载的分析信息,主要是分子含氢基团振动的倍频和合频特征信息,可充分利用全谱或多波长下的光谱数据进行定性或定量分析。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种不同近红外仪器测定葡萄糖度模型转换的方法,基于两种不同近红外仪器获取不同波段的葡萄近红外光谱信息,同时测得葡萄的可溶性固形物含量,通过获取的光谱数据预测葡萄的品质指标,并完成两种不同原理近红外仪器间的数据转换,使得模型达到通用效果,为葡萄果园的管理及在线检测提供信息基础。
为解决上述技术问题,本发明提供一种不同近红外仪器测定葡萄糖度模型转换的方法,其特征是,对两种仪器的近红外数据进行了数学处理,并通过模型更新进行了两个仪器间的模型转换,具体包括以下步骤:
1)获取两种近红外仪器下的光谱数据:两种光谱仪分别为主仪器和从仪器,对两种光谱仪通过漫反射模式采集不同波段内的近红外光谱,测定每个浆果颗粒的可溶性固形物的吸光度;
2)光谱数据间的数学转换:将从仪器的波数范围转换为波长范围;
3)对两个仪器的数据进行共有波长的筛选:从两个仪器中分别提取共有波长点及对应的吸光度;
4)计算转换后的光谱集sP`:设定mC为主仪器建模集吸光度矩阵,sC为从仪器建模集吸光度矩阵,mP为主仪器验证集吸光度矩阵,sP为从仪器验证集吸光度矩阵,对两个仪器获得的光谱数据分别进行基线校正和均值归一化后,将3/4的样品作为建模样品,1/4的样品作为验证样品;对mC和sC分别求平均,得到两条平均光谱,对两条平均光谱求差,得到差值光谱m-sM,将sP的每一个样品光谱减去差值光谱m-sM得到新的转换后的光谱集sP`;
5)转换后模型的构建:将矩阵mC作为建模集,新矩阵sP`作为验证集,利用支持向量机建模,构建可溶性固形物的预测模型。
进一步地,对两个仪器的数据进行共有波长的筛选的具体步骤为:设定i是主仪器的i nm波长点,mA是主仪器的吸光度矩阵,mAi是所有样品在i nm处的吸光度;k是从仪器的knm波长点,sA是从仪器的吸光度矩阵,sAk是所有样品在k nm处的吸光度,当i=1000nm时,如果存在k使得|i-k|≤0.1nm成立,则保留i和mAi,若存在多个k满足条件,对所有满足条件的sAk求平均,形成新的sAk`;循环该计算直至i从1000nm至1800nm,确保所有的主仪器的波长点均被考虑,从两个仪器中分别提取共有波长点及对应的吸光度。
进一步地,所述主仪器覆盖近红外范围为1000~1800nm,所述从仪器覆盖近红外范围为进一步地,所述主仪器的分光原理为光栅扫描,检测器为Ex_InGaAs,分辨率<10.9±0.3nm。
进一步地,所述从仪器的分光原理为傅里叶转换,检测器为DTGS,分辨率为16cm-1。
进一步地,将从仪器的波数范围转换为波长范围的计算公式为:
其中,Y为波长,单位nm;X为波数。
本发明所达到的有益效果:本发明基于两种不同近红外仪器获取不同波段的葡萄近红外光谱信息,同时测得葡萄的可溶性固形物含量,通过获取的光谱数据预测葡萄的品质指标,并完成两种不同原理近红外仪器间的数据转换,使得模型达到通用效果,为葡萄果园的管理及在线检测提供信息基础。
附图说明
图1是本发明的研究技术路线;
图2是两种近红外光谱仪测得的预处理后近红外光谱图(a:VECTOR 22N测得的红宝石平均光谱;b:SupNIR测得的红宝石平均光谱;c:VECTOR 22N测得的夏黑平均光谱;d:SupNIR测得的夏黑平均光谱);
图3是两个品种葡萄利用两种仪器测得的平均光谱图(RV:VECTOR 22N测得的红宝石平均光谱RS:SupNIR测得的红宝石平均光谱;SV:VECTOR 22N测得的夏黑平均光谱SS:SupNIR测得的夏黑平均光谱);
图4是转换后基于LS-SVM的葡萄可溶性固形物预测效果(真实值/预测值)。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
1.材料与方法
云南夏黑葡萄(Summer Black)80串,烟台红宝石葡萄(Ruby Seedless)40串,从每串夏黑葡萄上随机选取10粒葡萄浆果,共800颗,编号1-800;每串红宝石葡萄上随机选取25个葡萄浆果,共1000颗,编号1-1000。对所挑选的葡萄浆果进行预处理,除去表面粉尘泥沙。
2.光谱数据采集
上海聚光生产的SupNIR 1000,覆盖近红外范围为1000~1800nm,分光原理为光栅扫描,检测器为Ex_InGaAs,分辨率<10.9±0.3nm,该仪器作为主仪器;德国bruker公司生产的VECTOR 22N近红外光谱仪,覆盖的近红外范围为12000cm-1~4000cm-1,分光原理为傅里叶转换,检测器为DTGS,分辨率为16cm-1,该仪器作为从仪器。手持糖度仪(以°Brix记,精确到0.1)测定可溶性固形物含量作为参考化学值。
3.数据处理
将获得的光谱值进行移动窗口平滑和标准正态变换以降低噪声和消除光散射的干扰;然后进行主成分分析(principle component analysis,PCA),基于95%的置信椭圆剔除光谱异常值;将剔除异常值后的光谱及物理化学参考值一一对应,保留同时包含光谱和参考值的样本数据,然后利用公式(1)将VECTOR 22N的波数范围转换为波长范围,
Y为波长,单位nm;X为波数;
对两个仪器的数据进行共有波长的筛选:当i=1000nm时,如果存在k使得|i-k|≤0.1nm成立,则保留i和mAi,若存在多个k满足条件,对所有满足条件的sAk求平均形成新的sAk`;循环该计算直至i从1000nm至1800nm,确保所有的主仪器的波长点均被考虑。最终,从两个仪器中分别提取了270个共有波长点及对应的吸光度。此处,i是主仪器的i nm波长点(范围为1000-1800),mA是主仪器的吸光度矩阵(SupNIR),mAi是所有样品在i nm处的吸光度;k是从仪器的k nm波长点,sA是从仪器的吸光度矩阵,sAk是所有样品在k nm处的吸光度。
对两个仪器获得的光谱数据分别进行基线校正和均值归一化后,将3/4的样品作为建模样品(mC:主仪器建模集吸光度矩阵,sC::从仪器建模集吸光度矩阵),1/4的样品作为验证样品(mP:主仪器验证集吸光度矩阵,sP:从仪器验证集吸光度矩阵)。对mC和sC分别求平均,得到两个平均光谱,对两条平均光谱求差,得到差值光谱m-sM。最后,将sP的每一个样品光谱减去差值光谱m-sM得到新的转换后的光谱集sP`。
将矩阵mC作为建模集,新矩阵sP`作为验证集,利用支持向量机建模,完成可溶性固形物的预测模型对应的可溶性固形物值为参考因变量,利用支持向量机建模,完成转换后的可溶性固形物的预测模型。
4.可溶性固定物建模分析
基于模型更新的仪器间数据转换建立的最小二乘-支持向量机(LS-SVM)回归达到了较好的预测效果,红宝石葡萄的建模集相关系数高达0.95,预测集相关系数为0.882;夏黑葡萄的建模集相关系数高达0.886,预测集相关系数为0.802;红宝石和夏黑的混合样本的的建模集相关系数高达0.954,预测集相关系数为0.901;三个模型的所有均方根误差(RMSE)均低于1%,显示出很好的建模效果,模型RPD均高于1.5。证明该模型转换方法的可靠性。
表1两种葡萄可溶性固形物含量分布
(SSC:可溶性固形物;N:样本数量;Mean:平均值;SD:标准差)
表2基于模型更新的LS-SVM建模效果
(Rc:建模集相关系数;Rp:验证集相关系数;RMSEC:建模集均方根误差;RMSEP:验证集均方根误差;RPD:验证集均方根误差与标准差的比值)。
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形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种不同近红外仪器测定葡萄糖度模型转换的方法,其特征是,对两种仪器的近红外数据进行了数学处理,并通过模型更新进行了两个仪器间的模型转换,具体包括以下步骤:
1)获取两种近红外仪器下的光谱数据:两种光谱仪分别为主仪器和从仪器,对两种光谱仪通过漫反射模式采集不同波段内的近红外光谱,测定每个浆果颗粒的可溶性固形物的吸光度;
2)光谱数据间的数学转换:将从仪器的波数范围转换为波长范围;
3)对两个仪器的数据进行共有波长的筛选:从两个仪器中分别提取共有波长点及对应的吸光度;
4)计算转换后的光谱集sP`:设定mC为主仪器建模集吸光度矩阵,sC为从仪器建模集吸光度矩阵,mP为主仪器验证集吸光度矩阵,sP为从仪器验证集吸光度矩阵,对两个仪器获得的光谱数据分别进行基线校正和均值归一化后,将3/4的样品作为建模样品,1/4的样品作为验证样品;对mC和sC分别求平均,得到两条平均光谱,对两条平均光谱求差,得到差值光谱m-sM,将sP的每一个样品光谱减去差值光谱m-sM得到新的转换后的光谱集sP`;
5)转换后模型的构建:将矩阵mC作为建模集,新矩阵sP`作为验证集,利用支持向量机建模,构建可溶性固形物的预测模型。
2.根据权利要求1所述的一种不同近红外仪器测定葡萄糖度模型转换的方法,其特征是,对两个仪器的数据进行共有波长的筛选的具体步骤为:设定i是主仪器的i nm波长点,mA是主仪器的吸光度矩阵,mAi是所有样品在i nm处的吸光度;k是从仪器的k nm波长点,sA是从仪器的吸光度矩阵,sAk是所有样品在k nm处的吸光度,当i=1000nm时,如果存在k使得|i-k|≤0.1nm成立,则保留i和mAi,若存在多个k满足条件,对所有满足条件的sAk求平均,形成新的sAk`;循环该计算直至i从1000nm至1800nm,确保所有的主仪器的波长点均被考虑,从两个仪器中分别提取共有波长点及对应的吸光度。
3.根据权利要求1所述的一种不同近红外仪器测定葡萄糖度模型转换的方法,其特征是,所述主仪器覆盖近红外范围为1000~1800nm,所述从仪器覆盖近红外范围为12000cm-1~4000cm-1。
4.根据权利要求1所述的一种不同近红外仪器测定葡萄糖度模型转换的方法,其特征是,所述主仪器的分光原理为光栅扫描,检测器为Ex_InGaAs,分辨率<10.9±0.3nm。
5.根据权利要求1所述的一种不同近红外仪器测定葡萄糖度模型转换的方法,其特征是,所述从仪器的分光原理为傅里叶转换,检测器为DTGS,分辨率为16cm-1。
6.根据权利要求1所述的一种不同近红外仪器测定葡萄糖度模型转换的方法,其特征是,将从仪器的波数范围转换为波长范围的计算公式为:
其中,Y为波长,单位nm;X为波数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611236736.4A CN106872396B (zh) | 2016-12-28 | 2016-12-28 | 一种不同近红外仪器测定葡萄糖度模型转换的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611236736.4A CN106872396B (zh) | 2016-12-28 | 2016-12-28 | 一种不同近红外仪器测定葡萄糖度模型转换的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106872396A true CN106872396A (zh) | 2017-06-20 |
CN106872396B CN106872396B (zh) | 2019-06-07 |
Family
ID=59164079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611236736.4A Active CN106872396B (zh) | 2016-12-28 | 2016-12-28 | 一种不同近红外仪器测定葡萄糖度模型转换的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106872396B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108760652A (zh) * | 2018-03-26 | 2018-11-06 | 南京农业大学 | 基于可见/近红外光谱的葡萄多品质无损检测方法及装置 |
CN109324017A (zh) * | 2018-11-30 | 2019-02-12 | 山东大学 | 一种提高近红外光谱分析技术建模光谱质量的方法 |
CN114018856A (zh) * | 2020-07-17 | 2022-02-08 | 中国石油化工股份有限公司 | 光谱校正方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU699405A1 (ru) * | 1977-07-22 | 1979-11-25 | Предприятие П/Я Р-6205 | Фотоэлектрический гигрометр |
CN101832922B (zh) * | 2010-05-19 | 2012-04-18 | 中国农业大学 | 一种有机肥产品近红外模型转移方法 |
CN104374738A (zh) * | 2014-10-30 | 2015-02-25 | 中国科学院半导体研究所 | 一种基于近红外提高鉴别结果的定性分析方法 |
CN105044021A (zh) * | 2015-07-08 | 2015-11-11 | 湖南环境生物职业技术学院 | 一种中秋酥脆枣糖度无损检测方法 |
CN105842190A (zh) * | 2016-03-17 | 2016-08-10 | 浙江中烟工业有限责任公司 | 一种基于谱回归的近红外模型转移方法 |
CN106092961A (zh) * | 2016-07-28 | 2016-11-09 | 深圳市芭田生态工程股份有限公司 | 一种快速检测农产品中化学成分的方法 |
-
2016
- 2016-12-28 CN CN201611236736.4A patent/CN106872396B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU699405A1 (ru) * | 1977-07-22 | 1979-11-25 | Предприятие П/Я Р-6205 | Фотоэлектрический гигрометр |
CN101832922B (zh) * | 2010-05-19 | 2012-04-18 | 中国农业大学 | 一种有机肥产品近红外模型转移方法 |
CN104374738A (zh) * | 2014-10-30 | 2015-02-25 | 中国科学院半导体研究所 | 一种基于近红外提高鉴别结果的定性分析方法 |
CN105044021A (zh) * | 2015-07-08 | 2015-11-11 | 湖南环境生物职业技术学院 | 一种中秋酥脆枣糖度无损检测方法 |
CN105842190A (zh) * | 2016-03-17 | 2016-08-10 | 浙江中烟工业有限责任公司 | 一种基于谱回归的近红外模型转移方法 |
CN106092961A (zh) * | 2016-07-28 | 2016-11-09 | 深圳市芭田生态工程股份有限公司 | 一种快速检测农产品中化学成分的方法 |
Non-Patent Citations (1)
Title |
---|
张文君等: "不同光照下的近红外光谱模型传递研究", 《中国测试》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108760652A (zh) * | 2018-03-26 | 2018-11-06 | 南京农业大学 | 基于可见/近红外光谱的葡萄多品质无损检测方法及装置 |
CN109324017A (zh) * | 2018-11-30 | 2019-02-12 | 山东大学 | 一种提高近红外光谱分析技术建模光谱质量的方法 |
CN109324017B (zh) * | 2018-11-30 | 2020-11-06 | 山东大学 | 一种提高近红外光谱分析技术建模光谱质量的方法 |
CN114018856A (zh) * | 2020-07-17 | 2022-02-08 | 中国石油化工股份有限公司 | 光谱校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106872396B (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
dos Santos et al. | A review on the application of vibrational spectroscopy in the wine industry: From soil to bottle | |
Chandrasekaran et al. | Potential of near-infrared (NIR) spectroscopy and hyperspectral imaging for quality and safety assessment of fruits: An overview | |
CN104062263B (zh) | 光物性相近水果品质指标的近红外通用模型检测方法 | |
Cayuela | Vis/NIR soluble solids prediction in intact oranges (Citrus sinensis L.) cv. Valencia Late by reflectance | |
Liu et al. | Nondestructive measurement of soluble solid content of navel orange fruit by visible–NIR spectrometric technique with PLSR and PCA-BPNN | |
CN101308086B (zh) | 基于近红外光谱技术的水果内部品质在线检测装置 | |
CN105548070B (zh) | 一种苹果可溶性固形物近红外检测部位补偿方法及系统 | |
CN104020129A (zh) | 一种基于近红外光谱结合氨基酸分析技术的工夫红茶发酵质量的判别方法 | |
CN104849233B (zh) | 一种检测谷物新陈度的方法及装置 | |
Wang et al. | Vis/NIR optical biosensors applications for fruit monitoring | |
CN105044024A (zh) | 一种基于近红外光谱技术对葡萄果实进行无损检测的方法 | |
CN104280349A (zh) | 一种基于高光谱图像对白萝卜糠心鉴定的方法 | |
CN106872396B (zh) | 一种不同近红外仪器测定葡萄糖度模型转换的方法 | |
CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
Li et al. | Non-destructive determination of soluble solids content using a multi-region combination model in hybrid citrus | |
CN105758819A (zh) | 一种利用近红外光谱检测土壤的有机组分的方法 | |
Wati et al. | Development of calibration model for pH content of intact tomatoes using a low-cost Vis/NIR spectroscopy | |
CN111795943A (zh) | 基于近红外光谱技术无损检测茶叶中外源掺杂蔗糖的方法 | |
CN106404699A (zh) | 一种梨树叶片氮素含量的无损测量方法 | |
CN106442400B (zh) | 一种近红外光谱快速判定不同土壤类型茶鲜叶的方法 | |
Yu et al. | Parameter optimization in soluble solid content prediction of entire bunches of grape based on near infrared spectroscopic technique | |
Phuphaphud et al. | Effects of waxy types of a sugarcane stalk surface on the spectral characteristics of visible-shortwave near infrared measurement | |
CN106568740A (zh) | 一种近红外光谱快速判定茶鲜叶品种的方法 | |
Misal et al. | Application of near-infrared spectrometer in agro-food analysis: A review | |
CN109164062A (zh) | 一种近红外光谱测定哈密瓜可滴定酸含量值的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |