CN107328733A - 一种快速检测鱼糜中添加的淀粉含量的方法 - Google Patents
一种快速检测鱼糜中添加的淀粉含量的方法 Download PDFInfo
- Publication number
- CN107328733A CN107328733A CN201710793792.6A CN201710793792A CN107328733A CN 107328733 A CN107328733 A CN 107328733A CN 201710793792 A CN201710793792 A CN 201710793792A CN 107328733 A CN107328733 A CN 107328733A
- Authority
- CN
- China
- Prior art keywords
- minced fillet
- starch
- content
- spectrum
- model
- 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.)
- Pending
Links
- 229920002472 Starch Polymers 0.000 title claims abstract description 43
- 235000019698 starch Nutrition 0.000 title claims abstract description 43
- 239000008107 starch Substances 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 12
- 239000000463 material Substances 0.000 claims abstract description 12
- 238000002835 absorbance Methods 0.000 claims abstract description 11
- 238000007689 inspection Methods 0.000 claims abstract description 8
- 238000000227 grinding Methods 0.000 claims abstract description 5
- 230000008676 import Effects 0.000 claims abstract description 5
- 239000000203 mixture Substances 0.000 claims abstract description 5
- 239000000835 fiber Substances 0.000 claims abstract description 4
- 238000004476 mid-IR spectroscopy Methods 0.000 claims abstract description 4
- 238000010606 normalization Methods 0.000 claims abstract description 4
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 4
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 4
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 238000004128 high performance liquid chromatography Methods 0.000 description 3
- 102000004190 Enzymes Human genes 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- 238000004108 freeze drying Methods 0.000 description 2
- 239000000413 hydrolysate Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 108010073771 Soybean Proteins Proteins 0.000 description 1
- 238000005903 acid hydrolysis reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002528 anti-freeze Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007062 hydrolysis Effects 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 235000019710 soybean protein Nutrition 0.000 description 1
- 235000019465 surimi Nutrition 0.000 description 1
- ZZIZZTHXZRDOFM-XFULWGLBSA-N tamsulosin hydrochloride Chemical compound [H+].[Cl-].CCOC1=CC=CC=C1OCCN[C@H](C)CC1=CC=C(OC)C(S(N)(=O)=O)=C1 ZZIZZTHXZRDOFM-XFULWGLBSA-N 0.000 description 1
- 238000003466 welding Methods 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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
- G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
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)
- Spectrometry And Color Measurement (AREA)
Abstract
一种快速检验鱼糜中添加淀粉含量的方法，利用中红外光谱建立快速检测鱼糜中淀粉含量的定量模型，具体步骤为：制作含不同比例淀粉的鱼糜，取样2g，每个取8个平行样，冷冻干燥；将冻干后的鱼糜碾碎成粉状，再用傅里叶变换中红外光谱仪进行采集光谱，扫描次数32次；对光谱进行预处理、进行基线校正，再通过光谱计算将图谱的起始吸光度统一降到0；用仪器自带的软件导入光谱图，归一化法采用多元散射校正，每组样品按照3：1的比例分为校正集和验证集，用偏最小二乘法进行拟合；建立鱼糜中淀粉含量的定量检测模型；依据朗伯比尔定律进行红外光谱对物质某些成分的定量分析，由此确定物质的含量与其在某个波长或波段处的吸光度具有c＝b0+b1A的线性关系，其中：c为样品浓度，b0和b1为理论上的固定值。
Description
技术领域
本发明涉及一种食品检验方法，尤其是一种快速检验鱼糜中添加淀粉含量的方法。
背景技术
鱼糜制品是一种广受消费者欢迎的食品，鱼糜在生产过程中会添加抗冻剂、淀粉类物料、大豆蛋白等物质。考虑到淀粉添加量在行业内还没有统一的标准，市场上存在添加过量淀粉到鱼糜中以次充好、谋取经济利益的现象。因此，需要建立一种快速、准确检测鱼糜中淀粉含量的方法。
目前，已有的测定食品体系中淀粉的方法有以下几种：
A、淀粉-碘显色定性法；
B、酸水解法-高效液相色谱法；
C、酶水解法-高效液相色谱法。
上述这些方法虽然具有检测结果比较准确的特点，但是这些已有的测
定食品中淀粉的方法，首先需要水解，然后再将水解产物通过高效液相色谱测定，以水解产物的含量推测淀粉的含量。此方法需要消耗大量化学试剂和酶，因此操作繁琐、对操作人员的要求高。而且需要大量化学试剂；显然不适应市场推广使用。
发明内容
本发明的目的：旨在提出一种能够快速检验出鱼糜中添加淀粉含量的方法。
这种快速检验鱼糜中添加淀粉含量的方法，利用中红外光谱建立快速检测鱼糜中淀粉含量的定量模型，具体步骤如下：
1)制作含0、1％、5％…50％、100％不同比例淀粉的鱼糜，取样2g，每个浓度取8个平行样，冷冻干燥；
2)将冻干后的鱼糜碾碎成粉状，再用傅里叶变换中红外光谱仪进行光谱采集，附件为单点ATR(衰减全反射)附件，扫描波数范围为400-4000cm-1，扫描次数32次；
3)对光谱进行预处理、对光谱图进行基线校正、消除由于光谱基线漂移导致的数值变化，再通过光谱计算将图谱的起始吸光度统一降到0；
4)用仪器自带的软件导入光谱图，归一化法采用多元散射校正，选取的波段为1163-1100cm-1，2951-2861cm-1和3443-2975cm-1，每组样品按照3：1的比例分为校正集和验证集，其中的校正集用于建立预测模型，验证集用于验证模型效果；用偏最小二乘法进行拟合；
5)建立鱼糜中淀粉含量的定量检测模型；依据朗伯比尔定律A＝εbc进行红外光谱对物质某些成分的定量分析，式中：A为吸光度，ε为摩尔吸光系数，b为样品厚度，c为样品浓度；所以，物质的含量与其在某个波长或波段处的吸光度具有c＝b0+b1A的线性关系，其中：c为样品浓度，b0和b1为固定的值。
根据以上技术方案提出这种快速检测鱼糜中添加的淀粉含量的方法，利用中红外光谱建立快速检测鱼糜中淀粉含量的定量模型，无需消耗化学试剂，检测过程快速简便，易于推广使用。
附图说明
图1为各组鱼糜的中红外光谱图；
图2为利用中红外光谱建立快速检测鱼糜中淀粉含量的定量模型自检结果示意图。
具体实施方式
以下结合说明书附图进一步阐述本发明，并给出本发明的实施例。
本发明的技术核心在于用中红外光谱建立鱼糜中淀粉含量的定量检测模型。
这种快速检验鱼糜中添加淀粉含量的方法，利用中红外光谱建立快速检测鱼糜中淀粉含量的定量模型，具体步骤如下：
1)制作含0、1％、5％…50％、100％不同比例淀粉的鱼糜，取样2g，每个浓度取8个平行样，冷冻干燥；
2)将冻干后的鱼糜碾碎成粉状，再用傅里叶变换中红外光谱仪进行光谱采集，附件为单点ATR附件，扫描波数范围为400-4000cm-1，扫描次数32次；
图1给出了添加不同含量淀粉的鱼糜中红外光谱图。
3)对光谱进行预处理、对光谱图进行基线校正、消除由于光谱基线漂移导致的数值变化，再通过光谱计算将图谱的起始吸光度统一降到0；
图1为各组鱼糜的红外光谱图，主要的峰为3280cm-1、2927cm-1、1637cm-1、1514cm-1、1452cm-1、1389cm-1、1149cm-1、1076cm-1和993cm-1，每一个峰代表一种成分的红外吸收基团(图1)。从光谱图中可以看出，随着添加的淀粉含量增加，2927cm-1的峰强度逐渐下降，1149cm-1、1076cm-1和993cm-1的峰强度逐渐增强。这三个峰是淀粉的红外特征峰，其强度和淀粉的含量有关，可作为下一步建立模型的特征波段。
表1列出了鱼糜中主要红外吸收峰及其出峰物质。
表1 鱼糜中主要红外吸收峰及其出峰物质
4)用仪器自带的软件(OMNIC TQ Analytical)导入光谱图，归一化法采用多元散射校正(MSC)，选取的波段为1163-1100cm-1，2951-2861cm-1和3443-2975cm-1，每组样品按照3：1的比例分为校正集和验证集，其中校正集用于建立预测模型，验证集用于验证模型效果；用偏最小二乘法进行拟合；
5)建立鱼糜中淀粉含量的定量检测模型并保存模型；依据朗伯比尔定律A＝εbc进行红外光谱对物质某些成分的定量分析，式中：A为吸光度，ε为摩尔吸光系数，b为样品厚度，c为样品浓度；所以，物质的含量与其在某个波长或波段处的吸光度具有c＝b0+b1A的线性关系，其中：c为样品浓度，b0和b1为均为某固定常数。
理论上讲，只需要有两个待测成分含量已知的样本即可知道b0和b1的值，但由于测量误差的存在，实际当中需要测量n个已知样本的峰强度，即配制一系列待测物含量已知的样品,可用矩阵表示为：
即y＝X b (5-1)
其中，y1,y2…yn为n个样本中待测物的含量，x1,x2…xn为待测物特征峰的强度(吸光度、透过率、峰高等)，b0和b1为系数。
参数向量b用广义逆矩阵进行估计：
其中代表系数估计值。
将(5-2)代入(5-1)，则得到
为待测物含量估算值，e为单位矩阵向量。这说明真实值和模型预测值之间存在一定的偏差，一般使用方差分析来评价校正模型效果的好坏。
所有样本真实值与模型拟合值之间的总方差定义为：
真实值与模型拟合值之间的回归方差定义为：
真实值与模型拟合值之间的剩余方差定义为：
其中为待测物含量平均值。
三者的关系为:
V＝U+S (5-7)
当模型的校正效果越好，真实值与估计值之间的偏差也应该越小，即剩余方差S应该越小。校正模型的决定系数R2被定义为：
R2＝U/V＝(V-S)/V＝1-S/V (5-8)
决定系数R2越接近于1，说明真实值与估计值偏离越小。
图2为采用中红外光谱检测鱼糜中淀粉的定量模型所表示的检验结果示意图，预测相关系数R为0.9856＞0.9800，预测的均方根误差1.140，能很好的预测鱼糜中淀粉的含量。
为了上述检测方法的准确性，本发明人做了外部验证。其具体方法为：
分别取含淀粉3％，8％和15％的鱼糜，每个样品4个平行，并将其冷冻干燥，再碾碎成粉状，在上述相同条件下采集每个样本的中红外光谱图。最后，在定量模型软件里将已建立的模型调出，导入光谱图得出每个样品的淀粉含量预测值；外部检测的结果见下表。
外部检验的结果见表2：
表2 红外光谱检测淀粉含量的模型外部检验结果
从表2中可以看出：A、B、C组的预测平均值分别为3.22％，7.16％和14.97％，与真实值3.00％，8.00％和15.00％很接近，预测的实际效果良好。每个预测值与真实值之间存在的差异可能与淀粉和鱼糜没有高度混匀有关，从而导致每个平行样预测值的波动性。
此外，为了检验每组的预测值和真实值之间是否存在显著性差异，对其进行单样本t检验。t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。结果如下表：
表3 红外光谱检测淀粉模型的t检验
从表3中可以看出：A、B、C三组的t值分别为0.271，-1.364和-0.075，标准差为1.5847,1.2392和0.8724，显著性值分别为0.804,0.266和0.945，均大于0.05，说明三组样品的预测值和真实值之间没有显著性差异。因此，t检验验证了预测模型的准确性。
利用该方法建立模型测定鱼糜中添加的淀粉的含量，其准确性经验证比较可靠。与传统方法相比，只需要采集样品的中红外光谱图，无需用到其他化学试剂，不破坏环境。模型建立之后，检测过程操作简单，所需的样品量非常小，只要1-2g,对样品的损害极小，有利于推广使用。
以上是本申请人依据基本创意给出的本发明的实施例，并不代表本创意的全部，任何依据本发明的上述基本创意做出的一般性改进，均应应属于本发明保护的范畴。
Claims (1)
1.一种快速检验鱼糜中添加淀粉含量的方法，其特征在于：利用中红外光谱建立快速检测鱼糜中淀粉含量的定量模型，具体步骤如下：
1)制作含0、1％、5％…50％、100％不同比例淀粉的鱼糜，取样2g，每个取8个平行样，冷冻干燥；
2)将冻干后的鱼糜碾碎成粉状，再用傅里叶变换中红外光谱仪进行采集光谱，附件为单点ATR附件，扫描波数范围为400-4000cm-1，扫描次数32次；
3)对光谱进行预处理、对光谱图进行基线校正，再通过光谱计算将图谱的起始吸光度统一降到0；
4)用仪器自带的软件导入光谱图，归一化法采用多元散射校正，选取的波段为1163-1100cm-1，2951-2861cm-1和3443-2975cm-1，每组样品按照3：1的比例分为校正集和验证集，其中的校正集用于建立预测模型，验证集用于验正模型效果；用偏最小二乘法进行拟合；
5)建立鱼糜中淀粉含量的定量检测模型并保存模型；依据朗伯比尔定律A＝εbc进行红外光谱对物质某些成分的定量分析，式中A为吸光度，ε为摩尔吸光系数，b为样品厚度，c为样品浓度；由此确定物质的含量与其在某个波长或波段处的吸光度具有c＝b0+b1A的线性关系，其中：c为样品浓度，b0和b1为理论上的固定值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710793792.6A CN107328733A (zh) | 2017-09-06 | 2017-09-06 | 一种快速检测鱼糜中添加的淀粉含量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710793792.6A CN107328733A (zh) | 2017-09-06 | 2017-09-06 | 一种快速检测鱼糜中添加的淀粉含量的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107328733A true CN107328733A (zh) | 2017-11-07 |
Family
ID=60204515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710793792.6A Pending CN107328733A (zh) | 2017-09-06 | 2017-09-06 | 一种快速检测鱼糜中添加的淀粉含量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107328733A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110082400A (zh) * | 2019-04-26 | 2019-08-02 | 上海海洋大学 | 一种快速检测鱼糜中淀粉含量的方法 |
| CN110779897A (zh) * | 2019-11-08 | 2020-02-11 | 湖北民族大学 | 一种营养米粉中无机硒的测定方法 |
| CN112362611A (zh) * | 2020-10-30 | 2021-02-12 | 上海海洋大学 | 一种快速定性检测卤肉汤中化学组分的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101881729A (zh) * | 2010-06-10 | 2010-11-10 | 上海海洋大学 | 一种预测狭鳕鱼糜水分和蛋白质含量的方法 |
| CN102393376A (zh) * | 2011-10-14 | 2012-03-28 | 上海海洋大学 | 基于支持向量回归的鱼丸多组分含量检测的近红外光谱法 |
| CN102636451A (zh) * | 2012-04-24 | 2012-08-15 | 上海海洋大学 | 一种快速测定带鱼糜、鱼糕中磷酸盐含量的方法 |
| CN103454240A (zh) * | 2013-08-30 | 2013-12-18 | 上海海洋大学 | 一种快速评定冷冻鱼糜等级模型的建立方法 |
-
2017
- 2017-09-06 CN CN201710793792.6A patent/CN107328733A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101881729A (zh) * | 2010-06-10 | 2010-11-10 | 上海海洋大学 | 一种预测狭鳕鱼糜水分和蛋白质含量的方法 |
| CN102393376A (zh) * | 2011-10-14 | 2012-03-28 | 上海海洋大学 | 基于支持向量回归的鱼丸多组分含量检测的近红外光谱法 |
| CN102636451A (zh) * | 2012-04-24 | 2012-08-15 | 上海海洋大学 | 一种快速测定带鱼糜、鱼糕中磷酸盐含量的方法 |
| CN103454240A (zh) * | 2013-08-30 | 2013-12-18 | 上海海洋大学 | 一种快速评定冷冻鱼糜等级模型的建立方法 |
Non-Patent Citations (3)
| Title |
|---|
| 杜一平等: "《现代仪器分析方法》", 31 October 2008 * |
| 胡伟: "基于多尺度显微高光谱成像技术的鱼糜品质分析与识别机制", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
| 黄艳: "近红外光谱技术在鱼糜品质鉴别中的应用研究"", 《万方数据》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110082400A (zh) * | 2019-04-26 | 2019-08-02 | 上海海洋大学 | 一种快速检测鱼糜中淀粉含量的方法 |
| CN110779897A (zh) * | 2019-11-08 | 2020-02-11 | 湖北民族大学 | 一种营养米粉中无机硒的测定方法 |
| CN112362611A (zh) * | 2020-10-30 | 2021-02-12 | 上海海洋大学 | 一种快速定性检测卤肉汤中化学组分的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Raman spectroscopy coupled with chemometrics for food authentication: A review | |
| Leng et al. | Quantitative detection of binary and ternary adulteration of minced beef meat with pork and duck meat by NIR combined with chemometrics | |
| Basri et al. | Classification and quantification of palm oil adulteration via portable NIR spectroscopy | |
| Jin et al. | Near-infrared analysis of the chemical composition of rice straw | |
| CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
| CN104181122A (zh) | 利用太赫兹时域光谱技术检测粮食中农药含量的方法 | |
| CN104237157A (zh) | 应用太赫兹时域光谱技术检测粮食中氨基酸含量的方法 | |
| Keshavarzi et al. | Comparison of transmission FTIR and ATR spectra for discrimination between beef and chicken meat and quantification of chicken in beef meat mixture using ATR-FTIR combined with chemometrics | |
| Liu | Terahertz spectroscopy and chemometric tools for rapid identification of adulterated dairy product | |
| CN105445217A (zh) | 基于衰减全反射傅里叶变换红外光谱技术的糙米中黄曲霉毒素含量的快速检测方法 | |
| CN102393376A (zh) | 基于支持向量回归的鱼丸多组分含量检测的近红外光谱法 | |
| CN107328733A (zh) | 一种快速检测鱼糜中添加的淀粉含量的方法 | |
| 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 | |
| CN109374548A (zh) | 一种利用近红外快速测定大米中营养成分的方法 | |
| CN106596464A (zh) | 一种奶粉中掺三聚氰胺的近红外自相关谱检测方法 | |
| Lian et al. | Qualitative and quantitative analyses of potassium sorbate in milk powder using terahertz spectra | |
| CN110231306A (zh) | 一种无损、快速测定奇亚籽蛋白质含量的方法 | |
| CN110231302A (zh) | 一种快速测定奇亚籽粗脂肪含量的方法 | |
| CN102519903B (zh) | 一种近红外光谱测定双孢蘑菇白度值的方法 | |
| Bai et al. | Identification and quantification of adulteration in frozen-thawed meat of different breeds by NIR spectroscopy and chemometrics | |
| CN103822894A (zh) | 一种基于近红外光谱法快速检测鱼粉中牛磺酸含量的方法 | |
| Amsaraj et al. | Classification and quantification of multiple adulterants simultaneously in black tea using spectral data coupled with chemometric analysis | |
| CN116202988A (zh) | 基于近红外光谱技术的干燕窝主要成分的检测模型构建与无损检测方法 | |
| CN107741408A (zh) | 一种全麦粉品质的中红外光谱检测方法 | |
| CN106018328B (zh) | 鉴别真假燕窝的方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171107 |