CN107515204A - 利用nir对郫县豆瓣甜瓣子发酵成熟度的检测方法 - Google Patents
利用nir对郫县豆瓣甜瓣子发酵成熟度的检测方法 Download PDFInfo
- Publication number
- CN107515204A CN107515204A CN201710980174.2A CN201710980174A CN107515204A CN 107515204 A CN107515204 A CN 107515204A CN 201710980174 A CN201710980174 A CN 201710980174A CN 107515204 A CN107515204 A CN 107515204A
- Authority
- CN
- China
- Prior art keywords
- nir
- fermenting
- bean paste
- sweet tea
- mrow
- 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
- 244000046052 Phaseolus vulgaris Species 0.000 title claims abstract description 59
- 235000010627 Phaseolus vulgaris Nutrition 0.000 title claims abstract description 59
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 235000009508 confectionery Nutrition 0.000 title claims abstract description 43
- 244000269722 Thea sinensis Species 0.000 title abstract 5
- 238000000034 method Methods 0.000 claims abstract description 7
- 238000004611 spectroscopical analysis Methods 0.000 claims description 45
- 241001122767 Theaceae Species 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 16
- 229910001220 stainless steel Inorganic materials 0.000 claims description 14
- 239000010935 stainless steel Substances 0.000 claims description 14
- 238000000855 fermentation Methods 0.000 claims description 13
- 230000004151 fermentation Effects 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 4
- 238000000205 computational method Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 239000011521 glass Substances 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims 2
- 235000013305 food Nutrition 0.000 abstract description 2
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000796 flavoring agent Substances 0.000 description 3
- 235000019634 flavors Nutrition 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000006911 enzymatic reaction Methods 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010959 steel Substances 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)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Dairy Products (AREA)
Abstract
本发明属于食品检测领域。本发明的目的是克服目前判断甜瓣子发酵成熟的依据往往是经验师傅的判断的缺点,提供了一种利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法。该方法采用NIR对郫县豆瓣甜瓣子发酵成熟度进行检测,不再依靠经验师傅,准确性高,且由于通过降维,所需要处理的数据不再那么庞杂,能够实现快速检测。适用于对郫县豆瓣甜瓣子发酵成熟度进行检测。
Description
技术领域
本发明属于食品检测领域,具体涉及采用NIR(近红外光谱仪)对郫县豆瓣甜瓣子发酵成熟度的检测方法。
背景技术
郫县豆瓣,因其独特的风味而被誉为“川菜之魂”。郫县豆瓣因它的产地而命名,产自郫都区(原名郫县),由于郫都区特殊的地理位置和天气情况,只有在郫都区里生产和发酵的豆瓣才能叫做郫县豆瓣。然而,在郫县豆瓣的生产过程中,众多指标都是由经验师傅凭看、闻、尝决定,导致产品质量不稳定。其中甜瓣子的发酵过程是影响整个郫县豆瓣风味的最关键的时期,在整个过程中,甜瓣子在酶促反应过程中不断的酶解、呈味、生香、提色,然而目前判断甜瓣子发酵成熟的依据往往是经验师傅的判断,缺乏客观依据。
NIR(近红外光谱仪)是一种高效快速的现代分析技术,它综合运用了计算机技术、光谱技术和化学计量学等多个学科的最新研究成果,以其独特的优势在多个领域得到了日益广泛的应用。近红外光谱主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的,记录的主要是含氢基团C-H、O-H、N-H、S-H、P-H等振动的倍频和合频吸收。不同基团或同一基团在不同化学环境中的近红外吸收波长与强度都有明显差别。
发明内容
本发明的目的是克服目前判断甜瓣子发酵成熟的依据往往是经验师傅的判断的缺点,提供一种利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法。
本发明解决其技术问题,采用的技术方案是,利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法,其特征在于,包括以下步骤:
步骤1、采用NIR对不同发酵时期郫县豆瓣的正样品进行扫描,得到不同发酵时期郫县豆瓣的光谱数据,并记录;
步骤2、对记录的各光谱数据进行整理后,进行平滑处理;
步骤3、对各平滑处理后的光谱数据使用偏最小二乘回归进行计算其判定该样品甜瓣子发酵成熟度的判定权重值,将各判定权重值由大至小进行排序,选择靠前的一定数量的判定权重值,从而在NIR中选择出与这些一定数量的判定权重值对应的光谱数据所对应的传感器,作为检测传感器,并对检测传感器采集的各光谱数据采用人工神经网络或支持向量机进行处理建模,得到检测模型;
步骤4、检测时,采用NIR对欲检测的郫县豆瓣的样品进行扫描,得到该郫县豆瓣的光谱数据;
步骤5、从该郫县豆瓣的光谱数据中选择出检测传感器采集的对应数据,作为待处理数据;
步骤6、对获取到的待处理数据进行平滑处理后代入检测模型中进行运算,得到该郫县豆瓣甜瓣子发酵成熟度。
具体的,步骤1及步骤4中,针对每一个郫县豆瓣的正样品及样品,对其进行如下处理:
用玻璃棒将取得的郫县豆瓣的正样品或样品搅拌均匀后,取一定量搅拌均匀的样品液体置于容器中,再将该容器置于室温下放置一定时间,然后将该容器中样本液体置于检测容器中,利用NIR对其进行扫描,得到该正样品或样品的光谱数据。
进一步的,所述一定量为100ml;所述一定时间为20分钟;所述容器为烧杯。
具体的,所述检测容器包括比色皿及不锈钢套,所述不锈钢套与比色皿形状相适应,不锈钢套一面开口,用于放置入比色皿,令比色皿置于不锈钢套内部,不锈钢套的其中一面上开有一个透光孔,用于NIR进行扫描。
再进一步的,步骤2及步骤6中,所述平滑处理是指:对各光谱数据分别进行求导。
具体的,步骤3中,所述对各平滑处理后的光谱数据使用偏最小二乘回归进行计算其判定该样品甜瓣子发酵成熟度的判定权重值的计算方法为:根据PLS法计算得到的变量投影重要性指标VIPj(Variable Importance for Projection,其中j表示第j个光谱数据)值,作为判定权重值,其计算公式为:
其中,VIPj用于表示在解释因变量y时其作用的重要性,y指代甜瓣子发酵成熟度,k为光谱数据数,Ch为相关光谱数据中提取的主成分,m为各光谱数据分析得到的主成分数量,h为表示取得第h个主成分,r(y,Ch)为y与Ch的相关系数,表示Ch对y的解释能力,Whj为该光谱数据在主成分上的权重。
再进一步的,步骤3中,所述一定数量为20个。
具体的,步骤3中,所述人工神经网络为BP神经网络。
本发明的有益效果是,在本发明方案中,通过上述利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法,可以在对郫县豆瓣甜瓣子发酵成熟度进行判断时,不再依靠经验师傅,准确性高,且由于通过降维,所需要处理的数据不再那么庞杂,能够实现快速检测。
附图说明
图1为本发明利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法的流程图;
图2为本发明实施例中检测容器的结构示意图。
具体实施方式
下面结合实施例,详细描述本发明的技术方案。
本发明的利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法中,首先采用NIR对不同发酵时期郫县豆瓣的正样品进行扫描,得到不同发酵时期郫县豆瓣的光谱数据,并记录,在对记录的各光谱数据进行整理后,进行平滑处理,然后对各平滑处理后的光谱数据使用偏最小二乘回归进行计算其判定该样品甜瓣子发酵成熟度的判定权重值,将各判定权重值由大至小进行排序,选择靠前的一定数量的判定权重值,从而在NIR中选择出与这些一定数量的判定权重值对应的光谱数据所对应的传感器,作为检测传感器,并对检测传感器采集的各光谱数据采用人工神经网络及支持向量机进行处理建模,得到检测模型,在检测时,采用NIR对欲检测的郫县豆瓣的样品进行扫描,得到该郫县豆瓣的光谱数据,然后从该郫县豆瓣的光谱数据中选择出检测传感器采集的对应数据,作为待处理数据,最后对获取到的待处理数据进行平滑处理后代入检测模型中进行运算,得到该郫县豆瓣甜瓣子发酵成熟度。
实施例
本发明实施例中的利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法,其流程图参见图1,具体包括以下步骤:
步骤1、采用NIR对不同发酵时期郫县豆瓣的正样品进行扫描,得到不同发酵时期郫县豆瓣的光谱数据,并记录。
本步骤中,针对每一个郫县豆瓣的正样品及样品,对其进行如下处理:
用玻璃棒将取得的郫县豆瓣的正样品或样品搅拌均匀后,取一定量(如100ml)搅拌均匀的样品液体置于容器(如烧杯)中,再将该容器置于室温下放置一定时间,该一定时间优选为20分钟,然后将该容器中样本液体置于检测容器中,利用NIR对其进行扫描,得到该正样品或样品的光谱数据。
而检测容器的结构可参见图2,其可以包括比色皿及不锈钢套,所述不锈钢套与比色皿形状相适应,不锈钢套一面开口,用于放置入比色皿,令比色皿置于不锈钢套内部,不锈钢套的其中一面上开有一个透光孔,用于NIR进行扫描。
步骤2、对记录的各光谱数据进行整理后,进行平滑处理。
本步骤中,平滑处理可以为对各光谱数据分别进行求导。
步骤3、对各平滑处理后的光谱数据使用偏最小二乘回归进行计算其判定该样品甜瓣子发酵成熟度的判定权重值,将各判定权重值由大至小进行排序,选择靠前的一定数量的判定权重值,从而在NIR中选择出与这些一定数量的判定权重值对应的光谱数据所对应的传感器,作为检测传感器,并对检测传感器采集的各光谱数据采用人工神经网络或支持向量机进行处理建模,得到检测模型。
本步骤中,对各平滑处理后的光谱数据使用偏最小二乘回归进行计算其判定该样品甜瓣子发酵成熟度的判定权重值的计算方法可以为:根据PLS法计算得到的变量投影重要性指标VIPj(Variable Importance for Projection,其中j表示第j个光谱数据)值,作为判定权重值,其计算公式为:
其中,VIPj用于表示在解释因变量y时其作用的重要性,y指代甜瓣子发酵成熟度,k为光谱数据数,这里的光谱数据数是取得在近红外量程内的光波点的数量,在实验时,k这里的值为228个光波点,Ch为相关光谱数据中提取的主成分,m为各光谱数据分析得到的主成分数量,也就是光谱数据分析时的总数量,在实验时,这里m的值为228,h为表示取得第h个主成分,r(y,Ch)为y与Ch的相关系数,表示Ch对y的解释能力,Whj为该光谱数据在主成分上的权重。
这里,一定数量优选为20个;而人工神经网络及支持向量机均为现有比较成熟的技术,此处不再详述,本例可采用BP神经网络及SVM支持向量机,可由专业计算软件matlab完成。
步骤4、检测时,采用NIR对欲检测的郫县豆瓣的样品进行扫描,得到该郫县豆瓣的光谱数据。
本步骤中,采用与步骤1相同的方式对欲检测的郫县豆瓣的样品进行处理及扫描。
步骤5、从该郫县豆瓣的光谱数据中选择出检测传感器采集的对应数据,作为待处理数据。
步骤6、对获取到的待处理数据进行平滑处理后代入检测模型中进行运算,得到该郫县豆瓣甜瓣子发酵成熟度。
本步骤中,平滑处理可以为对各光谱数据分别进行求导。
具体举例如下:
本例以NIR检测郫县豆瓣甜瓣子发酵时期不同成熟度的豆瓣为例(发酵时间分别为:1、2、3、4、7、8个月),将采集到的数据经上述2、3步骤处理后,具体解释NIR结合人工神经网络等智能算法的实际运用效能及机制。
其中,根据步骤2、3,取将数据导入matlab后,进行预处理,然后将处理完成的数据进行整合。得到新的数据矩阵后,再使用BP神经网络等智能算法进行处理,得到检测模型。
使用NIR结合BP神经网络算法,对发酵时期分别为1、2、3、4、7、8个月的甜瓣子进行鉴定、分类,取得了95.4%的精确度。
使用NIR结合SVM支持向量机,对发酵时期分别为1、2、3、4、7、8个月的甜瓣子进行鉴定、分类,取得了93.2%的精确度。
Claims (8)
1.利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法,其特征在于,包括以下步骤:
步骤1、采用NIR对不同发酵时期郫县豆瓣的正样品进行扫描,得到不同发酵时期郫县豆瓣的光谱数据,并记录;
步骤2、对记录的各光谱数据进行整理后,进行平滑处理;
步骤3、对各平滑处理后的光谱数据使用偏最小二乘回归进行计算其判定该样品甜瓣子发酵成熟度的判定权重值,将各判定权重值由大至小进行排序,选择靠前的一定数量的判定权重值,从而在NIR中选择出与这些一定数量的判定权重值对应的光谱数据所对应的传感器,作为检测传感器,并对检测传感器采集的各光谱数据采用人工神经网络或支持向量机进行处理建模,得到检测模型;
步骤4、检测时,采用NIR对欲检测的郫县豆瓣的样品进行扫描,得到该郫县豆瓣的光谱数据;
步骤5、从该郫县豆瓣的光谱数据中选择出检测传感器采集的对应数据,作为待处理数据;
步骤6、对获取到的待处理数据进行平滑处理后代入检测模型中进行运算,得到该郫县豆瓣甜瓣子发酵成熟度。
2.如权利要求1所述的利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法,其特征在于,步骤1及步骤4中,针对每一个郫县豆瓣的正样品及样品,对其进行如下处理:
用玻璃棒将取得的郫县豆瓣的正样品或样品搅拌均匀后,取一定量搅拌均匀的样品液体置于容器中,再将该容器置于室温下放置一定时间,然后将该容器中样本液体置于检测容器中,利用NIR对其进行扫描,得到该正样品或样品的光谱数据。
3.如权利要求2所述的利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法,其特征在于,所述一定量为100ml;所述一定时间为20分钟;所述容器为烧杯。
4.如权利要求2所述的利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法,其特征在于,所述检测容器包括比色皿及不锈钢套,所述不锈钢套与比色皿形状相适应,不锈钢套一面开口,用于放置入比色皿,令比色皿置于不锈钢套内部,不锈钢套的其中一面上开有一个透光孔,用于NIR进行扫描。
5.如权利要求1所述的利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法,其特征在于,步骤2及步骤6中,所述平滑处理是指:对各光谱数据分别进行求导。
6.如权利要求1所述的利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法,其特征在于,步骤3中,所述对各平滑处理后的光谱数据使用偏最小二乘回归进行计算其判定该样品甜瓣子发酵成熟度的判定权重值的计算方法为:根据PLS法计算得到的变量投影重要性指标VIPj(Variable Importance for Projection,其中j表示第j个光谱数据)值,作为判定权重值,其计算公式为:
<mrow>
<msub>
<mi>VIP</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mi>k</mi>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>h</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mi>r</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>,</mo>
<msub>
<mi>C</mi>
<mi>h</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>h</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mi>r</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>,</mo>
<msub>
<mi>C</mi>
<mi>h</mi>
</msub>
<mo>)</mo>
</mrow>
<msubsup>
<mi>W</mi>
<mrow>
<mi>h</mi>
<mi>j</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mrow>
其中,VIPj用于表示在解释因变量y时其作用的重要性,y指代甜瓣子发酵成熟度,k为光谱数据数,Ch为相关光谱数据中提取的主成分,m为各光谱数据分析得到的主成分数量,h为表示取得第h个主成分,r(y,Ch)为y与Ch的相关系数,表示Ch对y的解释能力,Whj为该光谱数据在主成分上的权重。
7.如权利要求6所述的利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法,其特征在于,步骤3中,所述一定数量为20个。
8.如权利要求1或2或3或4或5或6或7所述的利用NIR对郫县豆瓣甜瓣子发酵成熟度的检测方法,其特征在于,步骤3中,所述人工神经网络为BP神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710980174.2A CN107515204A (zh) | 2017-10-19 | 2017-10-19 | 利用nir对郫县豆瓣甜瓣子发酵成熟度的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710980174.2A CN107515204A (zh) | 2017-10-19 | 2017-10-19 | 利用nir对郫县豆瓣甜瓣子发酵成熟度的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107515204A true CN107515204A (zh) | 2017-12-26 |
Family
ID=60727410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710980174.2A Pending CN107515204A (zh) | 2017-10-19 | 2017-10-19 | 利用nir对郫县豆瓣甜瓣子发酵成熟度的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107515204A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108845075A (zh) * | 2018-04-25 | 2018-11-20 | 南京农业大学 | 基于深度学习网络的堆肥腐熟实时预测方法 |
CN109374562A (zh) * | 2018-10-23 | 2019-02-22 | 成都奕阳现代科技有限公司 | 基于无损快检的豆瓣翻晒发酵的质量控制方法 |
CN111160250A (zh) * | 2019-12-30 | 2020-05-15 | 安徽易刚信息技术有限公司 | 一种基于人工神经网络的蓝莓生长期检测方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102539375A (zh) * | 2012-01-10 | 2012-07-04 | 江苏大学 | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 |
CN104297203A (zh) * | 2014-09-28 | 2015-01-21 | 安徽农业大学 | 一种基于近红外光谱分析技术的工夫红茶发酵质量的快速判别方法 |
CN104596984A (zh) * | 2015-01-05 | 2015-05-06 | 北京中医药大学 | 一种六神曲发酵过程近红外在线质量检测方法 |
CN105548064A (zh) * | 2015-12-15 | 2016-05-04 | 驻马店华中正大有限公司 | 利用近红外光谱测定微生物发酵产抗生素过程中多种营养成分和抗生素效价变化的方法 |
CN106501325A (zh) * | 2016-11-22 | 2017-03-15 | 西华大学 | 一种优化传感数据及模式识别对辐照食品的实时快检方法 |
CN106770477A (zh) * | 2016-11-22 | 2017-05-31 | 西华大学 | 一种优化传感数据及模式识别对蜜源鉴别及掺假快检方法 |
-
2017
- 2017-10-19 CN CN201710980174.2A patent/CN107515204A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102539375A (zh) * | 2012-01-10 | 2012-07-04 | 江苏大学 | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 |
CN104297203A (zh) * | 2014-09-28 | 2015-01-21 | 安徽农业大学 | 一种基于近红外光谱分析技术的工夫红茶发酵质量的快速判别方法 |
CN104596984A (zh) * | 2015-01-05 | 2015-05-06 | 北京中医药大学 | 一种六神曲发酵过程近红外在线质量检测方法 |
CN105548064A (zh) * | 2015-12-15 | 2016-05-04 | 驻马店华中正大有限公司 | 利用近红外光谱测定微生物发酵产抗生素过程中多种营养成分和抗生素效价变化的方法 |
CN106501325A (zh) * | 2016-11-22 | 2017-03-15 | 西华大学 | 一种优化传感数据及模式识别对辐照食品的实时快检方法 |
CN106770477A (zh) * | 2016-11-22 | 2017-05-31 | 西华大学 | 一种优化传感数据及模式识别对蜜源鉴别及掺假快检方法 |
Non-Patent Citations (2)
Title |
---|
张宝等: "基于近红外光谱的豆酱鉴别技术研究", 《现代食品科技》 * |
张惠等: "近红外光谱分析技术用于发酵工艺研究进展", 《中国生化药物杂志》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108845075A (zh) * | 2018-04-25 | 2018-11-20 | 南京农业大学 | 基于深度学习网络的堆肥腐熟实时预测方法 |
CN108845075B (zh) * | 2018-04-25 | 2021-06-29 | 南京农业大学 | 基于深度学习网络的堆肥腐熟实时预测方法 |
CN109374562A (zh) * | 2018-10-23 | 2019-02-22 | 成都奕阳现代科技有限公司 | 基于无损快检的豆瓣翻晒发酵的质量控制方法 |
CN111160250A (zh) * | 2019-12-30 | 2020-05-15 | 安徽易刚信息技术有限公司 | 一种基于人工神经网络的蓝莓生长期检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104677875B (zh) | 一种三维荧光光谱结合平行因子鉴别不同品牌白酒的方法 | |
CN107515204A (zh) | 利用nir对郫县豆瓣甜瓣子发酵成熟度的检测方法 | |
CN113484309B (zh) | 一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法 | |
CN103411906B (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
CN104374738A (zh) | 一种基于近红外提高鉴别结果的定性分析方法 | |
CN107796782A (zh) | 基于烟叶特征光谱一致性度量的复烤质量稳定性评价方法 | |
CN104048939A (zh) | 生猪血液中血糖含量近红外快速检测方法 | |
CN103235095A (zh) | 注水肉检测方法和装置 | |
CN108392213B (zh) | 基于绘画心理学的心理分析方法及装置 | |
CN110702656A (zh) | 一种基于三维荧光光谱技术的植物油农药残留检测方法 | |
CN104374739A (zh) | 一种基于近红外定性分析的种子品种真实性鉴别方法 | |
CN105740898A (zh) | 一种利用光谱特征向量结合主成分分析建立分类模型的方法 | |
CN113008805A (zh) | 基于高光谱成像深度分析的白芷饮片质量预测方法 | |
CN112415050A (zh) | 一种基于温度分布差异的羊肉掺假定性判别方法 | |
CN103743705A (zh) | 一种假高粱及其近似物种的快速检测方法 | |
CN115937670A (zh) | 一种基于高光谱成像的麝香智能鉴别方法及应用 | |
Jiang et al. | High precision qualitative identification of yeast growth phases using molecular fusion spectra | |
CN101872433A (zh) | 一种基于神经网络技术的啤酒口味预估方法 | |
CN106338488A (zh) | 一种转基因豆奶粉的快速无损鉴别方法 | |
CN103234923A (zh) | 一种黄酒发酵过程中总糖含量的在线监控方法 | |
CN108982570A (zh) | 一种基于核磁共振技术的食用油品质鉴别方法 | |
CN107247033B (zh) | 基于快速衰减式淘汰算法和plsda鉴别黄花梨成熟度的方法 | |
CN110990782B (zh) | 基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法 | |
CN104897608B (zh) | 一种基于近红外光谱技术的乌龙茶品质鉴定方法 | |
CN106770152A (zh) | 一种基于特征峰及算法参数选取的奶粉品牌快速鉴别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20171226 |