CN107991265A - 一种基于信息融合的小麦粉粉质参数快速检测方法 - Google Patents
一种基于信息融合的小麦粉粉质参数快速检测方法 Download PDFInfo
- Publication number
- CN107991265A CN107991265A CN201711148403.0A CN201711148403A CN107991265A CN 107991265 A CN107991265 A CN 107991265A CN 201711148403 A CN201711148403 A CN 201711148403A CN 107991265 A CN107991265 A CN 107991265A
- Authority
- CN
- China
- Prior art keywords
- infrared spectrum
- wheat flour
- buch
- model
- subinterval
- 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
- 235000013312 flour Nutrition 0.000 title claims abstract description 57
- 241000209140 Triticum Species 0.000 title claims abstract description 53
- 235000021307 Triticum Nutrition 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 31
- 241000961988 Rubus biflorus Species 0.000 title claims abstract description 28
- 230000004927 fusion Effects 0.000 title claims abstract description 26
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 68
- 238000001228 spectrum Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000010521 absorption reaction Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 10
- 230000006641 stabilisation Effects 0.000 claims description 9
- 238000011105 stabilization Methods 0.000 claims description 9
- 238000002156 mixing Methods 0.000 claims description 7
- 238000004611 spectroscopical analysis Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010561 standard procedure Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 2
- 239000000843 powder Substances 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000004458 analytical method Methods 0.000 abstract description 3
- 239000000523 sample Substances 0.000 abstract 3
- 239000002994 raw material Substances 0.000 abstract 1
- 230000008569 process Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000000518 rheometry Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000001845 vibrational spectrum Methods 0.000 description 1
- 239000003190 viscoelastic substance 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
-
- 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
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
本发明公开了一种基于信息融合的小麦粉粉质参数快速检测方法,包括小麦粉样本材料的收集和粉质参数的测定,样品近红外光谱和中红外光谱的采集,光谱预处理,基于信息融合校正模型的构建,以及未知小麦粉样品粉质参数的快速检测。本发明首次使用近红外光谱及中红外光谱信息融合技术检测小麦粉粉质参数,具有简单易行、分析速度快、分析成本低等优点,可以提高小麦粉加工品质控制、面制品企业原料采购与选择使用等环节的工作效率,为小麦粉粉质参数的快速检测提供了一种新方法。
Description
技术领域
本发明涉及近红外光谱快速检测领域,特别涉及一种基于信息融合的小麦粉粉质参数快速检测方法。
背景技术
我国不仅是小麦生产大国,也是小麦食品消费大国。面团是指小麦粉和水混合后,经过适当揉混而形成的具有黏弹性物质。面团的形成是面制品生产过程中的重要工序,它的质量直接影响面制品的品质。通过对面团流变特性的测定可以了解小麦粉的品质,对指导小麦品质改良、区分不同品种面粉的用途、制定各种专用粉标准、保证面粉质量的稳定、指导食品加工等,都有十分重要的意义。粉质仪是评价面团流变学特性最常用的仪器,将小麦粉在粉质仪中加水揉和后,通过电子测力和记录装置记录面团揉和过程中混合搅拌刀所受到的综合阻力随搅拌时间的变化规律,从记录的揉和性能粉质曲线计算出小麦粉吸水量、面团的形成时间、稳定时间和弱化度等评价指标,可以综合评价小麦粉的和面流变特性,作为分析面团形成和发展过程中的特性变化的依据。
采用传统的布拉班德粉质仪检测面团的粉质特性,检测过程非常耗时、对仪器维护水平要求高、操作过程有很强的经验性,初次操作者很难取得良好的测定结果;同时,测定结果的重复性差,波动较大,因此开发能替代传统标准方法的、更为快捷、稳定的小麦粉粉质参数测定方法意义重大。
红外光谱(Infrared spectra,IR)分析技术是近年来在现代物理学、电子学、计算机技术、信息处理技术等学科的基础上发展起来的一门综合性技术。红外光谱指以连续波长的红外光源照射样品所测得的吸收光谱,它是由于分子发生振动能级的跃迁而产生的。当红外光照射分子时,引起分子振动和转动能级跃迁,所以红外光谱又称分子振动光谱。红外光区又可以分为:近红外区(NIR)、中红外区(MIR)和远红外区。信息融合的本质是把从不同空间或时间上获得的多个来源的同质或异构信息进行不同抽象层次的合并或集成,以得到有关实体、关系或事件的更完整、更精确、更可靠的信息或推论。不同来源的信息存在冗余性,这种冗余信息适当融合可以在总体上降低信息的不确定性;不同来源的信息存在互补性,经过适当处理,可以补偿单一传感器的不准确性和测量范围的局限性。信息融合技术已成功应用于食品产地鉴别、掺假鉴别、品质分析等各领域,但对于小麦粉粉质参数检测方面,尚未有报道。
发明内容
本发明公开了一种利用信息融合技术对小麦粉粉质参数速检测的方法,该方法采用信息融合技术,通过融合小麦粉近红外光谱与中红外光谱中的有用信息并建立预测模型,从而对小麦粉粉质参数进行快速检测,该方法操作简单易行,检测快速,准确率高。
本发明提供的快速检测方法,包括以下步骤:
(1)小麦粉样品收集及近红外光谱、中红外光谱采集:收集一定数量的有代表性的小麦粉样品,使用红外光谱仪对小麦粉的近红外光谱及中红外光谱进行采集,并进行光谱预处理;
(2)采用国标法测定小麦粉的粉质参数,所述粉质参数包括吸水量、形成时间、稳定时间、弱化度;
(3)采用前向区间信息融合变量筛选算法对近红外光谱及中红外光谱中的变量特征区间进行选择,并进行信息融合后,建立小麦粉粉质参数(吸水量、形成时间、稳定时间、弱化度)预测模型;
(4)提取未知小麦粉样品相应光谱区间的光谱数据,根据所得到的模型,对未知小麦粉样品的粉质参数进行预测。
进一步,步骤(1)中,小麦粉样品的数量不少于80个,并随机划分为校正集与验证集。
进一步,步骤(1)中,近红外光谱扫描范围为12500 ~ 3300 cm-1,分辨率8 cm-1,扫描次数16次;中红外光谱采用压片法获取,将小麦粉样品与无水KBr按1:25比例研磨并进行压片,中红外光谱扫描范围4000 ~ 450 cm-1,扫描次数20次,分辨率1 cm-1,扫描时即时去除水分和CO2的背景干扰。所有仪器使用前需预热1h,扫描过程中保持室温25 ℃,并严格控制室内湿度,保持环境一致。
进一步,步骤(1)中,在模型校正前,光谱数据应经过预处理,光谱预处理可以使用一阶导数、二阶导数、平滑处理、标准正态变量变换、多元散射校正等其中的一种或多种联用。
进一步,步骤(3)中前向区间信息融合算法的步骤为:
① 将近红外光谱与中红外光谱进行归一化处理以消除不同光谱传感器量程的差异;
② 分别将近红外光谱与中红外光谱均分为n个子区间,所述n = 10 ~ 50,一共可以得到2n个子区间,在每个子区间上建立局部偏最小二乘(PLS)模型;
③ 选取最小RMSEP值模型对应的子区间为进入模型的第1固定子区间,将余下的2n-1个子区间逐一与前面已选定的固定子区间组合,并对每个区间组合进行建模,选择其中RMSEP值最低模型的子区间为进入模型的第2固定子区间;
④ 如此循环,直到剩余所有的子区间都进入模型;比较上步中选出的各子区间模型的RMSEP值,RMSEP值最低的模型就是获得的最佳预测模型,所对应的光谱子区间组合即为前向区间信息融合算法筛选出的光谱特征区间。
进一步,步骤(3)中,对于面粉粉质参数各指标,经过筛选,信息融合模型所用的近红外及中红外光谱特征区间为:
吸水量:近红外光谱特征区间为11220.4-10873.3 cm-1, 10333.3-10163.6 cm-1,9978.4-9808.7cm-1,9446.2-5905.3cm-1, 5720.2-5373.0 cm-1, 5187.9-5018.2 cm-1,4833.0-4663.3 cm-1,4300.7 -4131.0 cm-1, 3945.9-3776.1 cm-1;中红外光谱特征区间为3857-3787 cm-1, 3431-3077 cm-1, 2934-2509 cm-1,2295-2154 cm-1,2082-2012 cm-1,1514-1373 cm-1;
形成时间:近红外光谱特征区间为10888.7-10695.9 cm-1, 10086.4-9893.6 cm-1,9685.3-9492.4 cm-1, 9284.2-9091.3 cm-1, 8883.0-7486.7 cm-1, 7077.9-6684.4 cm-1,6291.0-6105.9 cm-1, 5712.4-5527.3 cm-1;中红外光谱特征区间为3526-3290 cm-1,3052-2974 cm-1, 2420-2342 cm-1;
稳定时间:近红外光谱特征区间为11752.7-11583.0 cm-1, 11220.4-11050.7 cm-1,10688.2-10518.4 cm-1, 10333.3-10163.6 cm-1, 9978.4-9631.3 cm-1, 9091.3-7679.6cm-1, 7494.4-7324.7 cm-1, 6607.3-6082.7 cm-1;中红外光谱特征区间为3431-3361 cm-1,2863-2793 cm-1, 2508-2438 cm-1, 2153-2083 cm-1;
弱化度:近红外光谱特征区间为10865.6-10695.9 cm-1, 10333.3-10163.6 cm-1,9446.2-9276.4 cm-1, 8913.9-8566.7 cm-1, 8204.2-6969.9 cm-1, 6429.9-6082.7 cm-1,4300.7-4131.0 cm-1;中红外光谱特征区间为3289-3219 cm-1, 2792-2722 cm-1, 2650-2580 cm-1, 2508-2438 cm-1, 2082-2012 cm-1, 946-876 cm-1。
进一步,步骤(4)中,对于未知样品的预测,其光谱采集采用步骤(1)相同的仪器与光谱预处理方法,模型预测时采用步骤(3)中相应的光谱特征区间。
本发明的有益效果在于:使用的前向区间信息融合方法可以有效地提取光谱特征区间,提高模型的稳定性和预测精度。本发明不需要前处理,能实现快速、高效、低成本、无污染检测,操作简单,准确率高。
附图说明
图1是信息融合模型的构建及未知样品预测流程图;
图2是信息融合模型光谱特征区间选择示意图;
图中灰色区域表示所用的光谱特征波段;吸水量模型(a,NIR;b,MIR);形成时间模型(c,NIR;d,MIR);稳定时间模型(e,NIR;f,MIR);弱化度模型(g,NIR;h,MIR)。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
实施例
一种基于信息融合的小麦粉粉质参数快速检测方法按如下步骤进行:
(1)样品收集、参考值检验与光谱采集
采集不同产地、品种的小麦粉样品96份,按照我国国家标准《小麦粉 面团的物理特性吸水量和流变学特性的测定 粉质仪法》(GB/T 14614)规定的方法,测定样品粉质指标的参考值。近红外光谱采集使用布鲁克MPA近红外光谱仪(德国Bruker公司),扫描范围为12500- 3300 cm-1,分辨率8 cm-1,扫描次数16次,PbS检测器,小麦粉样品在室温中平衡温度后,放入石英样品杯中,采用样品杯旋转式扫描,光谱使用自带的OPUS 7.0采集。中红外光谱采用压片法,将小麦粉样品在105℃烘箱中干燥24h后与无水KBr按1:25比例研磨并进行压片,采用Spectrum 100 FT-IR 光谱议(美国Perkin Elmer公司)扫描,扫描范围为4000 - 450cm-1,扫描次数20次,分辨率1 cm-1,扫描时即时去除水分和CO2的背景干扰,采集到的光谱信息由仪器自带的Spectrum 6.0软件系统收集和处理。所有仪器使用前需预热1h,扫描过程中保持室温25 ℃,并严格控制室内湿度,保持环境的一致性。在模型校正前,光谱数据采用一阶导数与标准正态变量变换进行预处理。
(2)光谱特征区间的筛选及建模
96个样品删除离群值后,随机挑选72个样品作为模型校正集,剩余样品作为验证集。模型拟合采用偏最小二乘法。光谱特征区间使用前向区间信息融合变量筛选算法。具体步骤是:首先,将近红外光谱与中红外光谱进行归一化处理以消除不同光谱传感器量程的差异,然后,将近红外光谱与中红外光谱分割为10 - 50个子区间,在同一种子区间划分条件下,进行如下操作:在每个子区间上建立局部偏最小二乘(PLS)模型;选取最小RMSEP值模型对应的子区间为进入模型的第1固定子区间,将剩余的子区间逐一与前面已选定的固定子区间组合,并对每个区间组合进行建模,选择其中RMSEP值最低模型的子区间为进入模型的第2固定子区间。如此循环,直到剩余所有的子区间都进入模型;比较上步中选出的各子区间模型的RMSEP值,RMSEP值最低的模型就是获得的最佳模型,所对应的光谱子区间组合即为前向区间信息融合算法筛选出的光谱特征区间。
经过筛选,信息融合模型所用的近红外及中红外光谱特征区间为(如图2所示):
吸水量:近红外光谱特征区间为11220.4-10873.3 cm-1, 10333.3-10163.6 cm-1,9978.4-9808.7 cm-1, 9446.2-5905.3 cm-1, 5720.2-5373.0 cm-1, 5187.9-5018.2 cm-1,4833.0-4663.3 cm-1,4300.7 -4131.0 cm-1, 3945.9-3776.1 cm-1;中红外光谱特征区间为3857-3787 cm-1, 3431-3077 cm-1, 2934-2509 cm-1,2295-2154 cm-1,2082-2012 cm-1,1514-1373 cm-1;
形成时间:近红外光谱特征区间为10888.7-10695.9 cm-1, 10086.4-9893.6 cm-1,9685.3-9492.4 cm-1, 9284.2-9091.3 cm-1, 8883.0-7486.7 cm-1, 7077.9-6684.4 cm-1,6291.0-6105.9 cm-1, 5712.4-5527.3 cm-1;中红外光谱特征区间为3526-3290 cm-1,3052-2974 cm-1, 2420-2342 cm-1;
稳定时间:近红外光谱特征区间为11752.7-11583.0 cm-1, 11220.4-11050.7 cm-1,10688.2-10518.4 cm-1, 10333.3-10163.6 cm-1, 9978.4-9631.3 cm-1, 9091.3-7679.6cm-1, 7494.4-7324.7 cm-1, 6607.3-6082.7 cm-1;中红外光谱特征区间为3431-3361 cm-1,2863-2793 cm-1, 2508-2438 cm-1, 2153-2083 cm-1;
弱化度:近红外光谱特征区间为10865.6-10695.9 cm-1, 10333.3-10163.6 cm-1,9446.2-9276.4 cm-1, 8913.9-8566.7 cm-1, 8204.2-6969.9 cm-1, 6429.9-6082.7 cm-1,4300.7-4131.0 cm-1;中红外光谱特征区间为3289-3219 cm-1, 2792-2722 cm-1, 2650-2580 cm-1, 2508-2438 cm-1, 2082-2012 cm-1, 946-876 cm-1。
(3)模型预测
采用与步骤(1)相同的光谱采集条件及预处理方法对待测小麦粉样品的光谱数据进行预处理,运用步骤(2)所构建的模型及相同的光谱特征区间,对待测样品进行检测。
模型预测效果通过预测均方根误差(Root mean square error of prediction,RMSEP)和预测相关系数(Correlation coefficient,r p )来评价。通常,模型精度越高,模型RMSEP值越小,相应的r p 值越大。计算公式如下:
其中,验证集第i个样品的预测值,y pi 代表其对应的参考值,表示验证集所有样品参考值的平均值,n代表验证集样品数量。
采用该方法构建的小麦粉粉质参数快速检测模型,对吸水量、形成时间、稳定时间和弱化度的预测相关系数r p 分别为0.96,0.95,0.94和0.94,RMSEP分别为0.521,0.640,0.514和15.014。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管通过参照本发明的优选实施例已经对本发明进行了描述,但本领域的普通技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离所附权利要求书所限定的本发明的精神和范围。
Claims (7)
1.一种基于信息融合的小麦粉粉质参数快速检测方法,其特征在于包括以下步骤:
(1)小麦粉样品收集及近红外光谱、中红外光谱采集:收集一定数量的有代表性的小麦粉样品,使用红外光谱仪对小麦粉的近红外光谱及中红外光谱进行采集,并进行光谱预处理;
(2)采用国标法测定小麦粉的粉质参数,所述粉质参数包括吸水量、形成时间、稳定时间、弱化度;
(3)采用前向区间信息融合变量筛选算法对近红外光谱及中红外光谱中的变量特征区间进行选择,并进行信息融合后,建立小麦粉粉质参数(吸水量、形成时间、稳定时间、弱化度)预测模型;
(4)提取未知小麦粉样品相应光谱区间的光谱数据,根据所得到的模型,对未知小麦粉样品的粉质参数进行预测。
2.根据权利要求1所述的一种基于信息融合的小麦粉粉质参数快速检测方法,其特征在于步骤(1)中,小麦粉样品的数量不少于80个,并随机划分为校正集与验证集。
3.根据权利要求1所述的一种基于信息融合的小麦粉粉质参数快速检测方法,其特征在于步骤(1)中,近红外光谱扫描范围为12500 ~ 3300 cm-1,分辨率8 cm-1,扫描次数16次;中红外光谱采用压片法获取,将小麦粉样品与无水KBr按1:25比例研磨并进行压片,中红外光谱扫描范围4000 ~ 450 cm-1,扫描次数20次,分辨率1 cm-1,扫描时即时去除水分和CO2的背景干扰。
4.根据权利要求1所述的一种基于信息融合的小麦粉粉质参数快速检测方法,其特征在于步骤(1)中,在模型校正前,光谱数据应经过预处理,光谱预处理可以使用一阶导数、二阶导数、平滑处理、标准正态变量变换、多元散射校正等其中的一种或多种联用。
5.根据权利要求1所述的一种基于信息融合的小麦粉粉质参数快速检测方法,其特征在于步骤(3)中前向区间信息融合算法的步骤为:
①将近红外光谱与中红外光谱进行归一化处理以消除不同光谱传感器量程的差异;
②分别将近红外光谱与中红外光谱均分为n个子区间,所述n = 10 ~ 50,一共可以得到2n个子区间,在每个子区间上建立局部偏最小二乘(PLS)模型;
③选取最小RMSEP值模型对应的子区间为进入模型的第1固定子区间,将余下的2n-1个子区间逐一与前面已选定的固定子区间组合,并对每个区间组合进行建模,选择其中RMSEP值最低模型的子区间为进入模型的第2固定子区间;
④如此循环,直到剩余所有的子区间都进入模型;比较上步中选出的各子区间模型的RMSEP值,RMSEP值最低的模型就是获得的最佳预测模型,所对应的光谱子区间组合即为前向区间信息融合算法筛选出的光谱特征区间。
6.根据权利要求5所述的一种基于信息融合的小麦粉粉质参数快速检测方法,其特征在于步骤(3)中,对于面粉粉质参数各指标,经过筛选,信息融合模型所用的近红外及中红外光谱特征区间为:
吸水量:近红外光谱特征区间为11220.4-10873.3 cm-1, 10333.3-10163.6 cm-1,9978.4-9808.7cm-1,9446.2-5905.3cm-1, 5720.2-5373.0 cm-1, 5187.9-5018.2 cm-1,4833.0-4663.3 cm-1,4300.7 -4131.0 cm-1, 3945.9-3776.1 cm-1;中红外光谱特征区间为3857-3787 cm-1, 3431-3077 cm-1, 2934-2509 cm-1,2295-2154 cm-1,2082-2012 cm-1,1514-1373 cm-1;
形成时间:近红外光谱特征区间为10888.7-10695.9 cm-1, 10086.4-9893.6 cm-1,9685.3-9492.4 cm-1, 9284.2-9091.3 cm-1, 8883.0-7486.7 cm-1, 7077.9-6684.4 cm-1,6291.0-6105.9 cm-1, 5712.4-5527.3 cm-1;中红外光谱特征区间为3526-3290 cm-1,3052-2974 cm-1, 2420-2342 cm-1;
稳定时间:近红外光谱特征区间为11752.7-11583.0 cm-1, 11220.4-11050.7 cm-1,10688.2-10518.4 cm-1, 10333.3-10163.6 cm-1, 9978.4-9631.3 cm-1, 9091.3-7679.6cm-1, 7494.4-7324.7 cm-1, 6607.3-6082.7 cm-1;中红外光谱特征区间为3431-3361 cm-1,2863-2793 cm-1, 2508-2438 cm-1, 2153-2083 cm-1;
弱化度:近红外光谱特征区间为10865.6-10695.9 cm-1, 10333.3-10163.6 cm-1,9446.2-9276.4 cm-1, 8913.9-8566.7 cm-1, 8204.2-6969.9 cm-1, 6429.9-6082.7 cm-1,4300.7-4131.0 cm-1;中红外光谱特征区间为3289-3219 cm-1, 2792-2722 cm-1, 2650-2580 cm-1, 2508-2438 cm-1, 2082-2012 cm-1, 946-876 cm-1。
7.根据权利要求1所述的一种基于信息融合的小麦粉粉质参数快速检测方法,其特征在于步骤(4)中,对于未知样品的预测,其光谱采集采用步骤(1)相同的仪器与光谱预处理方法,模型预测时采用步骤(3)中相应的光谱特征区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711148403.0A CN107991265A (zh) | 2017-11-17 | 2017-11-17 | 一种基于信息融合的小麦粉粉质参数快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711148403.0A CN107991265A (zh) | 2017-11-17 | 2017-11-17 | 一种基于信息融合的小麦粉粉质参数快速检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107991265A true CN107991265A (zh) | 2018-05-04 |
Family
ID=62030477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711148403.0A Pending CN107991265A (zh) | 2017-11-17 | 2017-11-17 | 一种基于信息融合的小麦粉粉质参数快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107991265A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108627498A (zh) * | 2018-05-11 | 2018-10-09 | 天津大学 | 一种多光谱数据融合的面粉掺杂定量检测方法 |
CN110057777A (zh) * | 2019-05-24 | 2019-07-26 | 南京农业大学 | 一种面粉中呕吐毒素的定量检测方法 |
CN114813631A (zh) * | 2022-06-23 | 2022-07-29 | 中化现代农业有限公司 | 小麦品种纯度检测方法、装置和电子设备 |
CN114935555A (zh) * | 2022-06-28 | 2022-08-23 | 中国农业科学院农产品加工研究所 | 面粉吸水率快速无损检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104807803A (zh) * | 2015-04-20 | 2015-07-29 | 武汉轻工大学 | 基于多源光谱数据融合的花生油掺伪定量检测方法 |
CN106706552A (zh) * | 2016-11-25 | 2017-05-24 | 河南工业大学 | 基于多信息融合的小麦品质检测方法 |
-
2017
- 2017-11-17 CN CN201711148403.0A patent/CN107991265A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104807803A (zh) * | 2015-04-20 | 2015-07-29 | 武汉轻工大学 | 基于多源光谱数据融合的花生油掺伪定量检测方法 |
CN106706552A (zh) * | 2016-11-25 | 2017-05-24 | 河南工业大学 | 基于多信息融合的小麦品质检测方法 |
Non-Patent Citations (3)
Title |
---|
BAISHENG CHEN 等: "《Development of variable pathlength UV-vis spectroscopy combined with partial-least-squares regression for wastewater chemical oxygen demand (COD) monitoring》", 《TALANTA》 * |
JIA CHEN ET AL.: "Rapid determination of farinograph parameters of wheat flour using data fusion and a forward interval variable selection algorithm", 《ANALYTICAL METHODS》 * |
黄亚伟 等: "《小麦粉质特性的可见/近红外光谱快速测定研究》", 《中国粮油学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108627498A (zh) * | 2018-05-11 | 2018-10-09 | 天津大学 | 一种多光谱数据融合的面粉掺杂定量检测方法 |
CN110057777A (zh) * | 2019-05-24 | 2019-07-26 | 南京农业大学 | 一种面粉中呕吐毒素的定量检测方法 |
CN114813631A (zh) * | 2022-06-23 | 2022-07-29 | 中化现代农业有限公司 | 小麦品种纯度检测方法、装置和电子设备 |
CN114935555A (zh) * | 2022-06-28 | 2022-08-23 | 中国农业科学院农产品加工研究所 | 面粉吸水率快速无损检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107991265A (zh) | 一种基于信息融合的小麦粉粉质参数快速检测方法 | |
CN101231274B (zh) | 近红外光谱快速测定山药中尿囊素含量的方法 | |
CN103278473B (zh) | 白胡椒中胡椒碱及水分含量的测定和品质评价方法 | |
WO2017084119A1 (zh) | 一种具有无测点温度补偿功能的近红外物性参数测量方法 | |
CN109799207A (zh) | 基于近红外光谱分析的白芷中掺滑石粉的定量检测方法 | |
CN104297203B (zh) | 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 | |
Zhu et al. | Wavelength selection of hyperspectral scattering image using new semi-supervised affinity propagation for prediction of firmness and soluble solid content in apples | |
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 | |
CN103091274A (zh) | 近红外漫反射光谱测定注射用丹参多酚酸水分含量的方法 | |
CN104020134A (zh) | 基于近红外光谱的食品掺假淀粉快速测定方法及系统 | |
CN112595692A (zh) | 一种水果总糖含量预测模型的建立方法及水果总糖含量的预测方法 | |
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 | |
CN104034691A (zh) | 一种甜菜品质的快速检测方法 | |
CN110749565A (zh) | 一种快速鉴别普洱茶存储年份的方法 | |
CN103411895B (zh) | 珍珠粉掺伪的近红外光谱鉴别方法 | |
CN105138834A (zh) | 基于近红外光谱波数k均值聚类的烟草化学值定量方法 | |
CN104359855A (zh) | 一种基于近红外光谱的注水肉检测方法 | |
CN105973840B (zh) | 一种快速检测酱香型酿酒酒醅理化指标的方法 | |
CN106018329A (zh) | 一种近红外光谱快速检测白砂糖指标的方法 | |
CN104865322A (zh) | 一种栀子萃取液浓缩过程快速检测方法 | |
CN104596976A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶蛋白质的方法 | |
CN109212095A (zh) | 一种快速评价甜叶菊综合质量的方法 | |
CN104596980A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶热水可溶物的方法 | |
CN109270023A (zh) | 一种甲基丙烯酰胺接枝蚕丝的接枝率检测方法 | |
CN106706554A (zh) | 一种快速无损测定玉米单穗籽粒直链淀粉含量的方法 |
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: 20180504 |