CN108627498A - 一种多光谱数据融合的面粉掺杂定量检测方法 - Google Patents
一种多光谱数据融合的面粉掺杂定量检测方法 Download PDFInfo
- Publication number
- CN108627498A CN108627498A CN201810448445.4A CN201810448445A CN108627498A CN 108627498 A CN108627498 A CN 108627498A CN 201810448445 A CN201810448445 A CN 201810448445A CN 108627498 A CN108627498 A CN 108627498A
- Authority
- CN
- China
- Prior art keywords
- flour
- doping
- spectrogram
- laser induced
- induced breakdown
- 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
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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/718—Laser microanalysis, i.e. with formation of sample plasma
-
- 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
- G01N2021/653—Coherent methods [CARS]
- G01N2021/655—Stimulated Raman
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种多光谱数据融合的面粉掺杂定量检测方法,包括:分别利用拉曼光谱仪和激光诱导击穿光谱仪采集所有的掺杂面粉样品的拉曼光谱图和激光诱导击穿光谱图;对获取的掺杂面粉样品的拉曼光谱图和激光诱导击穿光谱图分别进行预处理,并提取特征波段;将提取到的拉曼光谱图的特征波段和激光诱导击穿光谱图的特征波段进行数据融合,得到融合光谱图;对得到的融合光谱图通过多元回归校正方法建立面粉样品的掺杂定量模型,并进行验证。充分利用了拉曼光谱和激光诱导击穿光谱的互补特性,获取到更丰富的面粉内部特征信息;该方法有效的进行了数据压缩,删减了无关变量对结果的影响,突出了其特征信息;极大程度上提高了测量的灵敏度和准确性。
Description
技术领域
本发明涉及面粉掺杂快速检测领域,尤其涉及一种多光谱数据融合的面粉掺杂定量检测方法。
背景技术
面粉作为面食制品最基本的原料,其本身含有较高的植物蛋白、碳水化合物、及微量元素等,故其营养成分丰富,其面制食品营养价值较高,此外,面粉性味甘凉,有养心益肾、健脾厚肠的功效。现实生活中,一些不法商贩将二氧化钛、滑石粉、吊白块、硫酸铝钾等物质掺杂在面粉中,用以提高面粉的白度和鲜度,但该做法不仅使消费者蒙受了经济损失,危害消费者健康,而且严重干扰了食品行业的公平竞争秩序。如何高效鉴别食品的真实性成为了一个亟待解决的社会问题。
目前,食品国家安全标准对于滑石粉、二氧化钛的测定方法采用的是原子吸收光谱法,吊白块的测定采用的是滴定法,作为标准监管方法,这些方法操作复杂,成本较高无法满足大范围高效监管的要求。此外,高昂的检测成本,会转嫁到消费者身上,不利于我国食品业发展。
因此,建立准确、低成本的面粉真实性检测技术成为一种迫切的需求,非破坏性的光谱技术可为此提供一种有效的定量手段。
发明内容
本发明提供了一种多光谱数据融合的面粉掺杂定量检测方法,本发明将两种光谱的面粉样品谱图进行数据融合,充分利用拉曼光谱和激光诱导击穿光谱的互补特性,获取更丰富的面粉内部特征信息,详见下文描述:
一种多光谱数据融合的面粉掺杂定量检测方法,所述方法包括以下步骤:
分别利用拉曼光谱仪和激光诱导击穿光谱仪采集所有的掺杂面粉样品的拉曼光谱图和激光诱导击穿光谱图;
对获取的掺杂面粉样品的拉曼光谱图和激光诱导击穿光谱图分别进行预处理,并提取特征波段;
将提取到的拉曼光谱图的特征波段和激光诱导击穿光谱图的特征波段进行数据融合,得到融合光谱图;
对得到的融合光谱图通过多元回归校正方法建立面粉样品的掺杂定量模型,并进行验证。
所述方法充分利用拉曼光谱和激光诱导击穿光谱的互补特性,采用特征层光谱融合技术在获取更丰富的面粉内部特征信息的同时实现了数据压缩,便于实时处理。
进一步地,所述验证的步骤具体为:
选取若干已知掺杂面粉样品,在相同条件下采集其拉曼光谱图和激光诱导击穿光谱图,得到融合光谱图,根据建立的掺杂定量模型预测其掺杂量,并与实际掺杂量进行比较。
进一步地,所述方法还包括:待测样品的分析,具体为:
在相同条件下采集其拉曼光谱图和激光诱导击穿光谱图,获取融合光谱图,根据建立的掺杂定量模型预测相应的掺杂量。
本发明提供的技术方案的有益效果是:
1、拉曼光谱、激光诱导击穿光谱具有前处理简单、分析速度快的优势,两者分别从分子和原子层次上对复杂体系进行表征,两者之间的信息互为补充、互为校正,具备良好的信息融合基础;
2、本发明将两种光谱的面粉样品谱图进行特征层数据融合,即先分别对两种光谱进行预处理,分别提取特征波段,再将特征波段进行融合,充分利用了拉曼光谱和激光诱导击穿光谱的互补特性,获取到更丰富的面粉内部特征信息;
3、该检测方法有效的进行了数据压缩,删减了无关变量对结果的影响,突出了其特征信息;且快速便捷,极大程度上提高了测量的灵敏度和准确性;
4、本发明以面粉为重点研究对象,遵循突出主要矛盾、选择典型因素的思路,对面粉体系中常见掺假物质及关键组分进行检测,具有重要的社会、经济意义。
附图说明
图1为一种多光谱数据融合的面粉掺杂定量检测方法的流程图;
图2为58个掺杂面粉样品的拉曼光谱;
图3为58个掺杂面粉样品的激光诱导击穿光谱;
图4为掺杂面粉样品拉曼光谱图选取的特征波段;
图5为掺杂面粉样品激光诱导击穿光谱图选取的的特征波段;
图6为掺杂面粉的融合光谱;
图7为掺杂面粉中硫酸铝钾预测结果与实际含量拟合图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
在各种检测技术中,拉曼光谱、激光诱导击穿光谱具有前处理简单、分析速度快的优势,两者分别从分子和原子层次上对复杂体系进行表征,两者之间的信息互为补充、互为校正,具备良好的信息融合基础。
本发明实施例从实验设计入手,构建具备良好数据结构特征的混合样品数据集,引导后续的光谱解析方法准确提取待测物质的数据特征。在此基础上,将拉曼光谱和激光诱导击穿光谱进行特征集融合,以获取更加丰富的特征信息,充分发挥多光谱融合技术的优势,提高食品真实性鉴定的准确性和可靠性。
实施例1
本发明实施例提供了一种基于多光谱数据融合的面粉真实性检测方法,参见图1,该方法包括如下步骤:
101:典型面粉样品制备:根据均匀实验设计的方式,在若干份等质量常见品牌的面粉样品中按不同质量比依次添加面粉掺假物质,得到典型掺杂面粉样品;
具体实现时,在若干份等质量同品牌的面粉样品中按不同质量比依次添加面粉掺假物质,得到若干份掺杂面粉样品。
其中,上述步骤101中的掺杂物质包括:二氧化钛、滑石粉、吊白块、硫酸铝钾等物质,掺杂浓度为0.1%~5%。
102:光谱数据采集:分别利用拉曼光谱仪和激光诱导击穿光谱仪采集步骤101中所有的掺杂面粉样品的拉曼光谱图和激光诱导击穿光谱图;
以上技术方案中,步骤102中光谱数据采集的具体操作为:
一、拉曼光谱图采集过程如下:
将装有掺杂面粉样品的测量杯放入拉曼光谱仪中进行测量,拉曼光谱仪的激发光源波长为785nm至1064nm,激光输出功率为10mW至400mW,拉曼光谱波数范围从200cm-1~2200cm-1,光谱分辨率优于10cm-1,以面扫描或者旋转样品杯的方式重复采集100~500次拉曼光谱,取其平均值作为该典型掺杂面粉样品的拉曼光谱图。
二、激光诱导击穿光谱图采集过程如下:
将少量的掺杂面粉样品以5Mpa~20Mpa压力压成圆柱体,将样品放到检测台上,调节会聚透镜与样品表面距离为6~8cm,调节仪器延迟时间为0.83μs,对样品正反面总共20个点进行每个点10次单点检测,将得到的数据进行取平均值处理,作为最终的激光诱导击穿光谱。
103:特征波段提取:对步骤102获取的掺杂面粉样品的拉曼光谱图和激光诱导击穿光谱图分别进行预处理,并提取特征波段;
以上技术方案中,上述步骤103中特征波段提取所采用的方法包括但不限于:聚焦遗传算法(FGA)、无信息变量消除(UVE)、竞争自适应重加权算法(CARS)、随机蛙跳算法(FROG)等变量筛选技术,变量筛选之后,分别获得拉曼光谱和LIBS(激光诱导击穿光谱)的特征波段。
104:光谱数据融合:将提取到的拉曼光谱图的特征波段和激光诱导击穿光谱图的特征波段进行数据融合,得到融合光谱图;
其中,步骤104中的光谱数据融合的方法具体为:
由于获得的拉曼光谱强度与LIBS光谱强度相差巨大,故需对不同光谱的特征波段进行标准化,以有效消除不同量级的数值影响。在此基础上,将标准化后的拉曼光谱和LIBS光谱的特征波段首尾相连获得融合光谱。
105:掺杂物的定量模型建立:对步骤104得到的融合光谱图通过多元回归校正方法建立面粉样品的掺杂定量模型;
以上技术方案中,步骤105中掺杂定量模型的建立所采用的方法包括但不限于:偏最小二乘、支持向量回归、人工神经网络等多元校正模型方法对融合光谱进行建模。
106:模型验证:选取若干已知掺杂面粉样品,在步骤102相同条件下采集其拉曼光谱图和激光诱导击穿光谱图,依次根据步骤103和104得到融合光谱图,根据步骤105中建立的掺杂定量模型预测其掺杂量,并与实际掺杂量进行比较;
以上技术方案中,步骤106中模型验证的方法具体为:本发明实施例定义了评价预测模型优劣的公式E,具体为:
E=100×(Rtr2+Rvld2)/(RMSEP+RMSEF)
其中,Rtr2为训练数据的相关系数,Rvld2为验证数据的相关系数,RMSEP为预测集均方根误差,RMSEF为验证集均方根误差,且E值越大则代表模型效果越好。
107:待测样品分析:在步骤102相同条件下采集其拉曼光谱图和激光诱导击穿光谱图,依次根据步骤103和104得到融合光谱图,根据步骤105中建立的掺杂定量模型预测相应的掺杂量。
综上所述,本发明实施例通过上述步骤101-步骤107将两种光谱的面粉样品谱图进行数据融合,充分利用拉曼光谱和激光诱导击穿光谱的互补特性,获取更丰富的面粉内部特征信息,建立了准确、低成本的面粉真实性检测技术。
实施例2
下面结合图2-图7、具体的数据对实施例1中的方案进行进一步地介绍,详见下文描述:
一、面粉样品制备:
在若干份等质量同品牌的面粉样品中分别按0.1%~5%不同质量比依次添硫酸铝钾,得到58个掺杂面粉样品。
二、光谱数据采集:
分别利用拉曼光谱仪和激光诱导击穿光谱仪采集步骤101中所有的掺杂面粉样品的拉曼光谱图和激光诱导击穿光谱图。
1)拉曼光谱图采集过程如下:
将装有掺杂面粉样品的测量杯放入拉曼光谱仪中进行测量,拉曼光谱仪的激发光源波长为785nm至1064nm,激光输出功率为10mW至400mW,拉曼光谱波数范围从200cm-1~2200cm-1,光谱分辨率优于1-cm-1,以面扫描或者旋转样品杯的方式重复采集100-500次拉曼光谱,取其平均值作为该典型掺杂面粉样品的拉曼光谱图,如图2所示。
2)激光诱导击穿光谱图采集过程如下:
将4g的掺杂面粉样品以5Mpa~20Mpa压力压成圆柱体,将样品放到检测台上,调节会聚透镜与样品表面距离为6~8cm,调节仪器延迟时间为0.83μs,对样品正反面总共20个点进行每个点10次单点检测,将得到的数据进行取平均值处理,作为最终的激光诱导击穿光谱,如图3所示。
三、特征波段提取:
对步骤102获取的掺杂面粉样品的拉曼光谱进行平移不变小波多尺度分解,采用具有6个消失矩的“4vm”小波滤波器,对样品的拉曼光谱进行分解层数为6的高密度小波变换;并采用随机蛙跳算法提取其特征波段,所选面粉样品的拉曼光谱的特征波段为449cm-1~550cm-1、943cm-1~987cm-1、1104cm-1~1131cm-1,将未选取波段置零,并对其进行标准化处理,其结果如图4所示.
根据硫酸铝钾中钾元素的标准激光诱导击穿光谱图,选取514~523.8nm、548.1~523.8nm、587.2~592.1nm波段作为特征波段,将未选取波段置零,并将其进行标准化,其结构如图5所示。
四、光谱数据融合:
将标准化处理后的的拉曼光谱图特征波段和激光诱导击穿光谱图特征波段进行光谱融合,将其首尾相连即得到融合光谱,其融合光谱图如图6所示,其分界线左边为拉曼光谱图的特征波段,分界线右边为激光诱导击穿光谱图的特征光谱图。
五、掺杂定量模型建立:
对步骤104得到的融合光谱通过偏最小二乘法建立面粉样品的掺杂定量模型,其模型的相关系数为0.98,预测误差为0.05,E值得分为1038。
六、模型验证:
选取若干已知掺杂面粉样品,在步骤102相同条件下采集其拉曼光谱图和激光诱导击穿光谱图,采用步骤103、步骤104的光谱融合方法获得其融合光谱图,根据步骤105中建立的掺杂定量模型预测其掺杂量,并与实际掺杂量进行比较,其实际掺杂量与预测掺杂量的误差≤10%,相关系数≥95%,该结果表明本发明对面粉中硫酸铝钾的测试结果真实可靠,具备良好的重现性。
本发明实施例对各器件的型号除做特殊说明的以外,其他器件的型号不做限制,只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种多光谱数据融合的面粉掺杂定量检测方法,其特征在于,所述方法包括以下步骤:
分别利用拉曼光谱仪和激光诱导击穿光谱仪采集所有的掺杂面粉样品的拉曼光谱图和激光诱导击穿光谱图;
对获取的掺杂面粉样品的拉曼光谱图和激光诱导击穿光谱图分别进行预处理,并提取特征波段;
将提取到的拉曼光谱图的特征波段和激光诱导击穿光谱图的特征波段进行数据融合,得到融合光谱图;
对得到的融合光谱图通过多元回归校正方法建立面粉样品的掺杂定量模型,并进行验证。
2.根据权利要求1所述的一种多光谱数据融合的面粉掺杂定量检测方法,其特征在于,所述方法充分利用拉曼光谱和激光诱导击穿光谱的互补特性,采用特征层光谱融合技术在获取更丰富的面粉内部特征信息的同时实现了数据压缩,便于实时处理。
3.根据权利要求1所述的一种多光谱数据融合的面粉掺杂定量检测方法,其特征在于,所述验证的步骤具体为:
选取若干已知掺杂面粉样品,在相同条件下采集其拉曼光谱图和激光诱导击穿光谱图,得到融合光谱图,根据建立的掺杂定量模型预测其掺杂量,并与实际掺杂量进行比较。
4.根据权利要求1所述的一种多光谱数据融合的面粉掺杂定量检测方法,其特征在于,所述方法还包括:待测样品的分析,具体为:
在相同条件下采集其拉曼光谱图和激光诱导击穿光谱图,获取融合光谱图,根据建立的掺杂定量模型预测相应的掺杂量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810448445.4A CN108627498A (zh) | 2018-05-11 | 2018-05-11 | 一种多光谱数据融合的面粉掺杂定量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810448445.4A CN108627498A (zh) | 2018-05-11 | 2018-05-11 | 一种多光谱数据融合的面粉掺杂定量检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108627498A true CN108627498A (zh) | 2018-10-09 |
Family
ID=63692650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810448445.4A Pending CN108627498A (zh) | 2018-05-11 | 2018-05-11 | 一种多光谱数据融合的面粉掺杂定量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108627498A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110987895A (zh) * | 2019-11-07 | 2020-04-10 | 江苏大学 | 一种快速在线检测木薯固态发酵的生长过程的方法 |
CN112161968A (zh) * | 2020-09-02 | 2021-01-01 | 滨州医学院 | 一种基于数据融合的阿胶品牌鉴别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493416A (zh) * | 2009-03-10 | 2009-07-29 | 中国海洋大学 | 水下激光拉曼光谱/激光诱导击穿光谱联合探测装置与方法 |
US20140022532A1 (en) * | 2012-07-17 | 2014-01-23 | Donald W. Sackett | Dual Source Analyzer with Single Detector |
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 |
CN105021577A (zh) * | 2015-06-23 | 2015-11-04 | 北京理工大学 | 激光共焦诱导击穿-拉曼光谱成像探测方法与装置 |
CN105510305A (zh) * | 2015-12-01 | 2016-04-20 | 浙江大学 | 一种土豆淀粉铝含量的检测方法 |
CN106093009A (zh) * | 2016-08-21 | 2016-11-09 | 南京简智仪器设备有限公司 | 一种快速检测吊白块的拉曼增强光谱法 |
CN107991265A (zh) * | 2017-11-17 | 2018-05-04 | 西南大学 | 一种基于信息融合的小麦粉粉质参数快速检测方法 |
-
2018
- 2018-05-11 CN CN201810448445.4A patent/CN108627498A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493416A (zh) * | 2009-03-10 | 2009-07-29 | 中国海洋大学 | 水下激光拉曼光谱/激光诱导击穿光谱联合探测装置与方法 |
US20140022532A1 (en) * | 2012-07-17 | 2014-01-23 | Donald W. Sackett | Dual Source Analyzer with Single Detector |
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 |
CN105021577A (zh) * | 2015-06-23 | 2015-11-04 | 北京理工大学 | 激光共焦诱导击穿-拉曼光谱成像探测方法与装置 |
CN105510305A (zh) * | 2015-12-01 | 2016-04-20 | 浙江大学 | 一种土豆淀粉铝含量的检测方法 |
CN106093009A (zh) * | 2016-08-21 | 2016-11-09 | 南京简智仪器设备有限公司 | 一种快速检测吊白块的拉曼增强光谱法 |
CN107991265A (zh) * | 2017-11-17 | 2018-05-04 | 西南大学 | 一种基于信息融合的小麦粉粉质参数快速检测方法 |
Non-Patent Citations (1)
Title |
---|
涂斌等: "基于多源光谱特征融合技术的花生油掺伪检测", 《食品与发酵工业》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110987895A (zh) * | 2019-11-07 | 2020-04-10 | 江苏大学 | 一种快速在线检测木薯固态发酵的生长过程的方法 |
CN112161968A (zh) * | 2020-09-02 | 2021-01-01 | 滨州医学院 | 一种基于数据融合的阿胶品牌鉴别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102323267A (zh) | 一种快速评价生鲜肉品新鲜度的系统及方法 | |
CN104849232B (zh) | 一种快速检测蜂王浆水分和蛋白质含量的方法 | |
CN103792198A (zh) | 牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法 | |
CN103543123A (zh) | 一种掺假牛奶的红外光谱识别方法 | |
CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
CN106872370A (zh) | 一种基于高光谱的杨梅中花色苷含量测定的方法 | |
CN106596456A (zh) | 基于可变移动窗口选择溶液近红外光谱谱区的方法 | |
CN101696935A (zh) | 基于高光谱空间散射曲线的苹果硬度无损检测方法 | |
CN103900972A (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
CN108627498A (zh) | 一种多光谱数据融合的面粉掺杂定量检测方法 | |
Pranoto et al. | Employing artificial neural networks and fluorescence spectrum for food vegetable oils identification | |
CN108613943A (zh) | 一种基于光谱形态转移的近红外单籽粒作物成分检测方法 | |
CN110231302A (zh) | 一种快速测定奇亚籽粗脂肪含量的方法 | |
Boukria et al. | Evaluation of the adulteration of camel milk by non-camel milk using multispectral image, fluorescence and infrared spectroscopy | |
CN106770152B (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 | |
CN103674850A (zh) | 一种肉类水分检测方法 | |
CN110231306A (zh) | 一种无损、快速测定奇亚籽蛋白质含量的方法 | |
CN103592258B (zh) | 一种茶叶中茶多酚含量的检测方法 | |
CN107167447A (zh) | 采用近红外光谱技术计算勾兑苹果汁中苹果原汁含量的方法 | |
Yang | Development of an integrated variety and appearance quality measurement system for milled rice | |
CN103592230B (zh) | 一种茶叶中干物质含量的检测方法 | |
Qiao et al. | Comparison between near infrared spectroscopy and hyperspectral imaging in predicting beef eating quality | |
CN106092960A (zh) | 一种快速校正近红外设备并检测农产品中化学成分的方法 | |
CN113791049B (zh) | 一种融合nirs和cv对冷鲜鸭肉新鲜度进行快速检测的方法 | |
CN110274888B (zh) | 基于智能手机的中华绒螯蟹内部食用品质无损检测方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181009 |