CN108844942A - 粉碎粒度对大米拉曼光谱影响的研究方法 - Google Patents
粉碎粒度对大米拉曼光谱影响的研究方法 Download PDFInfo
- Publication number
- CN108844942A CN108844942A CN201810634567.2A CN201810634567A CN108844942A CN 108844942 A CN108844942 A CN 108844942A CN 201810634567 A CN201810634567 A CN 201810634567A CN 108844942 A CN108844942 A CN 108844942A
- Authority
- CN
- China
- Prior art keywords
- rice
- rice flour
- mesh
- raman
- raman spectrum
- 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
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 245
- 235000009566 rice Nutrition 0.000 title claims abstract description 245
- 238000001237 Raman spectrum Methods 0.000 title claims abstract description 71
- 239000002245 particle Substances 0.000 title claims abstract description 48
- 238000000227 grinding Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000011160 research Methods 0.000 title claims abstract description 16
- 240000007594 Oryza sativa Species 0.000 title 1
- 241000209094 Oryza Species 0.000 claims abstract description 244
- 235000013312 flour Nutrition 0.000 claims abstract description 107
- 238000001069 Raman spectroscopy Methods 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 8
- 239000000463 material Substances 0.000 claims abstract description 5
- 238000002360 preparation method Methods 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims description 18
- 238000007417 hierarchical cluster analysis Methods 0.000 claims description 16
- 239000004615 ingredient Substances 0.000 claims description 10
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 7
- 235000013339 cereals Nutrition 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 102000004169 proteins and genes Human genes 0.000 claims description 6
- 108090000623 proteins and genes Proteins 0.000 claims description 6
- 244000153665 Ficus glomerata Species 0.000 claims description 5
- 235000012571 Ficus glomerata Nutrition 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 239000000843 powder Substances 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 239000010453 quartz Substances 0.000 claims description 3
- 238000010334 sieve classification Methods 0.000 claims description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 3
- 238000004611 spectroscopical analysis Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000012216 screening Methods 0.000 abstract description 4
- 239000000523 sample Substances 0.000 description 63
- 230000008901 benefit Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 239000003205 fragrance Substances 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 3
- 238000012850 discrimination method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012856 packing Methods 0.000 description 3
- 229920000856 Amylose Polymers 0.000 description 2
- 229920002472 Starch Polymers 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 235000019698 starch Nutrition 0.000 description 2
- 239000008107 starch Substances 0.000 description 2
- 230000009261 transgenic effect Effects 0.000 description 2
- 241000931526 Acer campestre Species 0.000 description 1
- 229920000945 Amylopectin Polymers 0.000 description 1
- 229920000858 Cyclodextrin Polymers 0.000 description 1
- ONIBWKKTOPOVIA-BYPYZUCNSA-N L-Proline Chemical compound OC(=O)[C@@H]1CCCN1 ONIBWKKTOPOVIA-BYPYZUCNSA-N 0.000 description 1
- COLNVLDHVKWLRT-QMMMGPOBSA-N L-phenylalanine Chemical compound OC(=O)[C@@H](N)CC1=CC=CC=C1 COLNVLDHVKWLRT-QMMMGPOBSA-N 0.000 description 1
- QIVBCDIJIAJPQS-VIFPVBQESA-N L-tryptophane Chemical compound C1=CC=C2C(C[C@H](N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-VIFPVBQESA-N 0.000 description 1
- 235000003283 Pachira macrocarpa Nutrition 0.000 description 1
- ONIBWKKTOPOVIA-UHFFFAOYSA-N Proline Natural products OC(=O)C1CCCN1 ONIBWKKTOPOVIA-UHFFFAOYSA-N 0.000 description 1
- 240000001085 Trapa natans Species 0.000 description 1
- 235000014364 Trapa natans Nutrition 0.000 description 1
- QIVBCDIJIAJPQS-UHFFFAOYSA-N Tryptophan Natural products C1=CC=C2C(CC(N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-UHFFFAOYSA-N 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 239000010903 husk Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- COLNVLDHVKWLRT-UHFFFAOYSA-N phenylalanine Natural products OC(=O)C(N)CC1=CC=CC=C1 COLNVLDHVKWLRT-UHFFFAOYSA-N 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 235000009165 saligot Nutrition 0.000 description 1
- HFHDHCJBZVLPGP-UHFFFAOYSA-N schardinger α-dextrin Chemical compound O1C(C(C2O)O)C(CO)OC2OC(C(C2O)O)C(CO)OC2OC(C(C2O)O)C(CO)OC2OC(C(O)C2O)C(CO)OC2OC(C(C2O)O)C(CO)OC2OC2C(O)C(O)C1OC2CO HFHDHCJBZVLPGP-UHFFFAOYSA-N 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage 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
- G01N21/62—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
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
Landscapes
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
粉碎粒度对大米拉曼光谱影响的研究方法，本发明涉及大米检测技术领域。它的研究步骤如下：材料准备；样品制备；谱图测试；数据分析；结果与分析；粉碎后大米均匀度分析；拉曼光谱谱图解析；推广性分析。对大米进行粉碎及筛分处理，制成不同粉碎粒度的米粉，探究粉碎粒度对拉曼光谱的影响，间接考察每种粉碎粒度下米粉的均匀性，旨在为后续建立大米产地鉴别模型提供稳定、可靠的数据源。
Description
技术领域
本发明涉及大米检测技术领域，具体涉及粉碎粒度对大米拉曼光谱影响的研究方法。
背景技术
大米富含蛋白质、脂肪、淀粉等多种营养成分，是稻谷经清理、砻谷、碾米、成品整理等工序制成的成品，也是我国居民的主食之一。随着人们生活水平的提高以及人们对膳食结构和大米营养价值关注度的提升，国内市场对大米的质量要求也逐步提高，品质和口感俱佳的大米尤为受到消费者的青睐。大米的质量除了受自身遗传特性的影响，不同的地理环境和生产条件也会对其产生不小的影响。目前市场上的大米种类数目繁多，品质好坏不一，人们对于优质大米的需求量远大于其真实产量，造成了优质大米供不应求的局面，导致市场上出现了以次充好的行为。因此，建立一种快速鉴别优质大米真假和检测大米品质的方法极为重要，不仅能够维护市场秩序、完善市场管理机制，而且能确保消费者的生命安全和消费权益。
现有的大米质量鉴别技术主要包括感官鉴定、生物学鉴别、化学鉴别等。
感官鉴定是指检验人员以自身感官为基础，再辅以科学实验和统计方法来评价产品质量的检验方法。检验人员通过观察感受大米的形状、香气或颜色辨别大米的好坏，但鉴别结果具有主观性且准确度不高。此外，消费者可通过观察优质大米的外包装是否符合国家标准来鉴别真假。2015年12月28日五常臻米网开通，消费者可以使用手机扫描外包装上的条码，获取大米的相关信息，如是否为五常大米、来自哪块稻田、品种信息、质检结果等，但外包装鉴定法不能确保结果的真实性，包装过程仍存在造假的可能性。也有研究人员通过测量、计算大米外观特征的方法鉴别大米的品质，但外观的不完整会严重影响鉴别结果。
生物学鉴别是检测不同地域、不同品种大米中含有的不同遗传物质，文献报道较多的方法是使用分子标记和片段分离方法。生物学鉴别不受大米生长季节、加工方法、外观特征的影响，具有特异性好的优点。但提取地理标志大米的特异性片段是产地鉴别的关键点，鉴别灵敏度低。
化学鉴别是测定大米中特异性的化学指标(主要包括蛋白质、直链淀粉、脂肪，微量元素，同位素和挥发性成分等)，需进行大量的数据分析和样品收集，可能存在原产地信息重叠无法区分的现象。且这些方法具有检测项目繁多、检测过程繁琐耗时、检测设备昂贵的特点。此外，人为伪造特异性的化学指标会给化学鉴别方法造成严重的干扰，例如，2010年，央视曝光利用香精调制出“五常大米”的制假事件，不法商贩对贮藏时间较长甚至霉变的大米进行抛光、加增香剂处理后“以旧充新”。
综上所述，目前的大米鉴别方法都存在一定的不足，因此，急需一种准确度高、快速高效、成本低、绿色环保的地理标志大米鉴别方法。
拉曼光谱法因具有灵敏度高、操作简便、测试时间短、无损分析等优点，近年来逐步被用于大米的鉴别分析。赵迎等人针对60份新陈大米利用拉曼光谱技术结合化学计量学方法建立了新陈大米判别模型，该模型的预测精度较高，对新陈大米具有很好的判别预测能力。朱文超使用拉曼光谱和近红外光谱等技术以转基因水稻华恢1号及其亲本明恢63为研究对象完成了转基因水稻的无损、快速鉴别。孙娟等人通过采集稻花香大米的拉曼光谱信息建立了稻花香大米的SIMCA模型和PLSDA模型，实现了对掺假大米的分类鉴别，实验表明所建立的模型对于稻花香样品的掺假检测效果良好。
经上述文献资料调研发现，目前科研人员采用拉曼光谱技术采集大米谱图时，大多是对大米直接进行测试，而大米的内外成分不均一，且大米的加工工艺如抛光等会导致大米表面的差异，因此，仅采集大米表面的拉曼光谱不足以反映大米的整体成分信息。仅有极少数文献先对大米进行粉碎然后采集粉碎后米粉的拉曼光谱，如赵迎等人在建立新陈大米拉曼光谱判别模型时将大米研磨成颗粒度均匀的米粉，但粉碎后米粉的粒度等信息不详，仍旧不能确定粉碎后米粉的均匀性，无法确保所采集拉曼光谱的可靠性和代表性，研究不够深入。
发明内容
本发明的目的在于针对现有技术的缺陷和不足，提供一种结构简单，设计合理、使用方便的粉碎粒度对大米拉曼光谱影响的研究方法，对大米进行粉碎及筛分处理，制成不同粉碎粒度的米粉，探究粉碎粒度对拉曼光谱的影响，间接考察每种粉碎粒度下米粉的均匀性，旨在为后续建立大米产地鉴别模型提供稳定、可靠的数据源。
为实现上述目的，本发明采用的技术方案是：它的研究步骤如下：
1、材料准备：
1.1、大米：精确称取三种大米，并将每种大米分为三个批次样品，且编号为一号样品、二号样品、三号样品、四号样品、五号样品、六号样品、七号样品、八号样品、九号样品；
1.2、仪器设备：Prott-ezRaman-d3便携式激光拉曼光谱仪；15B型立式粉碎机，自带筛网网孔直径为0.6mm；石英样品池；电子天平，秒表，筛子；
2、方法：
2.1、样品制备：将步骤1.1中准备的每批次的大米进行粉碎操作，得粒度＜0.6mm的米粉；选取3/4粉碎后的米粉依次经过100目和140目的筛子进行筛分分级，分别得到100目-0.6mm、100目-140目和＜140目的三种不同粒度的米粉，将粉碎后的米粉进行编号；
2.2、谱图测试：
2.2.1、设定拉曼光谱采集参数如下：功率450mW，CCD检测器-85℃，扫描范围250-2339cm-1，分辨率1cm-1，曝光时间4s，扫描次数3次，激光与样品表面的距离5mm；
2.2.2、将每种粒度大米分别在五个位置采集拉曼光谱，考察该粒度下米粉的均匀性；考虑到仪器波动或环境微小变化可能会导致谱图发生变化，另取五个测量点外的一个测量点，重复采集五次谱图，并编号，考察拉曼光谱仪测试的稳定性；采用拉曼光谱仪自带的软件对光谱进行基线校正预处理，采集所得谱图并编号；
2.3、数据分析：基于MATLAB 2016a平台利用wden小波函数对拉曼光谱数据进行小波去噪，随后进行数据归一化处理，最后采用相对标准偏差和层次聚类分析两种方法进行数据分析；
3、结果与分析：
3.1、拉曼光谱数据分析：根据经去噪、归一化预处理后三种大米的典型的拉曼光谱谱图得到，峰的信号主要出现在250-1500cm-1范围内，峰强度较高的位置在476、856、941、1004、1032、1082、1155、1204、1253、1342、1391和1458cm-1处；总体上，三种大米的拉曼光谱高度相似；由于1500-2350cm-1波段范围内峰较少且多为背景峰，250-800cm-1波段范围内峰强较弱，476cm-1处对应的强度值均为1，因此数据处理时人为选择820-960cm-1、1020-1170cm-1和1240-1470cm-1波段内的拉曼光谱数据作为三种大米拉曼光谱的特征数据；
3.2、粉碎后大米均匀度分析：
3.2.1、相对标准偏差分析：拉曼光谱数据经去噪、归一化处理后，分别计算820-960cm-1、1020-1170cm-1和1240-1470cm-1三个波段内的拉曼光谱数据的相对标准偏差以及综合这三个波段后的相对标准偏差，由相对标准偏差计算结果分析可得，拉曼光谱仪自身在测试过程中也会带来实验误差，但误差仅为3.716％，在仪器允许的波动范围内；四种不同粒度米粉的相对标准偏差的平均值在4.446-5.689％之间，略高于拉曼光谱仪器本身的误差，粉碎粒度为100-140目样品的五个测量点的成分信息最为相似，该粒度下的米粉均匀性最好，100-140目为大米最佳的粉碎粒度；对820-960cm-1、1020-1170cm-1和1240-1470cm-1三个波段的数据进行分析，总体上，1240-1470cm-1波段的相对标准偏差值最大，其次是820-960cm-1波段，1020-1170cm-1波段对应的相对标准偏差最小，始终保持在3.227％以下；实验过程中，对每批次样品重复开展了两次实验以检验粉碎机的稳定性，通过分析表格中的数据，发现两次粉碎得到的数据之间差异性较小，间接说明粉碎机的性能较稳定，粉碎操作具有可重复性；
3.2.2、层次聚类分析：拉曼光谱数据经去噪、归一化处理后，对820-960cm-1、1020-1170cm-1和1240-1470cm-1组合后的波段进行层次聚类分析，以余弦距离作为距离的度量方法，以平均距离法作为创建系统聚类树的方法，记录余弦距离，经数据对比发现，粒度为100-140目米粉的平均距离最小，谱图间相似度最高，说明该粒度米粉的均匀性最好；粒度＜140目米粉的均匀性次之；粒度为100目-0.6mm米粉的平均距离最大，谱图间差异最大，米粉均匀性最差；
3.3、拉曼光谱谱图解析：经步骤3.2中相对标准偏差和层次聚类分析，粉碎后米粉均匀性最佳的粒度为100-140目，根据100-140目的拉曼光谱图可知，在1070-1170cm-1、1240-1280cm-1和1370-1420cm-1处，100-140目米粉的拉曼光谱的峰形和强度有肉眼可见差异，这些差异构成了100-140目米粉拉曼光谱间相对标准偏差的主要来源；由不同粉碎粒度米粉的拉曼光谱图可知，不同粉碎粒度的米粉在1113-1132cm-1、1141-1155cm-1、1337-1348cm-1和1358-1424cm-1处的峰强有显著差异；尽管米粉的粒度各不相同，但主要的拉曼光谱峰均出现在476、856、941、1004、1032、1082、1155、1204、1253、1342、1391和1458cm-1处；光谱吸收峰的产生与大米中的化合物；1360、1032和1004cm-1的光谱带，是由于蛋白质侧链的振动产生的；由四种不同粒度米粉的聚类树图可知，四种粒度米粉的谱图混成一团，无明显分簇现象，说明大米经粉碎、筛分后所得四种粒度米粉的成分较类似；对100-140目米粉进行分析，100-140目米粉的拉曼光谱图与未筛分的米粉的光谱图相似度高，可代表大米的整体成分信息，谱图具有代表性、整体性、可靠性的特点；
3.4、推广性分析：由九个不同批次的样品相对标准偏差值可知，四号样品、五号样品粉碎粒度为100-140目米粉的相对标准偏差值与＜140目米粉的接近，其余七批次大米粉碎粒度为100-140目米粉的相对标准偏差值为不同粉碎粒度米粉的最小值，因此100-140目的粉碎粒度为大米拉曼光谱研究分析的最佳粒度，其均匀性最佳，该粉碎粒度具有普遍推广性。
进一步地，所述的步骤2.1中在粉碎之前，首先将粉碎机开机预热运行1分钟之后，在1分钟内缓慢加入大米，加完后再粉碎4分钟，确保大米全部粉碎。
进一步地，所述的步骤3.2.2操作完成后，分别对820-960cm-1、1020-1170cm-1和1240-1470cm-1波段的拉曼光谱数据进行层次聚类分析，通过比较发现，各波段范围下五个样本的余弦距离值均小于4.216×10-4，最小的为1020-1170cm-1波段下的余弦距离，说明各个波段都具有较高的相似度，且1020-1170cm-1波段处的相似度最高；此外，五个测试点的数据在不同波段下存在的微小差异间接说明了大米的成分不是均一的。
采用上述方法后，本发明有益效果为：本发明所述的粉碎粒度对大米拉曼光谱影响的研究方法，对大米进行粉碎及筛分处理，制成不同粉碎粒度的米粉，探究粉碎粒度对拉曼光谱的影响，间接考察每种粉碎粒度下米粉的均匀性，旨在为后续建立大米产地鉴别模型提供稳定、可靠的数据源，本发明具有结构简单，设置合理，制作成本低等优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是具体实施方式中大米样品的详细信息表。
图2是具体实施方式中一号样品两次粉碎筛分后的编号信息表。
图3是具体实施方式中一号样品的不同粒度米粉的谱图编号信息表。
图4是具体实施方式中三种大米的典型的拉曼光谱图。
图5是具体实施方式中一号样品去噪、归一化后不同波段范围下的谱图相对标准偏差表。
图6是具体实施方式中一号样品不同粉碎粒度的米粉在五个测量点所得到的拉曼光谱间的余弦距离表。
图7是具体实施方式中一号样品粒度为100-140目的米粉在820-960cm-1波段下的拉曼光谱聚类树图。
图8是具体实施方式中一号样品粒度为100-140目的米粉在1020-1170cm-1波段下的拉曼光谱聚类树图。
图9是具体实施方式中一号样品粒度为100-140目的米粉在1240-1470cm-1波段下的拉曼光谱聚类树图。
图10是具体实施方式中一号样品粒度为100-140目的米粉在不同波段下的拉曼光谱聚类树图。
图11是具体实施方式中一号样品为100-140目米粉的五个采样点的拉曼光谱图(谱图编号31-35)。
图12是具体实施方式中一号样品不同粉碎粒度米粉的拉曼光谱图(谱图编号21、26、31、36)。
图13是具体实施方式中一号样品近似峰值及其对应的基团及振动形式表。
图14是具体实施方式中一号样品不同粉碎粒度的层次聚类树图(图中1-5为WA1-2的谱图，6-10为WA2-2的谱图，11-15为WA3-2的谱图，16-20为WA4-2的谱图)。
图15是具体实施方式中九个样品的拉曼光谱的相对标准偏差表。
附图说明：
一号样品WA、二号样品WB、三号样品WC、四号样品YA、五号样品YB、六号样品YC、七号样品PA、八号样品PB、九号样品PC。
具体实施方式
下面结合附图对本发明作进一步的说明。
参看如图1所示，本具体实施方式它的研究步骤如下：
1、材料准备：
1.1、大米：精确称取三种大米，并将每种大米分为三个批次样品，且编号为一号样品WA、二号样品WB、三号样品WC、四号样品YA、五号样品YB、六号样品YC、七号样品PA、八号样品PB、九号样品PC；
1.2、仪器设备：Prott-ezRaman-d3便携式激光拉曼光谱仪(激光波长785nm)，美国Enwave Optronics公司；15B型立式粉碎机，自带筛网网孔直径为0.6mm，台州巴菱电器有限公司；石英样品池(定制长4cm，宽2cm，厚3mm，正中央圆形凹槽直径1.5mm，深度2mm)；电子天平，秒表，筛子(100目和140目)；
2、方法：
2.1、样品制备：将步骤1.1中准备的每批次的大米进行粉碎操作，得粒度＜0.6mm的米粉；选取3/4粉碎后的米粉依次经过100目和140目的筛子进行筛分分级，分别得到100目-0.6mm、100目-140目和＜140目的三种不同粒度的米粉，将粉碎后的米粉进行编号(详见图2)；
2.2、谱图测试：
2.2.1、设定拉曼光谱采集参数如下：功率450mW，CCD检测器-85℃，扫描范围250-2339cm-1，分辨率1cm-1，曝光时间4s，扫描次数3次，激光与样品表面的距离5mm；
2.2.2、将每种粒度大米分别在五个位置采集拉曼光谱，考察该粒度下米粉的均匀性；考虑到仪器波动或环境微小变化可能会导致谱图发生变化，另取五个测量点外的一个测量点，重复采集五次谱图，并编号(谱图编号分别记为41-45)，考察拉曼光谱仪测试的稳定性；采用拉曼光谱仪自带的软件对光谱进行基线校正预处理，采集所得谱图并编号(详见图3)；
2.3、数据分析：基于MATLAB 2016a平台利用wden小波函数对拉曼光谱数据进行小波去噪(为了降低实验仪器的噪声干扰)，随后进行数据归一化处理，最后采用相对标准偏差和层次聚类分析两种方法进行数据分析；
3、结果与分析：
3.1、拉曼光谱数据分析：拉曼光谱可快速获得样品中化合物的官能团等结构信息，样品制备简单，测量时通常不破坏样品，且水分不影响测试。根据经去噪、归一化预处理后三种大米的典型的拉曼光谱谱图如图4，得到，峰的信号主要出现在250-1500cm-1范围内，峰强度较高的位置在476、856、941、1004、1032、1082、1155、1204、1253、1342、1391和1458cm-1处；总体上，三种大米的拉曼光谱高度相似；
由于1500-2350cm-1波段范围内峰较少且多为背景峰，250-800cm-1波段范围内峰强较弱，476cm-1处对应的强度值均为1，因此数据处理时人为选择820-960cm-1、1020-1170cm-1和1240-1470cm-1波段内的拉曼光谱数据作为三种大米拉曼光谱的特征数据；
3.2、粉碎后大米均匀度分析：
3.2.1、相对标准偏差分析：拉曼光谱数据经去噪、归一化处理后，分别计算820-960cm-1、1020-1170cm-1和1240-1470cm-1三个波段内的拉曼光谱数据的相对标准偏差以及综合这三个波段后的相对标准偏差，以一号样品WA，结果如图5，该表格中，谱图编号为41-45的一组数据是在同一个测量点重复采集五次光谱所得，由相对标准偏差计算结果分析可得，拉曼光谱仪自身在测试过程中也会带来实验误差，但误差仅为3.716％，在仪器允许的波动范围内；四种不同粒度米粉的相对标准偏差的平均值在4.446-5.689％之间，略高于拉曼光谱仪器本身的误差，其中，谱图编号11-15和31-35的平均相对标准偏差最小，说明粉碎粒度为100-140目样品的五个测量点的成分信息最为相似，该粒度下的米粉均匀性最好，100-140目为大米最佳的粉碎粒度；对820-960cm-1、1020-1170cm-1和1240-1470cm-1三个波段的数据进行分析，总体上，1240-1470cm-1波段的相对标准偏差值最大，其次是820-960cm-1波段，1020-1170cm-1波段对应的相对标准偏差最小，始终保持在3.227％以下；实验过程中，对每批次样品重复开展了两次实验以检验粉碎机的稳定性，通过分析表格中的数据，发现两次粉碎得到的数据之间差异性较小，以11-15和31-35两组数据为例，相对标准偏差值分别为4.032％和4.860％，差值为0.828％，差值远远小于仪器的波动误差值3.716％，间接说明粉碎机的性能较稳定，粉碎操作具有可重复性；
3.2.2、层次聚类分析：拉曼光谱数据经去噪、归一化处理后，对820-960cm-1、1020-1170cm-1和1240-1470cm-1组合后的波段进行层次聚类分析，以余弦距离作为距离的度量方法，以平均距离法作为创建系统聚类树的方法，记录余弦距离，以一号样品WA为例，结果如图6所示，由图6可知，谱图编号1-5与21-25(粒度＜0.6mm)的平均距离为6.83，谱图编号6-10和26-30(粒度100目-0.6mm)的平均距离为7.11，谱图编号11-15与31-35(粒度100-140目)的平均距离为4.53，谱图编号16-20与36-40(粒度＜140目)的平均距离为5.99，编号41-45(用于拉曼光谱仪的稳定性检测)的平均距离为2.88；经数据对比发现，拉曼光谱仪的稳定性高、所得谱图可重复性强；粒度为100-140目米粉的平均距离最小，谱图间相似度最高，说明该粒度米粉的均匀性最好；粒度＜140目米粉的均匀性次之；粒度为100目-0.6mm米粉的平均距离最大，谱图间差异最大，米粉均匀性最差；该结果与图5中相对标准偏差计算结果吻合，进一步证明了100-140目为最优粒度，所得拉曼光谱图相似度最高，该粒度下的米粉均匀度最好；
3.3、拉曼光谱谱图解析：经3.2中相对标准偏差和层次聚类分析，粉碎后米粉均匀性最佳的粒度为100-140目，以一号样品WA为例，100-140目的米粉(谱图编号31-35)的拉曼光谱图如图11所示，由图11可看出，在1070-1170cm-1、1240-1280cm-1和1370-1420cm-1处，100-140目米粉的拉曼光谱的峰形和强度有肉眼可见差异，这些差异构成了100-140目米粉拉曼光谱间相对标准偏差的主要来源；以一号样品WA为例，不同粉碎粒度米粉(谱图编号21、26、31、36)的拉曼光谱图如图12所示，由图12知，不同粉碎粒度的米粉在1113-1132cm-1、1141-1155cm-1、1337-1348cm-1和1358-1424cm-1处的峰强有显著差异；尽管米粉的粒度各不相同，但主要的拉曼光谱峰均出现在476、856、941、1004、1032、1082、1155、1204、1253、1342、1391和1458cm-1处；光谱吸收峰的产生与大米中的化合物(如淀粉、蛋白质、脂类等)以及这些化合物中化学键的振动和转动有关，如C-H弯曲振动吸收峰出现在1458cm-1处、C-O-H弯曲振动及CH2扭曲变形振动吸收峰出现在1440-1320cm-1处、C-H-O拉伸振动以及-OH扭曲变形振动吸收峰出现在1200-1000cm-1处。600cm-1以下的拉曼光谱峰的产生与骨架环的扭转振动有关。850-1253cm-1处的光谱带是由直链淀粉振动产生的，905-1391cm-1处的光谱带是由支链淀粉振动产生的，1342-1314cm-1处的光谱带是由CH2的扭曲和摇摆振动产生的，1452cm-1处是由CH2(或CH3)的变形振动产生的。941、1037、1082和1132cm-1处的光谱带与α-环状糊精的特征振动有关；1360、1032和1004cm-1的光谱带，是由于蛋白质侧链的振动产生的；例如，1360和1032cm-1处的吸收峰分别归因于色氨酸和脯氨酸的振动，1004cm-1处的吸收峰为环苯丙氨酸分子的振动。这些吸收带的相对强度、位置和宽度的变化与样品的组成有关，主要的拉曼光谱吸收峰及其对应的基团及振动形式见图13；四种不同粒度米粉(谱图编号21-40)的拉曼光谱数据的层次聚类分析结果如图14所示，谱图编号21-40分别对应图6中的1-20号样本；由四种不同粒度米粉的聚类树图可知，四种粒度米粉的谱图混成一团，无明显分簇现象，说明大米经粉碎、筛分后所得四种粒度米粉的成分较类似；对100-140目米粉(谱图编号31-35，对应于图6中11-15号样本)进行分析，由图14可见，11-14号样本与16(米粉粒度＜140目)和1-2(米粉粒度＜0.6mm，仅经粉碎机粉碎未进一步筛分的米粉)样本的距离近，说明100-140目米粉的拉曼光谱图与未筛分的米粉的光谱图相似度高，可代表大米的整体成分信息，谱图具有代表性、整体性、可靠性的特点；此外，图13和图14结果表明大米的内外成分不同，因此本具体实施方式对大米进行粉碎筛分后再测试拉曼光谱图，相较文献直接采集大米表面的拉曼光谱信息而言，所得谱图可以更全面地反映大米的成分信息，且经分级所得100-140目的米粉的均匀性最佳，可保证拉曼谱图的重复性，为后续建立大米产地溯源模型提供了稳定、可靠的数据源。
3.4、推广性分析：由九个不同批次的样品相对标准偏差值可知，四号样品YA、五号样品YB粉碎粒度为100-140目米粉的相对标准偏差值与＜140目米粉的接近，其余七批次大米粉碎粒度为100-140目米粉的相对标准偏差值为不同粉碎粒度米粉的最小值，因此100-140目的粉碎粒度为大米拉曼光谱研究分析的最佳粒度，其均匀性最佳，该粉碎粒度具有普遍推广性。
进一步地，所述的步骤2.1中在粉碎之前，首先将粉碎机开机预热运行1分钟之后，在1分钟内缓慢加入大米，加完后再粉碎4分钟，确保大米全部粉碎。
进一步地，所述的步骤4在考察分析五张拉曼光谱之前，基于MATLAB2016a平台利用wden小波函数对拉曼光谱数据进行小波去噪，随后进行数据归一化处理，得到拉曼光谱图。
进一步地，所述的步骤3.2.2操作完成后，分别对820-960cm-1、1020-1170cm-1和1240-1470cm-1波段的拉曼光谱数据进行层次聚类分析，以图6中31-35号数据为例，所创建聚类树图如图7-图10所示，如图7-图10中编号1-5样本分别对应谱图编号31-35的数据；由图7可知，820-960cm-1波段下，1与3相似度最高，5与其余四个数据的差异较大。由图8可知，1020-1170cm-1波段下，1与4余弦距离最小，相似度最高；5与其他四个数据的余弦距离为2.701×10-4，相似度最低。由图9可知，2与4的余弦距离最小，相似度最高；3与其他四个数据的余弦距离为4.216×10-4，相似度最低。图10图中显示1与4的余弦距离最小，相似度最高；5与其他四个数据的余弦距离为4.129×10-4，相似度最低。通过比较发现，各波段范围下五个样本的余弦距离值均小于4.216×10-4，最小的为1020-1170cm-1波段下的余弦距离，说明各个波段都具有较高的相似度，且1020-1170cm-1波段处的相似度最高；此外，五个测试点的数据在不同波段下存在的微小差异间接说明了大米的成分不是均一的，验证了文献中大米内外成分不均一的结论。
采用上述方法后，本具体实施方式有益效果为：本具体实施方式所述的粉碎粒度对大米拉曼光谱影响的研究方法，对大米进行粉碎及筛分处理，制成不同粉碎粒度的米粉，探究粉碎粒度对拉曼光谱的影响，间接考察每种粉碎粒度下米粉的均匀性，旨在为后续建立大米产地鉴别模型提供稳定、可靠的数据源，本发明具有结构简单，设置合理，制作成本低等优点。
以上所述，仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.粉碎粒度对大米拉曼光谱影响的研究方法，其特征在于：它的研究步骤如下：
(1)、材料准备：
(1.1)、大米：精确称取三种大米，并将每种大米分为三个批次样品，且编号为一号样品、二号样品、三号样品、四号样品、五号样品、六号样品、七号样品、八号样品、九号样品；
(1.2)、仪器设备：Prott-ezRaman-d3便携式激光拉曼光谱仪；15B型立式粉碎机，自带筛网网孔直径为0.6mm；石英样品池；电子天平，秒表，筛子；
(2)、方法：
(2.1)、样品制备：将步骤(1.1)中准备的每批次的大米进行粉碎操作，得粒度＜0.6mm的米粉；选取3/4粉碎后的米粉依次经过100目和140目的筛子进行筛分分级，分别得到100目-0.6mm、100目-140目和＜140目的三种不同粒度的米粉，将粉碎后的米粉进行编号；
(2.2)、谱图测试：
(2.2.1)、设定拉曼光谱采集参数如下：功率450mW，CCD检测器-85℃，扫描范围250-2339cm-1，分辨率1cm-1，曝光时间4s，扫描次数3次，激光与样品表面的距离5mm；
(2.2.2)、将每种粒度大米分别在五个位置采集拉曼光谱，考察该粒度下米粉的均匀性；考虑到仪器波动或环境微小变化可能会导致谱图发生变化，另取五个测量点外的一个测量点，重复采集五次谱图，并编号，考察拉曼光谱仪测试的稳定性；采用拉曼光谱仪自带的软件对光谱进行基线校正预处理，采集所得谱图并编号；
(2.3)、数据分析：基于MATLAB 2016a平台利用wden小波函数对拉曼光谱数据进行小波去噪，随后进行数据归一化处理，最后采用相对标准偏差和层次聚类分析两种方法进行数据分析；
(3)、结果与分析：
(3.1)、拉曼光谱数据分析：根据经去噪、归一化预处理后三种大米的典型的拉曼光谱谱图得到，峰的信号主要出现在250-1500cm-1范围内，峰强度较高的位置在476、856、941、1004、1032、1082、1155、1204、1253、1342、1391和1458cm-1处；总体上，三种大米的拉曼光谱高度相似；由于1500-2350cm-1波段范围内峰较少且多为背景峰，250-800cm-1波段范围内峰强较弱，476cm-1处对应的强度值均为1，因此数据处理时人为选择820-960cm-1、1020-1170cm-1和1240-1470cm-1波段内的拉曼光谱数据作为三种大米拉曼光谱的特征数据；
(3.2)、粉碎后大米均匀度分析：
(3.2.1)、相对标准偏差分析：拉曼光谱数据经去噪、归一化处理后，分别计算820-960cm-1、1020-1170cm-1和1240-1470cm-1三个波段内的拉曼光谱数据的相对标准偏差以及综合这三个波段后的相对标准偏差，由相对标准偏差计算结果分析可得，拉曼光谱仪自身在测试过程中也会带来实验误差，但误差仅为3.716％，在仪器允许的波动范围内；四种不同粒度米粉的相对标准偏差的平均值在4.446-5.689％之间，略高于拉曼光谱仪器本身的误差，粉碎粒度为100-140目样品的五个测量点的成分信息最为相似，该粒度下的米粉均匀性最好，100-140目为大米最佳的粉碎粒度；对820-960cm-1、1020-1170cm-1和1240-1470cm-1三个波段的数据进行分析，总体上，1240-1470cm-1波段的相对标准偏差值最大，其次是820-960cm-1波段，1020-1170cm-1波段对应的相对标准偏差最小，始终保持在3.227％以下；实验过程中，对每批次样品重复开展了两次实验以检验粉碎机的稳定性，通过分析表格中的数据，发现两次粉碎得到的数据之间差异性较小，间接说明粉碎机的性能较稳定，粉碎操作具有可重复性；
(3.2.2)、层次聚类分析：拉曼光谱数据经去噪、归一化处理后，对820-960cm-1、1020-1170cm-1和1240-1470cm-1组合后的波段进行层次聚类分析，以余弦距离作为距离的度量方法，以平均距离法作为创建系统聚类树的方法，记录余弦距离，经数据对比发现，粒度为100-140目米粉的平均距离最小，谱图间相似度最高，说明该粒度米粉的均匀性最好；粒度＜140目米粉的均匀性次之；粒度为100目-0.6mm米粉的平均距离最大，谱图间差异最大，米粉均匀性最差；
(3.3)、拉曼光谱谱图解析：经步骤(3.2)中相对标准偏差和层次聚类分析，粉碎后米粉均匀性最佳的粒度为100-140目，根据100-140目的拉曼光谱图可知，在1070-1170cm-1、1240-1280cm-1和1370-1420cm-1处，100-140目米粉的拉曼光谱的峰形和强度有肉眼可见差异，这些差异构成了100-140目米粉拉曼光谱间相对标准偏差的主要来源；由不同粉碎粒度米粉的拉曼光谱图可知，不同粉碎粒度的米粉在1113-1132cm-1、1141-1155cm-1、1337-1348cm-1和1358-1424cm-1处的峰强有显著差异；尽管米粉的粒度各不相同，但主要的拉曼光谱峰均出现在476、856、941、1004、1032、1082、1155、1204、1253、1342、1391和1458cm-1处；光谱吸收峰的产生与大米中的化合物；1360、1032和1004cm-1的光谱带，是由于蛋白质侧链的振动产生的；由四种不同粒度米粉的聚类树图可知，四种粒度米粉的谱图混成一团，无明显分簇现象，说明大米经粉碎、筛分后所得四种粒度米粉的成分较类似；对100-140目米粉进行分析，100-140目米粉的拉曼光谱图与未筛分的米粉的光谱图相似度高，可代表大米的整体成分信息，谱图具有代表性、整体性、可靠性的特点；
(3.4)、推广性分析：由九个不同批次的样品相对标准偏差值可知，四号样品、五号样品粉碎粒度为100-140目米粉的相对标准偏差值与＜140目米粉的接近，其余七批次大米粉碎粒度为100-140目米粉的相对标准偏差值为不同粉碎粒度米粉的最小值，因此100-140目的粉碎粒度为大米拉曼光谱研究分析的最佳粒度，其均匀性最佳，该粉碎粒度具有普遍推广性。
2.根据权利要求1所述的粉碎粒度对大米拉曼光谱影响的研究方法，其特征在于：所述的步骤(2.1)中在粉碎之前，首先将粉碎机开机预热运行1分钟之后，在1分钟内缓慢加入大米，加完后再粉碎4分钟，确保大米全部粉碎。
3.根据权利要求1所述的粉碎粒度对大米拉曼光谱影响的研究方法，其特征在于：所述的步骤(3.2.2)操作完成后，分别对820-960cm-1、1020-1170cm-1和1240-1470cm-1波段的拉曼光谱数据进行层次聚类分析，通过比较发现，各波段范围下五个样本的余弦距离值均小于4.216×10-4，最小的为1020-1170cm-1波段下的余弦距离，说明各个波段都具有较高的相似度，且1020-1170cm-1波段处的相似度最高；此外，五个测试点的数据在不同波段下存在的微小差异间接说明了大米的成分不是均一的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810634567.2A CN108844942B (zh) | 2018-06-08 | 2018-06-08 | 粉碎粒度对大米拉曼光谱影响的研究方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810634567.2A CN108844942B (zh) | 2018-06-08 | 2018-06-08 | 粉碎粒度对大米拉曼光谱影响的研究方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108844942A true CN108844942A (zh) | 2018-11-20 |
| CN108844942B CN108844942B (zh) | 2020-10-02 |
Family
ID=64203033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810634567.2A Active CN108844942B (zh) | 2018-06-08 | 2018-06-08 | 粉碎粒度对大米拉曼光谱影响的研究方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108844942B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109612964A (zh) * | 2018-11-27 | 2019-04-12 | 中国农业大学 | 消除栽培基质颗粒表面散射及水分影响的光谱检测方法 |
| CN110132938A (zh) * | 2019-05-29 | 2019-08-16 | 南京财经大学 | 一种拉曼光谱法鉴别大米种类的特征数据提取方法 |
| CN113358535A (zh) * | 2021-05-31 | 2021-09-07 | 中国矿业大学 | 基于拉曼光谱的游离二氧化硅粉尘浓度在线连续检测装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140071574A (ko) * | 2012-12-03 | 2014-06-12 | 대한민국(농촌진흥청장) | 투과 라만 분광법을 이용한 곡물의 원산지 판별법 |
| CN106198442A (zh) * | 2016-09-14 | 2016-12-07 | 南京财经大学 | 一种鉴别盘锦大米的光谱分析方法 |
| CN106706596A (zh) * | 2017-01-09 | 2017-05-24 | 河南工业大学 | 一种大米新鲜度的拉曼光谱检测方法 |
| KR20180024293A (ko) * | 2016-08-29 | 2018-03-08 | 서울대학교산학협력단 | 한국산과 중국산 백미 판별용 Biomarker 및 이를 이용한 판별 모델 |
-
2018
- 2018-06-08 CN CN201810634567.2A patent/CN108844942B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140071574A (ko) * | 2012-12-03 | 2014-06-12 | 대한민국(농촌진흥청장) | 투과 라만 분광법을 이용한 곡물의 원산지 판별법 |
| KR20180024293A (ko) * | 2016-08-29 | 2018-03-08 | 서울대학교산학협력단 | 한국산과 중국산 백미 판별용 Biomarker 및 이를 이용한 판별 모델 |
| CN106198442A (zh) * | 2016-09-14 | 2016-12-07 | 南京财经大学 | 一种鉴别盘锦大米的光谱分析方法 |
| CN106706596A (zh) * | 2017-01-09 | 2017-05-24 | 河南工业大学 | 一种大米新鲜度的拉曼光谱检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| MIN SHA, ET.AL: ""Data Fusion of ion Mobility Spectrometry Combined with Hierarchical Clustering Analysis for the Quality Assessment of Apple Essence"", 《FOOD ANAL. METHODS》 * |
| 孙娟等: ""基于拉曼光谱的大米快速分类判别方法"", 《食品与机械》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109612964A (zh) * | 2018-11-27 | 2019-04-12 | 中国农业大学 | 消除栽培基质颗粒表面散射及水分影响的光谱检测方法 |
| CN110132938A (zh) * | 2019-05-29 | 2019-08-16 | 南京财经大学 | 一种拉曼光谱法鉴别大米种类的特征数据提取方法 |
| CN110132938B (zh) * | 2019-05-29 | 2021-08-31 | 南京财经大学 | 一种拉曼光谱法鉴别大米种类的特征数据提取方法 |
| CN113358535A (zh) * | 2021-05-31 | 2021-09-07 | 中国矿业大学 | 基于拉曼光谱的游离二氧化硅粉尘浓度在线连续检测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108844942B (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ryder et al. | Identifications and quantitative measurements of narcotics in solid mixtures using near-IR Raman spectroscopy and multivariate analysis | |
| CN108844942A (zh) | 粉碎粒度对大米拉曼光谱影响的研究方法 | |
| CN104251839B (zh) | 南疆红枣建模用南疆红枣样品成分的光谱分离检测方法 | |
| Yao et al. | Traceability of Boletaceae mushrooms using data fusion of UV–visible and FTIR combined with chemometrics methods | |
| CN1831515A (zh) | 用可见光和近红外光谱技术无损鉴别作物种子品种的方法 | |
| CN105021562A (zh) | 一种大米产地溯源方法及其应用 | |
| CN107515203A (zh) | 近红外技术定量分析水稻单籽粒直链淀粉含量的研究 | |
| Cui et al. | Identification of maize seed varieties based on near infrared reflectance spectroscopy and chemometrics | |
| CN106124445A (zh) | 一种快速、无损鉴别转基因大豆方法 | |
| CN106198442A (zh) | 一种鉴别盘锦大米的光谱分析方法 | |
| Sha et al. | Improving Raman spectroscopic identification of rice varieties by feature extraction | |
| Sha et al. | Evaluation of sample pretreatment method for geographic authentication of rice using Raman spectroscopy | |
| CN104965973A (zh) | 一种苹果霉心病多因子无损检测判别模型及其建立方法 | |
| CN106018321A (zh) | 玉米单粒种子蛋白质检测模型的构建方法及其应用 | |
| CN113030007B (zh) | 基于相似度学习算法快速检验烟用香精质量稳定性的方法 | |
| Xu et al. | Non-targeted detection of multiple frauds in orange juice using double water-soluble fluorescence quantum dots and chemometrics | |
| 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 | |
| CN218121760U (zh) | 物料质量快速检测分选设备和中药物料生产系统 | |
| CN113191618A (zh) | 一种基于中红外光谱技术及特征提取的小米产地溯源方法 | |
| CN115452758A (zh) | 大米类别鉴别模型及其构建方法以及鉴别大米类别的方法 | |
| CN110057756A (zh) | 一种小麦面粉品质的红外光声光谱检测方法 | |
| Downey | Vibrational spectroscopy in studies of food origin | |
| CN113959980A (zh) | 物料质量快速检测分选设备和中药物料生产系统 | |
| CN109738342B (zh) | 一种基于近红外光谱技术检测粒度分布的方法 | |
| CN114076745A (zh) | 一种基于云端-互联便携式近红外技术的西红花鉴别方法及其掺伪品定量预测方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |