CN108956527B - 快速检测红枣中环磷酸腺苷cAMP含量的方法 - Google Patents
快速检测红枣中环磷酸腺苷cAMP含量的方法 Download PDFInfo
- Publication number
- CN108956527B CN108956527B CN201810819330.1A CN201810819330A CN108956527B CN 108956527 B CN108956527 B CN 108956527B CN 201810819330 A CN201810819330 A CN 201810819330A CN 108956527 B CN108956527 B CN 108956527B
- Authority
- CN
- China
- Prior art keywords
- model
- sample
- red dates
- svr
- correction
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- IVOMOUWHDPKRLL-KQYNXXCUSA-N Cyclic adenosine monophosphate Chemical compound C([C@H]1O2)OP(O)(=O)O[C@H]1[C@@H](O)[C@@H]2N1C(N=CN=C2N)=C2N=C1 IVOMOUWHDPKRLL-KQYNXXCUSA-N 0.000 title claims description 16
- 238000012937 correction Methods 0.000 claims abstract description 30
- 239000000126 substance Substances 0.000 claims abstract description 17
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 239000000843 powder Substances 0.000 claims description 17
- 239000006228 supernatant Substances 0.000 claims description 17
- 230000003595 spectral effect Effects 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 239000012153 distilled water Substances 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 238000005303 weighing Methods 0.000 claims description 6
- 238000001035 drying Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 5
- 238000007789 sealing Methods 0.000 claims description 5
- 238000007865 diluting Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 239000000835 fiber Substances 0.000 claims description 4
- 239000012528 membrane Substances 0.000 claims description 4
- 238000002156 mixing Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000007873 sieving Methods 0.000 claims description 4
- 238000009210 therapy by ultrasound Methods 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000001308 synthesis method Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000007781 pre-processing Methods 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 9
- 239000003153 chemical reaction reagent Substances 0.000 description 5
- 238000004128 high performance liquid chromatography Methods 0.000 description 5
- OIRDTQYFTABQOQ-KQYNXXCUSA-N adenosine Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O OIRDTQYFTABQOQ-KQYNXXCUSA-N 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 3
- 241001247821 Ziziphus Species 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 239000002126 C01EB10 - Adenosine Substances 0.000 description 2
- 229960005305 adenosine Drugs 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000005907 cancer growth Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000013376 functional food Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000008558 metabolic pathway by substance Effects 0.000 description 1
- 229910000402 monopotassium phosphate Inorganic materials 0.000 description 1
- 235000019796 monopotassium phosphate Nutrition 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000004816 paper chromatography Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- GNSKLFRGEWLPPA-UHFFFAOYSA-M potassium dihydrogen phosphate Chemical compound [K+].OP(O)([O-])=O GNSKLFRGEWLPPA-UHFFFAOYSA-M 0.000 description 1
- LWIHDJKSTIGBAC-UHFFFAOYSA-K potassium phosphate Substances [K+].[K+].[K+].[O-]P([O-])([O-])=O LWIHDJKSTIGBAC-UHFFFAOYSA-K 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000002798 spectrophotometry method Methods 0.000 description 1
- 238000004809 thin layer chromatography Methods 0.000 description 1
Images
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)
Abstract
本发明属于化学物质检测方法的设计技术领域，具体涉及一种快速检测红枣中环磷酸腺苷cAMP含量的方法，基于近红外光纤光谱技术结合化学计量分析，实现快速检测红枣中cAMP含量。实践中，采用基于联合X‑Y距离的样本集划分法（spxy）选择校正样本集，对光谱进行不同预处理后选用支持向量回归（SVR）对其进行定量模型的建立，得到平滑后的SVR模型结果更佳；其模型的校正相关系数（Rc）、校正集均方差（RMSEC）、预测相关系数（Rp）和预测及均方差（RMSEP）分别为0.9850、11.1233、0.9388、13.0739。结果表明，近红外光谱技术结合特定的化学计量学方法可以实现红枣中的cAMP的快速检测。
Description
技术领域
本发明属于化学物质检测方法的设计技术领域，具体涉及一种快速检测红枣中环磷酸腺苷cAMP含量的方法。
背景技术
环磷酸腺苷(cAMP)是红枣中最重要的功能成分之一，其含量是普通植物和动物的几千至数万倍，外源性cAMP能抑制癌细胞生长，扩张血管，改善肝功能，促进神经再生，调节物质代谢，降低血糖。而基于cAMP的红枣品质鉴定、功能食品深加工、保健及医用高纯度提取等应用领域对cAMP的实时、快速的定量检测有很高的要求。因此研究一种及时检测cAMP含量的方法十分必要。
目前，红枣cAMP的测定普遍采用化学有损测定方法，如纸层析法、薄层色谱法、紫外分光光度法、高效液相色谱法(HPLC)等。但这些化学测定方法都存在不同程度的所需化学试剂多、测试仪器操作复杂、测定步骤较多等缺点，使测定过程费时、费力、成本高。
近红外光谱分析技术作为一类新型的定性、定量分析技术，具有快速、简便、无损、绿色环保等优点，现已广泛应用于农业、食品、医药、石化等行业应用。但目前国内相关外近红外光谱分析法检测红枣cAMP的报道较少。
发明内容
本发明的目的在于：设计一种快速检测红枣中环磷酸腺苷cAMP含量的方法，主要是利用近红外光谱技术结合化学计量分析进行红枣cAMP含量的快速定量测定。
本发明的技术方案：一种快速检测红枣中环磷酸腺苷cAMP含量的方法，该方法包括下述步骤：
一、样品制备
将未经任何化学处理的红枣烘干粉碎过90目筛，制备成红枣粉末放入自封袋备用；
二、红外光谱数据的采集和处理
取上述红枣粉末放入4ml的样品管中，在近红外光纤光谱仪上直接进行光谱测定，其中仪器参数：扫描范围4000-10000cm-1，分辨率为8cm-1，以空气为背景进行扫描，每个待测样本测定三次，取平均光谱作为样品的光谱数据，所得光谱数据以文本的形式存入计算机内，为后续建模使用；
三、待测样品中环磷酸腺苷cAMP含量的化学测定
称取1g的红枣粉末，精确到0.0001g，至锥形瓶，加8-10ml蒸馏水；超声波10min后以3000r/min离心；收集上清液到25ml容量瓶中，再将枣渣加入蒸馏水10ml，重复提取，合并上清液，用蒸馏水定容；取上清液过0.45um滤膜，放入高效液相色谱仪检测后，计算得到样品中环磷酸腺苷cAMP含量的化学值。
进一步设计，该方法还包括包括下述步骤：
四、实验结果与分析
使用的定标模型评价指标为：校正决定系数(R2)、校正集均方根误差(RMSEC)、预测决定系数(R2 p)和预测均方根误差(RMSEP)以及平均相对误差(MRE)，RMSEC、RMSEP越小越接近，R2 p越大MRE越小，模型性能越优。
进一步设计，所述的定标模型选用SVR建立，具体选择高斯函数为SVR核函数，惩罚参数c和核函数的参数g取值区间各为[-10，10]，步长各为0.5，得到SVR模型，其中：校正决定系数(R2)、校正集均方根误差(RMSEC)、预测决定系数(R2 p)和预测及均方根误差(RMSEP)分别为：0.9850、11.1233、0.9388、13.0739。
进一步设计，所述步骤二中光谱数据处理是指先对光谱数据进行预处理，减少随机误差提高后续建模的精确度；采用多元散射校正、导数、平滑、归一化及其相结合的方法进行预处；采用平滑，窗口宽度为13时效果最佳，平滑处理后得到的SVR模型。
有益效果：本方法的实验研究结果表明，采用SVR方法建立的红枣中cAMP定量模型具有较好的预测能力和稳定性，验证了利用近红外光谱技术结合化学计量分析的方法快速检测红枣中cAMP含量的可行性。该方法无需对样品进行复杂的前处理，无需化学试剂，较之目前对红枣cAMP含量测量的广泛使用的HPLC法更环保、经济、快捷。对红枣提纯cAMP及其加工制品的市场发展有着重要意义。同时该方法对其他农产品腺苷类指标的测量方法的选择也具有一定借鉴意义。
附图说明
附图1为红枣原始平均光谱图；附图2为SVR定量模型预测结果，为SVR校正集预测结果；附图3为SVR定量模型预测结果，为SVR预测集预测结果。
具体实施方式
实施例1、一种快速检测红枣中环磷酸腺苷cAMP含量的方法，该方法包括下述步骤：一、样品制备
将未经任何化学处理的红枣烘干粉碎过90目筛，制备成红枣粉末放入自封袋备用；
二、红外光谱数据的采集和处理
取上述红枣粉末放入4ml的样品管中，在近红外光纤光谱仪上直接进行光谱测定，其中仪器参数：扫描范围4000-10000cm-1，分辨率为8cm-1，以空气为背景进行扫描，每个待测样本测定三次，取平均光谱作为样品的光谱数据，所得光谱数据以文本的形式存入计算机内，为后续建模使用；
三、待测样品中环磷酸腺苷cAMP含量的化学测定
称取1g的红枣粉末，精确到0.0001g，至锥形瓶，加8-10ml蒸馏水；超声波10min后以3000r/min离心；收集上清液到25ml容量瓶中，再将枣渣加入蒸馏水10ml，重复提取，合并上清液，用蒸馏水定容；取上清液过0.45um滤膜，放入高效液相色谱仪检测后，计算得到样品中环磷酸腺苷cAMP含量的化学值。
实践中，该方法还包括包括下述步骤：
四、实验结果与分析
使用的定标模型评价指标为：校正决定系数(R2)、校正集均方根误差(RMSEC)、预测决定系数(R2 p)和预测均方根误差(RMSEP)以及平均相对误差(MRE)，RMSEC、RMSEP越小越接近，R2 p越大MRE越小，模型性能越优。
实践中，所述的定标模型选用SVR建立，具体选择高斯函数为SVR核函数，惩罚参数c和核函数的参数g取值区间各为[-10，10]，步长各为0.5，得到SVR模型，其中：校正决定系数(R2)、校正集均方根误差(RMSEC)、预测决定系数(R2 p)和预测及均方根误差(RMSEP)分别为：0.9850、11.1233、0.9388、13.0739。
实践中，所述步骤二中光谱数据处理是指先对光谱数据进行预处理，减少随机误差提高后续建模的精确度；采用多元散射校正、导数、平滑、归一化及其相结合的方法进行预处；采用平滑，窗口宽度为13时效果最佳，平滑处理后得到的SVR模型。
实施例2、2.1实验仪器
光谱采集使用仪器为德国BRUKER公司的VERTEX 70型红外光谱仪，以空气为背景，扫描范围4000-10000cm-1，分辨率为8cm-1，扫描次数为32次。
处理红枣样品使用干燥箱、粉碎机、超声波清洗器和离心机。化学值测量用高效液相色谱仪。近红外数据处理和统计分析软件用MATLAB R2016b。
2.2材料与试剂
实验使用红枣为17种新疆质监局的抽检样品，依次编号，烘干粉碎过90目筛，将17种红枣粉末中的随机两种按等质量混合得到共68种样品，放入自封袋备用。高效液相色谱法实验用试剂为：甲醇、磷酸二氢钾、环磷酸腺苷标准物；实验用水为蒸馏水。
2.3数据的获取
2.3.1红外光谱的采集
将68例红枣样品依次编号，烘干粉碎过90目筛，放入自封袋备用。将未经任何化学处理的红枣粉末放入4ml的样品管中，在近红外光纤光谱仪上直接进行光谱测定。仪器参数：扫描范围4000-10000cm-1，分辨率为8cm-1，以空气为背景扫描次数为32次，每个待测样本测定三次，取平均光谱作为样品的光谱数据。测量红枣粉末的近红外光谱如图1所示，横坐标为波长，纵坐标为红枣粉末吸光度。所得光谱数据以文本的形式存入计算机内，为后续建模使用。
2.3.2样品中环磷酸腺苷含量的化学测定
测定光谱的同时，用高效液相色谱法测定出对应样品的cAMP含量：实验中，称取1g的红枣粉末(精确到0.0001g)到锥形瓶，加10ml左右蒸馏水；超声波10min后以3000r/min离心；收集上清液到25ml容量瓶中，再将枣渣加入蒸馏水10ml，重复提取，合并上清液，用蒸馏水定容；取适量上清液过0.45um滤膜，放入高效液相色谱仪检测后计算得到化学值。
3实验结果与分析
本文使用的模型评价指标为：校正决定系数(R2 c：coefficient determination ofCalibration)、校正集均方根误差(RMSEC：Root Mean Square Error of Calibration)、预测决定系数(R2 p：coefficient determination of Prediction)和预测均方根误差(RMSEP:Root Mean Square Error of Prediction)以及平均相对误差(MRE：Mean RelativeError)。RMSEC、RMSEP越小越接近，R2 p越大MRE越小，模型性能越优。
3.1校正集样本划分
校正样品集的选取直接影响所建立的模型的适用性和精确性，基于联合X-Y距离的样本集划分法(sample set partitioning based on joint x-y distances，SPXY)是一种基于统计基础的样本集选择方法，具有能够有效地覆盖多维向量空间，从而改善所建模型的预测能力。因此利用SPXY法将68个样本照3:1的比例划分校正集和测试集。得到样品划分信息如表1所示，可以看出预测集校正集中cAMP含量(文中cAMP含量单位均为为mg·kg-1)范围在校正集含量范围内，即校正集更具有代表性。
表1样本划分情况
3.2光谱数据处理：
采集得到的光谱数据不可避免地存在随机误差，预处理能够减少随机误差提高后续建模的精确度。采用多元散射校正、导数、平滑、归一化及其相结合的方法进行预处。本文选取几组效果较好的预处理结果如表2所示。实验结果表明采用平滑，窗口宽度为13时效果最佳，平滑处理后得到的SVR模型的RMSEC与RMSEP更接近即模型更稳定，且RMSEP更小即模型更精确，此时对RMSEC的牺牲是值得的。
表2不同预处理SVR模型结果
3.3.1建立SVR定量模型
近红外光谱分析技术的关键是建立稳健的定标模型。本文选用SVR建立定标模型，能够有效处理样品的高维光谱数据输入量问题，而SVR建立的曲面模型能有效处理高维输入向量问题。选择高斯函数为SVR核函数，惩罚参数c和核函数的参数g取值区间各为[-10，10]，步长各为0.5，得到SVR模型的实验结果如图2和图3所示：校正决定系数(R2)、校正集均方根误差(RMSEC)、预测决定系数(R2 p)和预测及均方根误差(RMSEP)分别为：0.9850、11.1233、0.9388、13.0739。
4结论
本实验研究结果表明，采用SVR方法建立的红枣中cAMP定量模型具有较好的预测能力和稳定性，验证了利用近红外光谱技术结合化学计量分析的方法快速检测红枣中cAMP含量。该方法无需对样品进行复杂的前处理，无需化学试剂，较之目前对红枣cAMP含量测量的广泛使用的HPLC法更环保、经济、快捷。对红枣提纯cAMP及其加工制品的市场发展有着重要意义。该研究结论对其他农产品腺苷类指标的测量方法的选择具有一定借鉴意义。
Claims (2)
1.一种快速检测红枣中环磷酸腺苷cAMP含量的方法，该方法包括下述步骤：
一、样品制备
将未经任何化学处理的红枣烘干粉碎过90目筛，制备成红枣粉末放入自封袋备用；
二、红外光谱数据的采集和处理
取上述红枣粉末放入4ml 的样品管中，在近红外光纤光谱仪上直接进行光谱测定，其中仪器参数：扫描范围4000-10000cm-1，分辨率为8cm-1，以空气为背景进行扫描，每个待测样本测定三次，取平均光谱作为样品的光谱数据，所得光谱数据以文本的形式存入计算机内，为后续建模使用；红外光谱数据处理是指先对光谱数据进行预处理，减少随机误差提高后续建模的精确度；采用多元散射校正、导数、平滑、归一化及其相结合的方法进行预处理；
三、待测样品中环磷酸腺苷cAMP含量的化学测定
称取1g红枣粉末，精确到0.0001g，至锥形瓶，加8-10ml蒸馏水；超声波10min后以3000r/min离心；收集上清液到25ml容量瓶中，再将枣渣加入蒸馏水10ml，重复提取，合并上清液，用蒸馏水定容；取上清液过0.45um滤膜，放入高效液相色谱仪检测后，计算得到样品中环磷酸腺苷cAMP含量的化学值；
四、实验结果与分析
使用的定标模型评价指标为：校正决定系数R2、校正集均方根误差RMSEC、预测决定系数R2 p和预测均方根误差RMSEP以及平均相对误差MRE，RMSEC、RMSEP越小越接近，R2 p越大MRE越小，模型性能越优；
所述的定标模型选用SVR建立，具体选择高斯函数为SVR核函数，惩罚参数c和核函数的参数g取值区间各为[-10，10]，步长各为0.5，得到SVR模型，其中：校正决定系数R2、校正集均方根误差RMSEC、预测决定系数R2 p和预测均方根误差RMSEP分别为：0.9850、11.1233、0.9388、13.0739。
2.根据权利要求1所述的一种快速检测红枣中环磷酸腺苷cAMP含量的方法，其特征在于：步骤二中所述红外光谱数据处理中采用平滑方法处理，窗口宽度为13时效果最佳，平滑处理后得到的SVR模型的RMSEC与RMSEP更接近即模型更稳定，且RMSEP更小即模型更精确。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810819330.1A CN108956527B (zh) | 2018-07-24 | 2018-07-24 | 快速检测红枣中环磷酸腺苷cAMP含量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810819330.1A CN108956527B (zh) | 2018-07-24 | 2018-07-24 | 快速检测红枣中环磷酸腺苷cAMP含量的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108956527A CN108956527A (zh) | 2018-12-07 |
| CN108956527B true CN108956527B (zh) | 2020-12-15 |
Family
ID=64463527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810819330.1A Active CN108956527B (zh) | 2018-07-24 | 2018-07-24 | 快速检测红枣中环磷酸腺苷cAMP含量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108956527B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103411973A (zh) * | 2013-09-03 | 2013-11-27 | 西北农林科技大学 | 一种基于高光谱的酿酒葡萄果皮中花色苷含量测定的方法 |
| CN104698116B (zh) * | 2015-03-18 | 2015-11-18 | 新疆农业科学院农产品贮藏加工研究所 | 一种测定红枣中环磷酸腺苷含量的方法 |
| CN105866057A (zh) * | 2016-05-23 | 2016-08-17 | 塔里木大学 | 一种枣树冠层钾含量的检测方法 |
| CN107991264A (zh) * | 2017-11-17 | 2018-05-04 | 西南大学 | 一种小麦粉蛋白质及湿面筋含量快速检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10041057B2 (en) * | 2011-07-27 | 2018-08-07 | University Of Wyoming | Near-infrared light-activated proteins |
-
2018
- 2018-07-24 CN CN201810819330.1A patent/CN108956527B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103411973A (zh) * | 2013-09-03 | 2013-11-27 | 西北农林科技大学 | 一种基于高光谱的酿酒葡萄果皮中花色苷含量测定的方法 |
| CN104698116B (zh) * | 2015-03-18 | 2015-11-18 | 新疆农业科学院农产品贮藏加工研究所 | 一种测定红枣中环磷酸腺苷含量的方法 |
| CN105866057A (zh) * | 2016-05-23 | 2016-08-17 | 塔里木大学 | 一种枣树冠层钾含量的检测方法 |
| CN107991264A (zh) * | 2017-11-17 | 2018-05-04 | 西南大学 | 一种小麦粉蛋白质及湿面筋含量快速检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 光谱测定南疆鲜冬枣Vc含量方法的研究;石鲁珍等;《塔里木大学学报》;20151215(第04期);第93-98页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108956527A (zh) | 2018-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Discrimination of Ganoderma lucidum according to geographical origin with near infrared diffuse reflectance spectroscopy and pattern recognition techniques | |
| Jiang et al. | Comparison of algorithms for wavelength variables selection from near-infrared (NIR) spectra for quantitative monitoring of yeast (Saccharomyces cerevisiae) cultivations | |
| Ren et al. | Multi-variable selection strategy based on near-infrared spectra for the rapid description of dianhong black tea quality | |
| CN103411906B (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
| Huang | Chemometric methods in analytical spectroscopy technology | |
| CN101915744A (zh) | 物质成分含量的近红外光谱无损检测方法及装置 | |
| CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
| CN102914596B (zh) | 一种利用近红外光谱快速测定片仔癀质量的方法 | |
| CN113008805A (zh) | 基于高光谱成像深度分析的白芷饮片质量预测方法 | |
| CN110646407A (zh) | 一种基于激光诱导击穿光谱技术的水产品中磷元素含量的快速检测方法 | |
| Wang et al. | Onsite nutritional diagnosis of tea plants using micro near-infrared spectrometer coupled with chemometrics | |
| Wu et al. | Comparison of NIR and Raman spectra combined with chemometrics for the classification and quantification of mung beans (Vigna radiata L.) of different origins | |
| CN103411895B (zh) | 珍珠粉掺伪的近红外光谱鉴别方法 | |
| CN108663337A (zh) | 一种测定丹参酮类成分的方法及其应用 | |
| Fan et al. | Quality assessment of Fritillariae cirrhosae using portable NIR spectrometer | |
| Fan et al. | Rapid and Nondestructive Determination of origin, volatile oil, sanshoamides and crack rate in the ‘Sichuan Pepper’Based on a Novel Portable Near Infrared Spectrometer | |
| CN113655027A (zh) | 一种近红外快速检测植物中单宁含量的方法 | |
| CN103760130A (zh) | 近红外光谱测定复方麝香注射液中吐温-80含量的方法 | |
| CN105699314B (zh) | 一种利用中红外光谱检测土壤稳定碳同位素比值的方法 | |
| CN108956527B (zh) | 快速检测红枣中环磷酸腺苷cAMP含量的方法 | |
| CN102759515A (zh) | 基于水平atr的中红外光谱快速测定农产品含油率的方法 | |
| CN107703074A (zh) | 一种用于四元掺伪三七快速准确的定量分析方法 | |
| CN113075197A (zh) | 一种白胡椒粉中玉米粉掺假含量的快速检测方法 | |
| Han et al. | A rapid identification of four medicinal chrysanthemum varieties with near infrared spectroscopy | |
| CN108072628A (zh) | 一种判别药包材材质的近红外光谱法 |
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 |