CN109211830A - 一种主成分分析和多类判别联用鉴别易混毛皮的方法 - Google Patents
一种主成分分析和多类判别联用鉴别易混毛皮的方法 Download PDFInfo
- Publication number
- CN109211830A CN109211830A CN201810860080.6A CN201810860080A CN109211830A CN 109211830 A CN109211830 A CN 109211830A CN 201810860080 A CN201810860080 A CN 201810860080A CN 109211830 A CN109211830 A CN 109211830A
- Authority
- CN
- China
- Prior art keywords
- fur
- principal component
- sample
- model
- discriminant
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000000513 principal component analysis Methods 0.000 title claims abstract description 18
- 239000000463 material Substances 0.000 claims abstract description 14
- 210000004209 hair Anatomy 0.000 claims description 42
- 238000002329 infrared spectrum Methods 0.000 claims description 13
- 238000006467 substitution reaction Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000004566 IR spectroscopy Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000012805 post-processing Methods 0.000 claims description 4
- 241000282461 Canis lupus Species 0.000 claims description 3
- 241000772415 Neovison vison Species 0.000 claims description 3
- 239000003960 organic solvent Substances 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000004506 ultrasonic cleaning Methods 0.000 claims 1
- 238000001291 vacuum drying Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 2
- 230000003595 spectral effect Effects 0.000 abstract description 2
- 235000012149 noodles Nutrition 0.000 description 7
- 238000012795 verification Methods 0.000 description 6
- VLKZOEOYAKHREP-UHFFFAOYSA-N n-Hexane Chemical compound CCCCCC VLKZOEOYAKHREP-UHFFFAOYSA-N 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 229910052732 germanium Inorganic materials 0.000 description 2
- GNPVGFCGXDBREM-UHFFFAOYSA-N germanium atom Chemical compound [Ge] GNPVGFCGXDBREM-UHFFFAOYSA-N 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000010998 test method 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
- G01N21/17—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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
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
本发明属于毛皮产品质量检验技术领域，具体涉及一种鉴别易混毛皮的方法。本发明的一种主成分分析和多类判别联用鉴别易混毛皮的方法基于红外光谱图将主成分分析与多类判别进行联合应用于易混毛皮的材质鉴定中，成功建立了易混毛皮材质鉴别模型，所建模型能有效地从大量光谱信息中提取有用的信息，降低了数据维数，简化了运算；同时，得出了易混毛皮的典型判别函数及毛皮分类函数，对易混毛皮进行有效区分。
Description
技术领域
本发明属于毛皮产品质量检验技术领域，具体涉及一种鉴别易混毛皮的方法。
背景技术
我国拥有14目、52科、510种兽类，其中有90多种属于毛皮动物，是世界主要的野生毛皮生产国和出口国。近年来，毛皮材质纠纷和产品材质标识问题日益突出，如何方便、准确地鉴定毛皮种类一直是质检部门及广大消费者关注的焦点。
但是目前毛皮材质鉴定没有标准可依，从世界各国的文献来看，对动物毛皮的种类鉴别多采用传统的感官检验方法，测试人员通过视觉、触觉等检查产品的特性，通过感官分析来识别其种类。该方法需要检验人员对各种毛皮的特征性进行深入了解，并具有丰富的实践经验。但是就算如此，在对易混毛皮进行材质鉴别时也极易出错(例如马毛皮和牛毛皮)。因此，探索出一种科学、准确、高效的毛皮材质鉴定方法已成为当务之急。
发明内容
本发明的目的在于克服现有技术的不足，提供一种的科学、准确、高效的易混毛皮材质鉴定方法。
为了达到上述目的，本发明的一种主成分分析和多类判别联用鉴别易混毛皮的方法，包括如下具体步骤：
(一)建立模型库
1、样品预处理：取满足测试需求尺寸的毛皮样品，采用有机溶剂进行清洗干净，干燥备用。当然在工作频率为35KHZ、工作温度为60℃、工作时间为60min条件下超声清洗2次，取出真空干燥备用的样品更佳，在其它条件下进行也是可以的，如改变工作频率，工作温度，工作时间等。
2、试样红外光谱采集和后处理：采用带有ATR附件的红外光谱仪进行采集，红外仪器预热稳定，将毛皮样品待测面放在ATR附件上，在400-4000cm-1范围内进行扫描采集，一张毛皮采集一组红外谱图数据，保存谱图；采用点平滑及基线校正对光谱谱图进行预处理，另存为csv格式数据；
3、进行主成分分析：选取二种或二种以上易混毛皮在区别度最高的波段范围内的红外谱图各多组；然后把采集到的数据采用SPSS软件进行主成分分析，建立主成分分析模型，计算主成分特征根(λ)≥1的主成分得分的数据备用；
4、多类判别分析模型建立：以上述步骤3中易混毛皮的主成分得分的数据为自变量，用SPSS软件进行判别分析，分别得出易混毛皮的典型判别函数y(x)及毛皮分类函数，将其中一种毛皮标记为1，另一种毛皮标记为2，以此类推进行标记，毛皮分类函数为y1(x)、y2(x)…yn(x)；毛皮的种类和分类函数的数量是一一对应的；
5、模型验证：将建立模型的二种或二种以上毛皮样本的主成分得分的数据代入典型判别函数y(x)中，计算回代正确率，回代正确率≥95％，所建模型适合；否则，增加样本数量，按照步骤1-4重新建立模型直至满足要求；将建立模型的几种毛皮样本主成分得分分别代入毛皮分类函数y1(x)和y2(x)…yn(x)，两两绘制毛皮分类函数聚类图,以一种分类函数为横坐标，另一种分类函数为纵坐标，绘制这几种毛皮分类函数聚类图，查看聚类效果，两种毛皮样本各自分布在不同象限，说明聚类效果良好，聚类图是对所建模型的直观佐证；
(二)易混毛皮鉴别
6、将待测样品按照(一)中1-2步骤进行操作；
7、将待测样品的红外谱图数据与建立模型的毛皮样本红外谱图数据一起按照(一)中步骤3进行操作，得出待测样品主成分特征根(λ)≥1的主成分得分；
8、将步骤7中得出的主成分得分代入(一)中步骤4所建立的典型判别函数y(x)中，通过y(x)值判定待测样品的类别；同时，将步骤7中得出的主成分得分代入步骤4所建立的毛皮分类函数中，并两两绘制毛皮分类函数聚类图,以一种分类函数为横坐标，另一种分类函数为纵坐标，这时的横坐标和纵坐标与(一)中步骤5中的横坐标和纵坐标相同，最好查看待测样品是否落入步骤5所绘的聚类模型中，与典型判别函数y(x)所得结果相互佐证，落入相应的聚类模型中就为对应的毛皮项，从而正确判定毛皮属哪种毛皮。
上述方法可以对常见易混毛皮如马毛皮与牛毛皮，水貂毛皮和黄狼毛皮等进行材质鉴定。
由于动物毛皮的主要成分都是蛋白质，差异性甚小，不同物种的毛样红外光谱的相似度高，很难区分。常见易混毛皮，比如马毛皮与牛毛皮，水貂毛皮和黄狼毛皮等的红外谱图十分相似，不对光谱图进行处理分析，很难直接进行两者的材质鉴定。本发明基于红外光谱图将主成分分析与多类判别进行联合应用于易混毛皮的材质鉴定中，成功建立了易混毛皮材质鉴别模型，所建模型能有效地从大量光谱信息中提取有用的信息，降低了数据维数，简化了运算；同时，得出了易混毛皮的典型判别函数及毛皮分类函数，对易混毛皮进行有效区分。
附图说明
图1为实施例1中牛毛皮和马毛皮毛面判别函数回代验证结果图。
图2为实施例1中牛毛皮和马毛皮毛面分类函数回代聚类图。
图3为实施例1中未参与建立模型的20组验证样品毛面分类函数聚类图。
图4为实施例2中牛毛皮和马毛皮肉面判别函数回代验证结果图。
图5为实施例2中牛毛皮和马毛皮肉面分类函数回代聚类图。
图6为实施例2中未参与建立模型的20组验证样品肉面分类函数聚类图。
具体实施方式
实施例1：基于牛毛皮和马毛皮毛面红外图谱的模型库建立
1、样品预处理：取50mm*100mm牛毛皮样品和马毛皮样品，采用正己烷作为有机溶剂，在工作频率为35KHZ、工作温度为60℃、工作时间为60min条件下超声清洗2次，扫描电镜检查试样清洁度合格，真空干燥备用。
2、试样红外光谱采集和后处理：采用带有ATR附件的红外光谱仪进行采集。仪器预热稳定，将毛皮样品毛面放在ATR附件的锗晶体上，旋转固定钮压紧样品,在400-4000cm-1范围内扫描样品32次，分辨率为4cm-1，保存谱图；采用点平滑及基线校正等预处理方法对光谱谱图进行预处理，另存为csv格式数据。
3、进行主成分分析：选取120组波段为800-2100cm-1的毛面红外谱图(牛毛皮60组，马毛皮60组)，采用SPSS 22进行主成分分析，建立主成分分析模型，计算各主成分得分，其主成分特征根、方差贡献率、累计方差贡献率如表1所示：
表1毛面主成分及其累积贡献率表
4、多类判别分析模型建立：选取其中100组毛面红外谱图数据建立模型(牛毛皮50组、马毛皮50组)：以100组红外谱图数据主成分得分为自变量，采用spss 22进行判别分析，得出牛毛皮与马毛皮的典型判别函数y(x)及牛毛皮分类函数y1(x)、马毛皮分类函数y2(x)分别如式1，式2和式3所示：
y(x)＝0.0421x1-0.0876x2+0.0116x3+0.1275x4+0.0562x5-0.3662x6+0.0095x7+0.1282x8+0.6341x9+0.0393 (式1)
y1(x)＝-0.1175x1+0.2375x2-0.0176x3-0.3558x4-0.1614x5+1.0237x6-0.0903x7-0.2210x8-1.8264x9-4.5457 (式2)
y2(x)＝0.1125x1-0.2405x2+0.0455x3+0.3403x4+0.1456x5-0.9756x6-0.0384x7+0.4790x8+1.6351x9-4.3311 (式3)
5、模型验证：将100组已知数据回代入典型判别函数y(x)，验证典型判别函数的正确率为100％，其结果如图1所示；将100组已知数据分别回代入牛毛皮分类函数y1(x)及马毛皮分类函数y2(x)，以y1(x)为横坐标，y2(x)为纵坐标，绘制牛毛皮和马毛皮分类函数聚类图，聚类效果良好，其结果如图2所示。对未参与建立模型的20个毛面样本(其中1-10为牛毛皮毛面，11-20组为马毛皮毛面)进行预测验证，将20组数据的主因子得分代入典型判别函数y(x)中，得判别毛面函数y(x)值如表2所示，验证正确率100％：
表2牛毛皮和马毛皮毛面判别函数未知样验证结果
将20个毛面样本代入牛毛皮分类函数y1(x)和马毛皮分类函数y2(x)中绘制的验证样品分类函数聚类效果图如图3所示，聚类效果良好。
实施例2：基于牛毛皮和马毛皮肉面红外图谱的模型库建立
1、样品预处理：取50mm*100mm牛毛皮样品和马毛皮样品，采用正己烷作为有机溶剂，在工作频率为35KHZ、工作温度为60℃、工作时间为60min条件下超声清洗2次，扫描电镜检查试样清洁度合格，真空干燥备用。
2、试样红外光谱采集和后处理：采用带有ATR附件的红外光谱仪进行采集。仪器预热稳定，将毛皮样品毛面放在ATR附件的锗晶体上，旋转固定钮压紧样品,在400-4000cm-1范围内扫描样品32次，分辨率为4cm-1，保存谱图；采用点平滑及基线校正等预处理方法对光谱谱图进行预处理，另存为csv格式数据。
3、进行主成分分析：选取120组波段为800-2100cm-1的肉面红外谱图(牛毛皮60组，马毛皮60组)，采用SPSS 22进行主成分分析，建立主成分分析模型，计算各主成分得分，其主成分特征根、方差贡献率、累计方差贡献率如表3所示：
表3肉面主成分及其累积贡献率表
4、多类判别分析模型建立：选取其中100组肉面红外谱图数据建立模型(牛毛皮50组、马毛皮50组)：以100组红外谱图数据主成分得分为自变量，采用spss 22进行判别分析，得出牛毛皮与马毛皮的典型判别函数y(x)及牛毛皮分类函数y1(x)、马毛皮分类函数y2(x)分别如式4，式5和式6所示：
y(x)＝0.0139x1-0.0201x2+0.0351x3-0.3214x4-0.0014x5+0.5013x6+0.1733x7-0.0799x8-0.0778x9+0.2150x10-0.4889x11+0.0083x12+0.0566 (式4)
y1(x)＝0.0368x1-0.0515x2+0.1002x3-0.8482x4-0.0058x5+1.3247x6+0.4299x7-0.2170x8-0.2099x9+0.6041x10-1.3255x11+0.1272x12-4.2053 (式5)
y2(x)＝-0.0381x1+0.0572x2-0.0893x3+0.8888x4+0.0017x5-1.3846x6-0.5064x7+0.2149x8+0.2108x9-0.5578x10+1.3166x11+0.0824x12-4.5114 (式6)
5、模型验证：将100组已知数据回代入典型判别函数y(x)，验证典型判别函数的正确率为100％，其结果如图4所示；将100组已知数据分别回代入牛毛皮分类函数y1(x)及马毛皮分类函数y2(x)，以y1(x)为横坐标，y2(x)为纵坐标，绘制牛毛皮和马毛皮分类函数聚类图，聚类效果良好，其结果如图5所示。对未参与建立模型的20个肉面样本(其中1-10为牛毛皮肉面，11-20组为马毛皮肉面)进行预测验证，将20组数据的主因子得分代入典型判别函数y(x)中，得判别肉面函数y(x)值如表4所示，验证正确率100％：
表4牛毛皮和马毛皮肉面判别函数未知样验证结果
将20个肉面样本代入牛毛皮分类函数y1(x)和马毛皮分类函数y2(x)中绘制的验证样品分类函数聚类效果图如图6所示，聚类效果良好。
Claims (3)
1.一种主成分分析和多类判别联用鉴别易混毛皮的方法，其特征在于：包括如下具体步骤：
(一)建立模型库
(1)样品预处理：取满足测试需求尺寸的毛皮样品，采用有机溶剂进行清洗干净，干燥备用；
(2)试样红外光谱采集和后处理：采用带有ATR附件的红外光谱仪进行采集，红外仪器预热稳定，将毛皮样品待测面放在ATR附件上，在400-4000cm-1范围内进行扫描采集，一张毛皮采集一组红外谱图数据，保存谱图；采用点平滑及基线校正对光谱谱图进行预处理，另存为csv格式数据；
(3)进行主成分分析：选取二种或二种以上易混毛皮在区别度最高的波段范围内的红外谱图各多组；然后把采集到的数据采用SPSS软件进行主成分分析，建立主成分分析模型，计算主成分特征根(λ)≥1的主成分得分的数据备用；
(4)多类判别分析模型建立：以上述步骤(3)中易混毛皮的主成分得分的数据为自变量，用SPSS软件进行判别分析，分别得出易混毛皮的典型判别函数y(x)及毛皮分类函数，将其中一种毛皮标记为1，另一种毛皮标记为2，以此类推进行标记，毛皮分类函数为y1(x)、y2(x)…yn(x)；毛皮的种类和分类函数的数量是一一对应的；
(5)模型验证：将建立模型的二种或二种以上毛皮样本的主成分得分的数据代入典型判别函数y(x)中，计算回代正确率，回代正确率≥95％，所建模型适合；否则，增加样本数量，按照步骤1-4重新建立模型直至满足要求；将建立模型的几种毛皮样本主成分得分分别代入毛皮分类函数y1(x)和y2(x)…yn(x)，两两绘制毛皮分类函数聚类图,以一种分类函数为横坐标，另一种分类函数为纵坐标，绘制这几种毛皮分类函数聚类图，查看聚类效果，两种毛皮样本各自分布在不同象限，说明聚类效果良好，聚类图是对所建模型的直观佐证；
(二)易混毛皮鉴别
(6)将待测样品按照(一)中(1)-(2)步骤进行操作；
(7)将待测样品的红外谱图数据与建立模型的毛皮样本红外谱图数据一起按照(一)中步骤(3)进行操作，得出待测样品主成分特征根(λ)≥1的主成分得分；
(8)将步骤(7)中得出的主成分得分代入(一)中步骤(4)所建立的典型判别函数y(x)中，通过y(x)值判定待测样品的类别；同时，将步骤(7)中得出的主成分得分代入步骤(4)所建立的毛皮分类函数中，并两两绘制毛皮分类函数聚类图,以一种分类函数为横坐标，另一种分类函数为纵坐标，这时的横坐标和纵坐标与(一)中步骤(5)中的横坐标和纵坐标相同，最好查看待测样品是否落入步骤(5)所绘的聚类模型中，与典型判别函数y(x)所得结果相互佐证，落入相应的聚类模型中就为对应的毛皮项，从而正确判定毛皮属哪种毛皮。
2.根据权利要求1所述的一种主成分分析和多类判别联用鉴别易混毛皮的方法，其特征在于：应用该方法对常见易混毛皮如马毛皮与牛毛皮，水貂毛皮和黄狼毛皮等进行材质鉴定。
3.根据权利要求1所述的一种主成分分析和多类判别联用鉴别易混毛皮的方法，其特征在于：样品预处理方法为：在工作频率为35KHZ、工作温度为60℃、工作时间为60min条件下超声清洗2次，取出真空干燥备用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810860080.6A CN109211830A (zh) | 2018-08-01 | 2018-08-01 | 一种主成分分析和多类判别联用鉴别易混毛皮的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810860080.6A CN109211830A (zh) | 2018-08-01 | 2018-08-01 | 一种主成分分析和多类判别联用鉴别易混毛皮的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109211830A true CN109211830A (zh) | 2019-01-15 |
Family
ID=64990416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810860080.6A Pending CN109211830A (zh) | 2018-08-01 | 2018-08-01 | 一种主成分分析和多类判别联用鉴别易混毛皮的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109211830A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111275111A (zh) * | 2020-01-20 | 2020-06-12 | 陕西科技大学 | 一种同种动物同色毛皮的分类方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5110365A (en) * | 1990-12-03 | 1992-05-05 | The Babcock & Wilcox Company | Control of furnace cleaning for reflective ash using infrared imaging |
| US5830132A (en) * | 1993-08-24 | 1998-11-03 | Robinson; Mark R. | Robust accurate non-invasive analyte monitor |
| WO2000042907A1 (en) * | 1999-01-22 | 2000-07-27 | Instrumentation Metrics, Inc. | System and method for noninvasive blood analyte measurements |
| US20090314942A1 (en) * | 2008-06-20 | 2009-12-24 | Bowling Green State University | Method and apparatus for detecting organic materials and objects from multispectral reflected light |
| CN101893557A (zh) * | 2009-05-20 | 2010-11-24 | 中国农业科学院兰州畜牧与兽药研究所 | 动物毛皮种类的快速无损鉴别方法 |
| CN104406928A (zh) * | 2014-12-01 | 2015-03-11 | 上海理工大学 | 一种无损检测苹果表面打蜡种类的方法 |
| CN104730004A (zh) * | 2015-03-25 | 2015-06-24 | 浙江理工大学 | 基于紫外漫反射光谱的纺织纤维的鉴别方法 |
| 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 |
| CN106596453A (zh) * | 2016-12-16 | 2017-04-26 | 中国水产科学研究院黄海水产研究所 | 一种基于近红外光谱技术鉴别野生和养殖海鲈鱼的方法 |
| CN108088808A (zh) * | 2016-11-23 | 2018-05-29 | 西派特（北京）科技有限公司 | 皮毛的近红外光谱快速无损定性分析方法 |
-
2018
- 2018-08-01 CN CN201810860080.6A patent/CN109211830A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5110365A (en) * | 1990-12-03 | 1992-05-05 | The Babcock & Wilcox Company | Control of furnace cleaning for reflective ash using infrared imaging |
| US5830132A (en) * | 1993-08-24 | 1998-11-03 | Robinson; Mark R. | Robust accurate non-invasive analyte monitor |
| WO2000042907A1 (en) * | 1999-01-22 | 2000-07-27 | Instrumentation Metrics, Inc. | System and method for noninvasive blood analyte measurements |
| US20090314942A1 (en) * | 2008-06-20 | 2009-12-24 | Bowling Green State University | Method and apparatus for detecting organic materials and objects from multispectral reflected light |
| CN101893557A (zh) * | 2009-05-20 | 2010-11-24 | 中国农业科学院兰州畜牧与兽药研究所 | 动物毛皮种类的快速无损鉴别方法 |
| CN104406928A (zh) * | 2014-12-01 | 2015-03-11 | 上海理工大学 | 一种无损检测苹果表面打蜡种类的方法 |
| CN104730004A (zh) * | 2015-03-25 | 2015-06-24 | 浙江理工大学 | 基于紫外漫反射光谱的纺织纤维的鉴别方法 |
| 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 |
| CN108088808A (zh) * | 2016-11-23 | 2018-05-29 | 西派特（北京）科技有限公司 | 皮毛的近红外光谱快速无损定性分析方法 |
| CN106596453A (zh) * | 2016-12-16 | 2017-04-26 | 中国水产科学研究院黄海水产研究所 | 一种基于近红外光谱技术鉴别野生和养殖海鲈鱼的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李晓丽: "基于主成分和多类判别分析的可见-红外光谱水蜜桃品种鉴别新方法", 《红外与毫米波学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111275111A (zh) * | 2020-01-20 | 2020-06-12 | 陕西科技大学 | 一种同种动物同色毛皮的分类方法 |
| CN111275111B (zh) * | 2020-01-20 | 2023-10-31 | 陕西科技大学 | 一种同种动物同色毛皮的分类方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103344602B (zh) | 一种基于近红外光谱的水稻种质真伪无损检测方法 | |
| CN108072626B (zh) | 一种沥青品牌识别方法 | |
| CN102564993B (zh) | 一种利用傅里叶变换红外光谱识别大米品种方法及其应用 | |
| CN109142317A (zh) | 一种基于随机森林模型的拉曼光谱物质识别方法 | |
| CN109765194B (zh) | 基于高光谱成像技术的枸杞子产地识别方法 | |
| CN108734205A (zh) | 一种针对不同品种小麦种子的单粒定点识别技术 | |
| CN110672582B (zh) | 一种基于改进主成分分析的拉曼特征谱峰提取方法 | |
| CN106124445A (zh) | 一种快速、无损鉴别转基因大豆方法 | |
| CN112649391A (zh) | 一种纤维质量等级在线检测系统及其应用 | |
| CN104680185B (zh) | 基于边界点重分类的高光谱图像分类方法 | |
| CN104020128A (zh) | 一种快速鉴别蜂胶胶源的方法 | |
| Yin et al. | Non-destructive detection of foreign contaminants in toast bread with near infrared spectroscopy and computer vision techniques | |
| Supekar et al. | Multi-parameter based mango grading using image processing and machine learning techniques | |
| Lin et al. | A novel method for geographical origin identification of Tetrastigma hemsleyanum (Sanyeqing) by near-infrared spectroscopy | |
| CN115909057A (zh) | 一种基于高光谱成像的牛黄智能鉴别方法及应用 | |
| CN109211830A (zh) | 一种主成分分析和多类判别联用鉴别易混毛皮的方法 | |
| 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 | |
| Xie et al. | Modeling for mung bean variety classification using visible and near-infrared hyperspectral imaging | |
| Yang et al. | Classification of sugar beets based on hyperspectral and extreme learning machine methods | |
| Hailu et al. | Applying image processing for malt-barley seed identification | |
| CN108195793A (zh) | 植物源性饲料原料氨基酸含量的通用模型构建方法 | |
| CN106442390A (zh) | 基于pca‑svm算法的转基因大豆分类鉴定方法 | |
| CN113092403B (zh) | 一种学生校服纺织品材料太赫兹光谱定性检测方法 | |
| Reynolds et al. | Image-based material analysis of ancient historical documents | |
| CN114527088A (zh) | 一种基于红外光谱指纹技术的艾叶产地溯源方法 |
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: 20190115 |