CN109959632A - 一种用近红外光谱技术检测水分子状态的方法 - Google Patents
一种用近红外光谱技术检测水分子状态的方法 Download PDFInfo
- Publication number
- CN109959632A CN109959632A CN201711428225.7A CN201711428225A CN109959632A CN 109959632 A CN109959632 A CN 109959632A CN 201711428225 A CN201711428225 A CN 201711428225A CN 109959632 A CN109959632 A CN 109959632A
- Authority
- CN
- China
- Prior art keywords
- water
- near infrared
- infrared spectrum
- sample
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 35
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 193
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000004566 IR spectroscopy Methods 0.000 claims abstract description 3
- 238000005259 measurement Methods 0.000 claims abstract description 3
- 238000010521 absorption reaction Methods 0.000 claims description 20
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 18
- 239000011707 mineral Substances 0.000 claims description 18
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000002835 absorbance Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004497 NIR spectroscopy Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 235000020188 drinking water Nutrition 0.000 claims description 4
- 239000003651 drinking water Substances 0.000 claims description 4
- 239000000693 micelle Substances 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims 1
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 claims 1
- 238000004611 spectroscopical analysis Methods 0.000 claims 1
- 239000007788 liquid Substances 0.000 abstract description 3
- 239000002904 solvent Substances 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 57
- 235000019224 Camellia sinensis var Qingmao Nutrition 0.000 description 25
- 235000020339 pu-erh tea Nutrition 0.000 description 25
- 238000004458 analytical method Methods 0.000 description 16
- 150000003384 small molecules Chemical class 0.000 description 14
- 230000005311 nuclear magnetism Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000007417 hierarchical cluster analysis Methods 0.000 description 4
- 239000008239 natural water Substances 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 235000012206 bottled water Nutrition 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000013068 control sample Substances 0.000 description 1
- 238000002242 deionisation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 238000001139 pH measurement Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 229910001414 potassium ion Inorganic materials 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000012086 standard solution Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000001845 vibrational spectrum 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
- G01N21/359—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
本发明涉及一种用近红外光谱技术检测水分子状态的方法，用近红外光谱检测仪，检测水的红外光谱，得到水的近红外光谱谱图；用SIMCA分析软件，分析水的近红外光谱数据，获得被测水的水分子状态信息。本发明可通过溶液中水分子状态的测定，获得液体中溶剂的信息。
Description
技术领域
以往水的检测都集中在液体的溶质领域。本发明涉及一种用近红外光谱技术检测和分析水、液体中的溶剂，即水分子状态的方法。
背景技术
水是生命的源泉，地球上的生命最初在水中出现，71％的地球面积被水覆盖，且水是人类及一切生物赖以生存的必不可少的重要物质。因此，对水的研究有很多。矿泉水是从地下深处自然涌出的或者是经人工揭露的、未受污染的地下矿水；含有一定量的矿物盐、微量元素或二氧化碳气体；在通常情况下，其化学成分、流量、水温等动态在天然波动范围内相对稳定。
我国不同地域的矿泉水常用离子浓度、pH和氧17核磁半峰宽进行区分，但是，这些相关数据无法完全覆盖矿泉水的信息，因此对于离子类型和浓度相似的矿泉水，通过上述方法很难区分水在生产过程中的变化以及不同生产日期的水。
近红外光(Near Infrared，NIR)是介于可见光(VIS)和中红外光(MIR)之间的电磁波，按ASTM(美国试验和材料检测协会)定义是指波长在780～2526nm范围内的电磁波，习惯上又将近红外区划分为近红外短波(780～1100nm)和近红外长波(1100～2526nm)两个区域。近红外区域是人们最早发现的非可见光区域。
近红外光谱属于分子振动光谱的倍频和主频吸收光谱，主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，具有较强的穿透能力。近红外光主要是对含氢基团X－H(X＝C、N、O)振动的倍频和合频吸收，其中包含了大多数类型有机化合物的组成和分子结构的信息。
关于采用近红外光谱检测水的方法，有如下报道：
CN201410550206.1(公开号为CN104568820A)公开了一种饮用水的近红外检测，但是遗憾的是，该专利重点阐述了对近红外处理后的参数进行处理的方法，并没有公开近红外检测水的相关数据。
水结构的研究已经持续了将近100年。目前，根据实验探究和理论计算已经提出了许多有关水结构的模型。这些模型主要分为两部分：(1)水是两种或两种以上组分的混合体；(2)水是一个连续体系，随着温度升高，氢键强度逐渐减弱。
尽管现有技术有对水的结构有研究，但是对饮用水、矿泉水等研究的比较少，因此，提出了本发明。
发明内容：
本发明的第一目的是提供一种用近红外光谱技术检测水分子状态的方法，该方法包括以下步骤：
步骤1：取水样，用近红外光谱检测仪检测，得到水的近红外光谱谱图；
步骤2：用SIMCA分析软件，分析水的近红外光谱数据，获得被测水的水分子状态信息。
上述方法中：
所述步骤1中：
取样：是在各个样品制备或者瓶装水打开瓶盖后0时、6时、24时分别取样；(进行不同时间取样的原因是：减少瓶装水开封后水样与空气接触发生反应产生变化带来的误差)
优选地，在每个时间点(0时、6时、24时)分别取7个样品。
不同温度是30-60℃，温度梯度是5℃；
近红外光谱测定方法如下：扫描范围为1100-2400nm，分辨率为4-16cm-1，扫描次数为32-128次，光程1-3mm，每一样本在不同时间分别采集3-6次，取3-6次采集的平均值作为该样本的原始数据。
优选地，近红外光谱测定方法步骤如下：扫描范围为1100-2400nm，分辨率为8cm-1，扫描次数为64次，光程1mm，每一样本在不同时间分别采集3次，取3次采集的平均值作为该样本的原始数据。
需要注意的是：在测量前各水样在样品架上稳定至少120s。
进一步，本发明所述方法包括以下步骤：
1)采取水样，近红外光谱测定不同温度下的水样，采用变量标准化(StandardNormal Variarate,SNV)进行光谱预处理，然后通过如下公式进行标准吸收度的计算：
其中，Araw表示水样在选定波长附近的吸收值，Aμ表示选定波长吸收值，σ表示对应的标准偏差，获得区分各种水样的数据基础；
2)根据近红外光谱模型和1)中的数据进行分析，区分不同的水样。
具体的，本发明所述方法包括以下步骤：
步骤1：采取水样，近红外光谱测定不同温度下的水样，原始光谱数据通过R-studio传送到多变量分析软件Pirouette进行分析，得到近红外光谱谱图；
步骤2：将步骤1得到的近红外光谱谱图，利用SIMCA分析软件，分析不同水样的近红外光谱数据；
步骤3：采取水样，近红外光谱测定不同温度下的水样，采用变量标准化(StandardNormal Variarate,SNV)进行光谱预处理，然后通过如下公式进行标准吸收度的计算：
其中，Araw表示水样在选定波长附近的吸收值，Aμ表示选定波长吸收值，σ表示对应的标准偏差，获得区分各种水样的数据基础；
步骤4：根据步骤2的近红外光谱模型和步骤3得到的数据进行分析，区分不同的水样。
上述方法中：
在水样的近红外光谱中，有12种波长被挑选出来，分别在1342，1364，1372，1382，1398，1410，1438，1444，1464，1474，1492和1518nm处，分别象征水的特征峰。
所述方法，针对的水为加工过或未加工过的水，所述水为矿泉水、饮用水、纯净水，所述加工是将大分子团水处理成小分子团水的过程。
所述方法也可用于不同生产日期的水。
本发明的另一目的是提供一种水分子状态，由以下方法检测得到：
步骤1：采取水样，近红外光谱测定不同温度下的水样，原始光谱数据通过R-studio传送到多变量分析软件Pirouette进行分析，得到近红外光谱谱图；
步骤2：将步骤1得到的近红外光谱谱图，利用SIMCA分析软件，分析不同水样的近红外光谱数据；
步骤3：采取水样，近红外光谱测定不同温度下的水样，采用变量标准化(StandardNormal Variarate,SNV)进行光谱预处理，然后通过如下公式进行标准吸收度的计算：
其中，Araw表示水样在选定波长附近的吸收值，Aμ表示选定波长吸收值，σ表示对应的标准偏差，获得区分各种水样的数据基础；
步骤4：根据步骤2的近红外光谱数据和步骤3得到的数据进行分析，区分不同的水样。
本发明提供的方法具有以下有益效果：
1、本发明建立一种温度干扰下采用近红外光谱解析自然水和加工水的溶剂，即水分子状态的方法。除离子浓度、pH和氧17核磁半峰宽。用该方法，可建立建立水加工过程中质量控制、水的保质期新检测方法。
2、本发明针对的水为矿泉水、纯净水和加工的小分子水，通过不同取样时间、不同温度进行检测，最终建立的图谱及判断方法可以探索水分子结构，通过分析温度干扰下各水样的谱峰变化，可探究在温度改变下水结构的变化，解析自然水和加工水的水分子状态信息。
附图说明
图1：以纯水为对照，不同温度下4种水样类间距变化情况。
图2：不同温度下，利用SIMCA分析水样类间距解读自然水和加工水的隐藏信息。(A)Q和PQ类间距差值随温度变化情况；(B)Cha2014和Cha2016类间距差值随温度变化情况。
图3：对水样在30到60℃范围内近红外谱图的分析结果，以纯水(Q：粗实线)为基准，比较其他水样(PQ：点虚线，Cha：虚线-中间长的线段，Cha2014：虚线-线段最长的，Cha2016：细实线)；
图4：各水样1518nm和1398nm处吸收峰的根植随温度变化情况。
图中：样品缩写：纯水Q；自制小分子水PQ；帝泊洱C胞活力(2016年)Cha2016；帝泊洱C胞活力(2014年)Cha2014；帝泊洱矿泉水Cha。
具体实施方式
本发明使用的材料如下，但是仅用来说明本发明的可操作性，而不应该构成对本发明的限制。
1材料
1.1仪器
傅立叶变换近红外光谱仪(布鲁克，MPA)，Pirouette软件处理光谱；S475-B梅特勒多功能检测仪；核磁共振谱仪(布鲁克，400MHz)。
1.2样品
帝泊洱C胞活力(2016年)、帝泊洱C胞活力(2014年)、帝泊洱矿泉水、自制小分子水、纯水。其中自制小分子水从纯水制得，帝泊洱C胞活力从帝泊洱矿泉水制得。自制小分子水制备过程如下：在天士力公司自制的小分子水机的填充柱中，填满一种特殊的水处理材料，将纯水经过小分子水机处理并收集，得到自制小分子水样品。
2方法与结果
2.1方法
2.1.1水样常规检测
2.1.1.1水样离子浓度和pH测定
水样的离子浓度(Na+，Mg2+，Ca2+)和pH通过梅特勒多功能仪测得。
2.1.1.2水样核磁半峰宽测定
在Bruker核磁共振波谱仪上测得各样品的17O核磁半峰宽，以90％H2O+10％D2O为标准溶液按标准方法调节匀场，共振频率为400MHz，测试温度为(25±0.5)℃，采样点数为16 384，扫描次数为1 024次。
2.1.2NIR光谱采集
扫描范围为1100-2400nm，分辨率为8cm-1，扫描次数为64次，光程1mm。
样品取样：在样品制备或者打开瓶盖后0时、6时、24时分别取样。温度梯度为5℃，温度由30℃至60℃设置各水样不同温度实验组样品。在测量前各水样在样品架上稳定至少120s。
每一样本在不同时间分别采集3次，取3次采集的平均值作为该样本的原始数据。
2.1.3近红外光谱谱图的建立
将NIR光谱测定的原始光谱数据通过R-studio(超强数据恢复软件)传送到多变量分析软件Pirouette(化学计量学方法包)，得到近红外光谱谱图。
将得到的近红外光谱谱图利用相似分析方法(SIMCA，该软件是一款用于主成分分析及偏最小二乘-判别分析的工具，它可以将结果用得分图的形式形象地展现出来)建立各种水样的近红外分析模型；通过温度干扰因素，找到水加工前后水的变化和不同生产日期水的变化情况；
将得到的近红外光谱谱图，采用变量标准化(Standard Normal Variarate,SNV)进行光谱预处理，然后通过如下公式进行标准吸收度的计算：
其中，Araw表示水样在选定波长附近的吸收值，Aμ表示选定波长吸收值，σ表示对应的标准偏差，获得区分各种水样的数据基础。
根据近红外光谱模型和检测得到的数据进行分析，区分不同的水样。
2.2结果
2.2.1水样常规检测模型建立
利用常规检测方法，分别检测各水样以下指标：Na+离子浓度、K+离子浓度、Mg2+离子浓度、Ca2+离子浓度、pH和17O核磁半峰宽，各指标检测结果见表1。
表1：各水样离子浓度、pH和核磁半峰宽检测结果
通过聚类分析法(Hierarchical Cluster Analysis,HCA)中的直接聚类法对以上指标进行分析。以离子浓度作为考察指标，HCA分析结果显示，自制小分子水(PQ)和纯水(Q)相似度非常高，无法加以区分；不同生产日期的C胞活力(Cha2014和Cha2016)相似度也非常高，无法加以区分；C胞活力和帝泊洱矿泉水(Cha)的相似度较高，为70％，区分不明显。
以离子浓度、pH和17O核磁半峰宽三个指标作为考察对象，HCA分析结果表明，不同生产日期的C胞活力(Cha2014和Cha2016)相似度较高，无法加以区分。
结果说明：以离子浓度、pH和17O核磁半峰宽这些常规检测建立的模型并不适用于区分不同水样。
2.2.2近红外光谱分析模型建立和应用
(1)NIR分析模型的建立
采集水样红外光谱，谱图峰值主要集中在第一倍频区域1300-1600nm。在收集光谱数据的基础上，应用SIMCA分析软件，分析五种不同水样的近红外光谱数据，建立分析模型。
图1为以纯水为对照，不同温度下4种水样类间距变化情况，从图中可以看出，各水样与纯水的类间距差值随温度呈现类似二次方程的变化。据此可将水样分为两个组别。一组为随温度变化呈负增长的，如帝泊洱矿泉水；另一组为随温度呈正增长的，如自制小分子水，帝泊洱C胞活力(2014)和帝泊洱C胞活力(2016)。
(2)分析加工过程中的变化和不同生产日期的水
图2为不同温度下，利用SIMCA分析水样类间距解读自然水和加工水的隐藏信息。其中：
图2(A)为Q和PQ类间距差值随温度变化情况；
图2(B)为Cha2014和Cha2016类间距差值随温度变化情况。比较加工和未加工的水样，见图2(A)，随着温度的升高，自制小分子水和纯水的类间距差值从0.89到0.78，说明加工过程中水样基本不受温度影响。
另一方面，对比不同生产日期的水，见图2(B)，随着温度的升高，帝泊洱C胞活力(2016)和帝泊洱C胞活力(2014)的类间距差值从1.00增加到2.01，说明不同生产日期的水对温度敏感，这一结果不同于加工过程的水样。
(3)判断水样在不同生产日期和不同温度下的变化
对5种水样在30℃梯度升高到60℃范围内的近红外谱图数据进行分析。以纯水为基准(在中心位置)，比较其他水样，如图3所示(对水样在30到60℃范围内近红外谱图的分析结果)。在30℃下，水样被分成2个组别，一组为帝泊洱矿泉水，它在1364nm-1438nm区域有吸收峰，另一组为自制小分子水、帝泊洱矿泉水、帝泊洱C胞活力(2014)和帝泊洱C胞活力(2016)，它们主要在1447-1518nm区域有吸收峰。随着温度的升高，当温度上升到35℃，帝泊洱C胞活力(2014)在1364nm-1410nm区域的峰值稍有增强，其他水样仍然和30℃时情况类似。当温度上升到40℃时，自制小分子水和帝泊洱C胞活力(2016)仍然保持有1476nm-1518nm区域的较强吸收峰，而帝泊洱C胞活力(2014)则出现1364nm-1410nm处峰值消失的现象，变为与帝泊洱矿泉水类似的峰形。
依据水的近红外波谱分析水的特征：OH对称、不对称和[H+-(H2O)x]的伸缩震动在1344nm，1372nm和1518nm处有峰，不同尺寸水团簇水壳层[OH--(H2O)x]的OH伸缩震动在1364,1438和1444nm处有峰，结合水分子H2O-OH在1382nm处有峰，自由OH伸缩震动在1398nm处有峰，游离水分子结构[S0]在1410nm处有峰，不同数目水分子团簇[S2]在1462nm处有峰，[S3]在1474nm处有峰，冰状高氢键[S4]在1492nm处有峰。在1364nm，1374nm和1382nm处峰值为水蒸气的特征峰，这些峰会受温度变化的影响。
(4)评估加工水
发明人还发现加工后的水仍保持在有1398nm处有低的吸收峰和在1518nm处有高的吸收峰。包含离子的第一壳层水在1398nm附近有吸收峰，结合水结构水(团簇水)在1518nm附近有吸收峰，这些峰值与半峰宽(FWHM)有关。
图4为各水样1518nm和1398nm处吸收峰的根植随温度变化情况。从图中可以看出，自制小分子水和帝泊洱C胞活力(2016)不受温度影响。帝泊洱矿泉水和生产日期较长帝泊洱C胞活力(2014)受温度影响。该结果与图2中水样类间距解读信息一致。
可以说通过本发明的方法揭示了加工水(PQ和Cha2016)受温度干扰下仍保持氢键稳定结构的物理性质。
Claims (9)
1.一种用近红外光谱技术检测水分子状态的方法，该方法包括以下步骤：取水样，用近红外光谱检测仪检测，得到水的近红外光谱谱图；用SIMCA分析软件，分析水的近红外光谱数据，获得被测水的水分子状态信息。
2.根据权利要求1所述的方法，其特征在于，所述步骤1中：
近红外光谱的测定方法：检测范围为1100-2400nm，分辨率为4-16cm-1，扫描次数为32-128次，光程1-3mm。
3.根据权利要求1所述的方法，其特征在于，所述步骤1中：
近红外光谱的测定方法：扫描范围为1100-2400nm，分辨率为8cm-1，扫描次数为64次，光程1mm，每一样本在不同时间分别采集3次，取3次采集的平均值作为该样本的原始数据。
4.根据权利要求1-3任一项所述的方法，该方法包括以下步骤：
取水样，用近红外光谱仪，测定不同温度下的水样，采用变量标准化进行光谱预处理，然后用以下公式进行标准吸收度的计算，近红外光谱的测定方法为，检测范围为1100-2400nm，分辨率为4-16cm-1，扫描次数为32-128次，光程1-3mm：
其中，Araw表示水样在选定波长附近的吸收值，Aμ表示选定波长吸收值，σ表示对应的标准偏差，获得区分各种水样的数据基础；据近红外光谱模型和测定中的数据进行分析，区分不同的水样。
5.根据权利要求4所述的方法，其特征在于，所述方法包括以下步骤：
步骤1：采取水样，用近红外光谱仪，测定不同温度下的水样，原始光谱数据通过R-studio传送到多变量分析软件Pirouette进行分析，得到近红外光谱谱图，近红外光谱的测定方法为，检测范围为1100-2400nm，分辨率为4-16cm-1，扫描次数为32-128次，光程1-3mm；
步骤2：将步骤1得到的近红外光谱谱图，利用SIMCA分析软件，分析不同水样的近红外光谱数据；
步骤3：采取水样，近红外光谱测定不同温度下的水样，采用变量标准化(StandardNormal Variarate,SNV)进行光谱预处理，然后通过如下公式进行标准吸收度的计算：
其中，Araw表示水样在选定波长附近的吸收值，Aμ表示选定波长吸收值，σ表示对应的标准偏差，获得区分各种水样的数据基础；
步骤4：根据步骤2的近红外光谱数据和步骤3得到的数据进行分析，区分不同的水样。
6.根据权利要求5所述的方法，所述水的来源包括判断水的品种，温度，质量以及判断水加工过程中的变化以及区分不同生产日期的水，为加工过或未加工过的水。
7.根据权利要求6所述的方法，所述水为矿泉水、饮用水、纯净水，所述加工是将大分子团水处理成小分子团水的过程。
8.一种水分子状态，其由权利要求1-7任一项所述方法检测得到。
9.根据权利要求8所述的水分子状态，分别在1342，1364，1372，1382，1398，1410，1438，1444，1464，1474，1492和1518nm处，分别象征水的特征峰。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711428225.7A CN109959632B (zh) | 2017-12-26 | 2017-12-26 | 一种用近红外光谱技术检测水分子状态的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711428225.7A CN109959632B (zh) | 2017-12-26 | 2017-12-26 | 一种用近红外光谱技术检测水分子状态的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109959632A true CN109959632A (zh) | 2019-07-02 |
| CN109959632B CN109959632B (zh) | 2024-02-02 |
Family
ID=67021732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711428225.7A Active CN109959632B (zh) | 2017-12-26 | 2017-12-26 | 一种用近红外光谱技术检测水分子状态的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109959632B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003106999A (ja) * | 2001-09-28 | 2003-04-09 | Mitsubishi Agricult Mach Co Ltd | 土壌成分解析方法 |
| CN1424888A (zh) * | 2000-01-21 | 2003-06-18 | 三西斯医学股份有限公司 | 通过与脂肪组织相关的特征对组织分类与表征 |
| CN103364359A (zh) * | 2012-04-11 | 2013-10-23 | 天士力制药集团股份有限公司 | Simca模式识别法在近红外光谱识别大黄药材中的应用 |
| CN107421911A (zh) * | 2017-05-10 | 2017-12-01 | 浙江大学 | 一种基于便携式近红外光谱仪的土壤氮素检测的预处理方法 |
-
2017
- 2017-12-26 CN CN201711428225.7A patent/CN109959632B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1424888A (zh) * | 2000-01-21 | 2003-06-18 | 三西斯医学股份有限公司 | 通过与脂肪组织相关的特征对组织分类与表征 |
| JP2003106999A (ja) * | 2001-09-28 | 2003-04-09 | Mitsubishi Agricult Mach Co Ltd | 土壌成分解析方法 |
| CN103364359A (zh) * | 2012-04-11 | 2013-10-23 | 天士力制药集团股份有限公司 | Simca模式识别法在近红外光谱识别大黄药材中的应用 |
| CN107421911A (zh) * | 2017-05-10 | 2017-12-01 | 浙江大学 | 一种基于便携式近红外光谱仪的土壤氮素检测的预处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| 国家药典委员会: "《中国药典分析检测技术指南》", 31 August 2017, 中国医药科技出版社 * |
| 樊梦丽等: "近红外光谱水光谱组学", 《化学进展》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109959632B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104062257B (zh) | 一种基于近红外光谱测定溶液中总黄酮含量的方法 | |
| CN103743703A (zh) | 一种采用近红外光谱快速检测茶叶中主要成分的方法 | |
| CN103543123A (zh) | 一种掺假牛奶的红外光谱识别方法 | |
| CN104849233B (zh) | 一种检测谷物新陈度的方法及装置 | |
| CN111220592B (zh) | 基于表面增强拉曼光谱的羟基山椒素快速检测方法 | |
| WO2011059499A1 (en) | An authentication device for full intact wine bottles | |
| CN106932463A (zh) | 一种快速、无损的茶叶产地鉴定方法 | |
| CN103376242A (zh) | 一种芍药苷的检测方法 | |
| CN106645056B (zh) | 一种饮用水中钡离子的检测方法 | |
| CN103411895B (zh) | 珍珠粉掺伪的近红外光谱鉴别方法 | |
| CN105044025A (zh) | 一种近红外快速识别芝麻油及芝麻油中掺杂大豆油的方法 | |
| CN105372204B (zh) | 一种硫酸依替米星柱分离过程的近红外光谱在线检测方法 | |
| Ning et al. | Rapid identification and quantitative pit mud by near infrared Spectroscopy with chemometrics | |
| CN105806803A (zh) | 一种多指标协同分析波长组合及其选择方法 | |
| CN109214423A (zh) | 一种基于动静态数据融合的食品质量判别分析方法 | |
| CN109959632A (zh) | 一种用近红外光谱技术检测水分子状态的方法 | |
| CN105784633A (zh) | 一种基于太赫兹时域光谱的辨别矿物演化方法 | |
| 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 | |
| Ta et al. | Wine component tracing method based on near infrared spectrum fusion machine learning | |
| Guo et al. | Nondestructive estimation of total free amino acid in green tea by near infrared spectroscopy and artificial neural networks | |
| CN107064043B (zh) | 一种掺伪珍珠粉的中红外光谱鉴定方法 | |
| CN106645021A (zh) | 一种卟啉近红外全息探针判别名优绿茶原产地的方法 | |
| CN104132928B (zh) | 一种茶叶中美术绿含量的检测方法 | |
| CN107037039B (zh) | 一种新疆核桃产地溯源研究方法 | |
| Horii et al. | Analysis of element composition of Japanese and other wine and their classification |
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 |