CN109961179A - 一种水产品品质检测方法及便携式拉曼装置 - Google Patents
一种水产品品质检测方法及便携式拉曼装置 Download PDFInfo
- Publication number
- CN109961179A CN109961179A CN201910186522.8A CN201910186522A CN109961179A CN 109961179 A CN109961179 A CN 109961179A CN 201910186522 A CN201910186522 A CN 201910186522A CN 109961179 A CN109961179 A CN 109961179A
- Authority
- CN
- China
- Prior art keywords
- aquatic products
- module
- raman
- data
- laser
- 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
- G01N21/63—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Automation & Control Theory (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
Abstract
本发明公开了一种水产品品质检测方法及便携式拉曼装置。其中,该方法包括:步骤一:检测人员手动将拉曼探头光纤一端的光纤接口插入便携式拉曼装置机壳顶部的光纤接口内,进而完成电路连接,随即通过系统控制处理模块使便携式拉曼装置进入工作状态,步骤二:检测人员通过系统控制处理模块控制激光器工作,并设置好激光器的激光波长为785nm。本发明基于对拉曼光谱数据的特征提取,无需对样品进行预处理,检测安全、快速;基于现有的预测模型,使用便携式拉曼检测装置,能够现场实时鉴定水产品质量,为水产品的质量检测提供一种更为方便的现场检测手段,实用性很高,适合广泛推广。
Description
【技术领域】
本发明涉及水产品检测技术领域,具体涉及水产品质量检测方法及便携式拉曼检测装置。
【背景技术】
水产品品质检测手段多样,水产品品质检测的指标一般包括颜色、质构、pH、菌相、挥发性盐基氮、三磷酸腺苷代谢物、导电性能等。通常运用的方法包括感官检测、生物学方法检测、理化检测等。但此类检测方法检测过程繁琐,不能满足市场中对水产品现场快速检测的需求。模糊控制是利用模糊数学的基本思想和理论的控制方法。能够将复杂的系统简化,达到精确控制的目的。常规控制一般都要求系统有精确的数学模型。由于水产品检测过程中存在一些误差和不确定性,因此不能根据所得数据非常精确的判定水产品的品质,采用常规控制很难实现有效控制,而模糊控制可以利用语言信息却不需要精确的数学模型,从而可以实现对不确定性系统较好的控制。拉曼光谱检测技术是一种基于拉曼散射原理的无损检测技术。拉曼光谱是由于分子极化率变化诱导产生的,对于非极性基团如C=C,C-C,N=N及S-S等具有很强的拉曼活性,而水分子为极性分子,具有较弱的拉曼活性,因此拉曼光谱适用于含水生物系统的在线分析。便携式拉曼光谱仪能够实时、无损、快速的进行现场检测与分析,对于市场监管、安全生产具有重要的应用价值。
【发明内容】
本发明的主要目的在于提供一种水产品品质检测方法及便携式拉曼装置,可以有效解决背景技术中的问题。
为实现上述目的,本发明采取的技术方案为:
一种水产品品质检测方法,包括以下步骤:
步骤一:设备连接和启动工作。检测人员手动将拉曼探头光纤一端的光纤接口插入便携式拉曼装置机壳顶部的光纤接口内,进而完成电路连接,随即通过系统控制处理模块使便携式拉曼装置进入工作状态。
步骤二:参数设置。检测人员通过系统控制处理模块控制激光器工作,并设置好激光器的激光波长为785nm,功率为320mW,积分次数为8次,积分时间为2000ms,范围为400-2870cm-1。
步骤三:激光照射样品。随后检测人员将激光器发出稳定的785nm的激光,照射到检测样品表面。
步骤四:样品拉曼光谱获取。光谱仪对检测样本进行光谱采集,在检测样本的背部依次选择5个采集点,胸部依次选择5个采集点、腹部依次选择5个采集点,单侧面共15个采集点,使用拉曼探头采集其光谱,并对采集到的数据进行平均化处理。
步骤五:特征提取。系统控制处理模块提取相应位移的特征峰强度数据,所获得的数据经过扣除背景、平滑、基线校准处理后提取特征峰数据。
步骤六:特征鉴别。对表征水产品品质参数的指标感官评价、颜色、pH、挥发性盐基氮、菌落总数,进行理化测定,根据得到的理化数据,建立相关参数的定量预测模型。
步骤七:得出品级。基于模糊控制理论,将水产品品质分为新鲜、中鲜、次鲜、中腐、腐败5个等级。根据已建立的参数定量预测模型,利用加权平均判决法,判定水产品的品质等级。
进一步地,所述步骤七中加权平均法对应的预测模型如下所示:
其中,U代表水产品品质的预测等级,U=(u1,u2,…,u5),ui分别代表感官评价、颜色、pH、挥发性盐基氮、菌落总数的预测模型,颜色采用CIE_Lab色空间,CIE_Lab色空间以L*值表示颜色的明度、a*值表示颜色的绿红值、b*值表示颜色的蓝黄值。根据各项指标对水产品品质影响的程度不同,用模糊控制方法确定各项指标的权重量,即隶属度μ(ui)。其中u的因素是U中的一个模糊子集,ui与μ(ui)是相互对应的。
根据本发明实施例的另外一个方面,还提供了一种便携式拉曼装置,包括:采集模块:用于采集相应的拉曼光谱数据;上位机模块:上位机模块包括控制系统和数据分析预测系统;光源系统模块:用于发出稳定的785nm的激光,照射到待测水产品表面;显示模块:实现人机交互和检测结果显示;供电模块:用于光源系统模块、采集模块以及上位机模块供电的任务。
进一步地,所述采集模块具体为便携式拉曼光谱仪。
进一步地,所述控制系统主要作用为设定初始参数,控制光谱仪获取光谱数据;数据分析系统主要作用为处理获得的光谱数据,导入模型,运算并获得相应的输出值,鉴别水产品质量。
进一步地,所述光源系统模块具体为稳光谱激光器,所述显示模块具体为LCD触摸屏,所述供电模块具体为可充电锂电池。
与现有技术相比,本发明具有如下有益效果:本发明基于对拉曼光谱数据的特征提取,无需对样品进行预处理,检测安全、快速;基于现有的预测模型,使用便携式拉曼检测装置,能够现场实时鉴定水产品质量,为水产品的质量检测提供一种更为方便的现场检测手段,实用性很高,适合广泛推广。
【附图说明】
图1为本发明的水产品质量检测方法的流程图。
图2为本发明便携式拉曼光谱检测装置的系统框图。
【具体实施方式】
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
如图1-2所示,一种水产品品质检测方法,包括以下步骤:
步骤一:设备连接和启动工作。检测人员手动将拉曼探头光纤一端的光纤接口插入便携式拉曼装置机壳顶部的光纤接口内,进而完成电路连接,随即通过系统控制处理模块使便携式拉曼装置进入工作状态。
步骤二:参数设置。检测人员通过系统控制处理模块控制激光器工作,并设置好激光器的激光波长为785nm,功率为320mW,积分次数为8次,积分时间为2000ms,范围为400-2870cm-1。
步骤三:激光照射样品。随后检测人员将激光器发出稳定的785nm的激光,照射到检测样品表面。
步骤四:样品拉曼光谱获取。光谱仪对检测样本进行光谱采集,在检测样本的背部依次选择5个采集点,胸部依次选择5个采集点、腹部依次选择5个采集点,单侧面共15个采集点,使用拉曼探头采集其光谱,并对采集到的数据进行平均化处理。
步骤五:特征提取。系统控制处理模块提取相应位移的特征峰强度数据,所获得的数据经过扣除背景、平滑、基线校准处理后提取特征峰数据。
步骤六:特征鉴别。对表征水产品品质参数的指标感官评价、颜色、pH、挥发性盐基氮、菌落总数,进行理化测定,根据得到的理化数据,建立相关参数的定量预测模型。
步骤七:得出品级。基于模糊控制理论,将水产品品质分为新鲜、中鲜、次鲜、中腐、腐败5个等级。根据已建立的参数定量预测模型,利用加权平均判决法,判定水产品的品质等级。
其中,所述步骤七中加权平均法对应的预测模型如下所示:
其中,U代表水产品品质的预测等级,U=(u1,u2,…,u5),ui分别代表感官评价、颜色、pH、挥发性盐基氮、菌落总数的预测模型,颜色采用CIE_Lab色空间,CIE_Lab色空间以L*值表示颜色的明度、a*值表示颜色的绿红值、b*值表示颜色的蓝黄值。根据各项指标对水产品品质影响的程度不同,用模糊控制方法确定各项指标的权重量,即隶属度μ(ui)。其中u的因素是U中的一个模糊子集,ui与μ(ui)是相互对应的。
根据本发明实施例的另外一个方面,还提供了一种便携式拉曼装置,包括:采集模块:用于采集相应的拉曼光谱数据;上位机模块:上位机模块包括控制系统和数据分析预测系统;光源系统模块:用于发出稳定的785nm的激光,照射到待测水产品表面;显示模块:实现人机交互和检测结果显示;供电模块:用于光源系统模块、采集模块以及上位机模块供电的任务。
其中,所述采集模块具体为便携式拉曼光谱仪。
其中,所述控制系统主要作用为设定初始参数,控制光谱仪获取光谱数据;数据分析系统主要作用为处理获得的光谱数据,导入模型,运算并获得相应的输出值,鉴别水产品质量。
其中,所述光源系统模块具体为稳光谱激光器,所述显示模块具体为LCD触摸屏,所述供电模块具体为可充电锂电池。
实验材料和仪器配置
1.实验环境:室温20℃左右并通风良好的实验室;
2.实验材料:购买自杭州市高沙农贸市场的新鲜鲳鱼(800~900g),冰水休克,击头致死;
3.参数设置:激光波长为785nm,功率为320mW,积分次数为8次,积分时间为2000ms;范围为400-2870cm-1。
预处理。实验前期,将鲳鱼清洗并包装,分为11组并编号(第1、2、4、6、8组,每组5份样品;其余组为1份样品)。第1组为新鲜组,不进行冷冻;第2组,将新鲜鱼置于-20℃进行冷冻,然后于4℃冷库解冻,即为冻融1次,备用;第3组,冻融2次(重复第2组步骤2次);第4组,冻融3次;第5组,冻融4次,以此类推。
光谱图采集。对样本进行光谱采集,在整鱼的背部依次选择5个采集点,胸部依次选择5个采集点、腹部依次选择5个采集点,单侧面共15个采集点,使用拉曼探头采集其光谱。
光谱数据预处理
仪器所产生的信号包含源自于样本中某种化学成分,这部分能够用数学模型来描述。另一部分则是由于各种原因所导致的随机噪声,它通常会影响模型的预测能力。为了改善分析信号的信噪比,平滑技术常被使用。平滑可以看作一种通过除去信号中高频成分来改善信号信噪比的手段。对原始光谱数据进行预处理和减少并优化光谱特征空间可准确分析样品主要成分、建立精确预测模型。
本发明采用的平滑预处理算法为Whittaker平滑算法,其主要作用是消除光谱中的噪声,以此来提高光谱的信噪比。
背景扣除采用自适应迭代重加权惩罚最小二乘算法(airPLS)。该算法相当于连续多次调用加权惩罚最小二乘算法,所以非常易于实现。在迭代过程中权重向量可以自适应地获得,所以算法中只有一个参数来控制拟合背景平滑程度,在使用时参数调节直观且方便。
理化参照值的测定
样本在进行拉曼光谱检测以后立刻对同一样品进行水产品品质参数指标感官评价、颜色、pH、挥发性盐基氮、菌落总数理化检测。先进行颜色(L*、a*、b*)的测定,采用便携式精密标准色差仪,每个样本在不同肌肉部位平行测量6次,平均值作为该样本的最终标准参照值。pH值的测定采用GB 5009.237-2016《食品pH值的测定》标准,由FE20K实验室pH计测定。挥发性盐基氮采用GB 5009.228-2016《食品中挥发性盐基氮的测定》标准,使用全自动凯氏定氮仪K1100测定,每个样品共测三次取平均值。结合光谱数据,建立相关参数的定量预测模型。
基于模糊控制理论,建立水产品品质预测模型
模糊控制是利用模糊数学的基本思想和理论的控制方法。能够将复杂的系统简化,达到精确控制的目的。常规控制一般都要求系统有精确的数学模型。由于水产品检测过程中存在一些误差和不确定性,因此不能根据所得数据非常精确的判定水产品的品质,采用常规控制很难实现有效控制,而模糊控制可以利用语言信息却不需要精确的数学模型,从而可以实现对不确定性系统较好的控制。
基于模糊控制理论,将水产品品质分为新鲜、中鲜、次鲜、中腐、腐败5个等级。根据已建立的参数定量预测模型,利用加权平均判决法,判定水产品的品质等级。
需要说明的是,本发明为一种水产品品质检测方法及便携式拉曼装置,工作时,步骤一:检测人员手动将拉曼探头光纤一端的光纤接口插入便携式拉曼装置机壳顶部的光纤接口内,进而完成电路连接,随即通过系统控制处理模块使便携式拉曼装置进入工作状态,步骤二:检测人员通过系统控制处理模块控制激光器工作,并设置好激光器的激光波长为785nm,功率为320mW,积分次数为8次,积分时间为2000ms,范围为400-2870cm-1,步骤三:检测人员将激光器发出稳定的785nm的激光,照射到检测样品表面,步骤四:光谱仪对检测样本进行光谱采集,在检测样本的背部依次选择5个采集点,胸部依次选择5个采集点、腹部依次选择5个采集点,单侧面共15个采集点,使用拉曼探头采集其光谱,并对采集到的数据进行平均化处理,步骤五:系统控制处理模块提取相应位移的特征峰强度数据,所获得的数据经过扣除背景、平滑、基线校准处理后提取特征峰数据,步骤六:对表征水产品品质参数的指标感官评价、颜色、pH、挥发性盐基氮、菌落总数,进行理化测定,根据得到的理化数据,建立相关参数的定量预测模型,步骤七:基于模糊控制理论,将水产品品质分为新鲜、中鲜、次鲜、中腐、腐败5个等级。根据已建立的参数定量预测模型,利用加权平均判决法,判定水产品的品质等级。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种水产品品质检测方法,其特征在于:包括以下步骤:
步骤一:设备连接和启动工作。检测人员手动将拉曼探头光纤一端的光纤接口插入便携式拉曼装置机壳顶部的光纤接口内,进而完成电路连接,随即通过系统控制处理模块使便携式拉曼装置进入工作状态。
步骤二:参数设置。检测人员通过系统控制处理模块控制激光器工作,并设置好激光器的激光波长为785nm,功率为320mW,积分次数为8次,积分时间为2000ms,范围为400-2870cm-1。
步骤三:激光照射样品。随后检测人员将激光器发出稳定的785nm的激光,照射到检测样品表面。
步骤四:样品拉曼光谱获取。光谱仪对检测样本进行光谱采集,在检测样本的背部依次选择5个采集点,胸部依次选择5个采集点、腹部依次选择5个采集点,单侧面共15个采集点,使用拉曼探头采集其光谱,并对采集到的数据进行平均化处理。
步骤五:特征提取。系统控制处理模块提取相应位移的特征峰强度数据,所获得的数据经过扣除背景、平滑、基线校准处理后提取特征峰数据。
步骤六:特征鉴别。对表征水产品品质参数的指标感官评价、颜色、pH、挥发性盐基氮、菌落总数,进行理化测定,根据得到的理化数据,建立相关参数的定量预测模型。
步骤七:得出品级。基于模糊控制理论,将水产品品质分为新鲜、中鲜、次鲜、中腐、腐败5个等级。根据已建立的参数定量预测模型,利用加权平均判决法,判定水产品的品质等级,检测结果显示在显示模块上。
2.根据权利要求1所述的一种水产品品质检测方法,其特征在于:所述步骤七中加权平均法对应的预测模型如下所示:
其中,U代表水产品品质的预测等级,U=(u1,u2,…,u5),ui分别代表感官评价、颜色、pH、挥发性盐基氮、菌落总数的预测模型,颜色采用CIE_Lab色空间,CIE_Lab色空间以L*值表示颜色的明度、a*值表示颜色的绿红值、b*值表示颜色的蓝黄值。根据各项指标对水产品品质影响的程度不同,用模糊控制方法确定各项指标的权重量,即隶属度μ(ui)。其中u的因素是U中的一个模糊子集,ui与μ(ui)是相互对应的。
3.一种便携式拉曼装置,其特征在于,包括:
采集模块:用于采集相应的拉曼光谱数据;
上位机模块:上位机模块包括控制系统和数据分析预测系统;
光源系统模块:用于发出稳定的785nm的激光,照射到待测水产品表面;
显示模块:实现人机交互和检测结果显示;
供电模块:用于光源系统模块、采集模块以及上位机模块供电的任务。
4.根据权利要求3所述的一种便携式拉曼装置,其特征在于:所述采集模块具体为便携式拉曼光谱仪。
5.根据权利要求3所述的一种便携式拉曼装置,其特征在于:所述控制系统主要作用为设定初始参数,控制光谱仪获取光谱数据;数据分析系统主要作用为处理获得的光谱数据,导入模型,运算并获得相应的输出值,鉴别水产品质量。
6.根据权利要求3所述的一种便携式拉曼装置,其特征在于:所述光源系统模块具体为稳光谱激光器,所述显示模块具体为LCD触摸屏,所述供电模块具体为可充电锂电池。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910186522.8A CN109961179A (zh) | 2019-02-28 | 2019-02-28 | 一种水产品品质检测方法及便携式拉曼装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910186522.8A CN109961179A (zh) | 2019-02-28 | 2019-02-28 | 一种水产品品质检测方法及便携式拉曼装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109961179A true CN109961179A (zh) | 2019-07-02 |
Family
ID=67024242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910186522.8A Pending CN109961179A (zh) | 2019-02-28 | 2019-02-28 | 一种水产品品质检测方法及便携式拉曼装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109961179A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505015A (zh) * | 2019-09-16 | 2021-03-16 | 山东农业大学 | 一种拉曼光谱快速预判牛肉pH值的方法 |
CN112763487A (zh) * | 2020-12-09 | 2021-05-07 | 天津市水产研究所 | 一种水产动物高通量表型获取装置 |
CN113176226A (zh) * | 2021-03-19 | 2021-07-27 | 北京农业智能装备技术研究中心 | 一种便携式种子质量光谱检测系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251526A (zh) * | 2008-02-26 | 2008-08-27 | 浙江大学 | 食品综合品质无损检测方法与装置 |
CN102323267A (zh) * | 2011-08-10 | 2012-01-18 | 中国农业大学 | 一种快速评价生鲜肉品新鲜度的系统及方法 |
CN102507459A (zh) * | 2011-11-23 | 2012-06-20 | 中国农业大学 | 一种生鲜牛肉新鲜度快速无损评价方法及系统 |
CN104330382A (zh) * | 2014-11-17 | 2015-02-04 | 中国农业科学院北京畜牧兽医研究所 | 一种生鲜牛肉的安全分级方法 |
-
2019
- 2019-02-28 CN CN201910186522.8A patent/CN109961179A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251526A (zh) * | 2008-02-26 | 2008-08-27 | 浙江大学 | 食品综合品质无损检测方法与装置 |
CN102323267A (zh) * | 2011-08-10 | 2012-01-18 | 中国农业大学 | 一种快速评价生鲜肉品新鲜度的系统及方法 |
CN102507459A (zh) * | 2011-11-23 | 2012-06-20 | 中国农业大学 | 一种生鲜牛肉新鲜度快速无损评价方法及系统 |
CN104330382A (zh) * | 2014-11-17 | 2015-02-04 | 中国农业科学院北京畜牧兽医研究所 | 一种生鲜牛肉的安全分级方法 |
Non-Patent Citations (1)
Title |
---|
滕官宏伟 等: "便携式鱼肉抗菌药物残留量拉曼检测系统设计研究", 《中国计量大学学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505015A (zh) * | 2019-09-16 | 2021-03-16 | 山东农业大学 | 一种拉曼光谱快速预判牛肉pH值的方法 |
CN112763487A (zh) * | 2020-12-09 | 2021-05-07 | 天津市水产研究所 | 一种水产动物高通量表型获取装置 |
CN113176226A (zh) * | 2021-03-19 | 2021-07-27 | 北京农业智能装备技术研究中心 | 一种便携式种子质量光谱检测系统及方法 |
CN113176226B (zh) * | 2021-03-19 | 2023-05-12 | 北京农业智能装备技术研究中心 | 一种便携式种子质量光谱检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110411957B (zh) | 水果货架期及新鲜程度的无损快速预测方法及装置 | |
CN105928901B (zh) | 一种定性定量相结合的近红外定量模型构建方法 | |
CN107817223A (zh) | 快速无损实时预测原油性质模型的构建方法及其应用 | |
CN109961179A (zh) | 一种水产品品质检测方法及便携式拉曼装置 | |
CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
CN111968080A (zh) | 一种基于高光谱和深度学习的肥城桃内外品质检测方法 | |
CN109540836A (zh) | 基于bp人工神经网络的近红外光谱糖度检测方法及系统 | |
CN102818777A (zh) | 一种基于光谱和颜色测量的水果成熟度评价方法 | |
CN108663339A (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
CN109799195A (zh) | 一种激光诱导击穿光谱的高精度定量分析方法 | |
CN109324013A (zh) | 一种利用高斯过程回归模型构建原油性质近红外快速分析的方法 | |
CN109064553A (zh) | 基于近红外光谱分析的实木板材节子形态反演方法 | |
CN111044483A (zh) | 一种基于近红外光谱的奶油中色素测定方法、系统和介质 | |
CN110702663B (zh) | 一种冷冻肉品贮藏时间的无损快速检测方法 | |
CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
CN104778349B (zh) | 一种用于水稻表土氮肥施用等级评定方法 | |
CN108693139A (zh) | 电子烟油理化指标的近红外光谱预测模型建立方法及应用 | |
CN107860743A (zh) | 利用反射式近红外光纤探头构建快速预测原油性质的模型的方法及其应用 | |
CN109374548A (zh) | 一种利用近红外快速测定大米中营养成分的方法 | |
CN115993344A (zh) | 一种近红外光谱分析仪质量监测分析系统及方法 | |
CN110672578A (zh) | 针对煎炸油极性组分检测的模型通用性及稳定性验证方法 | |
CN113504198A (zh) | 一种苋菜红色素浓度检测方法、装置及存储介质 | |
Hadiwijaya et al. | Water content prediction of ‘crystal’guava using visible-near infrared spectroscopy and chemometrics approach | |
CN105891130B (zh) | 一种校正不同光谱信息确定物质信息误差的方法 | |
CN110231300A (zh) | 一种无损快速鉴别真假阿克苏红富士苹果的方法 |
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 |
Application publication date: 20190702 |
|
WD01 | Invention patent application deemed withdrawn after publication |