CN110108667A - 一种利用近红外光谱技术快速测定废弃油脂酸值的方法 - Google Patents
一种利用近红外光谱技术快速测定废弃油脂酸值的方法 Download PDFInfo
- Publication number
- CN110108667A CN110108667A CN201910487898.2A CN201910487898A CN110108667A CN 110108667 A CN110108667 A CN 110108667A CN 201910487898 A CN201910487898 A CN 201910487898A CN 110108667 A CN110108667 A CN 110108667A
- Authority
- CN
- China
- Prior art keywords
- waste grease
- near infrared
- acid value
- sample
- infrared spectroscopy
- 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
- 239000004519 grease Substances 0.000 title claims abstract description 69
- 239000002699 waste material Substances 0.000 title claims abstract description 66
- 239000002253 acid Substances 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004497 NIR spectroscopy Methods 0.000 title claims abstract description 14
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 claims abstract description 44
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 36
- 238000004448 titration Methods 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 10
- 239000003921 oil Substances 0.000 claims description 7
- 235000019198 oils Nutrition 0.000 claims description 7
- 239000000243 solution Substances 0.000 claims description 7
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 claims description 6
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 6
- 235000014113 dietary fatty acids Nutrition 0.000 claims description 6
- 229930195729 fatty acid Natural products 0.000 claims description 6
- 239000000194 fatty acid Substances 0.000 claims description 6
- 150000004665 fatty acids Chemical class 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- KJFMBFZCATUALV-UHFFFAOYSA-N phenolphthalein Chemical compound C1=CC(O)=CC=C1C1(C=2C=CC(O)=CC=2)C2=CC=CC=C2C(=O)O1 KJFMBFZCATUALV-UHFFFAOYSA-N 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 235000019441 ethanol Nutrition 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 239000012046 mixed solvent Substances 0.000 claims description 3
- 235000012424 soybean oil Nutrition 0.000 claims description 3
- 239000003549 soybean oil Substances 0.000 claims description 3
- 239000012086 standard solution Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims 1
- 238000003908 quality control method Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 31
- 238000004458 analytical method Methods 0.000 description 7
- 239000003225 biodiesel Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 3
- HIXDQWDOVZUNNA-UHFFFAOYSA-N 2-(3,4-dimethoxyphenyl)-5-hydroxy-7-methoxychromen-4-one Chemical compound C=1C(OC)=CC(O)=C(C(C=2)=O)C=1OC=2C1=CC=C(OC)C(OC)=C1 HIXDQWDOVZUNNA-UHFFFAOYSA-N 0.000 description 2
- 238000001831 conversion spectrum Methods 0.000 description 2
- 239000002283 diesel fuel Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000020477 pH reduction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000010453 quartz Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000003636 chemical group Chemical group 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000032050 esterification Effects 0.000 description 1
- 238000005886 esterification reaction Methods 0.000 description 1
- 150000002148 esters Chemical group 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000019387 fatty acid methyl ester Nutrition 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000021323 fish oil Nutrition 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 150000004702 methyl esters Chemical class 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000005809 transesterification reaction Methods 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
- -1 tungsten halogen Chemical class 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 239000003981 vehicle Substances 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
-
- 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
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Plasma & Fusion (AREA)
- Engineering & Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种利用近红外光谱技术快速测定废弃油脂酸值的方法,包括以下步骤:第一步,废弃油脂样本的采集;第二步,参照国标GB/T5530‑2005,采用氢氧化钾滴定法测定废弃油脂样本的酸值;第三步,由近红外光谱仪扫描获得废弃油脂样本的近红外光谱;第四步,近红外光谱定量分析模型的建立与评价;第五步,采用所建立的近红外光谱定量分析模型,预测出真实废弃油脂样本的酸值。本发明的方法具有快速、精确、环保等优点,有利于提高废弃油脂酸值的质量控制水平,还可推广应用于其它油脂酸值的质量控制中。
Description
技术领域
本发明属于酸值分析领域,特别涉及一种利用近红外光谱技术快速测定废弃油脂酸值的方法。
背景技术
近红外光谱技术是近年发展起来的一种快速检测技术,近红外光谱是指波长在780~2500nm波长范围的电磁波,物质的近红外光谱是其中各种化学基团振动的倍频和组合频率的综合表现,其检测过程无需样品前处理,分析速度快、效率高、重现性好、成本低,是一种“多、快、好、省”的无损检测手段,已用于许多生物质原料的特性测试。例如,加拿大McGill大学红外光谱研究小组通过建立通用直接的红外光谱分析方法,对油脂中FFA含量进行测定,分析精度高,检测限可达0.001%(w/w)。Aryee等采用红外光谱法测定了用于生物柴油的鱼油原料中的FFA含量,研究表明重复性较好。也有Felizardo等、Baptista等将近红外光谱用于测定生物柴油中甲酯、甲醇和甘油等成分的报道,均得到了满意结果。
生物柴油是动植物油通过酯交换反应得到的产物,主要成分为脂肪酸甲酯。生物柴油具有优良的环保特性和生物降解性,不易挥发,可以单独做燃料使用,也可与石化柴油任意比例调和使用。我国一般用酸化油或废弃油脂等劣质油脂为原料,通过酯交换或酯化法生产生物柴油。由于酸化油或废弃油脂酸值高、组成差别大,由此制得的生物柴油酸值普遍偏高,影响生物柴油品质。因此,对废弃油脂酸值的把控显得尤为重要。常规的酸值分析方法为参照国标GB/T5530-2005,采用氢氧化钾滴定法测定废弃油脂样本的酸值。该方法步骤繁琐、工作量大,不能满足在线分析的要求。一种能对废弃油脂酸值进行快速测定的方法和检测设备对于生物柴油的生产具有重要意义。
发明内容
鉴于常规酸值测定方法所存在的缺点,本发明的目的在于提供一种利用近红外光谱技术快速测定废弃油脂酸值的方法,以便对废弃油脂的酸值进行快速、简单、低廉且精确的分析。
本发明采用的技术方案步骤如下:
1)废弃油脂样本的采集;
2)参照国标GB/T5530-2005,采用氢氧化钾滴定法测定步骤1)采集的废弃油脂样本的酸值;
3)由近红外光谱仪扫描获得步骤1)采集的废弃油脂样本的近红外光谱,得到废弃油脂样本的近红外光谱数据;
4)进行近红外光谱定量分析模型的建立与评价,过程如下:将步骤2)得到的酸值数据与步骤3)得到的近红外光谱数据导入数值计算软件Matlab 8.3中,采用各种化学计量学方法建立废弃油脂酸值的近红外光谱定量分析模型,并选择合适的模型评价参数对模型进行评价;
5)采用步骤4)所建立的近红外光谱定量分析模型,预测出真实废弃油脂样本的酸值。
进一步,所述步骤1)中,所述的废弃油脂样本采集过程为:所述的废弃油脂样本采集过程为:将脂肪酸与大豆油按照不同的比例混合,间隔配制得到脂肪酸含量在0~100%的不同酸值的废弃油脂样本。为尽可能地减少与真实废弃油脂之间的误差,本发明实验共配制废弃油脂样品51组,废弃油脂样品的酸值基本涵盖当前市场上真实废弃油脂的酸值范围。
再进一步,所述步骤2)中,所述的氢氧化钾滴定法测定废弃油脂样本酸值的步骤如下:用体积比1:1的乙醇和乙醚混合溶剂将适量废弃油脂样本溶解,滴加酚酞指示剂后用KOH标准溶液进行滴定,当颜色变为粉红时,达到滴定终点,观察并记录到达滴定终点时所用氢氧化钾溶液的体积V,样本酸值由式(2-3)计算。
式(2-3)中,m表示所取样品质量,单位为g;
AV表示样本的酸值,单位为mgKOH/g油;
C表示标准KOH溶液浓度,单位为mol/L;
V表示滴定所消耗的KOH溶液体积,单位为mL。
更进一步,所述步骤3)中,所述的近红外光谱采集条件为:在漫反射模式下采集光谱,光谱仪扫描波段范围为468~926nm。
所述步骤4)中,所述的化学计量学方法包括光谱预处理法和多元校正法。所述的模型评价参数包括全校验决定系数(R2)、建模误差均方根(RMSECV)和预测误差均方根(RMSECV)。所述光谱预处理方法包括滑动平均法(Moving Average,MA)、均值归一化法(Mean Normalization,MN)、标准正态变量法(Standard Normal Variate,SNV)和基线偏置校正法(Baseline Offset Correction,BOC)。所述多元校正法为最小二乘回归算法(PLS)。
本发明的有益效果在于:所述利用近红外光谱技术快速测定废弃油脂酸值的方法,不仅具有快速、准确、环保等优点,有利于提高废弃油脂酸值的质量控制水平,还可推广应用于其它油脂酸值的质量控制中。
附图说明
图1为51个废弃油脂样本的原始近红外光谱图(A);
图2为基于原始近红外光谱采用滑动平均法(MA)处理后的51个废弃油脂样本的近红外光谱图(A+MA);
图3为基于A+MA近红外光谱采用均值归一化法(MN)处理后的51个废弃油脂样本的近红外光谱图(A+MA+MN);
图4为基于A+MA近红外光谱采用标准正态变量法(SNV)处理后的51个废弃油脂样本的近红外光谱图(A+MA+SNV);
图5为基于A+MA近红外光谱采用基线偏置校正法(BOC)处理后的51个废弃油脂样本的近红外光谱图(A+MA+BOC);
图6为废弃油脂近红外光谱定量分析模型的预测效果图。
具体实施方法
以下将结合附图及优选实施例对本发明的实施方式进行详细说明。
实施例1:
参照图1~图6,一种利用近红外光谱技术快速测定废弃油脂酸值的方法,包括以下步骤:
第一步,配制不同比例的大豆油和脂肪酸的混合物样本,间隔配制得到脂肪酸含量在0~100%的不同酸值的废弃油脂样本,共51个样本,具体比例见表1。
表1废弃油脂样品组成及其酸值
第二步,参照国标GB/T5530-2005,采用氢氧化钾滴定法测定废弃油脂样本的酸值。用体积比1:1的乙醇和乙醚混合溶剂将适量废弃油脂样本溶解,滴加酚酞指示剂后用KOH标准溶液进行滴定,当颜色变为粉红时,达到滴定终点,观察并记录到达滴定终点时所用氢氧化钾溶液的体积V,样本酸值由式(2-3)计算。
式(2-3)中,m表示所取样品质量,单位为g;
AV表示样本的酸值,单位为mgKOH/g油;
C表示标准KOH溶液浓度,单位为mol/L;
V表示滴定所消耗的KOH溶液体积,单位为mL。
51个废弃油脂样本的酸值检测数据分布见表1。
第三步,由近红外光谱仪扫描获得废弃油脂样本的近红外光谱。废弃油脂样本的近红外光谱数据由美国海洋公司产的USB4000型光谱模块采集得到,该模块的谱段范围为345.61~1047.80nm,本实施例实验只使用468~926nm波段的数据。样品放置于石英比色皿中,光纤探头垂直放置于石英比色皿前1cm左右,光源为10W的卤钨灯,光线经光纤连接到探头。经样品透射后的光线再经过光纤连接到光谱仪。光谱仪输出通过USB接口将光谱数据发送到计算机,光谱采集前对光谱模块进行参数调节(积分时间为0.7ms,平均次数为2次,平滑度为1)。第一步采集的51个废弃油脂样本的原始近红外光谱(A)结果见图1。
第四步,近红外光谱定量分析模型的建立与评价。将第二步测定的酸值数据与第三步得到的近红外光谱数据导入数值计算软件matlab 8.3中,先采用滑动平均法(MovingAverage,MA)处理样本的原始近红外光谱,处理后的光谱记为A+MA,见图2;再以A+MA光谱为基础,分别采用均值归一化法(Mean Normalization,MN)、标准正态变量法(StandardNormal Variate,SNV)和基线偏置校正法(Baseline Offset Correction,BOC)对光谱进一步处理,处理后的光谱分别记为A+MA+MN、A+MA+SNV和A+MA+BOC,见图3~5。
第五步,采用最小二乘回归(PLS)算法对变换后的光谱建立校正模型,并用全校验方式(LOOCV)对所建模型进行验证。采用全校验决定系数(R2)、建模误差均方根(RMSECV)和预测误差均方根(RMSECV)对模型性能进行评价。相关结果见表2。
表2几种预处理方法转换光谱PLS模型计算结果
第六步,针对上述A+MA+BOC转换光谱,利用其PLS模型的6个潜变量构建了一个后向误差传播神经网络模型(LV-BPANN)。该神经网络的参数设为:三层结构(输入层、隐含层和输出层神经元数分别为9、14和1)、Levenberg-Marquardt训练法、迭代终止误差<10-6。先对全部51个样品建立LV-BPANN校正模型,校正性能R2和RMSEP分别为0.805和0.29%。然后,将样品数随机分为建模集(36个)和预测集(15个)。预测集R2为0.809,RMSEP为0.08%。样品分组的LV-BPANN建模和预测精度见附图6。可见,采用LV-BPANN建模法能有效预测废弃油脂的酸值。
最后需要说明的是,以上实施例仅为本发明的实施方式更易于理解,而非用以限定本发明。尽管通过上述实施例已经对本发明进行了详细的描述,但任何本发明所属技术领域内的技术人员应当理解,可以在实施的形式上及细节上作任何的修改与变化,而不偏离本发明权利要求书所限定的范围。
Claims (8)
1.一种利用近红外光谱技术快速测定废弃油脂酸值的方法,其特征在于,所述方法包括以下步骤:
1)废弃油脂样本的采集;
2)参照国标GB/T5530-2005,采用氢氧化钾滴定法测定步骤1)采集的废弃油脂样本的酸值;
3)由近红外光谱仪扫描获得步骤1)采集的废弃油脂样本的近红外光谱,得到废弃油脂样本的近红外光谱数据;
4)进行近红外光谱定量分析模型的建立与评价,过程如下:将步骤2)得到的酸值数据与步骤3)得到的近红外光谱数据导入数值计算软件Matlab 8.3中,采用各种化学计量学方法建立废弃油脂酸值的近红外光谱定量分析模型,并选择合适的模型评价参数对模型进行评价;
5)采用步骤4)所建立的近红外光谱定量分析模型,预测出真实废弃油脂样本的酸值。
2.根据权利要求1所述的一种利用近红外光谱技术快速测定废弃油脂酸值的方法,其特征在于,步骤1)中,所述的废弃油脂样本采集过程为:将脂肪酸与大豆油按照不同的比例混合,间隔配制得到脂肪酸含量在0~100%的不同酸值的废弃油脂样本。
3.根据权利要求1或2所述的一种利用近红外光谱技术快速测定废弃油脂酸值的方法,其特征在于,步骤2)中,所述的氢氧化钾滴定法测定废弃油脂样本酸值的步骤如下:用体积比1:1的乙醇和乙醚混合溶剂将适量废弃油脂样本溶解,滴加酚酞指示剂后用KOH标准溶液进行滴定,当颜色变为粉红时,达到滴定终点,观察并记录到达滴定终点时所用氢氧化钾溶液的体积V,样本酸值由式(2-3)计算;
(2-3)
式(2-3)中,m表示所取样品质量,单位为g;
AV表示样本的酸值,单位为mgKOH/g油;
C表示标准KOH溶液浓度,单位为mol/L;
V表示滴定所消耗的KOH溶液体积,单位为mL。
4.根据权利要求1或2所述的一种利用近红外光谱技术快速测定废弃油脂酸值的方法,其特征在于,步骤3)中,所述的近红外光谱采集条件为:在漫反射模式下采集光谱,近红外光谱仪扫描波段范围为468~926 nm。
5.根据权利要求1或2所述的一种利用近红外光谱技术快速测定废弃油脂酸值的方法,其特征在于,步骤4)中,所述的化学计量学方法包括光谱预处理法和多元校正法。
6.根据权利要求1或2所述的一种利用近红外光谱技术快速测定废弃油脂酸值的方法,其特征在于,步骤4)中,所述的模型评价参数包括全校验决定系数、建模误差均方根和预测误差均方根。
7.根据权利要求5所述的一种利用近红外光谱技术快速测定废弃油脂酸值的方法,其特征在于,所述光谱预处理方法包括滑动平均法、均值归一化法、标准正态变量法和基线偏置校正法。
8.根据权利要求5所述的一种利用近红外光谱技术快速测定废弃油脂酸值的方法,其特征在于,所述多元校正法为最小二乘回归算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910487898.2A CN110108667A (zh) | 2019-06-05 | 2019-06-05 | 一种利用近红外光谱技术快速测定废弃油脂酸值的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910487898.2A CN110108667A (zh) | 2019-06-05 | 2019-06-05 | 一种利用近红外光谱技术快速测定废弃油脂酸值的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110108667A true CN110108667A (zh) | 2019-08-09 |
Family
ID=67494025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910487898.2A Pending CN110108667A (zh) | 2019-06-05 | 2019-06-05 | 一种利用近红外光谱技术快速测定废弃油脂酸值的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110108667A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861416A (zh) * | 2019-11-27 | 2021-05-28 | 国能生物发电集团有限公司 | 基于近红外光谱主成分和神经网络的生物质固定碳测量与建模方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504363A (zh) * | 2009-03-18 | 2009-08-12 | 哈尔滨商业大学 | 一种基于近红外光谱分析的食用油脂酸价检测方法 |
CN104187534A (zh) * | 2014-07-22 | 2014-12-10 | 上海华宝孔雀香精香料有限公司 | 一种利用黄油酶解物制备奶香基料的方法 |
CN109164061A (zh) * | 2018-10-08 | 2019-01-08 | 厦门卓越生物质能源有限公司 | 生物柴油甲酯化生产过程中酸值的近红外光谱测定方法 |
-
2019
- 2019-06-05 CN CN201910487898.2A patent/CN110108667A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504363A (zh) * | 2009-03-18 | 2009-08-12 | 哈尔滨商业大学 | 一种基于近红外光谱分析的食用油脂酸价检测方法 |
CN104187534A (zh) * | 2014-07-22 | 2014-12-10 | 上海华宝孔雀香精香料有限公司 | 一种利用黄油酶解物制备奶香基料的方法 |
CN109164061A (zh) * | 2018-10-08 | 2019-01-08 | 厦门卓越生物质能源有限公司 | 生物柴油甲酯化生产过程中酸值的近红外光谱测定方法 |
Non-Patent Citations (2)
Title |
---|
万毅 等: "基于近红外光谱的橄榄油理化指标快速检测模型研究", 《分析检测》 * |
曾子琦 等: "近红外光谱无损检测在使用油脂分析中的应用研究进展", 《中国油脂》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861416A (zh) * | 2019-11-27 | 2021-05-28 | 国能生物发电集团有限公司 | 基于近红外光谱主成分和神经网络的生物质固定碳测量与建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102636454B (zh) | 近红外光谱快速测定食用油中低碳数脂肪酸含量的方法 | |
CN103398970B (zh) | 一种定性和定量分析食用油并进而检测地沟油的方法 | |
CN101907564B (zh) | 基于近红外光谱技术的油菜籽品质无损检测方法和装置 | |
CN103983606B (zh) | 便携式近红外食用油品质快速检测仪 | |
CN104849232B (zh) | 一种快速检测蜂王浆水分和蛋白质含量的方法 | |
CN104764699B (zh) | 一种测定食用油酸价的方法 | |
CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
CN104749132A (zh) | 一种测定面粉中偶氮甲酰胺的含量的方法 | |
CN104778349B (zh) | 一种用于水稻表土氮肥施用等级评定方法 | |
CN103487397B (zh) | 一种雷竹笋硬度快速检测方法及装置 | |
CN103592255A (zh) | 一种基于近红外光谱技术的阿胶化皮液中总蛋白含量的软测量方法 | |
CN107703097A (zh) | 利用衰减全反射探头与近红外光谱仪构建快速预测原油性质的模型的方法及其应用 | |
CN110487746A (zh) | 一种基于近红外光谱检测娃娃菜品质的方法 | |
CN109374548A (zh) | 一种利用近红外快速测定大米中营养成分的方法 | |
CN112683840A (zh) | 一种利用近红外光谱技术快速无损测定小麦单籽粒直链淀粉含量的方法 | |
CN103134770B (zh) | 消除水分对近红外光谱检测土壤全氮含量影响的方法 | |
CN106018320B (zh) | 一种基于近红外光谱分析的类胡萝卜素检测方法 | |
CN201503392U (zh) | 基于近红外光谱的手持式土壤养分无损测量装置 | |
CN104297201A (zh) | 一种快速、准确定量调和油中各种油份比例的检测方法 | |
Zhou et al. | Rapid and accurate monitoring and modeling analysis of eight kinds of nut oils during oil oxidation process based on Fourier transform infrared spectroscopy | |
CN110108667A (zh) | 一种利用近红外光谱技术快速测定废弃油脂酸值的方法 | |
CN100443883C (zh) | 用近红外光谱测定加氢尾油链烷烃族组成的方法 | |
CN103063599B (zh) | 由透射红外光谱预测原油密度的方法 | |
CN109406447A (zh) | 一种高粱中单宁的近红外检测方法 | |
CA2635930C (en) | Fourier transform infrared (ftir) chemometric method to determine cetane number of diesel fuels containing fatty acid alkyl ester additives |
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: 20190809 |