CN110596176A - 一种利用低场核磁共振技术检测水产品中水分含量的方法 - Google Patents

一种利用低场核磁共振技术检测水产品中水分含量的方法 Download PDF

Info

Publication number
CN110596176A
CN110596176A CN201910994031.6A CN201910994031A CN110596176A CN 110596176 A CN110596176 A CN 110596176A CN 201910994031 A CN201910994031 A CN 201910994031A CN 110596176 A CN110596176 A CN 110596176A
Authority
CN
China
Prior art keywords
nuclear magnetic
water content
low
field nuclear
moisture content
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
Application number
CN201910994031.6A
Other languages
English (en)
Inventor
谭明乾
孙珊
王偲琦
周海博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian Polytechnic University
Original Assignee
Dalian Polytechnic University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian Polytechnic University filed Critical Dalian Polytechnic University
Priority to CN201910994031.6A priority Critical patent/CN110596176A/zh
Publication of CN110596176A publication Critical patent/CN110596176A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
    • G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
    • G01N24/082—Measurement of solid, liquid or gas content
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
    • G01N5/04—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder
    • G01N5/045—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder for determining moisture content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Immunology (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Biochemistry (AREA)
  • Mathematical Physics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种利用低场核磁技术检测水产品中水分含量的方法；利用低场核磁共振技术结合干燥失重法测定水分含量，并通过核磁弛豫数据与水分含量构建样品水分含量的预测模型，实现对未知水分含量的水产品进行水分含量预测。本发明在不受样品表面物质的影响下，快速准确的测量样品中的水分含量，有效的解决了效果差、耗时长的传统水产品水分含量测定方法等问题。为水产品加工企业的原料品质控制、水产品研究提供了重要技术支撑。扩大了低场核磁共振技术在水产品检测和研究中的应用范围，推动了低场核磁共振技术的发展前景。本发明可以达到快速无损害的目的，实现了水产品水分含量的快速检测。

Description

一种利用低场核磁共振技术检测水产品中水分含量的方法
技术领域
本发明涉及食品检测领域，更具体地说，涉及一种基于低场核磁共振技术结合化学计量法检测水产品中水分含量的方法。
背景技术
水产品中富含多不饱和脂肪酸，蛋白质，维生素等营养成分，其营养价值极高，具有增强人体的免疫力等多项功能。水分含量是水产品的重要组成成分，也是评价水产品品质和安全性的重要指标，一方面，水产品中水分含量、分布和存在状态不仅仅影响水产品的营养价值，也对水产品的风味、结构、质地、外观等具有较大的影。另一方面，新鲜的水产品中含水量大，易滋生微生物，稳定性差，不利于贮藏、运输以及加工，为保证水产品的货架期，检测加工和贮藏过程中水产品的水分变化情况是十分必要的。
目前，检测水分含量的传统方法主要是干燥恒重法，蒸馏法等，这些方法虽然准确性高、重复性好，但是也存在耗时久、误差大、繁琐费力，而且破坏样品等问题。因此，发展一种快速无损、实时检测水产品水分含量的检测方法是非常有必要的。
低场核磁共振技术(Low-field nuclear magnetic resonance，LF-NMR)是近年来兴起的一种快速无损地测定样品中结合水、自由水、不可移动水的新技术。LF-NMR是基于质子的自旋运动，通过测量质子弛豫时间来揭示质子的运动。该技术具有快速、准确、无损的优点，已广泛应用于食品中水分的动力学分布分析。低场核磁共振技术可以结合化学计量法建立预测模型，主要是主成分分析法(PCR)和偏最小二乘法(PLSR)，与PLSR相比，PCR对主成分的累计贡献率的要求较高，因此，探索一种快速无损地显示样品完整信息的光谱技术以及有效提取光谱分析信息的模型是非常有必要的。
发明内容
本发明的目的是克服现有技术的缺点，提供一种利用低场核磁共振技术检测水产品中水分含量的方法，快速无损，不受水产品表面性质的影响，并且测量过程中对产品本身没有破坏，并结合偏最小二乘法(PLSR)建立预测模型。
一种利用低场核磁共振技术检测水产品中水分含量的方法，包括如下步骤：
S1、低场核磁分析：取待测水产品，进行低场核磁共振分析，利用CPMG脉冲序列法收集核磁共振回波信号，每次重复采集3次信号，反演获得回波衰减曲线数据，即利用多指数拟合得到的横向弛豫数据；
其中，采样参数设置为：90度脉宽P1：12～15us，180度脉宽P2：25～28us，重复采样等待时间Tw：0.01～10000ms，模拟增益RG1：10，数字增益DRG1：3，前置放大增益PRG：2，NS：4，NECH:700～1000，接收机带宽SW:100KHz，开始采样时间的控制参数RFD:0.08ms，时延DL1：0.386～0.38728ms；
S2、样品称量：根据国标《GB5009.3-2016食品安全国家标准食品中水分的测定》(105℃烘干恒重法)测定经过步骤S2低场核磁分析后的水产品的水分含量，作为实际值；
S3、建立模型：根据步骤S1所述横向弛豫数据和步骤S2所述水分含量，利用偏最小二乘法(PLSR)，通过The Unscrambler软件建立待测水产品的水分含量PLSR预测模型；
S4、评价模型：根据步骤S3所述水分含量PLSR预测模型，采用相关系数Rcal2和Rcv2来评价建立的模型，预测模型中预测集Rcal2和验证集Rcv2越大(越接近1)，且对应的均方根误差(RMSE)越小(越接近0)视为预测模型取得了很好的预测效果；
S5、预测水分含量：采用与步骤S1相同的方法对待测水产品进行低场核磁分析，将低场核磁反演后的横向弛豫数据直接带入步骤S3所述水分含量PLSR预测模型，得到水分含量，即水分含量的预测值。
优选方式下，步骤S1所述待测水产品的取样量为50～200个。
优选方式下，步骤S1所述待测水产品为干海参、即食虾仁或即食扇贝丁；其中，所述干海参可以是淡干海参；也可以根据实际测量需要，选取新鲜海参；扇贝柱可以根据实际需要，选取新鲜扇贝柱，也可以是冷冻扇贝柱，所述冷冻扇贝柱解冻后再进行测定；虾仁可以根据实际需要，选取新鲜虾仁，也可以是冷冻虾仁，所述冷冻虾仁解冻后再进行测定。
优选方式下，所述利用低场核磁共振技术检测水产品中水分含量的方法，包括如下步骤：
S1、低场核磁分析：取待测淡干海参100只，分别进行低场核磁共振分析，利用CPMG脉冲序列法收集核磁共振回波信号，每次重复采集3次信号，反演获得回波衰减曲线数据，即利用多指数拟合得到的横向弛豫数据；
其中，采样参数设置为：90度脉宽P1：13us，180度脉宽P2：25.04us，重复采样等待时间Tw：0.01～10000ms，模拟增益RG1：10，数字增益DRG1：3，前置放大增益PRG：2，NS：4，NECH：700，接收机带宽SW：100KHz，开始采样时间的控制参数RFD:0.08ms，时延DL1：0.38748ms；
S2、样品称量：根据国标《GB5009.3-2016食品安全国家标准食品中水分的测定》(105℃烘干恒重法)测定经过步骤S2低场核磁分析后的淡干海参的水分含量，作为实际值；
S3、建立模型：根据步骤S1所述横向弛豫数据和步骤S2所述水分含量，利用偏最小二乘法(PLSR)，通过The Unscrambler软件建立淡干海参的水分含量PLSR预测模型；
S4、评价模型：根据步骤S3所述水分含量PLSR预测模型，采用相关系数Rcal2和Rcv2来评价建立的模型，预测模型中预测集Rcal2和验证集Rcv2越大(越接近1)，且对应的均方根误差(RMSE)越小(越接近0)视为预测模型取得了很好的预测效果；
S5、预测水分含量：采用与步骤S1相同的方法对待测淡干海参进行低场核磁分析，将低场核磁反演后的横向弛豫数据直接带入步骤S3所述水分含量PLSR预测模型，得到水分含量，即水分含量的预测值。
优选方式下，所述利用低场核磁共振技术检测水产品中水分含量的方法，包括如下步骤：
S1、低场核磁分析：取待测即食虾仁50只，进行低场核磁共振分析，利用CPMG脉冲序列法收集核磁共振回波信号，每次重复采集3次信号，反演获得回波衰减曲线数据，即利用多指数拟合得到的横向弛豫数据；
其中，采样参数设置为：90度脉宽P1：12us，180度脉宽P2：25.44us，重复采样等待时间Tw：0.01～10000ms，模拟增益RG1：10，数字增益DRG1：3，前置放大增益PRG：2，NS：4，NECH：850，接收机带宽SW:100KHz，开始采样时间的控制参数RFD:0.08ms，时延DL1：0.38728ms；
S2、样品称量：根据国标《GB5009.3-2016食品安全国家标准食品中水分的测定》(105℃烘干恒重法)测定经过步骤S2低场核磁分析后的即食虾仁的水分含量，作为实际值
S3、建立模型：根据步骤S1所述横向弛豫数据和步骤S2所述水分含量，利用偏最小二乘法(PLSR)，通过The Unscrambler软件建立待即食虾仁的水分含量PLSR预测模型；
S4、评价模型：根据步骤S3所述水分含量PLSR预测模型，采用相关系数Rcal2和Rcv2来评价建立的模型，预测模型中预测集Rcal2和验证集Rcv2越大(越接近1)，且对应的均方根误差(RMSE)越小(越接近0)，视为预测模型取得了很好的预测效果；
S5、预测水分含量：采用与步骤S1相同的方法对待测即食虾仁进行低场核磁分析，将低场核磁反演后的横向弛豫数据直接带入步骤S3所述水分含量PLSR预测模型，得到水分含量，即水分含量的预测值。
优选方式下，所述利用低场核磁共振技术检测水产品中水分含量的方法，包括如下步骤：
S1、低场核磁分析：取待测即食扇贝柱200个，进行低场核磁共振分析，利用CPMG脉冲序列法收集核磁共振回波信号，每次重复采集3次信号，反演获得回波衰减曲线数据，即利用多指数拟合得到的横向弛豫数据；
其中，采样参数设置为：90度脉宽P1：15us，180度脉宽P2：28us，重复采样等待时间Tw：0.01～10000ms，模拟增益RG1：10，数字增益DRG1：3，前置放大增益PRG：2，NS：4，NECH：1000，接收机带宽SW:100KHz，开始采样时间的控制参数RFD:0.08ms，时延DL1：0.386ms；
S2、样品称量：根据国标《GB5009.3-2016食品安全国家标准食品中水分的测定》(105℃烘干恒重法)测定经过步骤S2低场核磁分析后的即食扇贝柱的水分含量，作为实际值
S3、建立模型：根据步骤S1所述横向弛豫数据和步骤S2所述水分含量，利用偏最小二乘法(PLSR)，通过The Unscrambler软件建立即食扇贝柱的水分含量PLSR预测模型；
S4、评价模型：根据步骤S3所述水分含量PLSR预测模型，采用相关系数Rcal2和Rcv2来评价建立的模型，预测模型中预测集Rcal2和验证集Rcv2越大(越接近1)，且对应的均方根误差(RMSE)越小(越接近0)，视为预测模型取得了很好的预测效果；
S5、预测水分含量：采用与步骤S1相同的方法对待测即食扇贝柱进行低场核磁分析，将低场核磁反演后的横向弛豫数据直接带入步骤S3所述水分含量PLSR预测模型，得到水分含量，即水分含量的预测值。
本发明的有益效果是：
本发明涉及的检测方法操作过程简单，各个待测样品不需要进行前处理，分析时间短，分析过程不需消耗有机试剂，对样品没有损坏。选取衰减数据和测得的水分含量，建立水分的模型，之后测量其他的待测样品水分时，仅仅需要测量回波衰减曲线数据，通过模型预测水分含量，在测量水分含量的同时，检测的数值稳定、准确，测量效率有所提高，并且符合生产现场对样品的快速分析要求。
附图说明
图1是本发明实施例1淡干海参水分含量通过偏最小二乘法(PLSR)建立的水分含量预测模型；图中预测集为预测模型得到的淡干海参预测水分含量，验证集是直接干燥法得到的淡干海参实际水分含量；
图2是本发明实施例2即食虾仁水分含量通过偏最小二乘法(PLSR)建立的水分含量预测模型；图中预测集为预测模型得到的虾仁预测水分含量，验证集是直接干燥法得到的即食虾仁实际水分含量；
图3是本发明实施例3即食扇贝柱水分含量通过偏最小二乘法(PLSR)建立的水分含量预测模型；图中预测集为预测模型得到的扇贝柱预测水分含量，验证集是直接干燥法得到的即食扇贝柱实际水分含量。
具体实施方式
结合附图和实施例更加详细得说明本发明的具体实施方式，同时对本发明的方案以及各个方面的优点有了更加深入的了解。然而，以下描述的具体实施方式和实施例仅是说明的目的，而不是对本发明的限制。
以下所述的实施例中所使用的实验方法如无特殊说明，均为常规方法。
以下所述的实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。
下述实施例使用的是产自苏州纽迈分析仪器有限公司的NMI20-030H-I核磁共振成像仪；
实施例1：
利用低场核磁共振技术检测淡干海参中水分含量的方法，包括如下步骤：
S1、低场核磁分析：取待测淡干海参100只，分别进行低场核磁共振分析，利用CPMG脉冲序列法收集核磁共振回波信号，每次重复采集3次信号，反演获得回波衰减曲线数据，即利用多指数拟合得到的横向弛豫数据；
其中，采样参数设置为：90度脉宽P1：13us，180度脉宽P2：25.04us，重复采样等待时间Tw：0.01～10000ms，模拟增益RG1：10，数字增益DRG1：3，前置放大增益PRG：2，NS：4，NECH：700，接收机带宽SW：100KHz，开始采样时间的控制参数RFD:0.08ms，时延DL1：0.38748ms；
S2、样品称量：根据国标《GB5009.3-2016食品安全国家标准食品中水分的测定》(105℃烘干恒重法)测定经过步骤S2低场核磁分析后的干海参的水分含量，作为实际值；
S3、建立模型：根据步骤S1所述横向弛豫数据和步骤S2所述水分含量，利用偏最小二乘法(PLSR)，通过The Unscrambler软件建立淡干海参的水分含量PLSR预测模型；
S4、评价模型：根据步骤S3所述水分含量PLSR预测模型，采用相关系数Rcal2和Rcv2来评价建立的模型，预测模型的相关系数R2值越大(越接近1)，且对应的均方根误差(RMSE)越小(越接近0)视为预测模型取得了很好的预测效果；
图1为淡干海参水分含量的PLSR预测模型，公式为：y＝-0.0002x+1.0014，其中x为样品低场核磁的弛豫数据，y为样品水分含量；
预测集和验证集相关系数Rcal 2和Rcv 2分别是0.99901和0.99948，预测集均方根误差RMSEC和RMSECV分别为0.00007和0.00004；
S5、预测水分含量：采用与步骤S1相同的方法对待测淡干海参进行低场核磁分析，将低场核磁反演后的横向弛豫数据直接带入步骤S3所述水分含量PLSR预测模型，得到水分含量，即水分含量的预测值。
将干海参的实际水分含量与预测水分含量进行对比，结果如表1所示。
表1淡干海参水分含量的预测结果
实施例2：
利用低场核磁共振技术检测即食虾仁中水分含量的方法，包括如下步骤：
S1、低场核磁分析：取待测即食虾仁50只，分别进行低场核磁共振分析，利用CPMG脉冲序列法收集核磁共振回波信号，每次重复采集3次信号，反演获得回波衰减曲线数据，即利用多指数拟合得到的横向弛豫数据；
其中，采样参数设置为：90度脉宽P1：12us，180度脉宽P2：25.44us，重复采样等待时间Tw：0.01～10000ms，模拟增益RG1：10，数字增益DRG1：3，前置放大增益PRG：2，NS：4，NECH：850，接收机带宽SW：100KHz，开始采样时间的控制参数RFD:0.08ms，时延DL1：0.38728ms；
S2、样品称量：根据国标《GB5009.3-2016食品安全国家标准食品中水分的测定》(105℃烘干恒重法)测定经过步骤S2低场核磁分析后的即食虾仁的水分含量，作为实际值；
S3、建立模型：根据步骤S1所述横向弛豫数据和步骤S2所述水分含量，利用偏最小二乘法(PLSR)，通过The Unscrambler软件建立即食虾仁的水分含量PLSR预测模型；
S4、评价模型：根据步骤S3所述水分含量PLSR预测模型，采用相关系数Rcal2和Rcv2来评价建立的模型，预测模型的相关系数R2值越大(越接近1)，且对应的均方根误差(RMSE)越小(越接近0)，视为预测模型取得了很好的预测效果；
图2为即食虾仁水分含量的PLSR预测模型，公式为：y＝0.07134x+0.88744，其中x为样品低场核磁的弛豫数据，y为样品水分含量；
预测集和验证集相关系数Rcal 2和Rcv 2分别是0.88694和0.85093，均方根误差RMSEC和RMSECV分别为0.07567和0.09969；
S5、预测水分含量：采用与步骤S1相同的方法对待测即食虾仁进行低场核磁分析，将低场核磁反演后的横向弛豫数据直接带入步骤S3所述水分含量PLSR预测模型，得到水分含量，即水分含量的预测值。
将即食虾仁的实际水分含量与预测水分含量进行对比，结果如表2所示。
表2即食虾仁水分含量的预测结果
实施例3：
利用低场核磁共振技术检测即食扇贝柱中水分含量的方法，包括如下步骤：
S1、低场核磁分析：取待测即食扇贝柱200个，分别进行低场核磁共振分析，利用CPMG脉冲序列法收集核磁共振回波信号，每次重复采集3次信号，反演获得回波衰减曲线数据，即利用多指数拟合得到的横向弛豫数据；
其中，采样参数设置为：90度脉宽P1：15us，180度脉宽P2：28us，重复采样等待时间Tw：0.01～10000ms，模拟增益RG1：10，数字增益DRG1：3，前置放大增益PRG：2，NS：4，NECH：1000，接收机带宽SW：100KHz，开始采样时间的控制参数RFD:0.08ms，时延DL1：0.386ms；
S2、样品称量：根据国标《GB5009.3-2016食品安全国家标准食品中水分的测定》(105℃烘干恒重法)测定经过步骤S2低场核磁分析后的即食扇贝柱的水分含量，作为实际值；
S3、建立模型：根据步骤S1所述横向弛豫数据和步骤S2所述水分含量，利用偏最小二乘法(PLSR)，通过The Unscrambler软件建立即食扇贝柱的水分含量PLSR预测模型；
S4、评价模型：根据步骤S3所述水分含量PLSR预测模型，采用相关系数Rcal2和Rcv2来评价建立的模型，预测模型的R2值越大(越接近1)，且对应的均方根误差(RMSE)越小(越接近0)，视为预测模型取得了很好的预测效果；
图3为扇贝柱水分含量的PLSR预测模型，公式为：y＝0.007x+0.9892，其中x为样品低场核磁反演数据，y为样品水分含量；
预测集和验证集相关系数Rcal 2和Rcv 2分别是0.98892和0.9878，均方根误差RMSEC和RMSECV分别为0.00988和0.01084；
S5、预测水分含量：采用与步骤S1相同的方法对待测即食扇贝柱进行低场核磁分析，将低场核磁反演后的横向弛豫数据直接带入步骤S3所述水分含量PLSR预测模型，得到水分含量，即水分含量的预测值。
将扇贝柱的实际水分含量与预测水分含量进行对比，结果如表3所示。
表3即食扇贝柱水分含量的预测结果
表4分别显示了本发明实施例1淡干海参、实施例2即食虾仁和实施例2即食扇贝柱水分含量的PLSR预测模型的评价结果；淡干海参水分含量的PLSR预测模型的相关系数均大于0.99；即食虾仁水分含量的PLSR预测模型的结果相近，其相关系数Rcal 2和Rcv 2均接近0.9；即食扇贝柱水分含量的PLSR预测模型的结果相近，其相关系数Rcal 2和Rcv 2均大于0.98。说明低场核磁共振方法结合PLSR预测模型可以准确预测上述水产品的水分。
表4水分含量PLSR校正、交互验证模型的结果
综上所述，通过对各样品校正的验证，可得到采用本发明的方法建立的用于预测样品中水分含量的预测模型，采用偏最小二乘法(PLSR)进行拟合，均可以用于预测干海参、即食虾仁、即食扇贝柱的水分含量，对待测的各个样品没有损害，方面操作，可以提高检测速度，并且PLSR校正模型结果较好。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种利用低场核磁共振技术检测水产品中水分含量的方法，其特征在于，包括步骤：
S1、低场核磁分析：取待测水产品，进行低场核磁共振分析，利用CPMG脉冲序列法收集核磁共振回波信号，每次重复采集3次信号，利用多指数拟合得到的横向弛豫数据；
其中，采样参数设置为：90度脉宽P1：12～15us，180度脉宽P2：25～28us，重复采样等待时间Tw：0.01～10000ms，模拟增益RG1：10，数字增益DRG1：3，前置放大增益PRG：2，NS：4，NECH:700～1000，接收机带宽SW:100KHz，开始采样时间的控制参数RFD:0.08ms，时延DL1：0.386～0.38728ms；
S2、样品称量：使用105℃烘干恒重法测定经过步骤S2低场核磁分析后的水产品的水分含量，作为实际值；
S3、建立模型：根据步骤S1所述横向弛豫数据和步骤S2所述水分含量，利用偏最小二乘法PLSR，通过The Unscrambler软件建立待测水产品的水分含量PLSR预测模型；
S4、评价模型：根据步骤S3所述水分含量PLSR预测模型，采用相关系数Rcal2和Rcv2评价建立的模型；
S5、预测水分含量：采用与步骤S1相同的方法对待测水产品进行低场核磁分析，将低场核磁反演后的横向弛豫数据直接带入步骤S3所述水分含量PLSR预测模型，得到水分含量。
2.根据权利要求1所述利用低场核磁共振技术检测水产品中水分含量的方法，其特征在于，步骤S1所述待测水产品的取样量为50～200个。
3.根据权利要求1所述利用低场核磁共振技术检测水产品中水分含量的方法，其特征在于，步骤S1所述待测水产品为干海参、即食虾仁或即食扇贝丁。
4.根据权利要求1所述利用低场核磁共振技术检测水产品中水分含量的方法，其特征在于，包括步骤：
S1、低场核磁分析：取待测淡干海参100只，分别进行低场核磁共振分析，利用CPMG脉冲序列法收集核磁共振回波信号，每次重复采集3次信号，利用多指数拟合得到的横向弛豫数据；
其中，采样参数设置为：90度脉宽P1：13us，180度脉宽P2：25.04us，重复采样等待时间Tw：0.01～10000ms，模拟增益RG1：10，数字增益DRG1：3，前置放大增益PRG：2，NS：4，NECH：700，接收机带宽SW：100KHz，开始采样时间的控制参数RFD:0.08ms，时延DL1：0.38748ms；
S2、样品称量：使用105℃烘干恒重法测定经过步骤S2低场核磁分析后的淡干海参的水分含量，作为实际值；
S3、建立模型：根据步骤S1所述横向弛豫数据和步骤S2所述水分含量，利用偏最小二乘法PLSR，通过The Unscrambler软件建立待测淡干海参的水分含量PLSR预测模型；
S4、评价模型：根据步骤S3所述水分含量PLSR预测模型，采用相关系数Rcal2和Rcv2来评价建立的模型；
S5、预测水分含量：采用与步骤S1相同的方法对待测淡干海参进行低场核磁分析，将低场核磁反演后的横向弛豫数据带入步骤S3所述水分含量PLSR预测模型，得到水分含量。
5.根据权利要求1所述利用低场核磁共振技术检测水产品中水分含量的方法，其特征在于，包括步骤：
S1、低场核磁分析：取待测即食虾仁50只，进行低场核磁共振分析，利用CPMG脉冲序列法收集核磁共振回波信号，每次重复采集3次信号，利用多指数拟合得到的横向弛豫数据；
其中，采样参数设置为：90度脉宽P1：12us，180度脉宽P2：25.44us，重复采样等待时间Tw：0.01～10000ms，模拟增益RG1：10，数字增益DRG1：3，前置放大增益PRG：2，NS：4，NECH：850，接收机带宽SW:100KHz，开始采样时间的控制参数RFD:0.08ms，时延DL1：0.38728ms；
S2、样品称量：使用105℃烘干恒重法测定经过步骤S2低场核磁分析后的即食虾仁的水分含量，作为实际值；
S3、建立模型：根据步骤S1所述横向弛豫数据和步骤S2所述水分含量，利用偏最小二乘法PLSR，通过The Unscrambler软件建立即食虾仁的水分含量PLSR预测模型；
S4、评价模型：根据步骤S3所述水分含量PLSR预测模型，采用相关系数Rcal2和Rcv2来评价建立的模型；
S5、预测水分含量：采用与步骤S1相同的方法对待测即食虾仁进行低场核磁分析，将低场核磁反演后的横向弛豫数据带入步骤S3所述水分含量PLSR预测模型，得到水分含量，即水分含量的预测值。
6.根据权利要求1所述利用低场核磁共振技术检测水产品中水分含量的方法，其特征在于，包括步骤：
S1、低场核磁分析：取待测即食扇贝柱200个，进行低场核磁共振分析，利用CPMG脉冲序列法收集核磁共振回波信号，每次重复采集3次信号，利用多指数拟合得到的横向弛豫数据；
其中，采样参数设置为：90度脉宽P1：15us，180度脉宽P2：28us，重复采样等待时间Tw：0.01～10000ms，模拟增益RG1：10，数字增益DRG1：3，前置放大增益PRG：2，NS：4，NECH：1000，接收机带宽SW:100KHz，开始采样时间的控制参数RFD:0.08ms，时延DL1：0.386ms；
S2、样品称量：使用105℃烘干恒重法测定经过步骤S2低场核磁分析后的即食扇贝柱的水分含量，作为实际值；
S3、建立模型：根据步骤S1所述横向弛豫数据和步骤S2所述水分含量，利用偏最小二乘法PLSR，通过The Unscrambler软件建立待即食扇贝柱的水分含量PLSR预测模型；
S4、评价模型：根据步骤S3所述水分含量PLSR预测模型，采用相关系数Rcal2和Rcv2来评价建立的模型；
S5、预测水分含量：采用与步骤S1相同的方法对待测即食扇贝柱进行低场核磁分析，将低场核磁反演后的横向弛豫数据带入步骤S3所述水分含量PLSR预测模型，得到水分含量，即水分含量的预测值。
CN201910994031.6A 2019-10-18 2019-10-18 一种利用低场核磁共振技术检测水产品中水分含量的方法 Pending CN110596176A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910994031.6A CN110596176A (zh) 2019-10-18 2019-10-18 一种利用低场核磁共振技术检测水产品中水分含量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910994031.6A CN110596176A (zh) 2019-10-18 2019-10-18 一种利用低场核磁共振技术检测水产品中水分含量的方法

Publications (1)

Publication Number Publication Date
CN110596176A true CN110596176A (zh) 2019-12-20

Family

ID=68850820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910994031.6A Pending CN110596176A (zh) 2019-10-18 2019-10-18 一种利用低场核磁共振技术检测水产品中水分含量的方法

Country Status (1)

Country Link
CN (1) CN110596176A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110879234A (zh) * 2019-12-27 2020-03-13 中国矿业大学 一种基于低场核磁共振快速检测煤炭全水分的方法
CN112730496A (zh) * 2020-12-21 2021-04-30 广东省农业科学院农业生物基因研究中心 一种鲜切花水分测定方法
CN112730499A (zh) * 2021-02-18 2021-04-30 南京农业大学 一种低场核磁共振检测鲜肉水分质量和/或水分含量的方法及其标准样品制备方法和应用
CN112881451A (zh) * 2021-01-12 2021-06-01 上海海洋大学 检测芒果水分组份含量的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105548234A (zh) * 2015-12-08 2016-05-04 大连工业大学 一种黄花鱼水分和脂肪含量的无损测定方法
CN105606637A (zh) * 2015-12-17 2016-05-25 大连工业大学 利用低场核磁共振技术检测鲍鱼中水分和脂肪含量的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105548234A (zh) * 2015-12-08 2016-05-04 大连工业大学 一种黄花鱼水分和脂肪含量的无损测定方法
CN105606637A (zh) * 2015-12-17 2016-05-25 大连工业大学 利用低场核磁共振技术检测鲍鱼中水分和脂肪含量的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高兴盛等: "低场核磁共振技术结合化学计量学建立鲍鱼水分和脂肪含量预测模型", 《现代农业科技》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110879234A (zh) * 2019-12-27 2020-03-13 中国矿业大学 一种基于低场核磁共振快速检测煤炭全水分的方法
CN112730496A (zh) * 2020-12-21 2021-04-30 广东省农业科学院农业生物基因研究中心 一种鲜切花水分测定方法
CN112881451A (zh) * 2021-01-12 2021-06-01 上海海洋大学 检测芒果水分组份含量的方法
CN112730499A (zh) * 2021-02-18 2021-04-30 南京农业大学 一种低场核磁共振检测鲜肉水分质量和/或水分含量的方法及其标准样品制备方法和应用

Similar Documents

Publication Publication Date Title
CN110596176A (zh) 一种利用低场核磁共振技术检测水产品中水分含量的方法
CN105606637B (zh) 利用低场核磁共振技术检测鲍鱼中水分和脂肪含量的方法
CN101382531B (zh) 利用电子鼻检测虾新鲜度的方法
CN102323267A (zh) 一种快速评价生鲜肉品新鲜度的系统及方法
CN112730499B (zh) 一种低场核磁共振检测鲜肉水分质量和/或水分含量的方法及其标准样品制备方法和应用
CN103543123A (zh) 一种掺假牛奶的红外光谱识别方法
CN102879340A (zh) 基于近红外光谱快速检测块根/茎类作物营养品质的方法
CN108519398A (zh) 微波喷动冻干智能检测高糖分水果含水率及质构的方法
CN104330432A (zh) 一种基于水分分布表征油炸果蔬脆片贮藏过程品质变化的方法
Xia et al. Simultaneous, rapid and nondestructive determination of moisture, fat content and storage time in leisure dried tofu using LF-NMR
CN105954309A (zh) 一种快速无损检测鲍鱼干制及复水过程水分含量的方法
CN101881729A (zh) 一种预测狭鳕鱼糜水分和蛋白质含量的方法
CN110658101A (zh) 一种检测海参在微波真空干燥过程中水分变化的方法
Lv et al. A rapid colorimetric sensing unit for histamine content of mackerel using azo reagent
CN106018453B (zh) 一种基于低场核磁共振技术的鱼子酱品质快速检测方法
CN114460121B (zh) 利用低场核磁共振技术检测禽畜肉水分和脂肪含量的方法
CN114088874B (zh) 一种基于液相可视化阵列的食醋总酸含量检测方法
CN101984341A (zh) 一种检测脊尾白虾新鲜度的方法
CN111855800B (zh) 声学振动快速无损测定水果货架期或最佳食用期的方法
CN113484256A (zh) 一种泥蚶血红蛋白浓度高通量测定方法
CN109490349B (zh) 一种低场核磁无损检测白酒酒曲水活度的分析方法
Huang et al. Freshness evaluation of sea bass using multi-sensor information fusion based on olfactory visualization and NIR spectroscopy technique
Tang et al. Determination of fat content in pork by low-field nuclear magnetic resonance.
CN111122492A (zh) 一种基于近红外检测的注水肉快速筛查方法
Di Caro et al. Advanced TD-NMR based estimation of the inshell hazelnuts quality parameters

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: 20191220