CN110672546A - 一种基于便携式近红外光谱仪的酒糟模型建模方法 - Google Patents
一种基于便携式近红外光谱仪的酒糟模型建模方法 Download PDFInfo
- Publication number
- CN110672546A CN110672546A CN201910964518.XA CN201910964518A CN110672546A CN 110672546 A CN110672546 A CN 110672546A CN 201910964518 A CN201910964518 A CN 201910964518A CN 110672546 A CN110672546 A CN 110672546A
- Authority
- CN
- China
- Prior art keywords
- vinasse
- sample
- model
- infrared
- infrared spectrometer
- 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 29
- 238000001228 spectrum Methods 0.000 claims abstract description 36
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 34
- 238000012546 transfer Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 239000013558 reference substance Substances 0.000 claims abstract description 6
- 230000003595 spectral effect Effects 0.000 claims description 29
- 238000012937 correction Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000010238 partial least squares regression Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000004497 NIR spectroscopy Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000010561 standard procedure Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 5
- 239000004793 Polystyrene Substances 0.000 description 4
- 229920002223 polystyrene Polymers 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000000855 fermentation Methods 0.000 description 2
- 230000004151 fermentation Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
-
- 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
Abstract
本发明公开了一种基于便携式近红外光谱仪的酒糟模型建模方法,所述方法包括步骤1:制备酒糟样品,同时选用SG标准片作为参考物;步骤2:通过便携式近红外光谱仪采集酒糟样品以及SG标准片的近红外光谱数据;步骤3:对采集到的近红外光谱数据进行预处理;步骤4:完成预处理后,建立酒糟样品的多元校正模型;步骤5:采用SAM‑PDS算法来完成多台光谱仪之间的模型传递工作,不仅可以有效提高酒糟模型的测量精度和建模速度,同时可以有效减小便携式近红外光谱仪设备的不稳定及台间差影响,大大提升了酒糟模型的适用性,同时很好的解决了现有技术中便携式近红外光谱仪不能延用大型近红外设备的光谱建模方法的问题。
Description
技术领域
本发明涉及近红外光谱技术领域,具体的说,是一种基于便携式近红外光谱仪的酒糟模型建模方法。
背景技术
酒糟是酿酒环节的必要产物,酒糟类物质主要是由谷物发酵而成,成分含有大量含氢基团,包含C-H、S-H、O-H和N-H等,在酒糟的发酵过程中,酒糟中水分、淀粉、酸度和糖等物质成分的含量将直接影响酒品质量,是衡量酒糟是否适宜及酒糟发酵过程是否正常的主要依据。然而酒糟是一种固液混合物,颗粒大小不一,组分分布不均,挥发十分严重,给成分分析造成了极大的困扰。
近年来,酒厂开始使用大型近红外光谱仪检测酒糟主要成分,该方法虽然定量准确灵敏度高,但该类设备体积庞大,对环境条件要求很高,仍需要专门的检测室和专业分析人员,酿酒工人无法现场检测,实时性较差。同时,由于大型近红外光谱仪价格昂贵,酒厂无法大量配置,难以对每口窖池、每批样品都进行检测,与酒厂的实际需要仍有很大差距。
而便携式近红外光谱仪体积小巧,价格低廉,可以大量购置以实现每批酒糟的检测。但是便携式近红外光谱仪受光源、检测器、使用方法、环境条件等影响,精度、灵敏度、稳定性、重现性、波长范围、分辨率等指标都有明显的性能降低,难以直接延用大型近红外设备的光谱建模方法。
发明内容
本发明的目的在于提供一种基于便携式近红外光谱仪的酒糟模型建模方法,用于解决现有技术中便携式近红外光谱仪不能延用大型近红外设备的光谱建模方法的问题。
本发明通过下述技术方案解决上述问题:
一种基于便携式近红外光谱仪的酒糟模型建模方法,所述方法包括如下步骤:
步骤1:制备酒糟样品,同时选用SG标准片作为参考物;
步骤2:通过便携式近红外光谱仪采集酒糟样品以及SG标准片的近红外光谱数据;
步骤3:对采集到的近红外光谱数据进行预处理;
步骤4:完成预处理后,建立酒糟样品的多元校正模型;
步骤5:采用SAM-PDS算法来完成多台光谱仪之间的模型传递工作。
优选地,所述酒糟样品通过制备工装制备,酒糟样品表面平整且厚度大于3厘米。
优选地,所述步骤2中,采集近红外光谱数据时,将便携式近红外光谱仪平整放置在酒糟样品表面进行光谱采集,获取I个点的近红外光谱;同理,直接用便携式近红外光谱仪对SG标准片进行光谱数据采集,获取与酒糟样品近红外光谱相同波长范围、相同分辨率的I个点的近红外光谱数据。
优选地,所述波长范围为1450nm~1850nm,所述分辨率为2nm,所述点的个数为200。
优选地,所述步骤4中建立酒糟样品的多远矫正模型包括如下步骤:
步骤4.1:选取一组校正集样品,采用偏最小二乘回归法建立近红外光谱数据与采用国际标准方法测得的酒糟组分真实值之间的数学模型关系;
步骤4.2:选取便携式近红外光谱对酒糟样品测试得到的光谱数据作为预测集样品;
步骤4.3:利用已建立的校正模型计算预测酒糟样品的物质组分含量。
优选地,所述校正集样品为物质组分含量已知的标准酒糟样品。
优选地,所述预处理为对光谱数据的降噪处理和校正处理,先对光谱数据做数字平均化操作,进行误差重新分配;然后分别将酒糟光谱数据以及SG校准片光谱数据中的相邻两个点光谱值依次平均值,然后将所得的酒糟光谱数据平均值依次除以SG校准片光谱数据的平均值,得到酒糟样品的校正光谱数据;再计算出酒糟样品校正光谱的平均值,最后得出预处理完成后的近红外光谱为酒糟样品的校正光谱数据与酒糟样品的校正光谱数据的差值。
本发明与现有技术相比,具有以下优点及有益效果:
提供一种基于便携式近红外光谱仪的酒糟模型建模方法,该方法不仅可以有效提高酒糟模型的测量精度和建模速度,同时可以有效减小便携式近红外光谱仪设备的不稳定及台间差影响,大大提升了酒糟模型的适用性,同时很好的解决了现有技术中便携式近红外光谱仪不能延用大型近红外设备的光谱建模方法的问题。
附图说明
图1为本发明的基于便携式近红外光谱仪的酒糟模型建模方法流程示意图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例1:
结合附图1所示,一种基于便携式近红外光谱仪的酒糟模型建模方法,所述方法包括如下步骤:
步骤1:制备酒糟样品,同时选用SG标准片作为参考物;
步骤2:通过便携式近红外光谱仪采集酒糟样品以及SG标准片的近红外光谱数据;
步骤3:对采集到的近红外光谱数据进行预处理;
步骤4:完成预处理后,建立酒糟样品的多元校正模型;
步骤5:采用SAM-PDS算法来完成多台光谱仪之间的模型传递工作。
实施上述方法,首先,制备酒糟样品,同时选用SG标准片作为参考物。制备酒糟样品的流程为:酒糟平整放入制备工装中并向下压实使得酒糟表面平整且厚度大于3厘米。这样做的好处在于保持测试样品拥有一定厚度并且测试面尽可能平整,减小环境或者样品本身给测试数据带来的误差。
在本实施例中,目前大多数便携式近红外光谱仪选择聚苯乙烯标准片作为参考物,聚苯乙烯标准片虽然价格便宜,但是其容易受到环境影响,表面分布不均匀,容易造成参考数据误差过大。SG标准片相较于聚苯乙烯校准片,拥有更高的准确性,是国际认证的校准片,同时其受环境影响极小,抗油污能力强,测试表面分布均匀,在近红外光谱波长范围内极为稳定。运用SG标准片作为参考物可以极大程度的提升数据的准确性及稳定性。
采集酒糟样品及SG标准片的近红外光谱数据的具体流程为:将便携式近红外光谱仪平整放置在酒糟样品的表面对酒糟样品表面进行光谱采集,获取一定波长范围内I个点的近红外光谱。同理,直接用便携式近红外光谱仪对SG标准片进行光谱数据采集,获取与酒糟样品近红外光谱相同波长范围、相同分辨率的I个点的近红外光谱数据。
在本实施例中,首先使用便携式近红外光谱仪扫描酒糟样品,获取波长范围1450nm~1850nm,分辨率为2nm的200个点到近红外光谱。然后再用便携式近红外光谱仪扫描SG标准片,获取200个点的近红外光谱,且与酒糟样品的近红外光谱波长范围及分辨率相同。
对采集到的近红外光谱数据进行预处理,在实际的测量过程中,复杂的环境因素如温度、环境光等都会对所测量的信号造成不同程度的干扰。这些干扰信号不但会导致近红外光的测量谱图发生畸变,还会严重影响后期基于光谱图信息建立的校正模型的精度以及模型的稳健性;为降低无关因素对测量光谱的干扰,建立良好的校正模型,本专利结合SG校准片对酒糟样品进行预处理操作。
在本实施例中,首先对酒糟光谱数据做数字平均化操作,进行误差重新分配,进而实现光谱降噪的效果,将酒糟光谱数据以及SG校准片光谱数据相邻两个点光谱值依次平均,原200点的近红外光谱均变为100个点的近红外光谱;然后将酒糟光谱数据平滑后的100个点逐点除以SG校准片光谱数据的100个点,得到酒糟样品的校正光谱,记为A1,A2……A100;之后再计算出酒糟样品校正光谱的均值AAVG,最后,计算得出预处理完成后的近红外光谱为A1-AAVG,A2-AAVG……A100-AAVG。
完成预处理后,建立酒糟样品的多元校正模型:首先,选取一组有代表性、物质组分含量已知的标准酒糟样品,即校正集样品,并采用偏最小二乘回归法(PLS)建立近红外光谱数据与采用国际标准方法测得的酒糟组分真实值之间的数学模型关系;然后,选取便携式近红外光谱对酒糟样品测试得到的光谱数据当做预测集样品;最后,利用已建立的校正模型计算预测酒糟样品的物质组分含量。
最后,采用SAM-PDS算法来完成多台光谱仪之间的模型传递工作。在便携式近红外光谱仪测试酒糟过程中,由于测量仪器的改变、仪器的老化和酒糟样品的改变等因素的影响,在某一台光谱仪器上建立的多元校正模型不具备通用性,往往只能用于建立模型的一台光谱仪器。针对此问题,提出了一种改进型模型传递算法SAM-PDS算法,该方法通过PDS算法进行模型传递,同时使用光谱角度匹配(SAM)算法来选择传递参数,使得模型传递过程不受到样品性质参考值的影响也不依赖于模型,并且可以双向传递。
在本实施例中,使用夹角度量分段直接校正(SAM-PDS)方法建立主仪器与从仪器之间的光谱传递模型Zp=F*Z,其中F为最佳传递矩阵,Zp为Z经校正后的校正光谱;光谱的传递分为两个方向:一是从仪器向主仪器的传递,通过修正从仪器光谱匹配主仪器光谱;二是生仪器向从仪器的传递,通过修正主仪器光谱匹配从仪器光谱;前者光谱传递模型中Z为从仪器光谱,后者Z为主仪器光谱。光谱间的夹角大小的思路为交互计算每条验证光谱传递前后的夹角值,取所有有效光谱夹角值的平均值作为最后的光谱夹角值,它直接进行光谱的传递,模型传递的实质是光谱之间的传递。
尽管这里参照本发明的解释性实施例对本发明进行了描述,上述实施例仅为本发明较佳的实施方式,本发明的实施方式并不受上述实施例的限制,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。
Claims (7)
1.一种基于便携式近红外光谱仪的酒糟模型建模方法,其特征在于,所述方法包括如下步骤:
步骤1:制备酒糟样品,同时选用SG标准片作为参考物;
步骤2:通过便携式近红外光谱仪采集酒糟样品以及SG标准片的近红外光谱数据;
步骤3:对采集到的近红外光谱数据进行预处理;
步骤4:完成预处理后,建立酒糟样品的多元校正模型;
步骤5:采用SAM-PDS算法来完成多台光谱仪之间的模型传递工作。
2.根据权利要求1所述的基于便携式近红外光谱仪的酒糟模型建模方法,其特征在于,所述酒糟样品通过制备工装制备,酒糟样品表面平整且厚度大于3厘米。
3.根据权利要求1所述的基于便携式近红外光谱仪的酒糟模型建模方法,其特征在于,所述步骤2中,采集近红外光谱数据时,将便携式近红外光谱仪平整放置在酒糟样品表面进行光谱采集,获取I个点的近红外光谱;同理,直接用便携式近红外光谱仪对SG标准片进行光谱数据采集,获取与酒糟样品近红外光谱相同波长范围、相同分辨率的I个点的近红外光谱数据。
4.根据权利要求3所述的基于便携式近红外光谱仪的酒糟模型建模方法,其特征在于,所述波长范围为1450nm~1850nm,所述分辨率为2nm,所述点的个数为200。
5.根据权利要求1所述的基于便携式近红外光谱仪的酒糟模型建模方法,其特征在于,所述步骤4中建立酒糟样品的多远矫正模型包括如下步骤:
步骤4.1:选取一组校正集样品,采用偏最小二乘回归法建立近红外光谱数据与采用国际标准方法测得的酒糟组分真实值之间的数学模型关系;
步骤4.2:选取便携式近红外光谱对酒糟样品测试得到的光谱数据作为预测集样品;
步骤4.3:利用已建立的校正模型计算预测酒糟样品的物质组分含量。
6.根据权利要求5所述的基于便携式近红外光谱仪的酒糟模型建模方法,其特征在于,所述校正集样品为物质组分含量已知的标准酒糟样品。
7.根据权利要求1所述的基于便携式近红外光谱仪的酒糟模型建模方法,其特征在于,所述预处理为对光谱数据的降噪处理和校正处理,先对光谱数据做数字平均化操作,进行误差重新分配;然后分别将酒糟光谱数据以及SG校准片光谱数据中的相邻两个点光谱值依次平均值,然后将所得的酒糟光谱数据平均值依次除以SG校准片光谱数据的平均值,得到酒糟样品的校正光谱数据;再计算出酒糟样品校正光谱的平均值,最后得出预处理完成后的近红外光谱为酒糟样品的校正光谱数据与酒糟样品的校正光谱数据的差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910964518.XA CN110672546A (zh) | 2019-10-11 | 2019-10-11 | 一种基于便携式近红外光谱仪的酒糟模型建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910964518.XA CN110672546A (zh) | 2019-10-11 | 2019-10-11 | 一种基于便携式近红外光谱仪的酒糟模型建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110672546A true CN110672546A (zh) | 2020-01-10 |
Family
ID=69081607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910964518.XA Pending CN110672546A (zh) | 2019-10-11 | 2019-10-11 | 一种基于便携式近红外光谱仪的酒糟模型建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110672546A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111595813A (zh) * | 2020-06-24 | 2020-08-28 | 四川长虹电器股份有限公司 | 一种基于空腔校正板的光谱数据校准方法 |
CN111855595A (zh) * | 2020-08-24 | 2020-10-30 | 四川长虹电器股份有限公司 | 一种基于黑白校准板的光谱数据校准方法 |
CN112067579A (zh) * | 2020-09-17 | 2020-12-11 | 云南中烟工业有限责任公司 | 一种标定离线近红外光谱分析仪稳定性的方法 |
CN113624717A (zh) * | 2021-09-14 | 2021-11-09 | 四川启睿克科技有限公司 | 基于近红外光谱数据预测样品成分的模型建立及使用方法 |
CN113724803A (zh) * | 2021-09-02 | 2021-11-30 | 四川启睿克科技有限公司 | 一种有效提升酒糟样品预测准确率的方法 |
CN114136888A (zh) * | 2021-12-09 | 2022-03-04 | 四川启睿克科技有限公司 | 多光源便携式近红外光谱仪的光谱数据校准方法 |
CN114280002A (zh) * | 2021-12-16 | 2022-04-05 | 宜宾五粮液股份有限公司 | 一种基于特征峰判定的异常酒醅光谱筛选方法 |
CN114354537A (zh) * | 2022-01-14 | 2022-04-15 | 四川启睿克科技有限公司 | 一种基于西洋参的异常光谱判别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101806730A (zh) * | 2010-04-13 | 2010-08-18 | 江苏大学 | 一种醋糟有机基质含水量的检测方法 |
CN103439269A (zh) * | 2013-09-06 | 2013-12-11 | 安徽古井贡酒股份有限公司 | 近红外快速检测酒醅中理化指标的方法 |
CN105300919A (zh) * | 2014-06-09 | 2016-02-03 | 陈旭 | 利用近红外光谱快速检测白酒中主要成分的方法 |
CN106769981A (zh) * | 2016-11-18 | 2017-05-31 | 北京化工大学 | 一种沥青蜡含量红外光谱校正模型双向传递方法 |
CN108801975A (zh) * | 2018-08-03 | 2018-11-13 | 四川长虹电器股份有限公司 | 一种微型化近红外光谱仪检测酒糟成分的光谱预处理方法 |
CN109724940A (zh) * | 2019-02-26 | 2019-05-07 | 宜宾五粮液股份有限公司 | 利用近红外光谱仪检测酒糟成分含量的方法及系统 |
-
2019
- 2019-10-11 CN CN201910964518.XA patent/CN110672546A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101806730A (zh) * | 2010-04-13 | 2010-08-18 | 江苏大学 | 一种醋糟有机基质含水量的检测方法 |
CN103439269A (zh) * | 2013-09-06 | 2013-12-11 | 安徽古井贡酒股份有限公司 | 近红外快速检测酒醅中理化指标的方法 |
CN105300919A (zh) * | 2014-06-09 | 2016-02-03 | 陈旭 | 利用近红外光谱快速检测白酒中主要成分的方法 |
CN106769981A (zh) * | 2016-11-18 | 2017-05-31 | 北京化工大学 | 一种沥青蜡含量红外光谱校正模型双向传递方法 |
CN108801975A (zh) * | 2018-08-03 | 2018-11-13 | 四川长虹电器股份有限公司 | 一种微型化近红外光谱仪检测酒糟成分的光谱预处理方法 |
CN109724940A (zh) * | 2019-02-26 | 2019-05-07 | 宜宾五粮液股份有限公司 | 利用近红外光谱仪检测酒糟成分含量的方法及系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111595813A (zh) * | 2020-06-24 | 2020-08-28 | 四川长虹电器股份有限公司 | 一种基于空腔校正板的光谱数据校准方法 |
CN111855595A (zh) * | 2020-08-24 | 2020-10-30 | 四川长虹电器股份有限公司 | 一种基于黑白校准板的光谱数据校准方法 |
CN112067579A (zh) * | 2020-09-17 | 2020-12-11 | 云南中烟工业有限责任公司 | 一种标定离线近红外光谱分析仪稳定性的方法 |
CN113724803A (zh) * | 2021-09-02 | 2021-11-30 | 四川启睿克科技有限公司 | 一种有效提升酒糟样品预测准确率的方法 |
CN113724803B (zh) * | 2021-09-02 | 2024-03-12 | 四川启睿克科技有限公司 | 一种有效提升酒糟样品预测准确率的方法 |
CN113624717A (zh) * | 2021-09-14 | 2021-11-09 | 四川启睿克科技有限公司 | 基于近红外光谱数据预测样品成分的模型建立及使用方法 |
CN114136888A (zh) * | 2021-12-09 | 2022-03-04 | 四川启睿克科技有限公司 | 多光源便携式近红外光谱仪的光谱数据校准方法 |
CN114280002A (zh) * | 2021-12-16 | 2022-04-05 | 宜宾五粮液股份有限公司 | 一种基于特征峰判定的异常酒醅光谱筛选方法 |
CN114280002B (zh) * | 2021-12-16 | 2023-05-30 | 宜宾五粮液股份有限公司 | 一种基于特征峰判定的异常酒醅光谱筛选方法 |
CN114354537A (zh) * | 2022-01-14 | 2022-04-15 | 四川启睿克科技有限公司 | 一种基于西洋参的异常光谱判别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110672546A (zh) | 一种基于便携式近红外光谱仪的酒糟模型建模方法 | |
CN104897607B (zh) | 便携式近红外光谱食品建模与快速检测一体化方法和系统 | |
CN111855595B (zh) | 一种基于黑白校准板的光谱数据校准方法 | |
CN109085136B (zh) | 近红外漫反射光谱测定水泥生料氧化物成分含量的方法 | |
CN109540838B (zh) | 一种快速检测发酵乳中酸度的方法 | |
CN108680515B (zh) | 一种单粒水稻直链淀粉定量分析模型构建及其检测方法 | |
CN111879725B (zh) | 一种基于权重系数的光谱数据修正方法 | |
CN108801975B (zh) | 一种微型化近红外光谱仪检测酒糟成分的光谱预处理方法 | |
CN105203464A (zh) | 基于高光谱成像技术检测花生中油酸含量分布的方法 | |
CN108613943B (zh) | 一种基于光谱形态转移的近红外单籽粒作物成分检测方法 | |
CN110987821A (zh) | 一种高光谱快速大气校正参数化方法 | |
CN108020526A (zh) | 一种丁羟推进剂药浆组分近红外检测方法 | |
CN114676636A (zh) | 一种综合植被和生境特征的草原区土壤水分快速反演方法 | |
CN113655027A (zh) | 一种近红外快速检测植物中单宁含量的方法 | |
CN110567894A (zh) | 一种含水溶液pH值快速检测方法和检测装置 | |
CN111896497B (zh) | 一种基于预测值的光谱数据修正方法 | |
CN109540837B (zh) | 近红外快速检测苎麻叶片木质纤维素含量的方法 | |
CN110231306A (zh) | 一种无损、快速测定奇亚籽蛋白质含量的方法 | |
CN112924413A (zh) | 预测酒糟成分的方法 | |
CN111579526B (zh) | 一种表征近红外仪器差异和校正的方法 | |
CN112945901A (zh) | 一种基于近红外光谱的青贮大豆品质检测方法 | |
CN115372310B (zh) | 一种用近红外光谱技术预测湿地松弹性模量的方法及系统 | |
CN109580525A (zh) | 一种快速预测小麦烘焙品质的检测方法 | |
CN114184577B (zh) | 一种近红外定量检测模型的参数选取方法和定量检测方法 | |
CN111458361B (zh) | 一种基于便携式xrf的水蛭中元素含量测定方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220125 Address after: 644007 No. 150 Minjiang West Road, Yibin, Sichuan Applicant after: WULIANGYE GROUP Co.,Ltd. Applicant after: SICHUAN CHANGHONG ELECTRIC Co.,Ltd. Address before: 621000, No. 35 Mian Xing Dong Road, hi tech Zone, Sichuan, Mianyang Applicant before: SICHUAN CHANGHONG ELECTRIC Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |
|
RJ01 | Rejection of invention patent application after publication |