CN110687094A - 基于蛋白探针成像技术的非定向乳粉筛查方法 - Google Patents
基于蛋白探针成像技术的非定向乳粉筛查方法 Download PDFInfo
- Publication number
- CN110687094A CN110687094A CN201910941054.0A CN201910941054A CN110687094A CN 110687094 A CN110687094 A CN 110687094A CN 201910941054 A CN201910941054 A CN 201910941054A CN 110687094 A CN110687094 A CN 110687094A
- Authority
- CN
- China
- Prior art keywords
- protein
- sample
- milk powder
- pixel point
- regression model
- 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
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 53
- 102000004169 proteins and genes Human genes 0.000 title claims abstract description 53
- 239000000523 sample Substances 0.000 title claims abstract description 51
- 239000000843 powder Substances 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012216 screening Methods 0.000 title claims abstract description 19
- 235000013336 milk Nutrition 0.000 title claims abstract description 16
- 239000008267 milk Substances 0.000 title claims abstract description 16
- 210000004080 milk Anatomy 0.000 title claims abstract description 16
- 238000003384 imaging method Methods 0.000 title claims abstract description 15
- 238000005516 engineering process Methods 0.000 title claims abstract description 9
- 238000001069 Raman spectroscopy Methods 0.000 claims abstract description 26
- 235000020183 skimmed milk Nutrition 0.000 claims abstract description 23
- 238000000701 chemical imaging Methods 0.000 claims abstract description 17
- 230000003595 spectral effect Effects 0.000 claims description 16
- 238000001237 Raman spectrum Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000003332 Raman imaging Methods 0.000 claims description 4
- 238000010238 partial least squares regression Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 18
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 abstract description 7
- 235000013365 dairy product Nutrition 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 235000019624 protein content Nutrition 0.000 description 15
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 12
- 239000002019 doping agent Substances 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 9
- 239000004202 carbamide Substances 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 5
- UMGDCJDMYOKAJW-UHFFFAOYSA-N thiourea Chemical compound NC(N)=S UMGDCJDMYOKAJW-UHFFFAOYSA-N 0.000 description 4
- 229920000877 Melamine resin Polymers 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- JDSHMPZPIAZGSV-UHFFFAOYSA-N melamine Chemical compound NC1=NC(N)=NC(N)=N1 JDSHMPZPIAZGSV-UHFFFAOYSA-N 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- ZFSLODLOARCGLH-UHFFFAOYSA-N isocyanuric acid Chemical compound OC1=NC(O)=NC(O)=N1 ZFSLODLOARCGLH-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000004254 Ammonium phosphate Substances 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 101100127891 Caenorhabditis elegans let-4 gene Proteins 0.000 description 1
- 229910000148 ammonium phosphate Inorganic materials 0.000 description 1
- 235000019289 ammonium phosphates Nutrition 0.000 description 1
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 description 1
- 229910052921 ammonium sulfate Inorganic materials 0.000 description 1
- 235000011130 ammonium sulphate Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- OHJMTUPIZMNBFR-UHFFFAOYSA-N biuret Chemical compound NC(=O)NC(N)=O OHJMTUPIZMNBFR-UHFFFAOYSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- MNNHAPBLZZVQHP-UHFFFAOYSA-N diammonium hydrogen phosphate Chemical compound [NH4+].[NH4+].OP([O-])([O-])=O MNNHAPBLZZVQHP-UHFFFAOYSA-N 0.000 description 1
- QGBSISYHAICWAH-UHFFFAOYSA-N dicyandiamide Chemical compound NC(N)=NC#N QGBSISYHAICWAH-UHFFFAOYSA-N 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- -1 nitrogen-containing compound Chemical class 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 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
- G01N21/62—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (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, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及乳制品检测技术领域，为提出一种基于拉曼高光谱成像的非定向筛查含氮掺杂物的检测方法和装置，旨在实现准确、操作简便、适用范围广的检测。为此，本发明采取的技术方案是，基于蛋白探针成像技术的非定向乳粉筛查方法，首先使用稳健建模方法建立正常脱脂乳粉的蛋白质含量回归模型，之后计算出待测样品每个像素点的蛋白质含量，画出蛋白质浓度分布图，且设定合理阈值，对超出正常范围的像素点标记为掺杂，画出二值图，从而判断样品是否掺杂。本发明主要应用于制品检测设备、仪器的设计制造。
Description
技术领域
本发明涉及乳制品检测技术领域，具体涉及基于蛋白探针成像技术的非定向乳粉筛查方法。
背景技术
脱脂乳粉，作为主要原料粉，应用于多种食品的生产与加工。对食品企业而言，严格把控其原料品质十分重要。但由于乳制品市场份额巨大，由经济利益引导的掺假行为防不胜防，而食品安全关乎到人民身体健康，必须通过规范的检测手段坚决打击此种不法行为。一般来说，基于经济利益的掺假，会加入含氮类化合物提高乳制品中氮含量，从而提高其表观“蛋白质含量”。而除三聚氰胺这一掺假物，还存在许多含氮类物质可掺入其中。针对某种特定物质的定向筛查方法，难以全面覆盖所有掺假行为，且费时费力，成本太高。因此，开发一种非定向筛查方法颇为重要。
近年来，拉曼光谱技术以其无需样品前处理、操作简便、无损、可非接触式检测等优点引起了广泛的关注。而脱脂乳粉作为非均质的固体粉末，使用传统单条光谱检测方法，极有可能淹没低浓度掺杂物的光谱特征信号，从而降低其检测灵敏度，因此拉曼高光谱成像不失为一个很好的解决方法。使用拉曼高光谱成像技术，将拉曼光谱仪结合二维位移平台，采用点扫描的方式采集每个像素点的拉曼光谱，最后形成一个三维数据立方体。通过对此立方体数据进行定性、定量、定位地分析，从而得到筛查结果。
目前拉曼高光谱成像装备大多是实验室大型检测装备，具有高精度，但是价格昂贵，操作复杂。针对乳制品真实性检测的拉曼高光谱系统需要具有便携、性价比高、操作简便等特点，从而适合于乳粉生产流通过程中全链条的检测。
发明内容
为克服现有技术的不足，本发明旨在提出一种基于拉曼高光谱成像的非定向筛查含氮掺杂物的检测方法和装置，旨在实现准确、操作简便、适用范围广的检测。为此，本发明采取的技术方案是，基于蛋白探针成像技术的非定向乳粉筛查方法，首先使用稳健建模方法建立正常脱脂乳粉的蛋白质含量回归模型，之后计算出待测样品每个像素点的蛋白质含量，画出蛋白质浓度分布图，且设定合理阈值，对超出正常范围的像素点标记为掺杂，画出二值图，从而判断样品是否掺杂。
具体步骤如下：
(1)建模数据采集：
使用多个市售不同品牌不同批次的脱脂奶粉，采用拉曼高光谱成像装备，采集光谱数据，得到多个三维数据立方体；
(2)建立蛋白质回归模型
使用小波变换DWT(Discrete Wavelet Transform)首先将奶粉光谱数据分解为多层不同频率的信息，认为低频信号为拉曼光谱的荧光干扰基线，高频信号为拉曼光谱的噪声干扰，将低频信号和高频信号去除后重构拉曼光谱，则得到了去除荧光背景和噪声的奶粉处理后光谱数据[1]。再将处理后光谱数据使用迭代重加权偏最小二乘的稳健建模方法mIRPLS建立不含异常值的偏最小二乘PLS回归模型，从而得到稳健的蛋白质浓度回归模型；
(3)样本数据采集：
采集待测样品的光谱成像数据，方法同步骤(1)；
(4)基于蛋白质探针的拉曼成像：
利用步骤(2)建立的蛋白质回归模型，预测待测样品的每个像素点的蛋白质含量，将每点蛋白质含量结合像素点位置，建立蛋白质浓度分布成像图；
(5)判断是否掺杂
通过设置合理阈值，将浓度分布图转变为二值图，即当该像素点的蛋白质浓度在阈值范围内，表明其为正常点，标记为0,；而当该像素点蛋白质浓度在阈值范围之外，证明其为异常点，标记为1，此二值图像可以清晰的描绘出此样品是否掺杂及掺杂位置。
本发明的特点及有益效果是：
本发明针对奶粉这一固体非均相体系，使用成像技术，可通过采集大面积光谱数据，得到大量精细微区光谱信息，从而大大提高了掺杂物可检出水平。使用拉曼光谱，可以隔着包装检测，从而扩展了此方法在未来的应用场景。通过此非定向筛查手段，避免了针对不同掺杂物定向筛查的繁琐，且提高了对未知掺杂物的检出能力。
附图说明：
图1为本发明具体实施例中拉曼高光谱装置示意图；
图2为本发明具体实施例中脱脂乳粉原始光谱与使用小波变换去除荧光背景后光谱；
图3为本发明具体实施例中基于蛋白质探针的拉曼成像图。
具体实施方式
本发明提供了一种非定向筛查脱脂乳粉是否含有含氮掺杂物定性检测方法，该方法基于拉曼高光谱成像，具体包括以下步骤：
(1)建模数据采集：
使用多个市售不同品牌不同批次的脱脂奶粉，采用拉曼高光谱成像装备，采集光谱数据，得到多个三维数据立方体。
(2)建立蛋白质回归模型
使用DWT首先去除奶粉数据强烈的荧光背景和噪声，再使用mIRPLS的稳健建模方法[2]，得到稳健的蛋白质浓度回归模型。
(3)样本数据采集：
采集待测样品的光谱成像数据，方法同步骤(1)。
(4)基于蛋白质探针的拉曼成像：
利用步骤(2)建立的蛋白质回归模型，预测待测样品的每个像素点的蛋白质含量。将每点蛋白质含量结合像素点位置，建立蛋白质浓度分布成像图。
(5)判断是否掺杂
当掺杂含量很高时，可以直观的通过蛋白质浓度分布成像图看到，蛋白质浓度的分布出现部分“坍塌”，从而判断其含有掺杂物。然而，此方法不适用于含量极低的掺杂。针对此问题，我们通过设置合理阈值，将浓度分布图转变为二值图，即当该像素点的蛋白质浓度在阈值范围内，表明其为正常点，标记为0,；而当该像素点蛋白质浓度在阈值范围之外，证明其为异常点，标记为1.此二值图像可以清晰的描绘出此样品是否掺杂及掺杂位置。
光谱数据预处理、建模、预测及成像均在Matlab软件上进行。
本发明提供的基于拉曼高光谱成像非定向筛查含氮掺杂物的方法，首先使用稳健建模方法建立正常脱脂乳粉的蛋白质含量回归模型，之后计算出待测样品每个像素点的蛋白质含量，画出蛋白质浓度分布图，且设定合理阈值，对超出正常范围的像素点标记为掺杂，画出二值图，从而判断样品是否掺杂。
为使本发明的目的、技术方案和优点更加清楚，先将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：一种基于拉曼高光谱成像非定向筛查含氮掺杂物(尿素、八种混合物)的方法
【101】建模数据采集：
建立蛋白质回归模型的样品为50个市售不同品牌不同批次的脱脂奶粉(具有不同的蛋白质含量)，采用实验室自行搭建的拉曼点扫描高光谱成像装置采集其高光谱数据。拉曼高光谱成像装置(如图1)，其激光器为波长785nm，功率100mW的二极管激光器；其CCD检测器有64×1024共65536个独立且能同时工作的检测器元件，提供200-2200cm-1范围上拉曼散射光谱的检测。采用背散射(180°)式获得拉曼信息，使用同一透镜聚焦激光同时收集拉曼散射光。采集数据时，设置其积分时间为600ms，激光功率100mW。设计使用背向采集的方式，避免正向采集时需要平整样品平面的难操作性，更加简化样品处理过程。设置采集区域为30mm×30mm，设置二维位移平台步长0.6mm，采集50×50共2500个像素点拉曼光谱数据。由此，每个样品我们可以得到50×50×1024的数据立方体。
【102】建立蛋白质回归模型
使用DWT首先去除奶粉原始光谱数据强烈的荧光背景和噪声，小波基使用‘sym5’，分解尺度7层，去除2层高频信息和1层低频信息，其处理后光谱数据如图2所示。再将每个样品的2500点光谱平均后得到平均光谱用于回归模型的建立。
使用mIRPLS的稳健建模方法得到稳健的蛋白质浓度回归模型[2]。
使用另外的20个脱脂奶粉数据验证此蛋白质回归模型。将预测值与真实值进行对比，得到R2＝0.980。证明此蛋白质回归模型预测效果很好，可以用来预测脱脂乳粉蛋白质浓度。
【103】样本数据采集：
采集待测样品的光谱成像数据，方法同步骤(1)。待测验证样品共有三组，第一组为验证蛋白质浓度的20个脱脂乳粉(阴性样品)；第二组为含氮化合物单掺杂样品，将四种含氮化合物尿素，三聚氰胺，三聚氰酸，硫脲，按照15个浓度梯度，从0.1％、0.2％、0.3％至5％(w/w)混入脱脂乳粉中，得到共计60个含氮掺杂的脱脂乳粉样品。第三组为多种含氮化合物混合掺杂样品，将八种含氮化合物(尿素、三聚氰胺、三聚氰酸、硫酸铵、双氰胺、缩二脲、硫脲和磷酸铵)按照均匀设计的原理，一起混合入脱脂奶粉中，掺杂浓度从9.6％-40％，一共50个样品。验证样品共计130个，其中20个为阴性样本，110个为阳性样本。
【104】基于蛋白质探针的拉曼成像
通过步骤(2)建立的蛋白质回归模型，使用待测样本的拉曼高光谱数据计算其每个像素点的蛋白质含量。将每点蛋白质含量结合像素点位置，画出蛋白质浓度分布成像图，如图3中第一行。图3中，展示了三组验证样品集中各一种的实验结果，分别为A正常脱脂乳粉，B含尿素0.1％的脱脂乳粉和C含有共计9.6％的含氮类掺杂物。
【105】判断是否掺杂
如图C1，当掺杂含量很高时，可以直观的通过蛋白质浓度分布成像图看出，蛋白质含量的分布出现了部分“坍塌”，从而可以判断其含有掺杂物。然而，当掺杂物质量很少时，无法直接通过其分布成像图看出。于是，我们设置蛋白质含量合理阈值，将浓度分布图转变为二值图，即当蛋白质浓度在阈值范围内，表示其为正常点，标记为0,而当蛋白质浓度在阈值范围之外，表示其为异常点，标记为1.在此，阈值使用统计学方法设置为
其中
为建模的50个样品的蛋白质浓度平均值，SD为50个蛋白浓度的标准偏差。使用此阈值画出图3第二行二值图，图中0显示为白色，1显示为深色。此二值图可以非常清晰的表明此样品是否掺杂及掺杂的位置。
【106】验证方法有效性
使用上述方法验证全部验证样品，得到结果如下：
上表证明，当被测样品为阴性样品时，其识别正确率为95％，20个样品中有一个被检测为阳性。因为此方法用于筛查，因此我们认为很少的假阳性是可以被接受的。而当被测样品为阳性样品时，其识别正确率为100％，证明此方法是一种真实有效的非定向筛查方法。
光谱数据预处理、建模、预测及成像图均在Matlab软件上完成。
图1为本发明具体实施例中便携式拉曼高光谱装置示意图；具体为联用便携式拉曼光谱仪与二维位移平台，通过所开发操作软件控制位移平台单点位移速度与光谱仪采集速度，实现自动连续采集每个像素点的光谱数据。且设计使用了背向采集方式，为避免正向采集时需要平整样品平面的难操作性，更加简化样品处理过程。
图2为本发明具体实施例中脱脂乳粉原始光谱与使用小波变换去除荧光背景后光谱对比图；此图通过小波变换去掉高频噪声和低频背景，从而达到去除荧光的效果。为后续稳健建模提供一个良好的基础。
图3为本发明具体实施例中基于蛋白质探针的拉曼成像图。图中(A)为正常脱脂乳粉，(B)为含有0.1％尿素的脱脂乳粉，(C)为含有大量含氮混合掺杂物共计9.6％的脱脂乳粉。1为蛋白质浓度分布图，颜色区间为30-40；2为掺杂二值图，其中正常像素点为白色，掺杂像素点标记为深色。
[1]Hu Y,Jiang T,Shen A,et al.A background elimination method based onwavelet transform for Raman spectra[J].Chemometrics and IntelligentLaboratory Systems,2007,85(1):94-101.
[2]Chen D,Hu B,Shao X,et al.A new hybrid strategy for constructing arobust calibration model for near-infrared spectral analysis[J].Analyticaland bioanalytical chemistry,2005,381(3):795-805.
Claims (2)
1.一种基于蛋白探针成像技术的非定向乳粉筛查方法，其特征是，首先使用稳健建模方法建立正常脱脂乳粉的蛋白质含量回归模型，之后计算出待测样品每个像素点的蛋白质含量，画出蛋白质浓度分布图，且设定合理阈值，对超出正常范围的像素点标记为掺杂，画出二值图，从而判断样品是否掺杂。
2.如权利要求1所述的基于蛋白探针成像技术的非定向乳粉筛查方法，其特征是，具体步骤如下：
(1)建模数据采集：
使用多个市售不同品牌不同批次的脱脂奶粉，采用拉曼高光谱成像装备，采集光谱数据，得到多个三维数据立方体；
(2)建立蛋白质回归模型
使用小波变换DWT(Discrete Wavelet Transform)首先将奶粉光谱数据分解为多层不同频率的信息，认为低频信号为拉曼光谱的荧光干扰基线，高频信号为拉曼光谱的噪声干扰，将低频信号和高频信号去除后重构拉曼光谱，则得到了去除荧光背景和噪声的奶粉处理后光谱数据，再将处理后光谱数据使用迭代重加权偏最小二乘的稳健建模方法mIRPLS建立不含异常值的偏最小二乘PLS回归模型，从而得到稳健的蛋白质浓度回归模型；
(3)样本数据采集：
采集待测样品的光谱成像数据，方法同步骤(1)；
(4)基于蛋白质探针的拉曼成像：
利用步骤(2)建立的蛋白质回归模型，预测待测样品的每个像素点的蛋白质含量，将每点蛋白质含量结合像素点位置，建立蛋白质浓度分布成像图；
(5)判断是否掺杂
通过设置合理阈值，将浓度分布图转变为二值图，即当该像素点的蛋白质浓度在阈值范围内，表明其为正常点，标记为0,；而当该像素点蛋白质浓度在阈值范围之外，证明其为异常点，标记为1，此二值图像可以清晰的描绘出此样品是否掺杂及掺杂位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910941054.0A CN110687094B (zh) | 2019-09-30 | 2019-09-30 | 基于蛋白质探针成像技术的非定向乳粉筛查方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910941054.0A CN110687094B (zh) | 2019-09-30 | 2019-09-30 | 基于蛋白质探针成像技术的非定向乳粉筛查方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110687094A true CN110687094A (zh) | 2020-01-14 |
| CN110687094B CN110687094B (zh) | 2022-09-09 |
Family
ID=69111387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910941054.0A Expired - Fee Related CN110687094B (zh) | 2019-09-30 | 2019-09-30 | 基于蛋白质探针成像技术的非定向乳粉筛查方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110687094B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111413316A (zh) * | 2020-04-09 | 2020-07-14 | 天津大学 | 基于拉曼光谱的乳粉真实性筛查方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003060444A1 (en) * | 2002-01-10 | 2003-07-24 | Chemimage Corporation | Method for detection of pathogenic microorganisms |
| US20050148098A1 (en) * | 2003-12-30 | 2005-07-07 | Xing Su | Methods for using raman spectroscopy to obtain a protein profile of a biological sample |
| JP2006250655A (ja) * | 2005-03-09 | 2006-09-21 | Institute Of Physical & Chemical Research | ラマン分光法によるタンパク質溶液結晶化過程の解析方法及び装置 |
| CN103399091A (zh) * | 2013-07-16 | 2013-11-20 | 北京三元食品股份有限公司 | 一种乳品蛋白质掺假的检测方法 |
| CN104777150A (zh) * | 2015-04-20 | 2015-07-15 | 中国计量学院 | 测量牛奶或奶粉蛋白质掺假的便携滤光片式拉曼光谱仪 |
| CN105115910A (zh) * | 2015-08-28 | 2015-12-02 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 |
| CN105954252A (zh) * | 2016-04-21 | 2016-09-21 | 北京航空航天大学 | 一种饲料原料中非法添加物苏丹红的定性检测方法 |
| WO2017127716A1 (en) * | 2016-01-22 | 2017-07-27 | Temple University-Of The Commonwealth System Of Higher Education | Protein quantification by near infrared spectral imaging |
| CN107064096A (zh) * | 2017-06-02 | 2017-08-18 | 常熟市浙大紫金光电技术研究中心 | 基于高光谱成像的混合物粉末无损定量检测装置及方法 |
| US9927364B1 (en) * | 2013-11-01 | 2018-03-27 | The United States Of America, As Represented By The Secretary Of Agriculture | Line-scan Raman imaging method and apparatus for sample evaluation |
| CN108333171A (zh) * | 2018-04-23 | 2018-07-27 | 天津大学 | 基于激光诱导击穿光谱检测乳粉中微量元素含量的方法 |
| WO2018223147A1 (en) * | 2017-06-02 | 2018-12-06 | Virtual Fluid Monitoring Services LLC | Fluid analysis and monitoring using optical spectroscopy |
| CN110243805A (zh) * | 2019-07-30 | 2019-09-17 | 江南大学 | 基于拉曼高光谱成像技术的鱼刺检测方法 |
| US20190293620A1 (en) * | 2018-03-20 | 2019-09-26 | SafetySpect, Inc. | Apparatus and method for multimode analytical sensing of items such as food |
-
2019
- 2019-09-30 CN CN201910941054.0A patent/CN110687094B/zh not_active Expired - Fee Related
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003060444A1 (en) * | 2002-01-10 | 2003-07-24 | Chemimage Corporation | Method for detection of pathogenic microorganisms |
| US20050148098A1 (en) * | 2003-12-30 | 2005-07-07 | Xing Su | Methods for using raman spectroscopy to obtain a protein profile of a biological sample |
| JP2006250655A (ja) * | 2005-03-09 | 2006-09-21 | Institute Of Physical & Chemical Research | ラマン分光法によるタンパク質溶液結晶化過程の解析方法及び装置 |
| CN103399091A (zh) * | 2013-07-16 | 2013-11-20 | 北京三元食品股份有限公司 | 一种乳品蛋白质掺假的检测方法 |
| US9927364B1 (en) * | 2013-11-01 | 2018-03-27 | The United States Of America, As Represented By The Secretary Of Agriculture | Line-scan Raman imaging method and apparatus for sample evaluation |
| CN104777150A (zh) * | 2015-04-20 | 2015-07-15 | 中国计量学院 | 测量牛奶或奶粉蛋白质掺假的便携滤光片式拉曼光谱仪 |
| CN105115910A (zh) * | 2015-08-28 | 2015-12-02 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 |
| WO2017127716A1 (en) * | 2016-01-22 | 2017-07-27 | Temple University-Of The Commonwealth System Of Higher Education | Protein quantification by near infrared spectral imaging |
| CN105954252A (zh) * | 2016-04-21 | 2016-09-21 | 北京航空航天大学 | 一种饲料原料中非法添加物苏丹红的定性检测方法 |
| CN107064096A (zh) * | 2017-06-02 | 2017-08-18 | 常熟市浙大紫金光电技术研究中心 | 基于高光谱成像的混合物粉末无损定量检测装置及方法 |
| WO2018223147A1 (en) * | 2017-06-02 | 2018-12-06 | Virtual Fluid Monitoring Services LLC | Fluid analysis and monitoring using optical spectroscopy |
| US20190293620A1 (en) * | 2018-03-20 | 2019-09-26 | SafetySpect, Inc. | Apparatus and method for multimode analytical sensing of items such as food |
| CN108333171A (zh) * | 2018-04-23 | 2018-07-27 | 天津大学 | 基于激光诱导击穿光谱检测乳粉中微量元素含量的方法 |
| CN110243805A (zh) * | 2019-07-30 | 2019-09-17 | 江南大学 | 基于拉曼高光谱成像技术的鱼刺检测方法 |
Non-Patent Citations (9)
| Title |
|---|
| DA CHEN等: "A new hybrid strategy for constructing a robust calibration model for near-infrared spectral analysis", 《ANAL BIOANAL CHEM》 * |
| DA CHEN等: "A new hybrid strategy for constructing a robust calibration model for near-infrared spectral analysis", 《ANAL BIOANAL CHEM》, no. 381, 12 September 2004 (2004-09-12), pages 798 * |
| YAOGAI HU等: "A background elimination method based on wavelet transform for Raman spectra", 《CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS》 * |
| YAOGAI HU等: "A background elimination method based on wavelet transform for Raman spectra", 《CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS》, vol. 85, no. 1, 15 January 2007 (2007-01-15), pages 94 - 101, XP005808901, DOI: 10.1016/j.chemolab.2006.05.004 * |
| 刘宸: "基于二维拉曼高光谱成像技术的奶粉添加物检测研究", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅰ辑》, 15 January 2019 (2019-01-15) * |
| 刘宸等: "线扫描式拉曼高光谱成像技术无损检测奶粉三聚氰胺", 《农业工程学报》 * |
| 刘宸等: "线扫描式拉曼高光谱成像技术无损检测奶粉三聚氰胺", 《农业工程学报》, vol. 33, no. 24, 31 December 2017 (2017-12-31), pages 277 - 280 * |
| 张华秀等: "近红外光谱结合Boosting-PLS快速检测奶粉中蛋白质含量", 《计算机与应用化学》, vol. 27, no. 9, 28 September 2010 (2010-09-28), pages 1187 - 1192 * |
| 陈达等: "奶粉掺假拉曼光谱成像检测新方法", 《纳米技术与精密工程》, vol. 15, no. 01, 31 January 2017 (2017-01-31), pages 27 - 30 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111413316A (zh) * | 2020-04-09 | 2020-07-14 | 天津大学 | 基于拉曼光谱的乳粉真实性筛查方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110687094B (zh) | 2022-09-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sikirzhytski et al. | Multidimensional Raman spectroscopic signatures as a tool for forensic identification of body fluid traces: a review | |
| Kamruzzaman et al. | Non-destructive prediction and visualization of chemical composition in lamb meat using NIR hyperspectral imaging and multivariate regression | |
| Wu et al. | Advanced applications of hyperspectral imaging technology for food quality and safety analysis and assessment: A review—Part I: Fundamentals | |
| US9164029B2 (en) | Method of classifying and discerning wooden materials | |
| Burger et al. | Hyperspectral NIR imaging for calibration and prediction: a comparison between image and spectrometer data for studying organic and biological samples | |
| CN103792198B (zh) | 牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法 | |
| Qin et al. | Detection and quantification of adulterants in milk powder using a high-throughput Raman chemical imaging technique | |
| CN111289446B (zh) | 一种复杂溶液成分浓度的检测方法及系统 | |
| CN111413316A (zh) | 基于拉曼光谱的乳粉真实性筛查方法 | |
| WO2016080442A1 (ja) | 品質評価方法及び品質評価装置 | |
| EP2892005A2 (en) | Data processing apparatus, data display system, sample data obtaining system, method for processing data, program, and computer-readable storage medium | |
| CN106596464A (zh) | 一种奶粉中掺三聚氰胺的近红外自相关谱检测方法 | |
| Yu et al. | Rapid and visual measurement of fat content in peanuts by using the hyperspectral imaging technique with chemometrics | |
| CN110687090B (zh) | 移动窗口光谱角制图算法及乳粉非定向筛查方法 | |
| CN110687094B (zh) | 基于蛋白质探针成像技术的非定向乳粉筛查方法 | |
| TW202009471A (zh) | 以螢光指紋分析所進行之樣本的評估、推定方法、程式及裝置 | |
| CN112697718A (zh) | 一种基于高光谱成像技术结合波长选择算法串联策略的调理牛排新鲜度快速检测的方法 | |
| Hu et al. | Identification and quantification of adulterated Tieguanyin based on the fluorescence hyperspectral image technique | |
| CN109799224A (zh) | 快速检测中药提取液中蛋白质浓度的方法及应用 | |
| Kim et al. | Short-wave infrared hyperspectral imaging system for nondestructive evaluation of powdered food | |
| CN106770152B (zh) | 一种基于特征峰及算法参数选取的奶粉品牌快速鉴别方法 | |
| Xia et al. | Nontargeted detection and recognition of adulterants in milk powder using Raman imaging and neural networks | |
| Chao et al. | A Raman chemical imaging system for detection of contaminants in food | |
| Chao et al. | Raman spectroscopy and imaging to detect contaminants for food safety applications | |
| Kamruzzaman et al. | Quality assessment and grading of sweet potato using VNIR hyperspectral imaging |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220909 |