CN110967310A - 一种烟草红外光谱数据与外观质量评分相关性的分析方法 - Google Patents
一种烟草红外光谱数据与外观质量评分相关性的分析方法 Download PDFInfo
- Publication number
- CN110967310A CN110967310A CN201911126747.0A CN201911126747A CN110967310A CN 110967310 A CN110967310 A CN 110967310A CN 201911126747 A CN201911126747 A CN 201911126747A CN 110967310 A CN110967310 A CN 110967310A
- Authority
- CN
- China
- Prior art keywords
- tobacco
- correlation
- function
- appearance quality
- quality score
- 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
- 241000208125 Nicotiana Species 0.000 title claims abstract description 60
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 60
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 title claims abstract description 17
- 238000005314 correlation function Methods 0.000 claims abstract description 6
- 238000012887 quadratic function Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000012888 cubic function Methods 0.000 claims description 2
- 238000012886 linear function Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000003556 assay Methods 0.000 claims 2
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000000034 method Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 27
- 230000002596 correlated effect Effects 0.000 description 16
- 238000010219 correlation analysis Methods 0.000 description 6
- 238000004566 IR spectroscopy Methods 0.000 description 4
- 241000736199 Paeonia Species 0.000 description 3
- 235000006484 Paeonia officinalis Nutrition 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- FFRBMBIXVSCUFS-UHFFFAOYSA-N 2,4-dinitro-1-naphthol Chemical compound C1=CC=C2C(O)=C([N+]([O-])=O)C=C([N+]([O-])=O)C2=C1 FFRBMBIXVSCUFS-UHFFFAOYSA-N 0.000 description 1
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 240000003421 Dianthus chinensis Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 240000000233 Melia azedarach Species 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 239000003463 adsorbent Substances 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 239000010242 baoji Substances 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000003595 spectral effect Effects 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
- G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (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 Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种烟草红外光谱数据与外观质量评分相关性的分析方法。该分析方法包括以下步骤：获得预设等级的烟草样品的外观质量评分；获得所述烟草样品的红外光谱典型特征峰；获取以所述红外光谱典型特征峰、外观质量评分为二变量的相关性函数的相关系数；从所述相关系数中确定相关性较优的红外光谱典型特征峰、外观质量评分的对应组合。本申请能通过红外光谱数据与外观质量评分之间的相关性大小进行检测，以根据相关性大小确定利用红外光谱数据来验证外观质量评分的可靠性，避免了单纯依赖人工感官评价固有的主观差异所导致的准确性不够。
Description
技术领域
本发明涉及烟草评价的技术领域，具体涉及一种烟草红外光谱数据与外观质量评分相关性的分析方法。
背景技术
对烟叶的评价分级是控制烟叶质量的重要手段之一，目前对烟叶的评级是依靠专业评级人员通过感官以及辅助设备来完成，耗费大量的人力、物理和财力。而且该过程受评级人员自身因素以及外部因素影响较大，比如评级人员的个人期望、位置以及光环效应等心理因素；感觉疲劳、灵敏度等生理因素；温度、湿度和噪音等环境因素。即使在标准的环境下进行分级，评级人员的个人因素也会导致分级出现差错。
发明内容
为解决上述问题，本申请提供一种烟草红外光谱数据与外观质量评分相关性的分析方法，能通过红外光谱数据与外观质量评分之间的相关性大小进行检测，以确定外观质量评分的可靠性。
本发明人已发现，依靠人工的主管感觉对烟叶质量的外观质量评价存在较大的不可靠性。烟叶外观质量的优劣与烟叶所含的典型化学成分之间具有一定的关联。而这些化学成分较为简单的检测手段之一是红外光谱。另外，依靠通过化学成分表征的红外光谱仪器具有较高的稳定性和精确性。但如何利用红外光谱仪器的测量稳定性来验证外观质量评价的可靠性，乃是困扰本发明人的较大难题，也是本申请所作的创造性工作。本发明人偶然地发现，相关性可以完美解决如何将红外光谱仪器同外观质量评价关联。基于此，完成了本申请的创造。
本申请的烟草红外光谱数据与外观质量评分相关性的分析方法，包括以下步骤：
获得预设等级的烟草样品的外观质量评分；
获得所述烟草样品的红外光谱典型特征峰；
获取以所述红外光谱典型特征峰、外观质量评分为二变量的相关性函数的相关系数；
从所述相关系数中确定相关性较优的红外光谱典型特征峰、外观质量评分的对应组合。
这里，相关性函数中红外光谱典型特征峰、外观质量评分的二个变量中哪一个是自变量，不作限定。为了便于说明，后文的实施例均以红外光谱典型特征峰为自变量、以外观质量评分为因变量。相关性函数的具体实例可以为线性函数、二次项函数、复合函数、增长函数、对数函数、立方函数、S函数、指数函数、逆模型函数、幂函数、Logistic函数中的一种或至少二种。根据这些函数来分析相关系数可以采用数学上常规的曲线拟合或线性拟合的具体操作来实施。
获得上述相关系数，作为一种较为便捷的方式是利用预置的数学模型，例如SPSS工具，优选为spss20.0版本。
典型地，获得外观质量评分的依据可以是颜色、成熟度、油分、结构、身份和色度。例如在具体操作时，其中颜色分为淡黄、金黄、深黄和正黄四个级别，样品颜色得分在9-14之间；样品成熟度得分在13-19之间；油分分为较多、稍有和有三个级别，样品油分得分在7-18之间；结构分为尚疏松、稍密和疏松三个级别，样品结构得分在7-14之间；身份分为稍薄、稍厚和中等三个级别，样品身份得分在5-10之间；色度分为中和强两个级别，样品色度得分在6-14之间。
上述预设等级可以为B2F等级、C3F等级、C4L等级或C3L等级。此处，这四个等级的具体来源可参照烟草行业内对等级的评级的任何标准。
前文“获得预设等级的烟草样品的外观质量评分”之前还包括：对烟草进行取样，取样具体为，从不同烟草产地各进行相同预设数的取样。
此处，产地可列举出西南烟草种植区、东南烟草种植区、长江中上游烟草种植区、黄淮烟草种植区和北方烟草种植区。这些产地可进一步举例为，安徽皖南，福建南平、邵武、龙岩和三明四地，广东南雄，贵州贵阳、威宁、遵义三地等黔西南地区，河南洛阳、社旗、驻马店和内乡四地，黑龙江哈尔滨和牡丹江，湖北十堰竹山、十堰房县、恩施、宣恩、保康和兴山，湖南莱阳，吉林长春，江西赣州、吉安和抚州三地，辽宁铁岭，山东潍坊、日照和临沂三地，陕西安康、宝鸡和商洛三地，四川广元、泸州和凉山三地，云南昭通、楚雄和马龙三地，重庆万州等。
预设数可为3～8个，例如3个、4个、6个、7个或8个，优选为4个。
已为分析化学领域技术人员所熟知的是，从红外光谱所获得的光谱数据中得到典型特征峰，可以采用origin软件。
需要补充的是，“从所述相关系数中确定相关性较优的红外光谱典型特征峰、外观质量评分的对应组合”中的“最优”并非仅仅表示一个，也可以表示多个。最优的判定标准可以是预设一相关性系数大小。
本申请的分析方法，能通过红外光谱数据与外观质量评分之间的相关性大小进行检测，以根据相关性大小确定利用红外光谱数据来验证外观质量评分的可靠性，避免了单纯依赖人工感官评价固有的主观差异所导致的准确性不够。
附图说明
图1为实施例1合成的吸附材料的红外光谱图。
具体实施方式
以下是本申请的具体实施例，对本申请的技术方案作进一步的描述，但本申请并不限于这些实施例。
实施例1
步骤1，对烟草样品进行分级。选择不同地区烤烟样品并评价分级：选择安徽皖南4个样品；福建南平、邵武、龙岩和三明四地各4个样品；广东南雄4个样品；贵州贵阳、威宁、遵义三地各4个样品，黔西南3个样品；河南洛阳、社旗、驻马店和内乡四地各4个样品；黑龙江哈尔滨和牡丹江各4个样品；湖北十堰竹山、十堰房县、恩施、宣恩、保康和兴山各4个样品；湖南莱阳4个样品，郴州和永州各3个样品；吉林长春4个样品；江西赣州、吉安和抚州三地各4个样品；辽宁铁岭4个样品；山东潍坊、日照和临沂三地各4个样品；陕西安康、宝鸡和商洛三地各4个样品；四川广元、泸州和凉山三地各4个样品；云南昭通、楚雄和马龙三地各4个样品；重庆万州4个样品。总共170个烟草样品涵盖了西南烟草种植区、东南烟草种植区、长江中上游烟草种植区、黄淮烟草种植区和北方烟草种植区五个中国烟草一级种植区。由专业的评级人员借助烟草评级辅助设备在标准的环境下对烟草样品分级。170个烟草样品共分为4个等级分别为B2F等级、C3F等级、C4L等级和C3L等级。
步骤2，选择B2F等级的烟草样品。其中，B2F等级包括十堰房县、赣州、长春、皖南、遵义、宣恩、宝鸡、保康、楚雄、恩施、抚州、广元、贵阳、哈尔滨、吉安、莱阳、凉山（会东）、龙岩、泸州、马龙、南平、南阳（社旗）、黔西（南州）、牡丹江（林口）、南雄、三明（宁化）、商洛（洛南）、铁岭、万州、潍坊、永州、昭通、十堰竹山、兴山和威宁等35地烟草样品。
步骤3，对烟草样品外观质量进行评分，外观质量包括颜色、成熟度、油分、结构、身份和色度。本实例选择成熟度进行相关性分析，上述城市烟草样品对应的成熟度评分分别为18、18、17、18、18、18、18、17、18、18、17、14、18、16、18、18、18、17、18、17、17、18、19、18、18、17、18、18、18、18、18、18、17、17和17。
步骤4，使用傅里叶红外光谱仪扫描所有烟草样品，获得红外光谱数据。
步骤5，使用origin把红外光谱数据绘制成图，如图1，找出比较明显的峰的峰值，并剔除由设备等因素导致的异常值。本实例选择第一个峰与成熟度进行相关性分析。B2F等级中所选城市烟草样品的第一个峰值分别为69.5277、81.6812、80.8035、84.8、82.5241、77.3662、83.2819、82.7752、88.5325、78.7532、83.8498、69.488、81.7596、67.0898、91.3798、88.9023、85.1916、73.006、74.7312、77.8386、88.0446、88.6418、89.9857、87.2363、79.1638、91.9067、93.5075、87.9269、95.3768、88.2233、95.8916、89.7238、89.1443、88.7168和95.4991（单位是cm-1）。
步骤6，用spss20.0对步骤2和步骤4中的两组数据进行线性相关性分析，分析条件为：双变量相关分析，相关系数选择pearson相关系数，并进行双侧检验。以上两组数据的分析结果：相关系数为0.421，在0.05水平上显著相关。
步骤7，由步骤5可知B2F等级中红外光谱数据第一个峰值与成熟度具有一定的相关性，便对这两组数据进行线性拟合，拟合结果为R2=0.177。
步骤8，对步骤2和步骤4中的两组数据进行曲线估计。
步骤9，对比分析步骤5、步骤6和步骤7的结果可以得到如下相关性结论：B2F等级中烟草红外光谱数据第一个峰值与成熟度以二次函数和线性方式相关，其中以二次函数相关程度更好，在0.01水平上极显著相关。相关性结论是，成熟度与B2F等级中的第1个峰以二次函数形式相关程度最高，sig值为0.003，即在0.01水平上极显著相关；油分与B2F等级找那个的第2峰以二次函数形式相关程度最高，sig值为0.001，即在0.01水平上极显著相关；色度与B2F等级中的第4个峰以倒数形式相关程度最高，sig值为0.041，即在0.05水平上显著相关。本例中的数据如下表1所述。
表1
实施例2
本例中，以C3F等级烟草为样品。在获得相关性的步骤中，第1个峰以二次函数形式与油分相关程度最高，R2为0.191，sig值为0.046，在0.05水平上显著相关；第2个峰以二次函数形式与油分相关程度最高，R2为0.221，sig值为0.027，在0.05水平上显著相关；第7个峰以S函数形式与油分相关程度最高，R2为0.134，sig值为0.039，在0.05水平上显著相关；第2个峰与油分具有线性相关性，相关系数为-0.352，R2为0.124，在0.05水平上显著相关；第5个峰与结构具有线性相关性，相关系数为-0.361，R2为0.131，在0.05水平上显著相关；第6个峰与油分具有线性相关性，相关系数为-0.341，R2为0.116，在0.05水平上显著相关；第2个峰以复合函数、增长函数、指数函数和Logistic函数形式与油分相关程度最高，R2均为0.139，sig值均为0.027，在0.05水平上显著相关；第4个峰以复合函数、增长函数、指数函数和Logistic函数形式与油分相关程度最高，R2均为0.126，sig值均为0.037，在0.05水平上显著相关；第5个峰以倒数形式与结构相关程度最高，R2为0.134，sig值为0.036，在0.05水平上显著相关；第6个峰以复合函数、增长函数、指数函数和Logistic函数形式与油分相关程度最高，R2均为0.127，sig值均为0.035，在0.05水平上显著相关；第7个峰以复合函数、增长函数、指数函数和Logistic函数形式与油分相关程度最高，R2均为0.122，sig值均为0.040，在0.05水平上显著相关。本例的相关性分析的结论是，结构与C3F等级中的第5个峰以倒数形式相关程度最高，sig值为0.036，即在0.05水平上显著相关。其它步骤同实施例1。除此，其它步骤均同实施例1。
实施例3
本例中，以C4F等级烟草为样品。第2个峰以线性形式与颜色相关程度最高，R2为0.123，sig值为0.038，在0.05水平上显著相关；第3个峰以线性形式与颜色相关程度最高，R2为0.168，sig值为0.014，在0.05水平上显著相关；第4个峰以线性形式与颜色相关程度最高，R2为0.131，sig值为0.032，在0.05水平上显著相关；第6个峰以线性形式与颜色相关程度最高，R2为0.179，sig值为0.013，在0.05水平上显著相关；第7个峰以线性形式与颜色相关程度最高，R2为0.166，sig值为0.015，在0.05水平上显著相关；第8个峰以倒数函数形式与色度相关程度最高，R2为0.126，sig值为0.043，在0.05水平上显著相关；相关性分析的结论是，颜色与C4F等级中的第6个峰以线性形式相关程度最高，sig值为0.014，即在0.05水平上显著相关。除此，其它步骤均同实施例1。
本文中所描述的具体实施例仅仅是对本申请精神作举例说明。本申请所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本申请的精神或者超越所附权利要求书所定义的范围。
Claims (8)
1.一种烟草红外光谱数据与外观质量评分相关性的分析方法，其特征在于，包括以下步骤：
获得预设等级的烟草样品的外观质量评分；
获得所述烟草样品的红外光谱典型特征峰；
获取以所述红外光谱典型特征峰、外观质量评分为二变量的相关性函数的相关系数；
从所述相关系数中确定相关性较优的红外光谱典型特征峰、外观质量评分的对应组合。
2.根据权利要求1所述的分析方法，其特征在于，所述相关性函数为线性函数、二次项函数、复合函数、增长函数、对数函数、立方函数、S函数、指数函数、逆模型函数、幂函数、Logistic函数中的一种或至少二种。
3.根据权利要求1或2所述的分析方法，其特征在于，获取所述相关系数的方式是SPSS工具。
4.根据权利要求1～3任意一项所述的分析方法，其特征在于，获得所述外观质量评分的依据是颜色、成熟度、油分、结构、身份和色度。
5.根据权利要求1～4任意一项所述的分析方法，其特征在于，所述预设等级为B2F等级、C3F等级、C4L等级或C3L等级。
6.根据权利要求1～5任意一项所述的分析方法，其特征在于，所述“获得预设等级的烟草样品的外观质量评分”之前还包括：对烟草进行取样，所述取样具体为，从不同烟草产地各进行相同预设数的取样。
7.根据权利要求1～6任意一项所述的分析方法，其特征在于，所述产地为西南烟草种植区、东南烟草种植区、长江中上游烟草种植区、黄淮烟草种植区和北方烟草种植区。
8.根据权利要求1～7任意一项所述的分析方法，其特征在于，所述预设数为3～8个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911126747.0A CN110967310A (zh) | 2019-11-18 | 2019-11-18 | 一种烟草红外光谱数据与外观质量评分相关性的分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911126747.0A CN110967310A (zh) | 2019-11-18 | 2019-11-18 | 一种烟草红外光谱数据与外观质量评分相关性的分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110967310A true CN110967310A (zh) | 2020-04-07 |
Family
ID=70030938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911126747.0A Pending CN110967310A (zh) | 2019-11-18 | 2019-11-18 | 一种烟草红外光谱数据与外观质量评分相关性的分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110967310A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112067756A (zh) * | 2020-09-18 | 2020-12-11 | 湖北中烟工业有限责任公司 | 一种烟草外观质量的自动评价方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3416537A (en) * | 1966-12-01 | 1968-12-17 | Gen Cigar Co | Tobacco sheet manufacture of high wet strength |
| JPS51141681A (en) * | 1975-05-16 | 1976-12-06 | Eruuin Shitsuku Gmbh Oputeikuu | Method of and instrument for optically measuring concentration of gaseous component |
| CN105956746A (zh) * | 2016-04-22 | 2016-09-21 | 广东中烟工业有限责任公司 | 一种烟叶配方打叶设备 |
| CN109164009A (zh) * | 2018-11-13 | 2019-01-08 | 云南农业大学 | 一种烟叶烘烤实时在线监测记录系统 |
| CN109374575A (zh) * | 2018-12-20 | 2019-02-22 | 中国烟草总公司郑州烟草研究院 | 一种基于近红外光谱分析技术的烤烟烟叶底色的鉴别方法 |
-
2019
- 2019-11-18 CN CN201911126747.0A patent/CN110967310A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3416537A (en) * | 1966-12-01 | 1968-12-17 | Gen Cigar Co | Tobacco sheet manufacture of high wet strength |
| JPS51141681A (en) * | 1975-05-16 | 1976-12-06 | Eruuin Shitsuku Gmbh Oputeikuu | Method of and instrument for optically measuring concentration of gaseous component |
| CN105956746A (zh) * | 2016-04-22 | 2016-09-21 | 广东中烟工业有限责任公司 | 一种烟叶配方打叶设备 |
| CN109164009A (zh) * | 2018-11-13 | 2019-01-08 | 云南农业大学 | 一种烟叶烘烤实时在线监测记录系统 |
| CN109374575A (zh) * | 2018-12-20 | 2019-02-22 | 中国烟草总公司郑州烟草研究院 | 一种基于近红外光谱分析技术的烤烟烟叶底色的鉴别方法 |
Non-Patent Citations (4)
| Title |
|---|
| 周汉平 等: "烟叶结构和油分的近红外光谱预测", 《烟草科技》 * |
| 国家技术监督局: "《GB2635-92 烤烟》", 1 September 1992 * |
| 孙宁 等: "黑垆土与栗钙土光谱特征研究", 《西北林学院学报》 * |
| 张乐明: ""烟叶分级中红外光谱信号处理与诊断方法研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 基础科学辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112067756A (zh) * | 2020-09-18 | 2020-12-11 | 湖北中烟工业有限责任公司 | 一种烟草外观质量的自动评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107037012B (zh) | 用于激光诱导击穿光谱采集的阶梯光谱仪动态校正方法 | |
| Bolzon de Muñiz et al. | Wood and charcoal identification of five species from the miscellaneous group known in Brazil as “angelim” by near-ir and wood anatomy | |
| CN103263069B (zh) | 一种表征叶丝、膨胀丝和梗丝掺配均匀性的方法 | |
| CN102749140A (zh) | 一种烤烟烟叶表面颜色均匀度判别方法 | |
| CN106770607B (zh) | 一种利用hs‐imr‐ms鉴别卷烟真伪的方法 | |
| WO2020248961A1 (zh) | 一种无参考值的光谱波数选择方法 | |
| Shou et al. | Application of near infrared spectroscopy for discrimination of similar rare woods in the Chinese market | |
| CN104730032A (zh) | 基于近红外光谱的热处理木材材色的数学模型及检测方法 | |
| CN106442474B (zh) | 一种基于偏最小二乘法的水泥生料三率值测量方法 | |
| CN110967310A (zh) | 一种烟草红外光谱数据与外观质量评分相关性的分析方法 | |
| CN110231328B (zh) | 一种基于半峰高距离法的拉曼光谱定量分析方法 | |
| CN102192891A (zh) | 利用近红外光谱分析技术快速测定木材气干密度 | |
| CN105842103A (zh) | 一种烟草保润性能的测试方法 | |
| 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 | |
| CN103344598A (zh) | 一种梗丝与卷烟叶组配伍性的判定方法 | |
| CN112113930B (zh) | 一种杏果实品质多尺度表型方法 | |
| CN104316511B (zh) | 火花源原子发射光谱分析中谱线干扰的校正方法 | |
| CN112067757A (zh) | 一种烟草感官舒适性的自动分析方法 | |
| CN109709060B (zh) | 一种沥青软化点、针入度和质量损失的测定方法 | |
| CN111983061B (zh) | 检测陈皮的陈化方式的方法 | |
| CN109668862B (zh) | 一种基于激光诱导击穿光谱的铝电解质分子比检测方法 | |
| CN111624194B (zh) | 基于激光诱导击穿光谱的叶片元素无损测量方法 | |
| CN105784630B (zh) | 一种基于红外光谱分析方法的硅橡胶胶含量检测方法 | |
| CN110736718B (zh) | 一种烤烟烟丝的产地及等级识别方法 | |
| CN113311076A (zh) | 一种基于醛类化合物快速区分不同品种大米的方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200407 |
|
| RJ01 | Rejection of invention patent application after publication |