CN110987895B - 一种快速在线检测木薯固态发酵的生长过程的方法 - Google Patents
一种快速在线检测木薯固态发酵的生长过程的方法 Download PDFInfo
- Publication number
- CN110987895B CN110987895B CN201911082606.3A CN201911082606A CN110987895B CN 110987895 B CN110987895 B CN 110987895B CN 201911082606 A CN201911082606 A CN 201911082606A CN 110987895 B CN110987895 B CN 110987895B
- Authority
- CN
- China
- Prior art keywords
- cassava
- solution
- solid state
- taking
- state fermentation
- 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.)
- Active
Links
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E50/00—Technologies for the production of fuel of non-fossil origin
- Y02E50/10—Biofuels, e.g. bio-diesel
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)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明公开了一种快速在线检测木薯固态发酵的生长过程的方法,具体过程为:取一批木薯将其进行固态发酵;使用DNS溶液检测葡萄糖含量,使用重铬酸钾溶液检测乙醇含量,测量葡萄糖和乙醇的标准曲线。在密封不透光的房间中分别对木薯固态发酵系统做拉曼光谱和嗅觉可视化检测,最后分别提取拉曼光谱特征变量和嗅觉可视化特征变量,做特征级融合,并建立木薯固态发酵过程检测定性模型,将其与前两种单一技术进行比较。本发明建立基于拉曼光谱结合嗅觉可视化技术快速在线检测木薯固态发酵的生长过程的方法,可实现全面准确地判断固态发酵所处的阶段,为工业发酵提供指导作用,节约成本,提高发酵产率。
Description
技术领域
本发明涉及一种木薯固态发酵的生长过程进行实时检测的方法,特指一种基于拉曼光谱与嗅觉可视化分析技术相结合的快速检测方法,对木薯固态发酵不同时期进行在线检测。
背景技术
随着我国科技和经济的高速发展,能源可持续发展问题越来越受到人们的关注。作为一种可再生的清洁能源,燃料乙醇的发展一直是全球各国关注的重点。目前,乙醇的主要生产方式分为液态发酵和固态发酵。其中液态发酵技术以及过程检测传感器的研究已比较成熟。固态发酵不需要严格的操作环境,设备简单,污染小等优点逐渐成为研究热点,但是固态发酵是一个非均相的生化过程,发酵系统比较复杂,缺少参数在线检测传感器,因此其发酵过程难以检测与控制,对发酵产业带来诸多不便。
近年来,随着光谱技术和计算机科技的发展,拉曼光谱检测技术具有简便、可重复、无损和可直接测量样本等优点,结合相应的化学计量学方法已应用于高分子、食品安全和石油化工等领域。但拉曼光谱的谱带强度较弱,不适合检测低浓度的样品,并且其光谱信号易受荧光信号的干扰,振动峰之间的重叠较多,因此对样品的检测精度有待提高。
嗅觉可视化技术是人工嗅觉技术分支的一种,近年来被广泛应用于无损检测茶叶、酒以及醋的定量和定性研究,并取得了较好的成果。嗅觉可视化检测系统由比色传感器阵列组成,针对不同的挥发性气味,比色传感器阵列呈现不同程度的颜色变化,应用图像处理技术,将反应前后的图像差值转化为数字信号,结合化学计量学方法,对样本进行无损检测。但嗅觉可视化检测技术只能检测样本的气味变化情况,不能实现对样本内部化学信息变化的识别,因此该技术比较片面,需要结合其他检测技术,实时全面检测样本变化信息。
发明内容
鉴于现有技术的发展情况,本发明的目的就是提供一种基于拉曼光谱结合嗅觉可视化技术快速在线检测木薯固态发酵的生长过程的方法,解决常规技术耗时耗力,检测技术片面等问题。本发明一方面实现对固态发酵过程内部化学信息变化的检测,另一方面对固态发酵过程气味变化情况进行检测。通过融合两种分析技术实现全面检测固态发酵过程,并能提高检测的准确性、全面性和鲁棒性。
本发明通过以下方法实现。
首先将木薯打碎过40目过滤,加入装有蒸馏水的锥形瓶中加热液化,将发育良好的酿酒酵母加入锥形瓶中以30℃,150r/min进行72h固态发酵培养,每隔4h采集样本一次,做理化实验获得葡萄糖和乙醇含量的变化情况,可将整个发酵周期划分为三个阶段,做拉曼光谱检测和嗅觉可视化检测获得光谱数据和图像特征值,实验结束后分别提取光谱特征变量和图像特征变量,将他们特征值融合对木薯固态发酵过程建立定性模型。
本发明的技术方案为如下所述。
一种基于拉曼光谱结合嗅觉可视化技术快速在线检测木薯固态发酵的生长过程的方法,包括以下步骤。
(1)取一批木薯将其干燥至恒重后粉碎分别装入3个装有蒸馏水的锥形瓶中,加入一定量的淀粉酶和糖化酶加热液化,挑选发育良好的酵母菌种加入冷却至室温后的锥形瓶中以32℃,150r/min进行固态发酵,每隔4h取样一次;
(2)使用DNS溶液检测葡萄糖含量,使用重铬酸钾溶液检测乙醇含量,测量葡萄糖和乙醇的标准曲线。每隔4h抽取样本,测量样本的葡萄糖和乙醇含量,并将整个发酵周期分为3个阶段;
(3)每隔4h抽取样本,放入离心管中离心,取上清液均匀地滴在硅板上,在密封不透光的房间中对木薯固态发酵系统做拉曼光谱检测,每个样本检测三次取平均,将采集到的数据预处理后建立固态发酵过程检测定性模型;根据气相色谱质谱联用仪检测出木薯固态发酵主要挥发性气体挑选出14种卟啉化合物溶于二氯甲烷和1种PH指示剂溶于无水乙醇中做成染料,依次滴在C2反相硅胶板上做成比色传感器阵列;采用嗅觉可视化检测木薯固态发酵系统,每隔4h抽取样本,采集反应前和反应后的比色传感器阵列图像做差,采用图像处理程序将其转化为数字信号,将采集到的数据预处理后建立固态发酵过程检测定性模型;
(4)分别提取拉曼光谱特征变量和嗅觉可视化特征变量,做特征级融合,并建立木薯固态发酵过程检测定性模型,将其与前两种单一技术进行比较。
进一步,所述步骤(1)的具体过程为:
首先,将木薯洗净去皮,放入70℃的电热恒温鼓风干燥箱中进行烘干至恒重;
将木薯粉碎过40目筛选,取出标记为I,II,III的3个容量为250ml的锥形瓶分别放入40g木薯颗粒,并分别加入120ml蒸馏水和用量为15U/g的α-淀粉酶,在90℃水浴箱中恒温搅拌液化80min;
然后放入高压灭菌锅内115℃高压灭菌30min后取出冷却至室温,加入用量为150U/g的糖化酶和5ml发酵至对数期末期的酵母菌悬液,摇匀后密封;
最后,放入设置为34℃,150r/min的恒温震荡摇箱中进行培养。
进一步,所述固态发酵时长为72h,采样间隔为4h,共有19个采样时间点(0,4,8,…,72h);每次采样需取出5mg固态发酵样本,并将19个采样时间点分为3段,前7次采样时间点(0,4,8,12,16,20,24h)采样在锥形瓶I中采样,中间6次采样时间点(28,32,36,40,44,48h)在锥形瓶II中采样,最后6次采样时间点(52,56,60,64,68,72h)在锥形瓶III中采样,按上述方法共进行8批平行实验,共获得152个样本数据,将其中的6批共114个样本数据作为训练集,剩余2批共36个样本数据作为预测集。
进一步,所述步骤(2)的具体过程为:
葡萄糖标准曲线的测量方法为:称取在105℃烘箱中干燥至恒重的葡萄糖粉末0.2g溶于100ml蒸馏水中均匀搅拌,即可得到2mg/ml的葡萄糖溶液,取7支25ml的试管,在每只试管中分别加入0、0.2、0.4、、0.6、0.8、1.0和1.2ml上述2mg/ml的葡萄糖溶液,加入适量蒸馏水将其定容至2ml,加入1.5mlDNS溶液并摇匀,在沸水浴中加热3min后取出,用流动冷水将其冷却至室温,每个试管中再加入蒸馏水定容至25ml摇匀,将紫外分光光度计的波长设置为540nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零,保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量,以葡萄糖含量作为横坐标,OD值作为纵坐标绘制葡萄糖标准曲线;
乙醇标准曲线的测量方法为:取2g无水乙醇放入100ml容量瓶内,加入蒸馏水定容至100ml并摇匀,即可得到20mg/ml的乙醇溶液,取8只30ml的试管,在每只试管中分别加入0、0.1、0.2、0.4、、0.6、0.8、1.0和1.2ml上述20mg/ml的乙醇溶液,加入适量蒸馏水将其定容至2ml,加入5ml2%重铬酸钾溶液并摇匀,在沸水浴中加热10min后取出冷却,每个试管中再加入蒸馏水定容至25ml摇匀,将紫外分光光度计的波长设置为600nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零,保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量。以乙醇含量作为横坐标,OD值作为纵坐标绘制乙醇标准曲线;
测量木薯固态发酵中的葡糖糖含量的方法为:首先称取1g固态发酵产物,放入50ml蒸馏水中,在55℃恒温水浴箱中搅拌13min,冷却至室温,然后移出5ml上述溶液加入10ml离心管中,以11000r/min离心10min,取上清液1ml加入30ml玻璃试管中,再加入适量蒸馏水将其定容至2ml,加入1.5mlDNS溶液并摇匀,在沸水浴中加热3min后取出,用流动冷水将其冷却至室温,每个试管中再加入蒸馏水定容至25ml摇匀,将紫外分光光度计的波长设置为540nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零。,保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量;
测量木薯固态发酵中的乙醇含量的方法为:首先称取1g固态发酵产物,放入50ml蒸馏水中,在55℃恒温水浴箱中搅拌13min,冷却至室温,然后移出5ml上述溶液加入10ml离心管中,以11000r/min离心10min,取上清液1ml加入30ml玻璃试管中,再加入适量蒸馏水将其定容至2ml,加入5ml2%重铬酸钾溶液并摇匀,在沸水浴中加热10min后取出冷却,每个试管中再加入蒸馏水定容至25ml摇匀,将紫外分光光度计的波长设置为600nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零,保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量;根据木薯固态发酵过程中葡萄糖和乙醇的变化情况,可将整个发酵时期分为迟滞期、对数期和稳定期3个阶段。
进一步,对木薯固态发酵系统做拉曼光谱检测的具体过程为:
取出1g木薯固态发酵产物①放入1.2ml离心管中,以8000r/min离心5min后取上清液10ul滴在单晶硅片⑤上,放置在拉曼光谱仪②下测量,拉曼光谱激光功率设置为350mW,采用785.953nm激光源,积分时间为3s,每个样本采集三次光谱数据取平均,葡萄糖和乙醇的含量测量使用比色皿④和紫外分光光度计③,将所有数据输入电脑⑥,首先使用5点SG法平滑光谱数据和标准正态变换法(SNV)消除光谱噪音、荧光干扰和消除基线漂移,然后使用竞争性自适应重加权采样(CARS)筛选光谱变量,最后建立支持向量机(SVM)定性模型进行阶段分类。
进一步,所述嗅觉可视化检测木薯固态发酵系统中:
根据气相色谱质谱联用仪测量整个发酵过程气味成分的变化情况,筛选出7种主要挥发性气味成分,分别为乙醇、苯乙烯、异丁醇、环五聚二甲基硅氧烷、苯乙醇、乙酸苯乙酯和月桂酸乙酯,针对这些挥发性气味成分,筛选出能与这些气味成分产生敏感反应的14种卟啉材料和1种PH指示剂,具体为:
(1)5,10,15,20-四苯基-21H,23H-卟吩;
(2)5,10,15,20-四苯基-21H,23H-卟吩氯化锰(III);
(3)5,10,15,20-四(4-甲氧苯基)-21H,23H-卟吩氯化铁(III);
(4)5,10,15,20-四苯基-21H,23H-卟吩氯化铁(III);
(5)5,10,15,20-四苯基-21H,23H-卟吩(锌);
(6)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟吩镍(II);
(7)5,10,15,20-四(4-羟基苯基)卟吩四甲酯;
(8)5,10,15,20-四苯基-21H,23H-卟吩铜(II);
(9)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟啉钴(II);
(10)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟吩锰(III)氯化物;
(11)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟吩;
(12)5,10,15,20-四苯基-21H,23H-卟吩钒(IV)氧化物;
(13)2,3,7,8,12,13,17,18-辛乙基-21H,23H-卟吩钌(II)羰基;
(14)5,10,15,20-四(4-甲氧苯基)-21H,23H-卟吩;
(15)溴百里香酚蓝。
取1.8~2mg卟啉材料溶于2ml二氯甲烷中,取1.8~2mg PH指示剂溶于2ml无水乙醇中,在温度设置为20℃超声震荡水箱中震荡30min后治成气敏溶液,密封后放入黑盒子,保存在4℃冰箱中;使用时,将气敏溶液冷却至室温,使用内径为0.3mm玻璃点样毛细管吸取大约2ul的气敏溶液依次点样在4cm×3cm的反相C2硅胶板上,制作成5×3的比色传感器阵列⑨,该阵列由14个金属卟啉材料染料和1个PH指示剂染料组成;待色敏材料在反相C2硅胶板上挥发至稳定后装入密封袋中放置阴暗处保存。
进一步,所述嗅觉可视化检测木薯固态发酵系统的具体过程为:首先用HP4890扫描仪⑩扫描反应前比色传感器阵列称取3g木薯固态发酵产物放入直径为60mm的培养皿⑧中,然后将反应前比色传感器阵列固定在保鲜膜上,面朝下固定在30ml烧杯⑧顶部并密封培养皿,保持温度为25℃,湿度为60%的条件下反应5min后取出,再次扫描反应后的比色传感器阵列最后将反应前后的比色传感器阵列输入电脑中,使用图像处理程序得出差值图像并转化为数字信息,使用主成分分析法得出使用前6个主成分时,建立支持向量机(SVM)定性模型对木薯发酵所处阶段进行分类。
进一步,所述步骤(4)中,将拉曼光谱筛选出来的变量和嗅觉可视化前6个主成分特征变量相融合建立拉曼光谱结合嗅觉可视化技术的特征变量建立SVM模型。
本发明将8组实验分为两部分,6组作为训练集构建模型,剩余的2组作为预测集评估模型的分类效果。
本发明有益效果为:
通过本发明研究,建立基于拉曼光谱结合嗅觉可视化技术快速在线检测木薯固态发酵的生长过程的方法,可实现全面准确地判断固态发酵所处的阶段,为工业发酵提供指导作用,节约成本,提高发酵产率。另外,本发明与常规的检测技术相比,具有检测速度快、精度高、操作简单和鲁棒性好等优点,能全面检测固态发酵过程的变化情况。本发明将发酵工艺学、检测技术学和信息科学等多学科知识交叉融合,具有较高的理论深度和研究价值,对加快我国固态发酵研究进展和智能发酵设备的研究都有着十分重要的意义,也对其他发酵过程智能化监控研究起到借鉴作用。
上述建立的拉曼光谱结合嗅觉可视化技术一方面其特征变量分类准确率非常高,并且能带来更好的分类效果,对木薯固态发酵具有指导作用;另一方面,本发明提供的一种基于拉曼光谱结合嗅觉可视化技术快速在线检测木薯固态发酵的生长过程的方法,能够解决常规技术耗时耗力,检测技术片面的问题。
此外,本发明一方面实现对固态发酵过程内部化学信息变化的检测,另一方面对固态发酵过程气味变化情况进行检测。通过融合两种分析技术实现全面检测固态发酵过程,并能提高检测的准确性、全面性和鲁棒性。
附图说明
图1木薯固态发酵中葡萄糖和乙醇生长过程曲线
图2拉曼光谱技术检测木薯固态发酵生长过程的检测装置结构示意图。
图3于嗅觉可视化技术检测木薯固态发酵生长过程的检测装置结构示意图。
图4本发明的研究技术路线图。
具体实施方式
本发明对发酵过程的快速检测具有通用性,但由于固态发酵的原料较多,因此本实验只采用木薯固态发酵为实施实例,其他发酵过程检测均可参照该实施实例的方法,具体针对不同原料的固态发酵过程检测建立新的判别模型,即可实现对该固态发酵过程进行检测。
下面将结合本发明实施的附图,对本发明实施的技术方案进行详细的描述。
木薯固态发酵的实验流程设计如下所示:首先,将木薯洗净去皮,放入70℃的电热恒温鼓风干燥箱中进行烘干至恒重。将木薯粉碎过40目筛选,取出标记为I,II,III的3个容量为250ml的锥形瓶分别放入40g木薯颗粒,并分别加入120ml蒸馏水和用量为15U/g的α-淀粉酶,在90℃水浴箱中恒温搅拌液化80min。然后放入高压灭菌锅内115℃高压灭菌30min后取出冷却至室温,加入用量为150U/g的糖化酶和5ml发酵至对数期末期的酵母菌悬液,摇匀后密封。最后,放入设置为34℃,150r/min的恒温震荡摇箱中进行培养。
本实验发酵时长为72h,采样间隔为4h,共有19个采样时间点(0,4,8,…,72h)。每次采样需取出5mg固态发酵样本,。为防止因多次采样导致发酵环境被破坏,瓶内发酵物过度减少,影响到后续发酵的进行,造成结果偏差较大,因此,将19个采样时间点分为3段,前7次(0,4,8,12,16,20,24h)采样在锥形瓶I中采样,中间6次(28,32,36,40,44,48h)在锥形瓶II中采样,最后6次(52,56,60,64,68,72h)在锥形瓶III中采样。按上述方法共进行8批平行实验,共获得152个样本数据,将其中的6批共114个样本数据作为训练集,剩余2批共36个样本数据作为预测集.
分别测量葡萄糖和乙醇的标准曲线,样本在发酵过程中葡萄糖和乙醇的变化情况可通过理化分析手段间接推算出来。
葡萄糖标准曲线的测量方法为:称取在105℃烘箱中干燥至恒重的葡萄糖粉末0.2g溶于100ml蒸馏水中均匀搅拌,即可得到2mg/ml的葡萄糖溶液,取7支25ml的试管,在每只试管中分别加入0、0.2、0.4、、0.6、0.8、1.0和1.2ml上述2mg/ml的葡萄糖溶液,加入适量蒸馏水将其定容至2ml,加入1.5mlDNS溶液并摇匀,在沸水浴中加热3min后取出,用流动冷水将其冷却至室温,每个试管中再加入蒸馏水定容至25ml摇匀。将紫外分光光度计的波长设置为540nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零。保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量。以葡萄糖含量作为横坐标,OD值作为纵坐标绘制葡萄糖标准曲线。
乙醇标准曲线的测量方法为:取2g无水乙醇放入100ml容量瓶内,加入蒸馏水定容至100ml并摇匀,即可得到20mg/ml的乙醇溶液,取8只30ml的试管,在每只试管中分别加入0、0.1、0.2、0.4、、0.6、0.8、1.0和1.2ml上述20mg/ml的乙醇溶液,加入适量蒸馏水将其定容至2ml,加入5ml2%重铬酸钾溶液并摇匀,在沸水浴中加热10min后取出冷却,每个试管中再加入蒸馏水定容至25ml摇匀。将紫外分光光度计的波长设置为600nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零。保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量。以乙醇含量作为横坐标,OD值作为纵坐标绘制乙醇标准曲线。
测量木薯固态发酵中的葡糖糖含量的方法为:首先称取1g固态发酵产物,放入50ml蒸馏水中,在55℃恒温水浴箱中搅拌13min,冷却至室温,然后移出5ml上述溶液加入10ml离心管中,以11000r/min离心10min,取上清液1ml加入30ml玻璃试管中,再加入适量蒸馏水将其定容至2ml,加入1.5mlDNS溶液并摇匀,在沸水浴中加热3min后取出,用流动冷水将其冷却至室温,每个试管中再加入蒸馏水定容至25ml摇匀。将紫外分光光度计的波长设置为540nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零。保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量。
测量木薯固态发酵中的乙醇含量的方法为:首先称取1g固态发酵产物,放入50ml蒸馏水中,在55℃恒温水浴箱中搅拌13min,冷却至室温,然后移出5ml上述溶液加入10ml离心管中,以11000r/min离心10min,取上清液1ml加入30ml玻璃试管中,再加入适量蒸馏水将其定容至2ml,加入5ml2%重铬酸钾溶液并摇匀,在沸水浴中加热10min后取出冷却,每个试管中再加入蒸馏水定容至25ml摇匀。将紫外分光光度计的波长设置为600nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零。保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量。
木薯固态发酵过程中葡萄糖和乙醇的变化情况如图1所示,可将整个发酵时期分为3个阶段,分别为迟滞期、对数期和稳定期。
拉曼光谱技术检测木薯固态发酵系统如图2所示,系统包括木薯固态发酵液①、拉曼光谱仪②、紫外分光光度计③、10mm比色皿④、单晶硅片⑤和联想E535笔记本电脑⑥,其中拉曼光谱仪为SPL-Raman-785型,波段范围为150-2000cm-1,光谱分辨率为2cm-1,50倍物镜;紫外分光光度计为TU-1901系列紫外分光光度计,波长范围为190nm-900nm,波长准确度为±0.5n,杂散光≤0.01%T,基线漂移为0.0004Abs/h,光度噪声为±0.0004Abs;硅片为4×4cm大小的单晶硅片,厚度为1mm,粗糙度<0.5nm,颗粒度<10(颗粒>0.3um);笔记本电脑为联想E535,处理器为AMD A8-4500M APU with Radeon(tm)HD Graphics,运行速度为1.9GHz,运行内存为8G,硬盘容量为256G固态硬盘。系统具体工作流程如下所示:取出1g木薯固态发酵产物①放入1.2ml离心管中,以8000r/min离心5min后取上清液10ul滴在单晶硅片⑤上放置在拉曼光谱仪②下测量,拉曼光谱激光功率设置为350mW,采用785.953nm激光源,积分时间为3s,每个样本采集三次光谱数据取平均,葡萄糖和乙醇的含量测量使用比色皿④和紫外分光光度计③,将所有数据输入联想E535笔记本电脑⑥。
首先使用5点SG法平滑光谱数据和标准正态变换法(SNV)消除光谱噪音、荧光干扰和消除基线漂移,然后使用竞争性自适应重加权采样(CARS)筛选光谱变量,最后建立支持向量机(SVM)定性模型,其预测集的分类准确率为94.74%(36/38)(注:该段技术内容为公知技术,参见Z.Z.Wu,E.B.Xu,J.Long,F.Wang,X.M.Xu,Z.Y.Jin and A.Q.Jiao,FoodControl,2015,56,95-102)。
嗅觉可视化检测木薯固态发酵系统如图3所示,系统包括3ml木薯固态发酵样品⑦、直径为60mm的培养皿⑧、嗅觉可视化传感器⑨、HP4890扫描仪⑩、联想E535笔记本电脑反应前比色传感器阵列反应后比色传感器阵列和差值图像其中HP4890扫描仪分辨率设置为600dpi;笔记本电脑为联想E535,处理器为AMD A8-4500M APU withRadeon(tm)HD Graphics,运行速度为1.9GHz,运行内存为8G,硬盘容量为256G固态硬盘;比色传感器阵列由14个金属卟啉材料染料和1个PH指示剂染料组成。系统具体工作流程如下所示:首先根据气相色谱质谱联用仪测量整个发酵过程气味成分的变化情况,筛选出7种主要挥发性气味成分,分别为乙醇、苯乙烯、异丁醇、环五聚二甲基硅氧烷、苯乙醇、乙酸苯乙酯和月桂酸乙酯,针对这些挥发性气味成分,筛选出能与这些气味成分产生敏感反应的15种卟啉材料和1种PH指示剂,具体为:
(1)5,10,15,20-四苯基-21H,23H-卟吩;
(2)5,10,15,20-四苯基-21H,23H-卟吩氯化锰(III);
(3)5,10,15,20-四(4-甲氧苯基)-21H,23H-卟吩氯化铁(III);
(4)5,10,15,20-四苯基-21H,23H-卟吩氯化铁(III);
(5)5,10,15,20-四苯基-21H,23H-卟吩(锌);
(6)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟吩镍(II);
(7)5,10,15,20-四(4-羟基苯基)卟吩四甲酯;
(8)5,10,15,20-四苯基-21H,23H-卟吩铜(II);
(9)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟啉钴(II);
(10)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟吩锰(III)氯化物;
(11)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟吩;
(12)5,10,15,20-四苯基-21H,23H-卟吩钒(IV)氧化物;
(13)2,3,7,8,12,13,17,18-辛乙基-21H,23H-卟吩钌(II)羰基;
(14)5,10,15,20-四(4-甲氧苯基)-21H,23H-卟吩;
(15)溴百里香酚蓝。
取1.8~2mg卟啉材料溶于2ml二氯甲烷中,取1.8~2mg PH指示剂溶于2ml无水乙醇中,在温度设置为20℃超声震荡水箱中震荡30min后治成气敏溶液,密封后放入黑盒子,保存在4℃冰箱中。使用时,将气敏溶液冷却至室温,使用内径为0.3mm玻璃点样毛细管吸取大约2ul的气敏溶液依次点样在4cm×3cm的反相C2硅胶板上,制作成5×3的气敏传感器阵列,待色敏材料在反相C2硅胶板上挥发至稳定后装入密封袋中放置阴暗处保存。系统具体工作流程如下所示:首先用HP4890扫描仪⑩扫描反应前比色传感器阵列称取3g木薯固态发酵产物放入直径为60mm的培养皿⑧中,然后将反应前比色传感器阵列固定在保鲜膜上,面朝下固定在30ml烧杯⑧顶部并密封培养皿,保持温度为25℃,湿度为60%的条件下反应5min后取出,再次扫描反应后的比色传感器阵列最后将反应前后的比色传感器阵列输入电脑中,使用图像处理程序得出差值图像并转化为数字信息,使用主成分分析法得出使用前6个主成分时,建立的支持向量机(SVM)定性模型分类准确率最高,为86.84%(33/38)(注:使用主成分分析法得出主成分并建立支持向量机(SVM)定性模型为本领域的公知技术,参见W.Xu,H.Jiang,T.Liu,Y.He and Q.Chen,Analytical Methods,2019,11,3294-3300的内容)。
图4为本发明研究技术路线图,通过理化实验得出葡萄糖和乙醇在木薯固态发酵72h过程中含量的变化情况,将木薯发酵生长过程分为3个阶段,分别为迟滞期、对数期和稳定期,然后每隔4h测量一次拉曼光谱和嗅觉可视化实验,共完成8批平行试验,将其中6组作为训练集,剩余的2组作为预测集,分别筛选变量建立SVM模型,其中根据拉曼光谱实验数据建立的SVM分类模型准确率达到94.74%(36/38),根据嗅觉可视化实验数据建立的SVM分类模型准确率达到86.84%(33/38),最后将拉曼光谱筛选出来的变量和嗅觉可视化前6个主成分特征变量相融合建立拉曼光谱结合嗅觉可视化技术的特征变量建立SVM模型,该步骤具体过程为:首先通过CARS方法筛选出57个拉曼光谱特征变量,然后使用PCA方法从45个嗅觉可视化数据中提取前6个主成分来代表大部分嗅觉可视化系统数据信息,最后将拉曼光谱筛选出来的57个变量和嗅觉可视化系统数据前6个主成分特征变量进行特征层融合并对融合后的数据做归一化处理,建立SVM分类模型,其中RBF(径向基)函数作为SVM模型的核函数。
作为本领域的常规技术手段,可以利用网格搜索法和五折交叉式验证法对惩罚函数c和核参数g进行优化,网格搜索法的范围为2-10,2-9.5,…,29.5,210。结果显示,建立的拉曼光谱结合嗅觉可视化技术的特征变量其分类准确率达到100%,比单一的根据拉曼光谱和嗅觉可视化数据建立的分类模型准确率都高,说明融合技术是可行的,并且能带来更好的分类效果,对木薯固态发酵具有指导作用。
综上,本发明的一种基于拉曼光谱结合嗅觉可视化技术快速在线检测木薯固态发酵的生长过程的方法能够更准确的判断木薯固态发酵生长过程,比单一的检测技术更精确,全面。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (4)
1.一种基于拉曼光谱结合嗅觉可视化技术快速在线检测木薯固态发酵的生长过程的方法,其特征在于,包括以下步骤:
(1)取一批木薯将其干燥至恒重后粉碎分别装入3个装有蒸馏水的锥形瓶中,加入一定量的淀粉酶加热液化,将糖化酶和挑选发育良好的酵母菌种加入冷却至室温后的锥形瓶中以34℃,150r/min进行固态发酵,每隔4h取样一次;
(2)使用DNS溶液检测葡萄糖含量,使用重铬酸钾溶液检测乙醇含量,测量葡萄糖和乙醇的标准曲线;每隔4h抽取样本,测量样本的葡萄糖和乙醇含量,并将整个发酵周期分为3个阶段;
所述步骤(2)的具体过程为:
葡萄糖标准曲线的测量方法为:称取在105℃烘箱中干燥至恒重的葡萄糖粉末0.2g溶于100ml蒸馏水中均匀搅拌,即可得到2mg/ml的葡萄糖溶液,取7支25ml的试管,在每只试管中分别加入0、0.2、0.4、0.6、0.8、1.0和1.2ml上述2mg/ml的葡萄糖溶液,加入适量蒸馏水将其定容至2ml,加入1.5mlDNS溶液并摇匀,在沸水浴中加热3min后取出,用流动冷水将其冷却至室温,每个试管中再加入蒸馏水定容至25ml摇匀,将紫外分光光度计的波长设置为540nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零,保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量,以葡萄糖含量作为横坐标,OD值作为纵坐标绘制葡萄糖标准曲线;
乙醇标准曲线的测量方法为:取2g无水乙醇放入100ml容量瓶内,加入蒸馏水定容至100ml并摇匀,即可得到20mg/ml的乙醇溶液,取8只30ml的试管,在每只试管中分别加入0、0.1、0.2、0.4、0.6、0.8、1.0和1.2ml上述20mg/ml的乙醇溶液,加入适量蒸馏水将其定容至2ml,加入5ml2%重铬酸钾溶液并摇匀,在沸水浴中加热10min后取出冷却,每个试管中再加入蒸馏水定容至25ml摇匀,将紫外分光光度计的波长设置为600nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零,保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量,以乙醇含量作为横坐标,OD值作为纵坐标绘制乙醇标准曲线;
测量木薯固态发酵中的葡萄糖含量的方法为:首先称取1g固态发酵产物,放入50ml蒸馏水中,在55℃恒温水浴箱中搅拌13min,冷却至室温,然后移出5ml溶液加入10ml离心管中,以11000r/min离心10min,取上清液1ml加入30ml玻璃试管中,再加入适量蒸馏水将其定容至2ml,加入1.5mlDNS溶液并摇匀,在沸水浴中加热3min后取出,用流动冷水将其冷却至室温,每个试管中再加入蒸馏水定容至25ml摇匀,将紫外分光光度计的波长设置为540nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零,保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量;
测量木薯固态发酵中的乙醇含量的方法为:首先称取1g固态发酵产物,放入50ml蒸馏水中,在55℃恒温水浴箱中搅拌13min,冷却至室温,然后移出5ml溶液加入10ml离心管中,以11000r/min离心10min,取上清液1ml加入30ml玻璃试管中,再加入适量蒸馏水将其定容至2ml,加入5ml2%重铬酸钾溶液并摇匀,在沸水浴中加热10min后取出冷却,每个试管中再加入蒸馏水定容至25ml摇匀,将紫外分光光度计的波长设置为600nm,分别取2.7ml溶液放入比色皿中测量OD值,并做空白调零,保持OD值在0.1~0.7之间,如果超过这个值,按一定倍数稀释再测量;根据木薯固态发酵过程中葡萄糖和乙醇的变化情况,将整个发酵时期分为迟滞期、对数期和稳定期3个阶段;
(3)每隔4h抽取样本,放入离心管中离心,取上清液均匀地滴在硅板上,在密封不透光的房间中对木薯固态发酵系统做拉曼光谱检测,每个样本检测三次取平均,将采集到的数据预处理后建立固态发酵过程检测定性模型;根据气相色谱质谱联用仪检测出木薯固态发酵主要挥发性气体挑选出14种卟啉化合物溶于二氯甲烷和1种PH指示剂溶于无水乙醇中做成染料,依次滴在C2反相硅胶板上做成比色传感器阵列;采用嗅觉可视化检测木薯固态发酵系统,每隔4h抽取样本,采集反应前和反应后的比色传感器阵列图像做差,采用图像处理程序将其转化为数字信号,将采集到的数据预处理后建立固态发酵过程检测定性模型;
(4)分别提取拉曼光谱特征变量和嗅觉可视化特征变量,做特征级融合,并建立木薯固态发酵过程检测定性模型,将其与前两种单一技术进行比较;
所述固态发酵时长为72h,采样间隔为4h,共有19个采样时间点:0,4,8,…,72h;每次采样需取出5mg固态发酵样本,并将19个采样时间点分为3段,前7次采样时间点为0,4,8,12,16,20,24h,在锥形瓶I中采样,中间6次采样时间点为28,32,36,40,44,48h,在锥形瓶II中采样,最后6次采样时间点为52,56,60,64,68,72h,在锥形瓶III中采样,按上述采样方法共进行8批平行实验,共获得152个样本数据,将其中的6批共114个样本数据作为训练集,剩余2批共38个样本数据作为预测集;
所述嗅觉可视化检测木薯固态发酵系统中:
根据气相色谱质谱联用仪测量整个发酵过程气味成分的变化情况,筛选出7种主要挥发性气味成分,分别为乙醇、苯乙烯、异丁醇、环五聚二甲基硅氧烷、苯乙醇、乙酸苯乙酯和月桂酸乙酯,针对这些挥发性气味成分,筛选出能与这些气味成分产生敏感反应的14种卟啉材料和1种PH指示剂,具体为:
(1)5,10,15,20-四苯基-21H,23H-卟吩;
(2)5,10,15,20-四苯基-21H,23H-卟吩氯化锰(III);
(3)5,10,15,20-四(4-甲氧苯基)-21H,23H-卟吩氯化铁(III);
(4)5,10,15,20-四苯基-21H,23H-卟吩氯化铁(III);
(5)5,10,15,20-四苯基-21H,23H-卟吩(锌);
(6)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟吩镍(II);
(7)5,10,15,20-四(4-羟基苯基)卟吩四甲酯;
(8)5,10,15,20-四苯基-21H,23H-卟吩铜(II);
(9)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟啉钴(II);
(10)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟吩锰(III)氯化物;
(11)2,3,7,8,12,13,17,18-八乙基-21H,23H-卟吩;
(12)5,10,15,20-四苯基-21H,23H-卟吩钒(IV)氧化物;
(13)2,3,7,8,12,13,17,18-辛乙基-21H,23H-卟吩钌(II)羰基;
(14)5,10,15,20-四(4-甲氧苯基)-21H,23H-卟吩;
(15)溴百里香酚蓝;
取上述14种卟啉材料各1.8~2mg分别溶于2ml二氯甲烷中,取1.8~2mg PH指示剂溶于2ml无水乙醇中,在温度设置为20℃超声震荡水箱中震荡30min后制成气敏溶液,密封后放入黑盒子,保存在4℃冰箱中;使用时,将气敏溶液恢复至室温,使用内径为0.3mm玻璃点样毛细管吸取大约2ul的气敏溶液依次点样在4cm×3cm的反相C2硅胶板上,制作成5×3的比色传感器阵列,该阵列由14个金属卟啉材料染料和1个PH指示剂染料组成;待色敏材料在反相C2硅胶板上挥发至稳定后装入密封袋中放置于阴暗处保存;
嗅觉可视化检测木薯固态发酵的具体过程为:首先用HP4890扫描仪扫描反应前比色传感器阵列,称取3g木薯固态发酵产物放入直径为60mm的培养皿中,然后将反应前比色传感器阵列固定在保鲜膜上,面朝下固定在30ml培养皿顶部并密封培养皿,保持温度为25℃,湿度为60%的条件下反应5min后取出,再次扫描反应后的比色传感器阵列,最后将反应前后的比色传感器阵列输入电脑中,使用图像处理程序得出差值图像并转化为数字信息,使用主成分分析法使用前6个主成分,建立支持向量机(SVM)定性模型对木薯发酵所处阶段进行分类。
2.根据权利要求1所述的一种基于拉曼光谱结合嗅觉可视化技术快速在线检测木薯固态发酵的生长过程的方法,其特征在于,所述步骤(1)的具体过程为:
首先,将木薯洗净去皮,放入70℃的电热恒温鼓风干燥箱中进行烘干至恒重;
将木薯粉碎过40目筛选,取出标记为I,II,III的3个容量为250ml的锥形瓶分别放入40g木薯颗粒,并分别加入120ml蒸馏水和用量为15U/g的α-淀粉酶,在90℃水浴箱中恒温搅拌液化80min;
然后放入高压灭菌锅内115℃高压灭菌30min后取出冷却至室温,加入用量为150U/g的糖化酶和5ml发酵至对数期末期的酵母菌悬液,摇匀后密封;
最后,放入设置为34℃,150r/min的恒温震荡摇箱中进行培养。
3.根据权利要求1所述的一种基于拉曼光谱结合嗅觉可视化技术快速在线检测木薯固态发酵的生长过程的方法,其特征在于,对木薯固态发酵系统做拉曼光谱检测的具体过程为:
取出1g木薯固态发酵产物放入1.2ml离心管中,以8000r/min离心5min后取上清液10ul滴在单晶硅片上,放置在拉曼光谱仪下测量,拉曼光谱激光功率设置为350mW,采用785.953nm激光源,积分时间为3s,每个样本采集三次光谱数据取平均,葡萄糖和乙醇的含量测量使用比色皿和紫外分光光度计,将所有数据输入电脑,首先使用5点SG法平滑光谱数据和标准正态变换法(SNV)消除光谱噪音、荧光干扰和消除基线漂移,然后使用竞争性自适应重加权采样(CARS)筛选光谱变量,最后建立支持向量机(SVM)定性模型进行阶段分类。
4.根据权利要求1所述的一种基于拉曼光谱结合嗅觉可视化技术快速在线检测木薯固态发酵的生长过程的方法,其特征在于,所述步骤(4)中,将拉曼光谱筛选出来的变量和嗅觉可视化前6个主成分特征变量相融合建立拉曼光谱结合嗅觉可视化技术的特征变量建立SVM模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911082606.3A CN110987895B (zh) | 2019-11-07 | 2019-11-07 | 一种快速在线检测木薯固态发酵的生长过程的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911082606.3A CN110987895B (zh) | 2019-11-07 | 2019-11-07 | 一种快速在线检测木薯固态发酵的生长过程的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110987895A CN110987895A (zh) | 2020-04-10 |
CN110987895B true CN110987895B (zh) | 2023-04-11 |
Family
ID=70083391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911082606.3A Active CN110987895B (zh) | 2019-11-07 | 2019-11-07 | 一种快速在线检测木薯固态发酵的生长过程的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110987895B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112630206B (zh) * | 2020-12-15 | 2022-06-07 | 湖南陆羽千亿工程技术咨询服务有限公司 | 一种应用拉曼扫描实时智能调控红茶发酵品质的方法及装置 |
CN115950871B (zh) * | 2022-09-23 | 2023-12-15 | 北京蓝晶微生物科技有限公司 | 聚羟基脂肪酸酯含量的检测方法、装置、系统、设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278609B (zh) * | 2013-06-27 | 2015-09-30 | 山东商业职业技术学院 | 一种基于多源感知信息融合的肉品新鲜度检测方法 |
CN104807803B (zh) * | 2015-04-20 | 2017-09-29 | 武汉轻工大学 | 基于多源光谱数据融合的花生油掺伪定量检测方法 |
US11668653B2 (en) * | 2015-11-16 | 2023-06-06 | Chemimage Corporation | Raman-based immunoassay systems and methods |
CN105806824B (zh) * | 2016-03-22 | 2019-03-19 | 武汉轻工大学 | 基于多源光谱特征融合的食用油种类快速鉴别方法 |
CN108627498A (zh) * | 2018-05-11 | 2018-10-09 | 天津大学 | 一种多光谱数据融合的面粉掺杂定量检测方法 |
-
2019
- 2019-11-07 CN CN201911082606.3A patent/CN110987895B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110987895A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110987895B (zh) | 一种快速在线检测木薯固态发酵的生长过程的方法 | |
Zeng et al. | Quantitative visualization of photosynthetic pigments in tea leaves based on Raman spectroscopy and calibration model transfer | |
Shi et al. | Optimization of electronic nose sensor array by genetic algorithms in Xihu-Longjing Tea quality analysis | |
Nascimento et al. | Real time and in situ near-infrared spectroscopy (NIRS) for quantitative monitoring of biomass, glucose, ethanol and glycerine concentrations in an alcoholic fermentation | |
CN105044025A (zh) | 一种近红外快速识别芝麻油及芝麻油中掺杂大豆油的方法 | |
Liu et al. | Rapid detection of carbon-nitrogen ratio for anaerobic fermentation feedstocks using near-infrared spectroscopy combined with BiPLS and GSA | |
Lin et al. | Quantitative analysis of volatile organic compound using novel chemoselective response dye based on Vis-NIRS coupled Si-PLS | |
Kang et al. | Emerging applications of nano-optical sensors combined with near-infrared spectroscopy for detecting tea extract fermentation aroma under ultrasound-assisted sonication | |
CN101349638A (zh) | 果蔬维生素c含量的光谱快速无损检测方法 | |
WO2024061126A1 (zh) | 聚羟基脂肪酸酯含量的检测方法、装置、系统、设备 | |
CN103760130B (zh) | 近红外光谱测定复方麝香注射液中吐温-80含量的方法 | |
Wang et al. | Predicting organic matter content, total nitrogen and ph value of lime concretion black soil based on visible and near infrared spectroscopy | |
CN116678874A (zh) | 一种定量监测红茶发酵特征挥发性化合物的方法 | |
CN116952896A (zh) | 一种啤酒厂糖化麦汁中总氮的近红外快速检测方法 | |
CN107727609A (zh) | 一种基于近红外光谱的多元掺伪三七定量分析方法 | |
Brasil et al. | Ethanol determination in fermented sugarcane substrates by a diffusive micro-distillation device. | |
Vermeir et al. | Atomic fluorescence spectrometry combined with reduction aeration for the determination of mercury in biological samples | |
CN201072405Y (zh) | 果蔬维生素c含量的光谱快速无损检测装置 | |
CN114166770B (zh) | 一种基于纳米卟啉溶液相紫外可见光谱监测红茶发酵质量的方法 | |
CN110261346A (zh) | 一种基于近红外光谱快速检测土壤中pvc含量的方法 | |
CN109100324A (zh) | 生物柴油酯交换生产过程中中性油的近红外光谱测定方法 | |
Liu et al. | Just-in-time learning based functional spectral data modeling for in-situ measurement of slurry component concentrations via infrared spectroscopy | |
CN115541526A (zh) | 一种基于近红外检测普洱熟茶中咖啡因和儿茶素类含量的方法 | |
CN112213303A (zh) | 一种啤酒关键品质指标的快速检测方法 | |
Lu et al. | Quantitative analysis of pH value in soil using laser-induced breakdown spectroscopy coupled with a multivariate regression method |
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 |