CN111044683A - 一种可先天识别和后天训练的电子鼻技术及其应用 - Google Patents

一种可先天识别和后天训练的电子鼻技术及其应用 Download PDF

Info

Publication number
CN111044683A
CN111044683A CN201911357258.6A CN201911357258A CN111044683A CN 111044683 A CN111044683 A CN 111044683A CN 201911357258 A CN201911357258 A CN 201911357258A CN 111044683 A CN111044683 A CN 111044683A
Authority
CN
China
Prior art keywords
gas
tobacco
mode
sensing array
identification
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
Application number
CN201911357258.6A
Other languages
English (en)
Other versions
CN111044683B (zh
Inventor
张顺平
李翊玮
来振利
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.)
Wuhan Dongchang Warehousing Technology Co ltd
Huazhong University of Science and Technology
Original Assignee
Wuhan Dongchang Warehousing Technology Co ltd
Huazhong University of Science and Technology
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 Wuhan Dongchang Warehousing Technology Co ltd, Huazhong University of Science and Technology filed Critical Wuhan Dongchang Warehousing Technology Co ltd
Priority to CN201911357258.6A priority Critical patent/CN111044683B/zh
Publication of CN111044683A publication Critical patent/CN111044683A/zh
Application granted granted Critical
Publication of CN111044683B publication Critical patent/CN111044683B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004Gaseous mixtures, e.g. polluted air
    • G01N33/0009General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004Gaseous mixtures, e.g. polluted air
    • G01N33/0009General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G01N33/0068General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)

Abstract

本发明属于气味分析检测领域,并具体公开了一种可先天识别和后天训练的电子鼻技术及其应用。该技术包括:根据待测气体中标识性气体的动力学分子尺寸,确定气体传感阵列中气体过滤模块的孔径,然后将待测气体通入该气体传感阵列;进入无导师模式,分别对每个气体传感阵列采集到的信号进行无导师模式识别,判断不同分子尺寸对应的标识性气体的浓度;进入有导师模式,将后天训练建立的信号与样本特征的模式识别映射关系作为数据库,输入气体传感阵列采集到的全部信号,即可获得待测气体的特征。本发明基于分子筛效应梯度分离不同尺寸的气体分子,以在分子尺寸上对气体响应信号进行谱学展开,实现复杂气氛的多组分气体检测,提升电子鼻技术的选择性。

Description

一种可先天识别和后天训练的电子鼻技术及其应用
技术领域
本发明属于气味分析检测领域,更具体地,涉及一种可先天识别和后天训练的电子鼻技术及其应用。
背景技术
电子鼻技术是一种通过气体传感阵列+模式识别方式分辨气味间差异的气味识别的技术。这种技术是通过对样本进行测试和模式训练,再经过模式识别实现的,而这一过程又被称作建立数据库。数据库的建立是电子鼻仪器制造完成后,在应用中实现的,因此是经过后天训练而具备的识别能力。
在电子鼻的气味检测应用中,需要识别样本的众多特性,有一些特性是没有标识性物质的,是由多个不同类别的气体分子综合作用的,例如烟草的醇化程度;有一些特性是有标识性物质的,是由某一个类别的气体分子决定的,例如烟草的霉变程度、烟虫滋生危害程度。对于没有标识性物质的样本特征识别,一般都是通过后天的训练,将传感器对样本的气味响应,与样本的特性建立模式识别映射关系。但是后天训练过程存在以下缺陷:过程比较繁琐,识别样本的数量越多,所需的后天训练越多,工作量巨大;传感器漂移会增加识别误差,到一定程度后,导致后天训练的数据库需要重新建立;不同传感器后天训练的数据库之间不可移植,导致传感器升级更换也需要重新建立数据库。
因此,对于有标识性物质的样本特征识别,若电子鼻不需要后天训练便可具备先天识别能力,即能够有效减少电子鼻的后天训练量,提高电子鼻技术的竞争优势,拓宽其应用。
发明内容
针对现有技术的上述缺点和/或改进需求,本发明提供了一种可先天识别和后天训练的电子鼻技术及其应用,其中该电子鼻技术通过设置孔径依次减小的气体过滤模块,能够基于分子筛效应梯度分离不同尺寸的气体分子,以在分子尺寸上对气体响应信号进行谱学展开,从而对由标识性气体决定的待测气体进行先天识别,以此减少后天训练量。
为实现上述目的,按照本发明的一个方面,提出了一种可先天识别和后天训练的电子鼻技术,该电子鼻技术包括如下步骤:
S1根据待测气体中标识性气体的动力学分子尺寸,确定气体传感阵列中气体过滤模块的孔径,然后将所述待测气体通入该气体传感阵列,以此将所述待测气体根据分子尺寸进行分离和识别;
S2首先进入无导师模式,分别对每个所述气体传感阵列采集到的信号进行无导师模式识别,判断不同分子尺寸对应的标识性气体的浓度,以此通过先天识别的方式获得所述待测气体的识别结果;
S3最后进入有导师模式,将后天训练建立的信号与样本特征的模式识别映射关系作为数据库,输入所述气体传感阵列采集到的全部信号,即可获得所述待测气体的特征,以此通过后天训练的方式获得所述待测气体的识别结果。
作为进一步优选的,所述步骤S1中,若所述标识性气体的动力学分子尺寸Di(i=1,2,…,n,n≥1)的关系为D1<D2<…Dn,则所述气体过滤模块的孔径Ki(i=1,2,…,n+1,n≥1)的关系为K1<D1<K2<D2<…<Dn<Kn+1,其中Di为第i个分子尺寸,Ki为第i个气体过滤模块的孔径。
作为进一步优选的,所述步骤S1中,所述气体传感阵列的种类为一种或多种。
作为进一步优选的,所述步骤S2中,所述无导师模式识别优选采用聚类分析方法进行识别。
按照本发明的另一方面,提供了一种可先天识别和后天训练的电子鼻技术在烟草检测中的应用,具体包括如下步骤:
S1将烟草霉变产生的挥发性气体或烟虫生理代谢产生的挥发性气体作为标识性气体,并根据所述标识性气体的动力学分子尺寸确定所述气体过滤模块的孔径,以此获得相应的气体传感阵列,然后将待测烟草产生的挥发性气体通入所述气体传感阵列;
S2首先进入无导师模式,分别对每个所述气体传感阵列采集到的信号进行无导师模式识别,判断不同分子尺寸对应的标识性气体的浓度,以此确定所述待测烟草的霉变程度或烟虫危害程度;
S3最后进入有导师模式,将后天训练建立的信号与烟草特征的模式识别映射关系作为数据库,输入所述气体传感阵列采集到的全部信号,即可获得所述待测烟草的特征,以此通过后天训练的方式对所述待测烟草进行鉴定。
作为进一步优选的,所述步骤S1中,烟草霉变产生的挥发性气体包括1-辛烯-3-醇、2-戊酮和2-甲基-1-丁醇。
作为进一步优选的,所述步骤S3中,所述烟草特征包括烟草醇化程度、烟草产地、烟草等级或烟草真伪。
作为进一步优选的,所述步骤S3中,建立所述数据库包括如下子步骤:
S31将不同特征的烟草作为标准样品,并将所述标准样品产生的挥发性气体通入所述气体传感阵列;
S32根据所述传感阵列采集到的信号与其特征建立模式识别映射关系,以此获得所述数据库。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,主要具备以下的技术优点:
1.本发明在气体传感阵列中设置具有孔径依次减小的气体过滤模块,能够基于分子筛效应梯度分离不同尺寸的气体分子,以在分子尺寸上对气体响应信号进行谱学展开,实现复杂气氛的多组分气体检测,大大提升了电子鼻技术的选择性,对于由标识性气体决定的待测气体,可以直接通过先天识别的方式进行检测,对于没有标识性气体决定的待测气体,则通过后天训练的方式进行检测,从而极大地解决了目前电子鼻技术中后天训练工作量大的问题,并减少了传感器识别信号漂移的影响,进而提升了检测结果的准确性;
2.此外,本发明可以应用在烟草检测中,将烟草霉变产生的有机化合物作为标识性气体,可以通过先天识别的方式判断待测烟草的霉变程度,减少后天训练量,同时对于烟草特征如草醇化程度、烟草产地、烟草等级或烟草真伪等,则可以通过后天训练的方式进行识别,从而根据检测需要选择合适的识别方式。
附图说明
图1是本发明优选实施例提供的可先天识别和后天训练的电子鼻技术的检测流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,本发明实施例提供了一种可先天识别和后天训练的电子鼻技术,该电子鼻技术包括如下步骤:
S1根据待测气体中标识性气体的动力学分子尺寸,确定气体传感阵列中气体过滤模块的孔径,然后将待测气体通入该气体传感阵列,以此将待测气体根据分子尺寸进行分离和识别;
更具体地,若标识性气体的动力学分子尺寸Di(i=1,2,…,n,n≥1)的关系为D1<D2<…Dn,则气体过滤模块的孔径Ki(i=1,2,…,n+1,n≥1)的关系为K1<D1<K2<D2<…<Dn<Kn+1,其中Di为第i个分子尺寸,Ki为第i个气体过滤模块的孔径,并且气体传感阵列具有m种类型,(m≥1,且m为正整数);
S2首先进入无导师模式,将同一孔径内气体传感阵列采集到的信号Si1-Si,m(i=1,2,…,n+1,n≥1)作为一个样本进行无导师模式识别,判断两个孔径之间的分子尺寸对应的标识性气体的浓度,以此通过先天识别的方式获得待测气体的识别结果;
S3最后进入有导师模式,将后天训练建立的信号与样本特征的模式识别映射关系作为数据库,输入气体传感阵列采集到的全部信号Si,j(i=1,2,…,n+1,n≥1,j=1,2,…,m),即可获得待测气体的特征,以此通过后天训练的方式获得待测气体的识别结果。
进一步,步骤S2中,无导师模式识别采用聚类、离散点检测和降维的方式进行识别,并且优选采用聚类分析方法进行识别。
按照本发明的另一方面,提供了一种上述可先天识别和后天训练的电子鼻技术在烟草检测中的应用,其包括如下步骤:
S1将烟草霉变产生的挥发性气体或烟虫生理代谢产生的挥发性气体作为标识性气体,并根据所述标识性气体的动力学分子尺寸确定所述气体过滤模块的孔径,以此获得相应的气体传感阵列,然后将待测烟草产生的挥发性气体通入所述气体传感阵列;
更具体地,在烟草储藏过程中,在环境温度合适的情况下,细菌和真菌大量生长,使得烟草发生霉变,产生霉味,其中,常见烟草霉菌类型黑曲霉、产黄青霉等;一般常见的烟草霉菌菌株在代谢过程中产生的微生物挥发性有机化合物(MVOCs),其中主要包括1-辛烯-3-醇、2-戊酮和2-甲基-1-丁醇,将其作为烟草霉变的标识性气体,利用MaterialStudio6.0软件模拟1-辛烯-3-醇、2-戊酮和2-甲基-1-丁醇的分子架构,得到其分子尺寸分别D1、D2、D3,其中D1<D2<D3;根据标识性气体的分尺寸大小选取孔径分别为K1、K2、K3、K4的气体过滤模块,其中K1、K2、K3、K4满足关系式:K1<D1<K2<D2<K3<D3<K4
在烟草醇化过程中,由于醇化阶段的不同,不同的化学物质含量的变化幅度各异,挥发性有机物(如挥发酸)含量各不相同,因此烟草的醇化程度是混合气体分子综合作用的,因此醇化程度没有标识性气体;
S2首先进入无导师模式,分别对每个气体传感阵列采集到的信号进行无导师模式识别,判断不同分子尺寸对应的标识性气体的浓度,以此确定待测烟草的霉变程度或烟虫危害程度;
更具体地,测试烟草霉变程度的过程中,对获得的信号S1,1-S1,m,S2,1-S2,m,S3,1-S3,m,S4,1-S4,m进行聚类分析,依据信号S4,1-S4,m与S3,1-S3,m的聚类距离,判断标识气体2-甲基-1-丁醇的浓度大小,依据信号S2,1-S2,m与S3,1-S3,m的聚类距离,判断标识气体2-戊酮的浓度大小,依据信号S1,1-S1,m与S2,1-S2,m的聚类距离,判断标识气体1-辛烯-3-醇的浓度大小,以此确定待测烟草的霉变程度;
S3最后进入有导师模式,将后天训练建立的信号与烟草特征的模式识别映射关系作为数据库,输入气体传感阵列采集到的全部信号,即可获得待测烟草的特征,以此通过后天训练的方式对待测烟草进行鉴定,其中烟草特征包括烟草醇化程度、烟草产地、烟草等级或烟草真伪。
进一步,步骤S3中,建立数据库包括如下子步骤:
S31将不同特征的烟草作为标准样品,并将所述标准样品产生的挥发性气体通入所述气体传感阵列;
S32根据所述传感阵列采集到的信号与其特征建立模式识别映射关系,以此获得所述数据库。
按照本发明的一个优选实施例,当测试烟草醇化程度时,建立数据库包括如下子步骤:
S31将不同醇化程的烟草作为标准样品,并将标准样品产生的挥发性气体通入气体传感阵列,可以选择醇化时间为1月、2月、3月…48月的烟叶作为标准样品;
S32根据传感阵列采集到的信号与其醇化程度建立模式识别映射关系,以此获得数据库。
本领域的技术人员容易理解,以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种可先天识别和后天训练的电子鼻技术,其特征在于,该电子鼻技术包括如下步骤:
S1根据待测气体中标识性气体的动力学分子尺寸,确定气体传感阵列中气体过滤模块的孔径,然后将所述待测气体通入该气体传感阵列,以此将所述待测气体根据分子尺寸进行分离和识别;
S2首先进入无导师模式,分别对每个所述气体传感阵列采集到的信号进行无导师模式识别,判断不同分子尺寸对应的标识性气体的浓度,以此通过先天识别的方式获得所述待测气体的识别结果;
S3最后进入有导师模式,将后天训练建立的信号与样本特征的模式识别映射关系作为数据库,输入所述气体传感阵列采集到的全部信号,即可获得所述待测气体的特征,以此通过后天训练的方式获得所述待测气体的识别结果。
2.如权利要求1所述的可先天识别和后天训练的电子鼻技术,其特征在于,所述步骤S1中,若所述标识性气体的动力学分子尺寸Di(i=1,2,…,n,n≥1)的关系为D1<D2<…Dn,则所述气体过滤模块的孔径Ki(i=1,2,…,n+1,n≥1)的关系为K1<D1<K2<D2<…<Dn<Kn+1,其中Di为第i个分子尺寸,Ki为第i个气体过滤模块的孔径。
3.如权利要求1所述的可先天识别和后天训练的电子鼻技术,其特征在于,所述步骤S1中,所述气体传感阵列的种类为一种或多种。
4.如权利要求1~3任一项所述的可先天识别和后天训练的电子鼻技术,其特征在于,所述步骤S2中,所述无导师模式识别优选采用聚类分析方法进行识别。
5.一种如权利要求1~4任一项所述的可先天识别和后天训练的电子鼻技术在烟草检测中的应用,其特征在于,具体包括如下步骤:
S1将烟草霉变产生的挥发性气体或烟虫生理代谢产生的挥发性气体作为标识性气体,并根据所述标识性气体的动力学分子尺寸确定所述气体过滤模块的孔径,以此获得相应的气体传感阵列,然后将待测烟草产生的挥发性气体通入所述气体传感阵列;
S2首先进入无导师模式,分别对每个所述气体传感阵列采集到的信号进行无导师模式识别,判断不同分子尺寸对应的标识性气体的浓度,以此确定所述待测烟草的霉变程度或烟虫危害程度;
S3最后进入有导师模式,将后天训练建立的信号与烟草特征的模式识别映射关系作为数据库,输入所述气体传感阵列采集到的全部信号,即可获得所述待测烟草的特征,以此通过后天训练的方式对所述待测烟草进行鉴定。
6.如权利要求5所述的可先天识别和后天训练的电子鼻技术在烟草检测中的应用,其特征在于,所述步骤S1中,烟草霉变产生的挥发性气体包括1-辛烯-3-醇、2-戊酮和2-甲基-1-丁醇。
7.如权利要求5所述的可先天识别和后天训练的电子鼻技术在烟草检测中的应用,其特征在于,所述步骤S3中,所述烟草特征包括烟草醇化程度、烟草产地、烟草等级或烟草真伪。
8.如权利要求5~7任一项所述的可先天识别和后天训练的电子鼻技术在烟草检测中的应用,其特征在于,所述步骤S3中,建立所述数据库包括如下子步骤:
S31将不同特征的烟草作为标准样品,并将所述标准样品产生的挥发性气体通入所述气体传感阵列;
S32根据所述传感阵列采集到的信号与其特征建立模式识别映射关系,以此获得所述数据库。
CN201911357258.6A 2019-12-25 2019-12-25 一种可先天识别和后天训练的气体识别方法及其应用 Active CN111044683B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911357258.6A CN111044683B (zh) 2019-12-25 2019-12-25 一种可先天识别和后天训练的气体识别方法及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911357258.6A CN111044683B (zh) 2019-12-25 2019-12-25 一种可先天识别和后天训练的气体识别方法及其应用

Publications (2)

Publication Number Publication Date
CN111044683A true CN111044683A (zh) 2020-04-21
CN111044683B CN111044683B (zh) 2021-05-18

Family

ID=70239516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911357258.6A Active CN111044683B (zh) 2019-12-25 2019-12-25 一种可先天识别和后天训练的气体识别方法及其应用

Country Status (1)

Country Link
CN (1) CN111044683B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115581309A (zh) * 2022-10-27 2023-01-10 天津森罗科技股份有限公司 一种用于烟草气调养护的综合监测气调站

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006126011A3 (en) * 2005-05-27 2007-01-18 Univ Strathclyde Spectral nose
KR101110535B1 (ko) * 2010-09-07 2012-01-31 성균관대학교산학협력단 복수 개의 냄새 인식 방법
CN102507677A (zh) * 2011-11-01 2012-06-20 重庆大学 一种基于多重自组织神经网络的电子鼻漂移抑制方法
CN104569062A (zh) * 2015-01-30 2015-04-29 东北电力大学 基于分子筛过滤的电子鼻气室
CN208171949U (zh) * 2018-05-03 2018-11-30 北京物资学院 电子鼻系统
CN109709267A (zh) * 2018-12-14 2019-05-03 武汉东昌仓贮技术有限公司 一种基于电子鼻的烟叶醇化品质评价方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006126011A3 (en) * 2005-05-27 2007-01-18 Univ Strathclyde Spectral nose
KR101110535B1 (ko) * 2010-09-07 2012-01-31 성균관대학교산학협력단 복수 개의 냄새 인식 방법
CN102507677A (zh) * 2011-11-01 2012-06-20 重庆大学 一种基于多重自组织神经网络的电子鼻漂移抑制方法
CN104569062A (zh) * 2015-01-30 2015-04-29 东北电力大学 基于分子筛过滤的电子鼻气室
CN208171949U (zh) * 2018-05-03 2018-11-30 北京物资学院 电子鼻系统
CN109709267A (zh) * 2018-12-14 2019-05-03 武汉东昌仓贮技术有限公司 一种基于电子鼻的烟叶醇化品质评价方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DONG LI ET AL.: "A novel headspace integrated E-nose and its application in discrimination of Chinese medical herbs", 《SENSORS AND ACTUATORS B:CHEMICAL》 *
张覃轶等: "基于电子鼻的空气中可挥发有机物定量分析", 《传感器与微系统》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115581309A (zh) * 2022-10-27 2023-01-10 天津森罗科技股份有限公司 一种用于烟草气调养护的综合监测气调站
CN115581309B (zh) * 2022-10-27 2024-09-27 天津森罗科技股份有限公司 一种用于烟草气调养护的综合监测气调站

Also Published As

Publication number Publication date
CN111044683B (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN110441423B (zh) 一种测定粮食香气成分的方法及其系统
Lu et al. Use of ESI-FTICR-MS to characterize dissolved organic matter in headwater streams draining forest-dominated and pasture-dominated watersheds
Sun et al. Sensitivity enhancement of pH indicator and its application in the evaluation of fish freshness
CN104569062B (zh) 基于分子筛过滤的电子鼻气室
Li et al. Early detection and monitoring for Aspergillus flavus contamination in maize kernels
WO2001011354A3 (en) Methods for characterizing, classifying, and identifying unknowns in samples
CN103562718A (zh) 植物疾病检测
CN111044683B (zh) 一种可先天识别和后天训练的气体识别方法及其应用
Huseby et al. Metabolic fingerprinting reveals differences between northern and southern strains of the cryptic diatom Chaetoceros socialis
US20130244272A1 (en) Process for determining mycotoxin production from a specific chemical fingerprint
Brillante et al. Carbon isotope discrimination (δ13 C) of grape musts is a reliable tool for zoning and the physiological ground-truthing of sensor maps in precision viticulture
CN111044638A (zh) 一种对不同品种烤烟烟叶分类鉴别的方法
CN110346445A (zh) 一种基于气体分析质谱及近红外光谱分析烟叶霉变的方法
EP3400438B1 (en) Method for detection of mould contamination in grain
CN107941939B (zh) 一种利用代谢组学技术区分有机大米和非有机大米的方法
CN113340943B (zh) 基于指纹图谱的水体中嗅味类型和嗅味强度的分析方法
Zhu et al. Validation study on the simultaneous quantitation of multiple wine aroma compounds with static headspace-gas chromatography-ion mobility spectrometry
CN109632892B (zh) 基于电子鼻的侧柏受蛀干害虫为害时长检测模型及应用
Wilson et al. Application of conductive polymer analysis for wood and woody plant identifications
CN103499664A (zh) 一种表征蜂蜜品质差异性的图谱信息提取研究的方法
CN116759014B (zh) 基于随机森林的气体种类及浓度预测方法、系统及装置
Deklerck Timber origin verification using mass spectrometry: challenges, opportunities, and way forward
Awale et al. Workflow to investigate subtle differences in wine volatile metabolome induced by different root systems and irrigation regimes
CN112268993A (zh) 一种基于电子鼻技术对河道水质参数快速监测的方法
CN116500182A (zh) 一种基于风味特征的gc-ims技术分析松花奶粉产品异味的方法

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
GR01 Patent grant
GR01 Patent grant