CN111157511A - 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 - Google Patents
一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 Download PDFInfo
- Publication number
- CN111157511A CN111157511A CN202010023268.2A CN202010023268A CN111157511A CN 111157511 A CN111157511 A CN 111157511A CN 202010023268 A CN202010023268 A CN 202010023268A CN 111157511 A CN111157511 A CN 111157511A
- Authority
- CN
- China
- Prior art keywords
- egg
- raman
- raman spectrum
- freshness
- partial
- 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
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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/08—Eggs, e.g. by candling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/02—Mechanical
- G01N2201/022—Casings
- G01N2201/0221—Portable; cableless; compact; hand-held
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Abstract
本发明公开了一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法,属于食品检测领域。本发明利用拉曼光谱信息和鸡蛋样品的四项新鲜度理化指标分别建立偏最小二乘回归模型;其中,拉曼光谱信息是鸡蛋蛋壳表面在100‑3000cm‑1范围内的拉曼光谱强度;新鲜度理化指标包括哈夫单位、蛋白pH、气室直径和气室高度。本发明通过对鸡蛋蛋壳表面拉曼光谱的采集,与对应鸡蛋内部新鲜度的理化指标进行建模分析,模型可达到较好的预测性能,从而达到通过采集拉曼光谱无损预测鸡蛋新鲜度的效果。
Description
技术领域
本发明涉及食品检测领域,具体涉及一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法。
背景技术
鸡蛋作为一种高营养的食物,可以为人体提供必需的蛋白质、脂肪、矿物质和维生素等营养物质。但是由于鸡蛋在生产、加工、销售和流通的环节中,特别容易腐败变质,不仅会损害生产者的经济利益,甚至危害消费者的身体健康,所以对于鸡蛋新鲜度的研究具有重要的价值与意义。
目前对于鸡蛋新鲜度的检测指标主要有哈夫单位、蛋白pH值、气室直径、气室高度等,但这些指标都需要通过有损检测才能获得。随着科技的进步,无损检测被应用到各个方面。目前应用于鸡蛋新鲜度的无损检测技术主要有红外光谱、高光谱、电子鼻、声波脉冲、机器视觉技术、阻抗法等,暂未有通过拉曼光谱进行无损检测。
发明内容
本发明根据变化的鸡蛋表面拉曼光谱与同时变化的鸡蛋新鲜度理化指标之间建立联系,以期达到用采集的拉曼光谱预测新鲜度理化指标的效果。拉曼光谱作为一种适合现场检测的方法,具有简便、快速等优点,同时拉曼光谱可以提供物质分子振动频率的信息,本发明采用拉曼光谱作为一种新型检测方法用于鸡蛋新鲜度的无损检测。
在建模过程中,由于采集的拉曼光谱不仅包含了样本自身的信息,还包含了一些其它的无关信息,如荧光背景、噪音和杂散光等。所以需要对采集到的鸡蛋拉曼光谱图进行预处理,从而筛选出其中有效的光谱信息,降低无关信号对结果的干扰。本专利中共采用了8种前处理方法,分别为曲线平滑(SG)、归一化(NL)、一阶导(1st Der-SG)、二阶导(2ndDer-SG)、基线校正(BL)、标准正态变量变换(SNV)、多元散射校正(MSC)、降噪(Denoise)。另外,本发明经过研究探索,在不同部位均设置检测点采集拉曼光谱较为繁琐,于是本发明对不同采集部位的光谱建模效果进行了比较,采集部位分别为顶部、底部和腰线。
本发明的目的是提供一种基于拉曼光谱技术无损检测鸡蛋新鲜度的方法,所述方法是利用拉曼光谱信息和鸡蛋样品的四项新鲜度理化指标分别建立偏最小二乘回归模型;
所述拉曼光谱信息是鸡蛋蛋壳表面在100-3000cm-1范围内的拉曼光谱强度;
所述新鲜度理化指标包括哈夫单位、蛋白pH、气室直径和气室高度。
在本发明的一种实施方式中,所述偏最小二乘回归模型的建立过程包括如下步骤:
(1)采集鸡蛋样品在100-3000cm-1范围内的拉曼光谱强度;并分别测得相应四项理化指标的参考值;
(2)然后将采集得到的拉曼光谱强度分别与四项理化指标的参考值构建偏最小二乘回归模型。
在本发明的一种实施方式中,所述拉曼光谱信息还包括进行预处理,所述预处理的方式包括如下任意一种或多种组合:曲线平滑(SG)、归一化(NL)、一阶导(1st Der-SG)、二阶导(2nd Der-SG)、基线校正(BL)、标准正态变量变换(SNV)、多元散射校正(MSC)、降噪(Denoise)。
在本发明的一种实施方式中,当构建拉曼光谱信息与哈夫单位的偏最小二乘回归模型时,预处理的方式优选二阶导(2nd Der-SG)。
在本发明的一种实施方式中,当构建拉曼光谱信息与蛋白pH的偏最小二乘回归模型时,预处理的方式优选二阶导(2nd Der-SG)。
在本发明的一种实施方式中,当构建拉曼光谱信息与气室直径的偏最小二乘回归模型时,预处理的方式优选一阶导(1st Der-SG)。
在本发明的一种实施方式中,当构建拉曼光谱信息与气室高度的偏最小二乘回归模型时,预处理的方式优选一阶导(1st Der-SG)。
在本发明的一种实施方式中,四项理化指标的参考值的测定方法分别如下:
利用蛋品分析仪测定鸡蛋的哈夫单位;利用pH计测定蛋白pH;利用游标卡尺测量气室直径与气室高度。
在本发明的一种实施方式中,拉曼光谱信息的采集包括在三个不同的检测部位中任意一种进行采集,或者在多种部位检测取平均值;所述三个不同的检测部位分别为鸡蛋顶部、鸡蛋壳底部和鸡蛋腰部;每个部位取两点重复采集3次计平均值。
在本发明的一种实施方式中,鸡蛋顶部是指鸡蛋尖头位置;鸡蛋底部是指鸡蛋顿头位置;鸡蛋腰部是指鸡蛋中间线部位。
在本发明的一种实施方式中,所述拉曼光谱信息优选采集鸡蛋的顶部蛋壳表面在100-3000cm-1范围内的拉曼光谱强度。
在本发明的一种实施方式中,所述偏最小二乘回归模型具体包括如下步骤:
(1)数据采集:检测每个鸡蛋的拉曼光谱以及对应新鲜度理化指标;
(2)数据建模:将采集的拉曼光谱与哈夫单位、蛋白pH、气室直径和气室高度这四项新鲜度理化指标分别建模,根据所建的模型,可以通过采集的光谱直接获得鸡蛋内部新鲜度理化指标的数值,达到无损、快速、准确检测鸡蛋新鲜度的目的。
在本发明的一种实施方式中,所述鸡蛋样品是保存恒温恒湿培养箱中,每隔几天进行数据的采集。
在本发明的一种实施方式中,通过便携式拉曼仪采集蛋壳表面的拉曼光谱。
在本发明的一种实施方式中,所述拉曼光谱信息的采集参数为:激发波长785nm,采集波段为100-3000cm-1,积分时间5s,扫描3次,探头与蛋壳表面距离6mm。
在本发明的一种实施方式中,所述拉曼光谱强度的采集是将三个检测部位采集到的拉曼光谱强度,分别各自取平均值作为每个部位的代表光谱强度;或者将三个检测部位采集的所有拉曼光谱取平均值作为整体的平均光谱;分别将三个不同检测部位的代表拉曼光谱以及整体的平均拉曼光谱与四种理化指标之间建立模型。
在本发明的一种实施方式中,采用偏最小二乘法建模,将80%的样品作为校正集,20%的样品作为预测集。
有益效果:
本发明提供了一种新型的无损检测鸡蛋新鲜度的方法,为鸡蛋新鲜度的无损检测提供了新的研究方向。本发明中基于已有数据建立的最佳预测模型相关系数均在0.8以上,其中对于哈夫单位、蛋白pH值和气室直径的模型相关系数可达0.9以上,具有较好的预测性能,可达到通过采集蛋壳表面光谱预测鸡蛋新鲜度的效果,通过后续实验对光谱数据库进行扩大,模型的性能可进一步提升。同时,本发明采用的拉曼光谱方法具有简便、快速、可现场原位检测等优点,相比于红外光谱还可避免水分子对光谱结果的干扰,通过数据库的扩大,更容易走向实际应用。另外,此方法在其他食品的新鲜度检测领域也可能适用,可进行相关的研究。
附图说明
图1本发明实施例提供的基于拉曼光谱技术的鸡蛋新鲜度无损检测方法流程图。
图2本发明实施例提供的鸡蛋样本的整体平均拉曼光谱示意图。
具体实施方式
为了更好理解本发明,下面结合实施例对本发明做进一步说明,但本发明要求保护的范围并不仅仅局限于实施例表述的范围。
下面对本发明的操作流程作详细的描述。
哈夫单位:根据蛋重和浓厚蛋白高度,按公式计算出来的值,用来衡量蛋的新鲜程度,公式为:HU=100×lg(H+7.57-1.7×G0.37)。式中:HU为哈夫单位;H为蛋白高度,单位为mm;G为整颗鸡蛋质量,单位为g。
蛋白pH:将蛋白分离至烧杯中,玻璃棒搅匀,利用pH计测定得到的蛋白pH值。
气室直径、气室高度:将鸡蛋打破后,保留完整的气室,利用游标卡尺从蛋内部分别测量得到气室直径和气室高度,单位均为mm。
实施例1构建拉曼光谱预测模型
(1)鸡蛋样品:首先购置一批最新鲜的鸡蛋,本实施例中选用的鸡蛋品种为海兰褐鸡蛋,鸡龄为200d,鸡蛋保存在20℃、40%RH的恒温恒湿培养箱中,每3d取出一部分鸡蛋进行数据的采集。
(2)采集每个样品的拉曼光谱:采用便携拉曼仪采集样本的顶部、底部、腰线拉曼光谱数据,每个部位选择两点,每点重复测试3次。拉曼检测参数为:积分时间5s,扫描次数3次,采集波段为全波段100-3000cm-1,探头与蛋壳表面的距离6mm;测定相应的拉曼光谱信息。
(3)检测每个样品的各理化指标参考值:通过蛋品分析仪检测鸡蛋的哈夫单位;利用pH计测定蛋白pH;利用游标卡尺测量气室直径与气室高度;分别得到哈夫单位、蛋白pH、气室直径和气室高度的参考值;
(4)数据建模分析:结合化学计量学,利用测得的鸡蛋在全波段100-3000cm-1的拉曼光谱强度信息分别与各理化指标参考值建立偏最小二乘回归(PLSR)模型;即为鸡蛋新鲜度理化指标的拉曼光谱预测模型。
所述的拉曼光谱预测模型为采用偏最小二乘回归法建立的偏最小二乘回归模型,将测试样品中80%的样品作为校正集,20%的样品作为预测集(其中,校正集为用来建立模型结构和参数的样品;预测集为用来评估模型稳健性和预测能力的样品),需保证预测集数据范围在校正集数据范围内,且校正集和预测集的平均值相差不大,实施例的分集数据见表1。
表1各理化指标的分集统计数据
本实施例中,将鸡蛋所有部位采集到的拉曼光谱取平均值作为整体平均光谱,与四种理化指标之间建立全波段PLSR模型,结果见表2。
表2原始拉曼光谱与各理化指标建模结果
其中,Rc:校正集的相关系数;RMSEC:校正集均方根误差;Rp:预测集的相关系数;RMSEP:预测集均方根误差。
由表2可知,未经预处理的平均拉曼光谱,与蛋白pH值建模后模型的相关系数均可达0.6以上,较好可达0.8以上,说明该模型具有较好的预测性能,另外,与其他三个理化指标建模后模型相关系数也均在0.6以上,若光谱经过预处理后很有可能得到具有更稳定、更佳的预测性能的模型。
实施例2不同处理方式处理拉曼光谱对建模的影响
参照实施例1,将三个检测部位采集的所有拉曼光谱取平均值作为整体的代表光谱,并将整体的平均拉曼光谱分别经过了以下预处理:曲线平滑(SG)、归一化(NL)、一阶导(1st Der-SG)、二阶导(2nd Der-SG)、基线校正(BL)、标准正态变量变换(SNV)、多元散射校正(MSC)、降噪(Denoise)。以哈夫单位值为例,全波段PLSR建模结果见表3。
表3不同处理方式处理拉曼光谱对建模的影响
进一步的,根据整体平均拉曼光谱与每个理化指标进行如上建模分析,对于仅采用一种前处理方法的模型,得到了每个理化指标模型的最佳拉曼光谱预处理方法。其中哈夫单位和蛋白pH值建模过程中,拉曼光谱最佳预处理方法为二阶导,气室直径和气室高度的拉曼光谱最佳预处理方法为一阶导。当然,如果将几种前处理方式组合起来,建模效果可能会更佳。
实施例3不同拉曼测定部位对建模的影响
将三个检测部位采集到的拉曼光谱分别各自取平均值作为每个部位的代表光谱,再分别将三个不同检测部位的代表拉曼光谱采用前面得到的最佳预处理方法,其他参照实施例1,与四种理化指标之间建立全波段PLSR模型,结果见表4。
表4不同部位代表拉曼光谱与各理化指标建模结果
其中,鸡蛋顶部是指鸡蛋尖头位置;鸡蛋底部是指鸡蛋顿头位置;鸡蛋腰部是指鸡蛋中间线部位。
由以上结果可知,对于鸡龄为200d的海兰褐鸡蛋,采集顶部拉曼光谱,并采用二阶导或者一阶导对光谱进行预处理,与鸡蛋新鲜度的理化指标建立100-3000cm-1的全波段偏最小二乘回归模型,模型可达到较好的预测性能。其中对于哈夫单位值,Rc为0.944,Rp为0.925;对于蛋白pH值,Rc为0.945,Rp为0.935;对于气室直径,Rc为0.903,Rp为0.915;对于气室高度,Rc为0.828,Rp为0.830。
基于拉曼光谱技术对海兰褐鸡蛋以及其它品种鸡蛋的其它指标(如蛋黄指数等)进行无损检测时,可参照该文所提出的检测方法和检测流程进行操作。
以上所述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 (10)
1.一种基于拉曼光谱技术无损检测鸡蛋新鲜度的方法,其特征在于,所述方法是利用拉曼光谱信息和鸡蛋样品的四项新鲜度理化指标分别建立偏最小二乘回归模型;
所述拉曼光谱信息是鸡蛋蛋壳表面在100-3000cm-1范围内的拉曼光谱强度;
所述新鲜度理化指标包括哈夫单位、蛋白pH、气室直径和气室高度。
2.根据权利要求1所述的方法,其特征在于,所述偏最小二乘回归模型的建立过程包括如下步骤:
(1)采集鸡蛋样品在100-3000cm-1范围内的拉曼光谱强度;并分别测定鸡蛋样品的四项理化指标作为参考值;
(2)然后将采集得到的拉曼光谱强度分别与四项理化指标的参考值构建偏最小二乘回归模型。
3.根据权利要求1或2所述的方法,其特征在于,所述拉曼光谱信息还包括进行预处理,所述预处理的方式包括如下任意一种或多种组合:曲线平滑、归一化、一阶导、二阶导、基线校正、标准正态变量变换、多元散射校正、降噪。
4.根据权利要求3所述的方法,其特征在于,当构建拉曼光谱信息与哈夫单位的偏最小二乘回归模型时,预处理的方式为二阶导。
5.根据权利要求3所述的方法,其特征在于,当构建拉曼光谱信息与蛋白pH的偏最小二乘回归模型时,预处理的方式为二阶导。
6.根据权利要求3所述的方法,其特征在于,当构建拉曼光谱信息与气室直径的偏最小二乘回归模型时,预处理的方式为一阶导。
7.根据权利要求3所述的方法,其特征在于,当构建拉曼光谱信息与气室高度的偏最小二乘回归模型时,预处理的方式为一阶导。
8.根据权利要求1所述的方法,其特征在于,拉曼光谱信息的采集包括在三个不同的检测部位中任意一种进行采集,或者在多种部位检测取平均值;所述三个不同的检测部位分别为鸡蛋顶部、鸡蛋底部和鸡蛋腰部。
9.根据权利要求1所述的方法,其特征在于,所述拉曼光谱信息为采集鸡蛋的顶部蛋壳表面在100-3000cm-1范围内的拉曼光谱强度。
10.根据权利要求1-9任一所述的方法,其特征在于,所述拉曼光谱信息的采集参数为:激发波长785nm,采集波段为100-3000cm-1,积分时间5s,扫描3次,探头与鸡蛋的蛋壳表面距离为6mm。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010023268.2A CN111157511B (zh) | 2020-01-09 | 2020-01-09 | 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 |
PCT/CN2020/072891 WO2021138941A1 (zh) | 2020-01-09 | 2020-01-18 | 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 |
US17/214,809 US20210247318A1 (en) | 2020-01-09 | 2021-03-27 | Non-Destructive Detection of Egg Freshness Based on Raman Spectroscopy |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010023268.2A CN111157511B (zh) | 2020-01-09 | 2020-01-09 | 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111157511A true CN111157511A (zh) | 2020-05-15 |
CN111157511B CN111157511B (zh) | 2021-07-27 |
Family
ID=70562129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010023268.2A Active CN111157511B (zh) | 2020-01-09 | 2020-01-09 | 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210247318A1 (zh) |
CN (1) | CN111157511B (zh) |
WO (1) | WO2021138941A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112179746A (zh) * | 2020-09-24 | 2021-01-05 | 江南大学 | 一种定量评价鸡蛋胶护膜品质的方法 |
CN113866153A (zh) * | 2021-09-27 | 2021-12-31 | 江南大学 | 一种基于拉曼光谱技术的猪肉新鲜度快速检测方法 |
WO2022157760A1 (en) * | 2021-01-19 | 2022-07-28 | Nezer Zvi | Optical method of examining the liquid substance of an egg |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109813494A (zh) * | 2019-02-27 | 2019-05-28 | 西北农林科技大学 | 一种基于测量质心无损检测鸡蛋新鲜度的方法 |
CN113655050B (zh) * | 2021-08-17 | 2024-04-26 | 南京富岛信息工程有限公司 | 一种改进轻质油中痕量原油拉曼光谱检测限的方法 |
CN114578002B (zh) * | 2022-03-09 | 2022-11-25 | 武汉轻工大学 | 一种基于鸡蛋容重的鸡蛋品质无损检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105548028A (zh) * | 2015-12-11 | 2016-05-04 | 华中农业大学 | 禽蛋新鲜度的光纤光谱分级检测装置及其方法 |
CN109001152A (zh) * | 2018-10-08 | 2018-12-14 | 中国农业大学 | 基于可见/近红外光谱的禽蛋新鲜度综合指标检测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7351591B2 (en) * | 2004-03-30 | 2008-04-01 | Intel Corporation | Surface modification of metals for biomolecule detection using surface enhanced Raman scattering (SERS) |
CN103424394B (zh) * | 2013-08-23 | 2016-01-20 | 江苏大学 | 一种冷冻南美白对虾品质的拉曼无损检测方法 |
CN104597028B (zh) * | 2015-01-09 | 2018-03-16 | 河南工业大学 | 一种小麦新鲜度指标的快速检测方法 |
CN106706596A (zh) * | 2017-01-09 | 2017-05-24 | 河南工业大学 | 一种大米新鲜度的拉曼光谱检测方法 |
TW201913072A (zh) * | 2017-09-01 | 2019-04-01 | 鄭經偉 | 非破壞性光譜檢測蛋的新鮮度之方法 |
CN208752006U (zh) * | 2018-07-23 | 2019-04-16 | 南京农业大学 | 一种基于近红外光谱的鸡蛋新鲜度检测设备 |
-
2020
- 2020-01-09 CN CN202010023268.2A patent/CN111157511B/zh active Active
- 2020-01-18 WO PCT/CN2020/072891 patent/WO2021138941A1/zh active Application Filing
-
2021
- 2021-03-27 US US17/214,809 patent/US20210247318A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105548028A (zh) * | 2015-12-11 | 2016-05-04 | 华中农业大学 | 禽蛋新鲜度的光纤光谱分级检测装置及其方法 |
CN109001152A (zh) * | 2018-10-08 | 2018-12-14 | 中国农业大学 | 基于可见/近红外光谱的禽蛋新鲜度综合指标检测方法 |
Non-Patent Citations (3)
Title |
---|
周亚玲: "基于拉曼光谱技术的冷鲜牛肉贮藏中色泽变化特征研究", 《万方学位论文》 * |
时学锋 等: "品种、周龄、保存时间及保存条件对鸡蛋胶护膜品质的影响", 《中国家禽》 * |
赵杰文 等: "鸡蛋新鲜度的可见-近红外透射光谱快速识别", 《激光与光电子学进展》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112179746A (zh) * | 2020-09-24 | 2021-01-05 | 江南大学 | 一种定量评价鸡蛋胶护膜品质的方法 |
CN112179746B (zh) * | 2020-09-24 | 2021-11-23 | 江南大学 | 一种定量评价鸡蛋胶护膜品质的方法 |
WO2022157760A1 (en) * | 2021-01-19 | 2022-07-28 | Nezer Zvi | Optical method of examining the liquid substance of an egg |
CN113866153A (zh) * | 2021-09-27 | 2021-12-31 | 江南大学 | 一种基于拉曼光谱技术的猪肉新鲜度快速检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111157511B (zh) | 2021-07-27 |
US20210247318A1 (en) | 2021-08-12 |
WO2021138941A1 (zh) | 2021-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111157511B (zh) | 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 | |
Xia et al. | Recent advances in emerging techniques for non-destructive detection of seed viability: A review | |
Zhang et al. | Rapid determination of leaf water content using VIS/NIR spectroscopy analysis with wavelength selection | |
CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
WO2005111583A1 (ja) | 近赤外線分光法による野菜等の成分の非破壊検査法、及び同装置 | |
CN104965973A (zh) | 一种苹果霉心病多因子无损检测判别模型及其建立方法 | |
Xu et al. | Factors influencing near infrared spectroscopy analysis of agro-products: a review | |
Yang et al. | In situ determination of growing stages and harvest time of tomato (Lycopersicon esculentum) fruits using fiber-optic visible—near-infrared (vis-nir) spectroscopy | |
CN110749565A (zh) | 一种快速鉴别普洱茶存储年份的方法 | |
Chang et al. | Non-destructive identification of internal watercore in apples based on online Vis/NIR spectroscopy | |
CN108169168A (zh) | 检测分析水稻籽粒蛋白质含量数学模型及构建方法和应用 | |
CN104255118A (zh) | 基于近红外光谱技术的水稻种子发芽率快速无损测试方法 | |
Wang et al. | General model of multi-quality detection for apple from different origins by Vis/NIR transmittance spectroscopy | |
Ferrara et al. | The prediction of ripening parameters in Primitivo wine grape cultivar using a portable NIR device | |
Herrera et al. | Non-destructive determination of core-transition-outer wood of Pinus nigra combining FTIR spectroscopy and prediction models | |
CN110231302A (zh) | 一种快速测定奇亚籽粗脂肪含量的方法 | |
Janni et al. | Novel near-infrared sampling apparatus for single kernel analysis of oil content in maize | |
CN110231306A (zh) | 一种无损、快速测定奇亚籽蛋白质含量的方法 | |
CN113049526B (zh) | 一种基于太赫兹衰减全反射的玉米种子水分含量测定方法 | |
CN104089883B (zh) | 基于激光器阵列的检测装置及小黄鱼存储时间检测方法 | |
Abu-Khalaf et al. | Distinguishing carrot’s characteristics by near infrared (NIR) reflectance and multivariate data analysis | |
CN112763448A (zh) | 一种基于atr-ftir技术的米糠中多糖含量的快速检测方法 | |
Liu et al. | Prediction of valid acidity in intact apples with Fourier transform near infrared spectroscopy | |
CN102636455A (zh) | 一种近红外光谱测定双孢蘑菇硬度的方法 | |
Kandala et al. | Analysis of moisture content, total oil and fatty acid composition by NIR reflectance spectroscopy: A review |
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 |