CN111239056B - 一种产油微藻中三酰甘油含量的检测方法及其检测装置 - Google Patents
一种产油微藻中三酰甘油含量的检测方法及其检测装置 Download PDFInfo
- Publication number
- CN111239056B CN111239056B CN202010053583.XA CN202010053583A CN111239056B CN 111239056 B CN111239056 B CN 111239056B CN 202010053583 A CN202010053583 A CN 202010053583A CN 111239056 B CN111239056 B CN 111239056B
- Authority
- CN
- China
- Prior art keywords
- oil
- content
- producing microalgae
- triacylglycerol
- microalgae
- 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
- DCXXMTOCNZCJGO-UHFFFAOYSA-N tristearoylglycerol Chemical compound CCCCCCCCCCCCCCCCCC(=O)OCC(OC(=O)CCCCCCCCCCCCCCCCC)COC(=O)CCCCCCCCCCCCCCCCC DCXXMTOCNZCJGO-UHFFFAOYSA-N 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000003595 spectral effect Effects 0.000 claims abstract description 31
- 150000003626 triacylglycerols Chemical class 0.000 claims abstract description 22
- 238000002834 transmittance Methods 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000003384 imaging method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 8
- 229910052736 halogen Inorganic materials 0.000 claims description 6
- 150000002367 halogens Chemical class 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 5
- 235000007122 Scenedesmus obliquus Nutrition 0.000 claims description 4
- 241000195662 Tetradesmus obliquus Species 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 11
- 241000195493 Cryptophyta Species 0.000 description 7
- 238000009825 accumulation Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000003225 biodiesel Substances 0.000 description 2
- 235000014113 dietary fatty acids Nutrition 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229930195729 fatty acid Natural products 0.000 description 2
- 239000000194 fatty acid Substances 0.000 description 2
- 150000004665 fatty acids Chemical class 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000001651 autotrophic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- UHYPYGJEEGLRJD-UHFFFAOYSA-N cadmium(2+);selenium(2-) Chemical class [Se-2].[Cd+2] UHYPYGJEEGLRJD-UHFFFAOYSA-N 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 238000009614 chemical analysis method Methods 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000032050 esterification Effects 0.000 description 1
- 238000005886 esterification reaction Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000002189 fluorescence spectrum Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000003938 response to stress Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000000411 transmission spectrum Methods 0.000 description 1
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 1
- 230000000007 visual 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
-
- 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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
- G01N21/276—Calibration, base line adjustment, drift correction with alternation of sample and standard in optical path
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)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种产油微藻中三酰甘油含量的检测方法，包括：划分产油微藻样本为建模集S1和测试集S2；利用高光检测仪得到S1中的产油微藻样本的每个像素点在各个波长下的光谱透射率组成的原始高光谱三维图像；获取产油微藻中三酰甘油的含量并与校正后的高光谱三维图像中特征波长对应的光谱透射率建立函数关系；将高光检测仪检测到的S2中产油微藻样本中每个像素点在特征波长下的光谱透射率代入函数关系中，得到每个像素点三酰甘油的含量；统计所有像素点三酰甘油的含量，计算得到产油微藻中三酰甘油的平均含量。该检测方法实现了对产油微藻三酰甘油产量的快速、实时的监测，为产油微藻的培育、产油微藻产油量的提升提供了技术支持。
Description
技术领域
本发明涉及产油微藻生产管理领域，具体涉及一种基于透射高光谱三维图像的产油微藻中三酰甘油含量的检测方法和检测装置。
背景技术
随着化石能源的枯竭，生物质能源越来越受到人们的重视，产油微藻是指一些微观的单细胞群体，是最低等的、自养的释氧植物，它是低等植物中种类繁多、分布及其广泛的一个类群，无论是在海洋、淡水湖泊等水域，或在潮湿的土壤、树干等处，几乎在任何有光并且潮湿的地方，产油微藻都能生存。
产油微藻是光合效率最高的植物之一，与普通农作物相比，单位面积的产油率可高出数十倍，经过筛选和培育获得的性状优良的高产油藻株，在合适的环境中吸收阳光、CO2等，生成产油微藻生物质；这些生物质或者中性脂质(主要为三酰甘油)经过人类的分离收集，浓缩、干燥和提纯等加工，便可以转化为生物柴油，因此，这类产油微藻可以被用来当做传统化石燃料替代品的可靠来源，被称为产油微藻；为了实现产油微藻三酰甘油的大规模工业化生产，对产油微藻的三酰甘油积累情况进行实时的监测对于产油微藻生长的动态管理、提升三酰甘油的积累量十分必要。
由于产油微藻中三酰甘油的积累不同于一般的农作物，其原理是产油微藻对于不利环境的应激反应，三酰甘油含量的累积会达到一个峰值，达到这个峰值之后，三酰甘油的含量会呈减少趋势，因此，确定产油微藻中三酰甘油含量的最佳收获时间对于提高三酰甘油产量、提高经济效益尤其重要。
公开号为CN108037104A中公开了一种基于脂溶性量子点的微藻含油量快速检测方法，该检测方法中利用CdSe/CdS量子点染色微藻中油脂，利用藻液细胞密度与吸光度的线性关系标定藻液密度，在380nm的激发波长下，测定藻液的荧光光谱，根据荧光强度快速检测其总脂含量。
公开号为CN102495151B中公开了一种评价微藻产油能力的方法，该方法包括下述步骤；(1)微藻细胞收集及淬灭；(2)提取细胞内脂肪酸；(3)脂肪酸甲酯化；(4)GC-MS检测；(5)计算日产量；(6)十六烷值确定对微藻产油能力进行评价。
传统的产油微藻三酰甘油的检测方法是基于干物质重量和化学实验的分析方法，然而，干重分析法方法无法满足大规模培养下的实时在线检测，不能为产油微藻三酰甘油生产过程中最优收获时间的确定提供技术支持。同时，由于产油微藻个体微小，多生活在液体环境中，仅从长势信息难以判断其三酰甘油积累量，而三酰甘油含量是产油微藻培育过程中的一个重要的指标，对于藻油的生产、高产油藻株的培育都非常重要。
化学分析方法比较耗时，样本的处理比较复杂同时需要专门的分析人员对样本进行处理，除此之外，化学分析中所使用的化学药剂还会对环境造成一定污染，因此有必要提出一种环境友好，高效快速的产油微藻中三酰甘油含量检测方法。
发明内容
本发明提供了一种产油微藻中三酰甘油含量的检测方法，该方法利用透射高光谱技术直接对产油微藻中三酰甘油含量进行检测，方便快捷，可实时在线检测。
一种产油微藻中三酰甘油含量的检测方法，包括：
(1)准备产油微藻样本随机划分为建模集S1和测试集S2；
(2)利用高光检测仪对建模集S1中的产油微藻样本进行检测，得到由样本中每个像素点在各个波长下的光谱透射率组成的原始高光谱三维图像，以及检测对应产油微藻样本中的三酰甘油的含量；
(3)对步骤(2)中原始高光谱三维图像进行校正和背景删除，得到校正后的高光谱三维图像；
(4)将步骤(3)中校正后的高光谱三维图像中特征波长对应的光谱透射率与对应产油微藻样本中三酰甘油的含量建立函数关系；
(5)将高光检测仪检测到的测试集S2中产油微藻样本中每个像素点在特征波长下的光谱透射率代入步骤(4)中建立的函数关系中，得到每个像素点三酰甘油的含量；
(6)统计高光谱三维图像中所有像素点三酰甘油的含量，计算得到产油微藻中三酰甘油的平均含量。
步骤(1)中，所述产油微藻为斜生栅藻，所述的斜生栅藻繁殖迅速，适应性强，油脂产量高，是生物柴油的主要产油原料。
步骤(2)中，所述的原始高光谱三维图像对应的波长为900-1700nm。
步骤(3)中，所述的校正为利用校正公式对步骤(1)得到的高光谱三维图像进行校正，去除背景噪声；所述的校正公式为式(1)所示公式：
Tc＝(R-D)/(Mar{Rref}-D) (1)
其中，Tc是去除背景噪声后的光谱图像；R是原始的光谱数据；Rref为对照培养皿的光谱数据的平均值；D为高光谱相机镜头遮盖下的黑帧光谱数据。
由于产油微藻多生长在有水的环境中，而水的存在对高光谱具有较大的影响，为了尽量避免了水分的影响，优选的，所述的校正后的高光谱三维图像对应的波长为990-1440nm。
步骤(4)中，所述的特征波长为1076nm，1079nm，1082nm，1086nm，1103nm，1106nm，1109nm，1116nm，1119nm，1123nm，1126nm，1143nm，1146nm，1187nm，1190nm，1193nm，1197nm，1200nm，1204nm，1227nm，1230nm，1237nm，1241nm，1244nm，1271nm，1281nm，1288nm，总计27个波长。
步骤(4)中，所述的函数关系为式(2)所示的公式：
L＝1.0137+35.2453λ1076-165.0201λ1079+79.0703λ1082
+87.2379λ1086-95.2506λ1103+170.9891λ1106-176.5286λ1109
+118.5625λ1116-44.3475λ1119-107.0401λ1123+107.9599λ1126
-72.6936λ1143+65.7967λ1146+89.1868λ1187-70.1483λ1190
-36.2388λ1193-74.4164λ1197+61.5486λ1200+37.9554λ1204
+59.6103λ1227-97.7352λ1230+75.6484λ1237+76.7655λ1241
-153.4827λ1244+48.1348λ1271-80.1541λ1281+60.1130λ1288
其中，λi代表的是波长i处的光谱透射率；L代表三酰甘油的含量。
本发明还提供了一种检测产油微藻中三酰甘油含量的高光检测仪，该高光检测仪中利用透射高光谱技术对产油微藻中三酰甘油含量的分布进行成像，实现了对产油微藻三酰甘油产量的实时监测，为产油微藻的培育、藻油产量的提升以及藻株的筛选提供了技术支持。
一种检测产油微藻中三酰甘油含量的高光检测仪，所述的高光检测仪包括壳体，所述的壳体包括由遮光板阻隔开的带有成像光谱仪的暗室和样品室；所述的遮光板上开有狭光通道；所述的成像光谱仪的扫描物镜与遮光板上的狭光通道无缝连接；所述的样品室包括由电动控制的带有样品池的透射采集平台和透射采集平台下与狭光通道相对应的直射光源。
为了使产油微藻中三酰甘油分布的成像效果明显，直射光源的亮度容易控制，所述的直射光源为卤素灯。
本发明具有以下有益的技术效果：
(1)适应性强；本发明所述的产油微藻中三酰甘油含量的检测方法中利用透射高光谱技术实现了产油微藻中三酰甘油含量的快速无损检测，为藻油产业中产油微藻中三酰甘油含量的检测提供了普遍适应的标准。
(2)鲁棒性好；本发明所述的产油微藻中三酰甘油含量的检测方法中利用透射光谱及校正技术，最大化的提取了高光谱三维图像中与三酰甘油含量有关的特征波长光谱透射率，屏蔽了背景的干扰，使得该方法具有较好的稳定性。
(3)速度快，准确度高；本发明所述的产油微藻中三酰甘油含量的检测方法中借助计算机技术建立产油微藻三酰甘油的特征波长的透射率与产油微藻中的三酰甘油含量的函数关系，生成的产油微藻中三酰甘油含量分布图，可以实现快速、实时的对产油微藻三酰甘油产量的监测，为产油微藻的培育、产油微藻产油量的提升以及产油微藻藻株的筛选提供了技术支持。
附图说明
图1为实施例1中高光检测仪检测到的每个产油微藻样本的平均光谱图像。
图2为实施例1中产油微藻样本中三酰甘油含量的统计图。
图3为实施例1中产油微藻测试样本中三酰甘油的分布示意图，其中，A为三酰甘油。
图4为实施例1中校正后的高光谱图像某一具体检测范围的示意图；其中，a为背景区域；b为产油微藻样本；c为产油微藻中三酰甘油含量分布图成像区域。
图5为实施例1中产油微藻中甘油三酯含量的计算值与实际值的对比图。
图6为实施例1所述的高光检测仪的结构示意图。
具体实施方式
现结合附图和具体实施方式对本发明进一步说明。
实施例1
1、样本的检测与处理
1.1、将不同培养环境下的斜生栅藻样本126个，每个样本15毫升，将样本放入直径60mm培养皿，使用移液枪将样本混匀，利用高光检测仪进行光谱数据的采集，扫描结束后，如图1所示，得到产油微藻原始的高光谱三维图像。
1.2、将126个斜生栅藻样本离心分离并干燥，利用干重法获得产油微藻三酰甘油的实际含量，三酰甘油含量的分布如表1所示。
表1样本产油微藻中三酰甘油的含量统计分析结果
如图2所示，产油微藻样本中三酰甘油的含量分布并不均匀，其中，产油微藻样本中有90％的产油微藻中三酰甘油含量高于40％；三酰甘油含量高于55％的产油微藻占所有产油微藻样本的25％；如图3所示，产油微藻测试样本中三酰甘油A的分布情况可直接被观测到。
2、数据处理
2.1、为了消除产油微藻原始的高光谱三维图像中的背景干扰，利用式(1)所示的校正公式对原始图像进行校正，所述的校正公式为式(1)所示公式：
Tc＝(R-D)/(Max{Rref}-D) (1)
其中，Tc是去除背景噪声后的光谱图像；R是原始的光谱数据；Rref为对照培养皿的光谱数据的平均值；D为高光谱相机镜头遮盖下的黑帧光谱数据。
2.2、如图4所示，使用Envi提取整个校正后高光谱三维图像内的平均光谱透射率，利用Matlab选取高光谱三维图像内某一感兴趣区域3进行可视化分析；其中，a为背景区域；b为产油微藻样本；c为所选取的产油微藻中三酰甘油含量分布图成像区域。
建立微藻光谱特征波长所对应的光谱透射率和三酰甘油含量之间的关系，具体包括：
(1)对高光谱三维图像的微藻样本区域的光谱透射率进行归一化和平滑处理。
(2)利用竞争自适应重加权算法获得样本的最优特征波长，具体为1076nm，1079nm，1082nm，1086nm，1103nm，1106nm，1109nm，1116nm，1119nm，1123nm，1126nm，1143nm，1146nm，1187nm，1190nm，1193nm，1197nm，1200nm，1204nm，1227nm，1230nm，1237nm，1241nm，1244nm，1271nm，1281nm，1288nm，总计27个波长。
(3)通过多元线性回归算法，建立特征波长所对应的光谱透射率与三酰甘油含量的函数关系；所述的函数关系如式(2)所示：
其中，λi代表的是特征波长i处的光谱透射率；L代表三酰甘油的含量。
3、待测产油微藻样本的检测
取待测产油微藻样本15ml，获取高光谱三维图像中的光谱透射率，通过已建立的光谱透射率与产油微藻中三酰甘油含量的关系，得到产油微藻在生长环境下的三酰甘油浓度分布图和三酰甘油平均积累量。
如图5所示，利用式(2)所示的函数关系计算得到的产油微藻中三酰甘油的含量与实际测量到的产油微藻中三酰甘油的含量对比，从图中可以得出，实际检测到的产油微藻中三酰甘油的含量与利用公式(2)获得的三酰甘油的含量一致，验证了本发明所述的产油微藻中三酰甘油含量的检测方法的准确性。
如图6所示，一种检测产油微藻中三酰甘油含量的高光检测仪，所述的高光检测仪包括壳体1，所述的壳体1包括由遮光板5隔开的带有成像光谱仪为ImSpector N17(Spectral Imaging Ltd，Oulu，Finland)4的暗室2和样品室3；所述的遮光板上开有狭光通道6；所述的成像光谱仪4的扫描物镜41与遮光板5上的狭光通道6无缝连接；所述的样品室3包括由电动推杆7操控的带有样品池11的透射采集平台8和透射采集平台8下与暗室2狭光通道6相对应的卤素灯9；所述的卤素灯9为直射光源，且位于狭光通道6正下方；所述的电动推杆7由步进电机10控制。
使用时，将式2所示公式输入与成像光谱仪4直接相连的电脑中作为运算函数，将产油微藻放置于高光检测仪的样品室3的透射采集平台8的样品池11中，打开卤素灯9，控制透射采集平台8上盛有产油微藻样品的样品池11与卤素灯9相对应，利用成像高光谱仪4记录产油微藻高光谱三维图像中每个波长所对应的光谱透射率，将特征波长所对应的光谱透射率代入式2所示公式中，得到产油微藻样本每个像素点的三酰甘油的含量，统计高光谱三维图像中所有像素点三酰甘油的含量，计算得到产油微藻中三酰甘油的平均含量值。
Claims (5)
1.一种产油微藻中三酰甘油含量的检测方法，其特征在于，包括：
(1)将产油微藻样本随机划分为建模集S1和测试集S2；
(2)利用高光检测仪对建模集S1中的产油微藻样本进行检测，得到产油微藻样本的每个像素点在各个波长下的光谱透射率组成的原始高光谱三维图像，并检测对应产油微藻样本的中三酰甘油的含量；
(3)对步骤(2)中原始高光谱三维图像进行校正和背景删除，得到校正后的高光谱三维图像；
(4)将校正后的高光谱三维图像中特征波长对应的平均光谱透射率与对应产油微藻样本中三酰甘油的含量建立函数关系；
所述的特征波长为1076nm，1079nm，1082nm，1086nm，1103nm，1106nm，1109nm，1116nm，1119nm，1123nm，1126nm，1143nm，1146nm，1187nm，1190nm，1193nm，1197nm，1200nm，1204nm，1227nm，1230nm，1237nm，1241nm，1244nm，1271nm，1281nm，1288nm，总计27个波长；
所述的函数关系为式(2)所示的公式：
其中，λi代表的是特征波长i处的光谱透射率；L代表三酰甘油的含量；
(5)将高光检测仪检测到的测试集S2中产油微藻样本的每个像素点在特征波长下的光谱透射率代入步骤(4)中建立的函数关系中，得到每个像素点三酰甘油的含量；
(6)统计高光谱三维图像中所有像素点三酰甘油的含量，计算得到产油微藻中三酰甘油的平均含量。
2.根据权利要求1所述的产油微藻中三酰甘油含量的检测方法，其特征在于，步骤(1)中，所述产油微藻为斜生栅藻。
3.根据权利要求1所述的产油微藻中三酰甘油含量的检测方法，其特征在于，步骤(3)中，所述的校正的公式为式(1)所示公式：
Tc＝(R-D)/(Max{Rref}-D) (1)
其中，Tc是去除背景噪声后的光谱图像；R是原始的光谱数据；Rref为对照培养皿的光谱数据的平均值；D为高光谱相机镜头遮盖下的黑帧光谱数据。
4.一种实施权利要求1～3任一项所述的产油微藻中三酰甘油含量检测方法的高光检测仪，包括：壳体(1)，其特征在于，所述的壳体(1)包括经遮光板(5)隔开的带有成像光谱仪(4)的暗室(2)和样品室(3)；所述的遮光板上开有狭光路(6)；所述的成像光谱仪(4)的扫描物镜(41)与遮光板(5)上的狭光路(6)无缝连接；所述的样品室(3)包括电动操控的带有样品池(11)的透射采集平台(8)和透射采集平台(8)下与狭光路(6)相对应的直射光源(9)。
5.根据权利要求4所述的高光检测仪，其特征在于，所述的直射光源(9)为卤素灯。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010053583.XA CN111239056B (zh) | 2020-01-17 | 2020-01-17 | 一种产油微藻中三酰甘油含量的检测方法及其检测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010053583.XA CN111239056B (zh) | 2020-01-17 | 2020-01-17 | 一种产油微藻中三酰甘油含量的检测方法及其检测装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111239056A CN111239056A (zh) | 2020-06-05 |
| CN111239056B true CN111239056B (zh) | 2021-04-20 |
Family
ID=70867754
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010053583.XA Active CN111239056B (zh) | 2020-01-17 | 2020-01-17 | 一种产油微藻中三酰甘油含量的检测方法及其检测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111239056B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106018292A (zh) * | 2016-07-19 | 2016-10-12 | 华中农业大学 | 蛋清中蛋白质构象的无损检测装置及其方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5711089B2 (ja) * | 2011-09-27 | 2015-04-30 | 築野食品工業株式会社 | 近赤外分光法を用いた玄米中のトリアシルグリセロールの定量方法 |
| CN105300896B (zh) * | 2015-11-10 | 2019-05-17 | 广东省生物资源应用研究所 | 一种地沟油高光谱透射快速检测方法 |
| CN105891123A (zh) * | 2016-04-07 | 2016-08-24 | 浙江大学 | 基于高光谱透射成像的雨生红球藻色素含量可视化方法 |
| CN207379913U (zh) * | 2017-10-19 | 2018-05-18 | 新疆农业大学 | 一种基于反射和透射高光谱成像的棉花杂质检测装置 |
-
2020
- 2020-01-17 CN CN202010053583.XA patent/CN111239056B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106018292A (zh) * | 2016-07-19 | 2016-10-12 | 华中农业大学 | 蛋清中蛋白质构象的无损检测装置及其方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111239056A (zh) | 2020-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108663339B (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
| US8902423B2 (en) | Classification using multivariate optical computing | |
| CN103411952B (zh) | 一种基于拉曼光谱技术的藻种分类识别方法 | |
| KR20090095542A (ko) | 광독립영양 유기물의 광합성 파라미터를 형광측정법적으로 측정하는 방법, 상기 방법을 수행하는 장치 및 측정 챔버 | |
| CN112669915B (zh) | 一种基于神经网络与近红外光谱的梨无损检测方法 | |
| CN107389548B (zh) | 一种油菜产量的早期预测方法及油菜角果遮光装置 | |
| CN110849828A (zh) | 一种基于高光谱图像技术的藏红花分类方法 | |
| CN103499560A (zh) | 一种结合拉曼光谱技术和谱峰比值法的藻种鉴别方法 | |
| CN111289489B (zh) | 一种基于拉曼光谱的微生物单细胞生长检测方法 | |
| Liu et al. | The application of spectroscopy technology in the monitoring of microalgae cells concentration | |
| JP2017106831A (ja) | 微細藻類のモニタリング装置及び微細藻類のモニタリング方法 | |
| CN114112932A (zh) | 基于深度学习的油茶果成熟度高光谱检测方法及分选设备 | |
| CN103592283B (zh) | 一种快速检测微藻产能过程的方法 | |
| CN111426636A (zh) | 酒类化学组分含量快速分析仪 | |
| CN111751347A (zh) | 基于拉曼光谱的白粉病胁迫下大麦叶片色素成像方法 | |
| CN111239056B (zh) | 一种产油微藻中三酰甘油含量的检测方法及其检测装置 | |
| CN102313715A (zh) | 基于激光技术的蜂蜜品质检测方法 | |
| Thiviyanathan et al. | Microalgae biomass and biomolecule quantification: optical techniques, challenges and prospects | |
| CN111175260B (zh) | 基于紫外三维荧光的海洋toc传感器与使用方法 | |
| CN115951025B (zh) | 一种水体总磷浓度的反演方法 | |
| de Souza et al. | Interference of starch accumulation in microalgal cell growth measurement | |
| Yang et al. | Rapid identification of microplastic using portable Raman system and extra trees algorithm | |
| CN110806404A (zh) | 一种叶绿素荧光检测的改良方法及装置 | |
| CN104198409A (zh) | 一种基于可见近红外光谱技术的浸入式藻种鉴别方法 | |
| Lazcano-Hernández et al. | Off-line and on-line optical monitoring of microalgal growth |
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 |