CN111323384B - 一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法 - Google Patents
一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法 Download PDFInfo
- Publication number
- CN111323384B CN111323384B CN202010314745.0A CN202010314745A CN111323384B CN 111323384 B CN111323384 B CN 111323384B CN 202010314745 A CN202010314745 A CN 202010314745A CN 111323384 B CN111323384 B CN 111323384B
- Authority
- CN
- China
- Prior art keywords
- milk
- spectrum
- urea
- infrared
- dimensional
- 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
- 239000008267 milk Substances 0.000 title claims abstract description 152
- 210000004080 milk Anatomy 0.000 title claims abstract description 152
- 235000013336 milk Nutrition 0.000 title claims abstract description 152
- 238000001228 spectrum Methods 0.000 title claims abstract description 132
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 title claims abstract description 63
- 239000004202 carbamide Substances 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 239000000843 powder Substances 0.000 claims abstract description 19
- 238000002474 experimental method Methods 0.000 claims description 23
- 238000002329 infrared spectrum Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012850 discrimination method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000010521 absorption reaction Methods 0.000 abstract description 4
- 230000001360 synchronised effect Effects 0.000 description 14
- 230000003595 spectral effect Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000000985 reflectance spectrum Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 239000002019 doping agent Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229920000877 Melamine resin Polymers 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- JDSHMPZPIAZGSV-UHFFFAOYSA-N melamine Chemical compound NC1=NC(N)=NC(N)=N1 JDSHMPZPIAZGSV-UHFFFAOYSA-N 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 230000017105 transposition 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
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- 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
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
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
本发明属于检测方法领域,涉及掺伪牛奶的检测,尤其是一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法,包括如下步骤,步骤1:制备纯尿素粉末、纯牛奶以及不同浓度的掺杂尿素牛奶样品;步骤2:扫描制备的所有样品的近红外漫反射光谱;步骤3:确定纯尿素粉末的特征吸收波带;步骤4:确定纯牛奶固有组分的特征吸收波带;步骤5:得到所有纯牛奶和掺杂牛奶的二维近红外相关谱;步骤6:得到所有样品在特征波带处的切谱;步骤7:得到用于建模的三维特征切谱矩阵X;步骤8:建立多维偏最小二乘判别模型;步骤9:对未知奶样品是否掺杂进行判别。
Description
技术领域
本发明属于检测方法领域,涉及掺伪牛奶的检测,尤其是一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法。
背景技术
奶是人们生命的最初阶段的唯一食物。随着社会的快速发展和人民生活水平的提高,牛奶日益成为了大家平时生活中的日常饮品。牛奶,微量元素十分丰富,牛奶具有润肠、润燥的功能,也有延缓面部衰老,减缓人们大脑衰老的功能,因此受到广大消费者欢迎。但是,有很多不法商贩,为了获取暴利,往往会在牛奶中添加一些不同于牛奶固有组分的掺杂物,这些掺杂牛奶直接危害人体健康,存在很大的安全隐患,甚至导致部分饮用者中毒。因此,就需要发展一种快速便捷的掺杂牛奶的检测方法,以为消费者喝放心奶保驾护航。
常规的一维光谱已被广泛应用于判别掺假食品中。然而,牛奶是一种复杂的生物体系,既包含溶解物,还包括悬浮的胶体;再加上牛奶中掺杂物的多样化和微量化,以致纯牛奶的固有组分和掺杂物特征峰相互相叠。因此,通过常规的一维光谱无法有效地提取牛奶中微量的掺杂物特征信息。
相对于传统的一维光谱,二维相关谱技术可以更有效地提取复杂体系中待分析组分微弱的、变化的特征信息,已被用于掺伪食品的检测中。中国发明专利申请公开号CN104316491A公开了一种牛奶中掺尿素的同步-异步二维近红外相关谱检测方法;中国发明专利申请公开号CN103792198A公开了一种牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法。上述所公开的两种方法虽然取得较好的分析结果,但建模所基于的是二维相关谱矩阵中所包含的全部信息,数据量巨大,模型复杂、计算时间长、效率低。
发明内容
针对现有技术中存在的不足,本发明提供基于二维近红外相关切谱掺伪牛奶的判别方法,利用掺杂物和牛奶固有组分特征切谱进行建模分析掺杂牛奶,该检测方法不仅有效提取了纯牛奶固有组分和微量掺杂物的特征信息,而且克服了直接基于二维关谱建模效率低的问题,该方法简易、科学、分析效率和预测精度高。
本发明是通过以下技术方案实现的:
一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法,其特征在于:包括如下步骤:
步骤1:准备实验用纯尿素粉末、纯牛奶以及不同浓度的掺杂尿素牛奶;
步骤2:分别扫描实验用纯尿素粉末、纯牛奶以及不同浓度的掺杂尿素牛奶的近红外漫反射光谱,分别得到实验用纯尿素粉末、纯牛奶以及不同浓度掺杂尿素的牛奶一维近红外光谱数据;
步骤3:确定步骤2中纯尿素粉末的特征近红外波带:A1、A2、A3、A4、A5和A6;
步骤4:根据步骤2中纯牛奶近红外光谱,确定牛奶固有组分的特征波带:B1、B2、B3和B4;
步骤5:将实验用纯牛奶一维近红外平均谱数据与实验用纯牛奶一维近红外光谱数据进行二维相关计算得到实验用纯牛奶二维近红外相关谱;将实验用纯牛奶一维近红外平均谱数据与掺杂尿素牛奶一维近红外光谱数据进行二维相关计算得到实验用掺杂尿素牛奶二维近红外相关谱;
步骤6:对步骤5中得到的纯牛奶和掺杂尿素牛奶的二维近红外相关谱在步骤3确定的尿素特征波带:A1、A2、A3、A4、A5、A6和步骤4确定的牛奶固有组分特征波段:B1、B2、B3、B4处进行切谱,得到所有样品的特征切谱C1、C2、C3、C4、C5、C6、C7、C8、C9、C10;
步骤7:将步骤6中得到的样品特征切谱按行排列,得到所有样品的特征切谱矩阵X;
步骤8:将步骤7得到的所有样品的特征光谱矩阵X与类别变量矩阵Y采用多维偏最小二乘判别法建立判别模型;
步骤9:将未知样品奶进行近红外漫反射光谱扫描得到未知样品奶一维近红外光谱数据,将实验用纯牛奶一维近红外平均谱数据与未知样品奶一维近红外光谱数据进行二维相关谱计算,得未知样品奶二维近红外相关谱,根据步骤6,在A1、A2、A3、A4、A5、A6和B1、B2、B3、B4处对未知样品奶二维近红外相关谱进行相切,得到未知样品的特征切谱,并根据步骤7对其按行排列,得到未知样品的特征切谱矩阵R,并将其代入步骤8中的判别模型,得到未知样品奶是否掺杂尿素。
进一步的,步骤5中对所有样品二维近红外谱进行相切,得到切谱用于建模分析。
进一步的,步骤5中仅在尿素特征波带和牛奶固有组分波带处进行相切。
进一步的,步骤6中对各切谱按行排,得到特征切谱矩阵X为三维矩阵。
进一步的,步骤7中建模所用的特征切谱矩阵既包含了掺杂物尿素和牛奶固有组分的特征信息,又包括了二者之间的相关特征信息。
本发明的优点及有益效果是:
1、本发明中,基于二维近红外相关切谱掺伪牛奶的判别方法,相对于常规一维近红外光谱,既包含了掺杂物尿素和牛奶固有组分的特征信息,又包括了二者之间的相关特征信息,可实现未知牛奶样品是否掺杂尿素的准确判别。
2、本发明中,基于二维近红外相关切谱掺伪牛奶的判别方法,是利用近红外相关谱在特征谱带处的切谱进行建模分析,以在4000-11000cm-1的扫描范围内为例,一维近红外光谱数据1750个,进行二维相关计算后的二维相关谱矩阵的数据量为1750*1750个;而应用特征切谱后所用的数据量为10×1750个,需处理的数据量仅为原数据量的0.57%。因此,可明显提升建模效率,大幅减少数据量。
3、本发明中,本发明中,基于二维近红外相关谱技术,相对于常规一维近红外光谱,具有更高的分辨率,可有效区分一维光谱上被覆盖的小峰和弱峰。操作方法更为简便,分析效率大幅提高,判别正确率更为准确。
附图说明
图1纯尿素粉末的一维近红外漫反射光谱;
图2纯牛奶的一维近红外漫反射谱;
图3纯牛奶同步二维近红外相关谱的切谱;
图4纯牛奶异步二维近红外相关谱的切谱;
图5掺杂尿素牛奶同步二维近红外相关谱的切谱;
图6掺杂尿素牛奶异步二维近红外相关谱的切谱。
具体实施方式
下面结合实施例,对本发明进一步说明,下述实施例是说明性的,不是限定性的,不能以下述实施例来限定本发明的保护范围。下面以牛奶中掺杂尿素判别为实施例,结合附图对本发明的掺伪牛奶判别方法进行详细说明。
一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法,本发明的创新在于,包括如下步骤:
步骤1:准备实验用纯尿素粉末、纯牛奶以及不同浓度的掺杂尿素牛奶;
本实施例中,取一定量的尿素粉末加入到少量纯牛奶中,搅拌、摇匀,再倒入到500ml容量瓶内,重复多次,最后用纯牛奶定容,通过充分摇匀,并且用超声波震动使得尿素在牛奶中充分溶解,得到10mg/ml浓度的掺杂尿素牛奶。依据低浓度分布紧和高浓度分布松的原则每个品牌分别配置40个掺杂尿素牛奶样品(0.1-10mg/ml)。
步骤2:在4000-11000cm-1范围分别扫描实验用纯尿素粉末、纯牛奶以及不同浓度的掺杂尿素牛奶的近红外漫反射光谱,分别得到实验用纯尿素粉末、纯牛奶以及不同浓度掺杂尿素牛奶在4000-11000cm-1范围的一维近红外光谱数据;
本实施例中,采用美国珀金埃尔默公司生产的傅里叶变换近红外光谱仪,对制备的尿素粉末、纯牛奶以及不同浓度掺杂尿素牛奶进行漫反射光谱扫描,得到每一样品的近红外漫反射光谱。
仪器参数设置如下:仪器自带积分球附件,扫描范围4000-11000cm-1,分辨率为8cm-1,每个样品扫描32次,取平均光谱。
图1和图2分别是纯尿素粉末和纯牛奶在4000-11000cm-1范围的一维近红外漫反射光谱图。
步骤3:确定(2)中纯尿素粉末的特征近红外波带:4510cm-1、5020cm-1、6542cm-1、6820cm-1、7698cm-1、9718cm-1;
如图1所示,纯尿素粉末在4000-11000cm-1范围内存在六个明显的特征吸收波带,其位置分别在4510cm-1、5020cm-1、6542cm-1、6820cm-1、7698cm-1和9718cm-1处,选定这六个波带位置所对应的二维近红外相关谱的切谱来提取牛奶中掺杂尿素的相关特征信息。
步骤4:根据(2)中纯牛奶近红外光谱,确定牛奶固有组分的特征波带:5170cm-1、6886cm-1、8294cm-1、10210cm-1;
如图2所示,纯牛奶在12000-4000cm-1范围内存在四个明显的特征吸收波带,其位置分别在5170cm-1、6886cm-1、8294cm-1和10210cm-1处,选定这4个波带位置所对应的二维近红外相关谱的切谱来提取纯牛奶固有组分的相关特征信息。
步骤5:将实验用纯牛奶一维近红外平均谱数据与实验用纯牛奶一维近红外光谱数据进行二维相关计算得到实验用纯牛奶同步和异步二维近红外相关谱;将实验用纯牛奶一维近红外平均谱数据与掺杂尿素牛奶一维近红外光谱数据进行二维相关计算得到实验用掺杂尿素牛奶同步和异步二维近红外相关谱;
本实施例中,对于一维动态光谱矩阵S(m×n),根据Noda理论,同步二维近红外相关谱Φ(ν1,ν2)可表示为:
异步二维近红外相关谱ψ(v1,v2)可表示为:
式中:m是光谱数,N为m阶方阵,称为Hilbert-Noda矩阵,T表示转置,n表示在近红外波段分别采集的波长数。
本实施例中,S中都包括两个光谱(m=2),S的第一行为纯牛奶的一维近红外平均谱,当S的第二行为第i个纯牛奶或掺杂尿素牛奶的一维近红外谱时,根据上式就可分别得到第i个纯牛奶或掺杂尿素牛奶所对应的同步和异步二维近红外相关谱。
步骤6:对(5)中得到的纯牛奶和掺杂尿素牛奶的同步和异步二维近红外相关谱在(3)确定的尿素特征波带:4510cm-1、5020cm-1、6542cm-1、6820cm-1、7698cm-1、9718cm-1和(4)确定的牛奶固有组分特征波段:5170cm-1、6886cm-1、8294cm-1、10210cm-1处进行切谱,得到所有样品同步和异步二维近红外相关谱在上述10个特征波带处的切谱;
如图3和图4所示,分别为纯牛奶的同步和异步二维近红外相关谱在上述10个特征波带处对应的切谱;图5和图6,分别为掺杂尿素牛奶的同步和异步二维近红外相关谱在上述10个特征波带处对应的切谱
步骤7:将(6)中得到的样品同步特征切谱按行排列,得到所有样品的同步特征切谱矩阵X1(80×10×1750);同样将(5)中得到的样品异步特征切谱按行排列,得到所有样品的异步特征切谱矩阵X2(80×10×1750);
步骤8:利用切谱矩阵X与类别变量矩阵Y建立纯牛奶和掺杂尿素牛奶的多维偏最小二乘判别模型;
采用浓度梯度法从40个纯牛奶和40个掺杂尿素样品中选出54个作为校正集,余下26个样品作为独立的预测集。在校正集和预测集中,纯牛奶和掺杂尿素牛奶分别用“0”、“1”来表示其类别属性。将切谱矩阵作为自变量,类别属性变量矩阵作为因变量,建立纯牛奶和掺杂牛奶的多维偏最小二乘判别模型。对于同步切谱矩阵(54×10×1750)与类别变量(54×1)所建立的判别模型,该模型对校正集样品进行内部预测,其判别正确率为100%。对于异步切谱矩阵(54×10×1750)与类别变量(54×1)所建立的判别模型,该模型对校正集样品进行内部预测,其判别正确率为100%。
步骤9:利用步骤8所建立的模型,对未知奶样品进行判别。
在本实例中,通过测定未知奶样品的一维近红外漫反射光谱,采用校正模型中所用纯牛奶样品的一维近红外平均谱,依据式(1)计算其同步和异步二维近红外相关谱,并在4510cm-1、5020cm-1、6542cm-1、6820cm-1、7698cm-1、9718cm-1和5170cm-1、6886cm-1、8294cm-1、10210cm-1处对未知样品奶同步和异步二维近红外相关谱进行相切,得到未知样品的切谱,并按行进行排列,得到未知奶切谱矩阵。在此基础上,利用上述建立的多维偏最小二乘判别模型对预测集样品进行外部预测。对于同步切谱矩阵模型对未知样品的判别正确率为100%;对于异步切谱矩阵模型对未知样品的判别正确率也为100%。
上述参照实施例对异步二维近红外相关切谱掺伪牛奶的判别方法的详细描述,是说明性的而不是限定性的,应该说明的是,在不脱离本发明的核心的情况下,任何简单的变形、修改或者其他本领域技术人员能够不花费创造性劳动的等同替换均落入本发明的保护范围。
Claims (5)
1.一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法,其特征在于:包括如下步骤:
步骤1:准备实验用纯尿素粉末、纯牛奶以及不同浓度的掺杂尿素牛奶;
步骤2:分别扫描实验用纯尿素粉末、纯牛奶以及不同浓度的掺杂尿素牛奶的近红外漫反射光谱,分别得到实验用纯尿素粉末、纯牛奶以及不同浓度掺杂尿素的牛奶一维近红外光谱数据;
步骤3:确定步骤2中纯尿素粉末的特征近红外波带:A1、A2、A3、A4、A5和A6;
步骤4:根据步骤2中纯牛奶近红外光谱,确定牛奶固有组分的特征波带:B1、B2、B3和B4;
步骤5:将实验用纯牛奶一维近红外平均谱数据与实验用纯牛奶一维近红外光谱数据进行二维相关计算得到实验用纯牛奶二维近红外相关谱;将实验用纯牛奶一维近红外平均谱数据与掺杂尿素牛奶一维近红外光谱数据进行二维相关计算得到实验用掺杂尿素牛奶二维近红外相关谱;
步骤6:对步骤5中得到的纯牛奶和掺杂尿素牛奶的二维近红外相关谱在步骤3确定的尿素特征波带:A1、A2、A3、A4、A5、A6和步骤4确定的牛奶固有组分特征波段:B1、B2、B3、B4处进行切谱,得到所有样品的特征切谱C1、C2、C3、C4、C5、C6、C7、C8、C9、C10;
步骤7:将步骤6中得到的样品特征切谱按行排列,得到所有样品的特征切谱矩阵X;
步骤8:将步骤7得到的所有样品的特征切 谱矩阵X与类别变量矩阵Y采用多维偏最小二乘判别法建立判别模型;
步骤9:将未知样品奶进行近红外漫反射光谱扫描得到未知样品奶一维近红外光谱数据,将实验用纯牛奶一维近红外平均谱数据与未知样品奶一维近红外光谱数据进行二维相关谱计算,得未知样品奶二维近红外相关谱,根据步骤6,在A1、A2、A3、A4、A5、A6和B1、B2、B3、B4处对未知样品奶二维近红外相关谱进行相切,得到未知样品的特征切谱,并根据步骤7对其按行排列,得到未知样品的特征切谱矩阵R,并将其代入步骤8中的判别模型,得到未知样品奶是否掺杂尿素。
2.根据权利要求1所述的一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法,其特征在于:步骤5中对所有样品二维近红外谱进行相切,得到切谱用于建模分析。
3.根据权利要求1或2所述的一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法,其特征在于:步骤5中仅在尿素特征波带和牛奶固有组分波带处进行相切。
4.根据权利要求1或2或3所述的一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法,其特征在于:步骤7 中对各切谱按行排,得到特征切谱矩阵X为三维矩阵。
5.根据权利要求1或2或3或4所述的一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法,其特征在于:步骤8 中建模所用的特征切谱矩阵既包含了掺杂物尿素和牛奶固有组分的特征信息,又包括了二者之间的相关特征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010314745.0A CN111323384B (zh) | 2020-04-21 | 2020-04-21 | 一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010314745.0A CN111323384B (zh) | 2020-04-21 | 2020-04-21 | 一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111323384A CN111323384A (zh) | 2020-06-23 |
CN111323384B true CN111323384B (zh) | 2022-01-14 |
Family
ID=71166408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010314745.0A Active CN111323384B (zh) | 2020-04-21 | 2020-04-21 | 一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111323384B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103792198A (zh) * | 2014-02-24 | 2014-05-14 | 天津农学院 | 牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法 |
CN104316491A (zh) * | 2014-11-12 | 2015-01-28 | 天津农学院 | 基于同步-异步二维近红外相关谱检测牛奶掺尿素的方法 |
CN106483166A (zh) * | 2016-09-25 | 2017-03-08 | 西北农林科技大学 | 一种基于介电谱技术快速检测牛乳脂肪含量的方法 |
CN106596464A (zh) * | 2016-12-23 | 2017-04-26 | 天津农学院 | 一种奶粉中掺三聚氰胺的近红外自相关谱检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9117277B2 (en) * | 2012-04-04 | 2015-08-25 | Canon Kabushiki Kaisha | Determining a depth map from images of a scene |
CN107894408B (zh) * | 2017-11-24 | 2021-04-13 | 中国农业科学院油料作物研究所 | 一种基于近红外光谱仪的食用油多元掺伪鉴别方法 |
-
2020
- 2020-04-21 CN CN202010314745.0A patent/CN111323384B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103792198A (zh) * | 2014-02-24 | 2014-05-14 | 天津农学院 | 牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法 |
CN104316491A (zh) * | 2014-11-12 | 2015-01-28 | 天津农学院 | 基于同步-异步二维近红外相关谱检测牛奶掺尿素的方法 |
CN106483166A (zh) * | 2016-09-25 | 2017-03-08 | 西北农林科技大学 | 一种基于介电谱技术快速检测牛乳脂肪含量的方法 |
CN106596464A (zh) * | 2016-12-23 | 2017-04-26 | 天津农学院 | 一种奶粉中掺三聚氰胺的近红外自相关谱检测方法 |
Non-Patent Citations (4)
Title |
---|
Application of infrared spectrometry in the determination of melamine and urea in milk powder;Bai Jing等;《Food and Fermentation Industries》;20200210;第46卷(第8期);全文 * |
二维相关谱技术在荧光谱重叠峰解析中的应用;张婧等;《天津农学院学报》;20191231(第04期);全文 * |
二维相关近红外谱结合NPLS-DA判别掺杂牛奶的研究;杨仁杰等;《光子学报》;20130515(第05期);全文 * |
基于ATR-MIR和2D-COS技术的鲢鱼糜快速鉴别及其蛋白质二级结构变化原位分析;由昭红;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅰ辑》;20170615(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111323384A (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sayago et al. | Detection of hazelnut oil in virgin olive oil by a spectrofluorimetric method | |
CN102087212B (zh) | 基于主成份分析的葛粉掺假鉴别方法 | |
Cozzolino | The role of vibrational spectroscopy as a tool to assess economically motivated fraud and counterfeit issues in agricultural products and foods | |
Cheng et al. | Infrared spectroscopic studies of Chinese medicines | |
CN104132896A (zh) | 一种快速鉴别掺假肉的方法 | |
CN108845045A (zh) | 一种气相指纹图谱结合主成分分析方法判别炸油质量的方法 | |
CN107121406A (zh) | 一种基于近红外光谱的葡萄籽油掺假鉴别方法 | |
CN101957316A (zh) | 一种用近红外光谱技术鉴别响水大米的方法 | |
CN111650152B (zh) | 一种减小品牌对掺杂尿素牛奶判别模型影响的异步近红外相关切谱检测方法 | |
CN111323384B (zh) | 一种基于二维近红外相关切谱判别牛奶中掺杂尿素的方法 | |
CN111351767B (zh) | 一种基于二维近红外相关谱应用特征切谱判别牛奶中掺杂尿素的判别方法 | |
CN109214423B (zh) | 一种基于动静态数据融合的食品质量判别分析方法 | |
CN112485216B (zh) | 一种多源信息融合的泰国茉莉香米掺伪鉴别方法 | |
Li et al. | A strategy of fast evaluation for the raw material of Tiepi Fengdou using FT-NIR and ATR-FTIR spectroscopy coupled with chemometrics tools | |
CN103018199A (zh) | 一种快速检测绿茶提取物质量的方法 | |
CN103543106A (zh) | 基于光谱成像技术的瓜子品质特征快速无损检测方法 | |
CN111693486B (zh) | 一种减小品牌对掺杂尿素牛奶判别模型影响的同步近红外相关切谱检测方法 | |
AU2018101606A4 (en) | A method for identifying meconopsis quintuplinervia regel from different geographical origins | |
CN105606540A (zh) | 基于同步二维相关谱自相关峰的定量分析方法 | |
Zhang et al. | Characterization of fresh milk products based on multidimensional Raman spectroscopy | |
CN106324127B (zh) | 玛咖粉真伪鉴别及玛咖含量测定的方法 | |
CN107561031A (zh) | 基于二维近红外、中红外相关谱信息融合的芝麻油中掺入玉米油的检测方法 | |
CN114137138A (zh) | 一种基于挥发性成分的四川郫县豆瓣酱的辨析方法 | |
Wang et al. | Origin traceability of Cordyceps sinensis based on trace elements and stable isotope fingerprints | |
CN113533587A (zh) | 基于气相离子迁移谱鉴别辣椒粉品种的方法 |
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 |