CN111521580A - 一种基于便携式近红外光谱仪的鱼片新鲜度检测方法 - Google Patents
一种基于便携式近红外光谱仪的鱼片新鲜度检测方法 Download PDFInfo
- Publication number
- CN111521580A CN111521580A CN202010549153.7A CN202010549153A CN111521580A CN 111521580 A CN111521580 A CN 111521580A CN 202010549153 A CN202010549153 A CN 202010549153A CN 111521580 A CN111521580 A CN 111521580A
- Authority
- CN
- China
- Prior art keywords
- infrared spectrometer
- tvb
- spectrum
- portable near
- freshness
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 41
- 241000251468 Actinopterygii Species 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000001228 spectrum Methods 0.000 claims description 69
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 claims description 41
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 32
- 239000000243 solution Substances 0.000 claims description 18
- 238000004448 titration Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 229910052757 nitrogen Inorganic materials 0.000 claims description 16
- 230000008030 elimination Effects 0.000 claims description 15
- 238000003379 elimination reaction Methods 0.000 claims description 15
- 230000003595 spectral effect Effects 0.000 claims description 15
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 claims description 12
- 239000012086 standard solution Substances 0.000 claims description 12
- KGBXLFKZBHKPEV-UHFFFAOYSA-N boric acid Chemical compound OB(O)O KGBXLFKZBHKPEV-UHFFFAOYSA-N 0.000 claims description 11
- 239000004327 boric acid Substances 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000013178 mathematical model Methods 0.000 claims description 10
- 238000004821 distillation Methods 0.000 claims description 9
- VLTRZXGMWDSKGL-UHFFFAOYSA-N perchloric acid Chemical compound OCl(=O)(=O)=O VLTRZXGMWDSKGL-UHFFFAOYSA-N 0.000 claims description 8
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 7
- 238000012569 chemometric method Methods 0.000 claims description 7
- 230000029087 digestion Effects 0.000 claims description 7
- 238000002203 pretreatment Methods 0.000 claims description 7
- 238000007696 Kjeldahl method Methods 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 238000011049 filling Methods 0.000 claims description 5
- 239000000706 filtrate Substances 0.000 claims description 5
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 4
- 230000002745 absorbent Effects 0.000 claims description 4
- 239000002250 absorbent Substances 0.000 claims description 4
- 239000003513 alkali Substances 0.000 claims description 4
- 239000002518 antifoaming agent Substances 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 239000012153 distilled water Substances 0.000 claims description 4
- 239000000395 magnesium oxide Substances 0.000 claims description 4
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 claims description 4
- AXZKOIWUVFPNLO-UHFFFAOYSA-N magnesium;oxygen(2-) Chemical compound [O-2].[Mg+2] AXZKOIWUVFPNLO-UHFFFAOYSA-N 0.000 claims description 4
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 claims description 4
- 239000000843 powder Substances 0.000 claims description 4
- 239000008237 rinsing water Substances 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000001792 White test Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005119 centrifugation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005360 mashing Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 238000001035 drying Methods 0.000 claims description 2
- 230000003203 everyday effect Effects 0.000 claims description 2
- 238000005057 refrigeration Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000009499 grossing Methods 0.000 description 10
- 241000276707 Tilapia Species 0.000 description 6
- 238000010187 selection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000009659 non-destructive testing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000002329 infrared spectrum Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 229940126680 traditional chinese medicines Drugs 0.000 description 1
- 230000009466 transformation 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
- G01N21/359—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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
- G01N31/002—Determining nitrogen by transformation into ammonia, e.g. KJELDAHL method
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
- G01N31/16—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods using titration
-
- 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
- G01N2021/3572—Preparation of samples, e.g. salt matrices
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于测量技术领域，公开了一种基于便携式近红外光谱仪的鱼片新鲜度检测方法及光谱仪，利用便携式近红外光谱仪进行光谱采集，凯氏定氮法测定挥发性盐基氮(Total volatile base nitrogen,TVB‑N)，通过化学计量学方法建立光谱数据和测定的TVB‑N含量之间的数学模型，利用三步联用策略进行变量选择，通过建立的模型预测TVB‑N值，并根据TVB‑N值的大小评价鱼片新鲜度。本发明解决了实验室近红外光谱仪体积大、操作繁琐、不便于携带等缺点，能随时随地地进行检测，而且操作简便。此外，本发明利用三步联用策略进行变量选择，数据表明它能获得优于单个算法和两步联用的结果。
Description
技术领域
本发明属于测量技术领域，尤其涉及一种基于便携式近红外光谱仪的鱼片新鲜度检测方法及光谱仪。
背景技术
目前，近红外光谱技术作为一种快速、无损的分析工具，已经被广泛地应用于中药、石油、纺织品、农产品等领域。近红外光谱仪是近红外光谱分析的主要工具，传统的实验室的近红外光谱仪具有体积大，操作繁琐，不便于携带等缺点，不利于随时随地地进行检测，限制了近红外光谱技术的发展。此外，在变量选择方法应用方面，较少地采用新近发展的变量选择算法，特别是这些算法的联合使用，使得到的结果不太理想。
通过上述分析，现有技术存在的问题及缺陷为：(1)实验室近红外光谱仪体积大、操作繁琐、不便于携带。
(2)传统鱼片新鲜度检测方法在操作过程中需要破坏样品，而且操作繁琐。
解决以上问题及缺陷的难度为：(1)采用传统的化学方法(凯氏定氮法) 测定挥发性盐基氮(Total volatile base nitrogen,TVB-N)含量，需要重新探索实验参数。
(2)使用现有便携式近红外光谱仪采集鱼片光谱时，也需要调试实验参数，以获得信噪比更高的光谱。
(3)进行快速无损检测研究，需要了解无损检测的原理以及编程基础知识。
(4)在整个数据处理过程中，都要用到化学计量学方法时，因此需要对涉及到的光谱预处理方法、模型建立方法及变量选择方法有所了解，并能熟练地运用它们。
解决以上问题及缺陷的意义为：本发明使用便携式近红外光谱仪检测鱼片新鲜度，能为以后检测鱼片新鲜度提供一种新的思路，建立完整的罗非鱼片新鲜度检测方法奠定基础，也能为从事快速无损检测研究人员提供参考。
发明内容
针对现有技术存在的问题，本发明提供了一种基于便携式近红外光谱仪的鱼片新鲜度检测方法。
本发明是这样实现的，一种基于便携式近红外光谱仪的鱼片新鲜度检测方法，利用便携式近红外光谱仪进行光谱采集，凯氏定氮法测定挥发性盐基氮 (Total volatilebase nitrogen,TVB-N)，通过化学计量学方法建立光谱数据和测定的TVB-N含量之间的数学模型，利用三步联用策略进行变量选择，通过建立的模型预测TVB-N值，并根据TVB-N值的大小评价鱼片新鲜度。
进一步，所述基于便携式近红外光谱仪的鱼片新鲜度检测方法包括：
步骤一，将鱼片装入塑料密封袋中，置于4℃下冷藏，在一段时间内，每天取若干鱼片进行光谱采集和理化分析；
步骤二，进行便携式近红外光谱仪参数设置，将步骤一冷藏的鱼片样本取若干个，用吸水纸吸干表面水分，置于载物台上，以漫反射的形式采集光谱；
步骤三，将鱼片样品进行捣碎、搅匀，精确称取鱼片试样5.00g于100ml 离心管中，加入45mL、0.6mol/L高氯酸,振摇，离心后过滤；向滤液中加入25 mL 30％的NaOH溶液，混匀，倒入消化管中；
步骤四，向消化管中加入3g氧化镁粉末和1.5mL的消泡剂，用半自动凯氏定氮仪进行蒸馏操作，同时做空白对照，用装有30mL、40g/L的硼酸溶液的锥形瓶盛装蒸馏液；
步骤五，蒸馏完毕，向蒸馏液中加入10滴甲基红-溴甲酚绿混合指示剂，用0.01mol/L的盐酸标准溶液进行滴定操作，然后计算鱼片样品中TVB-N的含量；
步骤六，利用蒙特卡洛采样的异常值剔除算法剔除步骤二采集的光谱中的异常光谱；并在剔除结束后，再次采用蒙特卡洛采样的异常值剔除算法剔除初次剔除后的光谱中的异常光谱数据；
步骤七，采用SM-D1光谱预处理方法进行光谱预处理；利用三步联用策略进行变量选择；
步骤八，通过化学计量学方法建立光谱数据和测定的TVB-N含量之间的数学模型，通过建立的模型预测TVB-N值，并根据TVB-N值的大小评价鱼片新鲜度。
进一步，步骤二中，所述采集光谱包括：
每次采集光谱前，先用酒精擦拭积分球周围。
在每个样本的正反面分别采集一条光谱，取采集光谱的平均值待用。
进一步，步骤三中，所述离心包括：在3000rpm条件下离心10min。
进一步，步骤四中，所述凯氏定氮仪参数设置：吸收液为30mL，40g/L的硼酸，蒸馏时间为5min，加碱量为0mL，蒸馏水为0mL，淋洗水量10mL。
进一步，步骤四中，所述TVB-N的含量计算公式为：
Vt表示滴定时样品消耗的盐酸的体积，单位为mL；Vb表示滴定时空白实验消耗的盐酸的体积，单位为mL；c表示盐酸标准溶液的浓度，单位为mol/L； m表示式样质量，单位为g；14表示滴定1mL盐酸标准溶液滴定相当于氮的质量，单位为g/mol；100表示计算换算系数。
进一步，步骤七中，三步联用策略包括：
iPLS-VIP-GA方法，iPLS-VIP-IRIV方法，iPLS-mVCPA-GA方法和iPLS-mVCPA-IRIV方法联合进行变量选择。
本发明的另一目的在于提供一种实施所述基于便携式近红外光谱仪的鱼片新鲜度检测方法的近红外光谱仪。
本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行所述的基于便携式近红外光谱仪的鱼片新鲜度检测方法，包括：
利用便携式近红外光谱仪进行光谱采集，凯氏定氮法测定TVB-N，通过化学计量学方法建立光谱数据和测定的TVB-N含量之间的数学模型，利用三步联用策略进行变量选择，通过建立的模型预测TVB-N值，并根据TVB-N值的大小评价鱼片新鲜度。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的基于便携式近红外光谱仪的鱼片新鲜度检测方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明用便携式近红外光谱仪采集鱼片的光谱数据，凯氏定氮法测定罗非鱼的TVB-N含量，化学计量学方法建立光谱数据和测定的TVB-N含量之间的数学模型，通过建立的模型再来预测TVB-N值，从而根据TVB-N值的大小来评价它的新鲜度。本发明解决了实验室近红外光谱仪体积大、操作繁琐、不便于携带等缺点，能随时随地地进行检测，而且操作简便。此外，本发明利用三步联用策略进行变量选择，数据表明它能获得优于单个算法和两步联用的结果。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于便携式近红外光谱仪的鱼片新鲜度检测方法流程图。
图2是本发明实施例提供的基于便携式近红外光谱仪的鱼片新鲜度检测方法原理图。
图3是本发明实施例提供的光谱范围为900-1700nm的原始光谱数据示意图。
图4是本发明实施例提供的0-10天的TVB-N值趋势图。
图5是本发明实施例提供的奇异值剔除示意图。
图6是本发明实施例提供的从原始数据到第二步,R2c，R2cv，R2p，RMSEP， RMSECV和RMSEC的变化趋势示意图。
图7是本发明实施例提供的三步联用策略选择的波长点分布示意图。
图7中：a:iPLS-VIP-GA；b:iPLS-VIP-IRIV；c:iPLS-mVCPA-GA；d:iPLS-mVCPA-IRIV。
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用以解释本发明，并不用于限定本发明。
本发明的创新理念在于，传统实验室近红外光谱仪体积大，操作繁琐，不便于携带等问题，不利于近红外光谱仪无损检测技术的发展，因此提出采用便携式近红外光谱仪进行鱼肉新鲜度的快速无损检测。
针对实验室近红外光谱仪体积大，操作繁琐，不便于携带等问题，本发明提供了一种基于便携式近红外光谱仪的鱼片新鲜度检测方法，下面结合附图对本发明作详细的描述。
本发明实施例提供的基于便携式近红外光谱仪的鱼片新鲜度检测方法利用便携式近红外光谱仪进行光谱采集，凯氏定氮法测定挥发性盐基氮(Total volatile basenitrogen,TVB-N)，通过化学计量学方法建立光谱数据和测定的TVB-N含量之间的数学模型，利用三步联用策略进行变量选择，通过建立的模型预测TVB-N 值，并根据TVB-N值的大小评价鱼片新鲜度。
如图1-图2所示，本发明实施例提供的基于便携式近红外光谱仪的鱼片新鲜度检测方法包括：
S101，将鱼片装入塑料密封袋中，置于4℃下冷藏，在第0，2，4，6，8， 10天时进行取样，进行光谱采集和理化分析。
S102，进行便携式近红外光谱仪、近红外光谱仪(BWS025,B&W Tek,USA) 参数设置，将步骤S101冷藏的鱼片，用吸水纸吸干表面水分，置于载物台上，以漫反射的形式采集光谱；
S103，将鱼片样品进行捣碎、搅匀，精确称取鱼片试样5.00g于100ml离心管中，加入45mL、0.6mol/L高氯酸,振摇，离心后过滤；向滤液中加入25mL 30％的NaOH溶液，混匀，倒入消化管中；
S104，向消化管中加入3g氧化镁粉末和1.5mL的消泡剂，用半自动凯氏定氮仪(K9840,海能仪器)进行蒸馏操作，同时做空白对照，用装有30mL、40g/L 的硼酸溶液的锥形瓶盛装蒸馏液；
S105，蒸馏完毕，向蒸馏液中加入10滴甲基红-溴甲酚绿混合指示剂，用 0.01mol/L的盐酸标准溶液进行滴定操作，然后计算鱼片样品中TVB-N的含量；
S106，利用蒙特卡洛采样的异常值剔除算法剔除步骤S102采集的光谱中的异常光谱；并在剔除结束后，再次采用蒙特卡洛采样的异常值剔除算法剔除初次剔除后的光谱中的异常光谱数据；
S107，采用SM-D1光谱预处理方法进行光谱预处理；利用三步联用策略进行变量选择；
S108，通过化学计量学方法建立光谱数据和测定的TVB-N含量之间的数学模型，通过建立的模型预测TVB-N值，并根据TVB-N值的大小评价鱼片新鲜度。
步骤S102中，本发明实施例提供的采集光谱包括：
每次采集光谱前，先用酒精擦拭积分球周围。
在每个样本的正反面分别采集一条光谱，取采集光谱的平均值待用。
步骤S103中，本发明实施例提供的离心包括：在3000rpm条件下离心10min。
步骤S104中，本发明实施例提供的凯氏定氮仪参数设置：吸收液为30mL， 40g/L的硼酸，蒸馏时间为5min，加碱量为0mL，蒸馏水为0mL，淋洗水量10mL。
步骤S104中，本发明实施例提供的TVB-N的含量计算公式为：
Vt表示滴定时样品消耗的盐酸的体积，单位为mL；Vb表示滴定时空白实验消耗的盐酸的体积，单位为mL；c表示盐酸标准溶液的浓度，单位为mol/L； m表示式样质量，单位为g；14表示滴定1mL盐酸标准溶液滴定相当于氮的质量，单位为g/mol；100表示计算换算系数。
下面结合具体实施例对本发明的技术方案作进一步说明。
实施例1：
本发明提供了一种基于便携式近红外光谱仪鱼片新鲜度检测方法，该方法利用便携式近红外光谱仪进行光谱采集，凯氏定氮法测定挥发性盐基氮，相关的化学计量学方法进行数据处理。整个过程主要包括，实验部分(样品准备，光谱采集和挥发性盐基氮(Totalvolatile basic nitrogen,TVB-N)测定)和数据处理部分(异常值剔除，光谱预处理和最优波长选择)，具体步骤如下：
3.1实验部分
1)样品准备：将鱼片装入塑料密封袋中，置于4℃下冷藏。在0,2,4,6,8,10 天时，各取20个样本进行光谱采集和挥发性盐基氮的测定。
2)光谱采集：先进行软件(BWSpec(v.4.11)software(B&W Tek,USA))及近红外光谱仪参数设置(积分时间为4000us，平均次数为64次)，再取出20个样本，用吸水纸吸干表面水分，置于载物台上，以漫反射的形式采集光谱，每次采集光谱前，先用酒精擦拭积分球周围。在每个样本的正反面分别采集一条光谱，然后取其平均值待用。便携式近红外光谱仪(光谱范围是900-1700nm，波长间隔是1.6nm，积分球直径是2cm)主要由检测器(带积分球)，光谱仪，笔记本电脑构成，主要原理是光谱仪产生光源经光纤传到检测器，从而达到样本表面，反射的光再经光纤回到光谱仪，最后由电脑接收光谱信号，得到一条样本光谱。
3)TVB-N值测定：样品经捣碎、搅匀后，精确称取试样5.00g于100ml离心管中,加入45mL、0.6mol/L高氯酸,振摇，在3000rpm条件下离心10min，离心后过滤，向滤液中加入25mL30％的NaOH溶液，混匀，倒入消化管中，加入3g氧化镁粉末和1.5mL的消泡剂，用半自动凯氏定氮仪进行蒸馏操作，同时做空白对照(除了不加样品，其余条件不变)，用装有30mL、40g/L的硼酸溶液的锥形瓶盛装蒸馏液。蒸馏完毕，向蒸馏液中加入10滴甲基红-溴甲酚绿混合指示剂，用0.01mol/L的盐酸标准溶液进行滴定操作，然后根据公式计算式样中TVB-N的含量。凯氏定氮仪参数设置：吸收液为30mL，40g/L的硼酸，蒸馏时间为5min，加碱量为0mL，蒸馏水为0mL，淋洗水量10mL。
Vt是滴定时样品消耗的盐酸的体积(mL)；Vb是滴定时空白实验消耗的盐酸的体积(mL)；c是盐酸标准溶液的浓度(mol/L)；m是式样质量(g)； 14是滴定1mL盐酸[c(HCl)＝1mol/L]标准溶液滴定相当于氮的质量(g/mol)；100 是计算换算系数。
3.2数据分析部分
3.2.1异常值剔除
为了剔除异常光谱对模型性能的影响，基于蒙特卡洛采样的异常值剔除算法被应用到所有的光谱中去剔除异常光谱。本发明连续应用两次这种方法充分剔除异常值，后一次作用在前一次剔除后剩余的光谱数据。
3.2.2光谱预处理
近红外光谱经常受到粒子尺寸、噪声、光散射的影响，因此应用光谱预处理方法剔除这些影响，提高模型性能。用到的光谱预处理方法主要有：标准正态变换(standardnormal variation，SNV)，多元散射校正(multiplicative scatter correction，MSC)，一阶导(first order derivative，D1)，平滑(smoothing，SM)，卷积平滑(Savitzky-Golaysmoothing，SG)，以及它们和D1的联用(SG-D1，SM-D1，SNV-D1和MSC-D1)。
3.2.3最优波长选择
通常近红外光谱仪采集到的光谱含有成百上千个波长点，这种高维数据有很强的共线性，同时包含许多的冗余和干扰变量，不仅会降低模型的预测性能，还会影响模型的解释性。因此，应用变量选择方法去剔除不重要的变量，减少波长点数，以提高模型的预测性能和解释性很有必要。
用到的变量选择算法包括，单个算法(iPLS,CARS VCPA)，联用方法(iPLS-VIP，iPLS-VCPA，VIP-GA，VIP-IRIV，mVCPA-GA，mVCPA-IRIV，iPLS-VIP-GA，iPLS-VIP-IRIV，iPLS-mVCPA-GA，iPLS-mVCPA-IRIV)。
下面结合具体实验对本发明作进一步说明。
实验：
下面是采用罗非鱼片作为样本进行挥发性盐基氮测定所得到的数据：
图3为用便携式近红外光谱仪采集到光谱范围为900-1700nm的原始光谱数据。从图3可以看出，所有的光谱有相似的趋势，但在吸收强度方面存在着一些差异。这可能是因为罗非鱼片贮存在4℃条件下使鱼肉中的主要化学成分发生来了变化。在1120-1200nm范围内的吸收峰属于C-H键和N-H键二级倍频，而在1350-1400nm是C-H的组合频。
图4是每天将所有的鱼片进行TVB-N含量测定后，取平均值得到的0-10天的趋势图。从图中可以看出，0-8天变化较稳定，8-10天变化较大。根据国标 GB 2733-2015，海水鱼的TVB-N上限是30mg/100g，淡水鱼是20mg/100g。因此，可以知道罗非鱼片在4℃条件下最长的贮存期大概是9天，这意味着鱼片经历了从新鲜到腐败的过程，适用于鱼肉新鲜度变化的研究。
异常值剔除分析：
奇异值剔除是近红外光谱多元校正中重要的一步。图5表示连续地进行奇异值剔除操作，远离样本主体的样本将被视为奇异值，从而被剔除。在第一步，样本17、101、103、104、106、111和115远离样本主体，因此被剔除，然后将剩余的样本再次进行奇异值剔除操作。从图5(b)中可以看出，样本100和 112在X方向上远离样本主体，最后保留的111个样本将用于后续分析。
表1校正集和预测集的挥发性盐基氮的统计结果
为了评价奇异值剔除的有效性，用偏最小二乘回归建立模型，模型评价结果如图6所示。从图6可以看出，从原始数据到第一步，R2c，R2cv，R2p逐渐上升，RMSEP，RMSECV和RMSEC逐渐下降，这意味着模型性能逐渐上升，表明奇异值剔除在提高模型性能方面是有效的。
图6从原始数据到第二步,R2c，R2cv，R2p，RMSEP，RMSECV和RMSEC的变化趋势。
光谱预处理分析：
表2不同预处理方法处理后的建模结果
| 预处理方法 | R<sup>2</sup>c | RMSEC | R<sup>2</sup>cv | RMSECV | R<sup>2</sup>p | RMSEP |
| 未处理 | 0.8933 | 2.2948 | 0.7993 | 3.1466 | 0.6859 | 3.5737 |
| D1 | 0.9337 | 1.6855 | 0.8106 | 2.8487 | 0.7647 | 3.5427 |
| SNV | 0.8706 | 2.6441 | 0.6678 | 4.2364 | 0.7058 | 3.0138 |
| MSC | 0.8636 | 2.7529 | 0.7512 | 3.7182 | 0.5304 | 3.5671 |
| SG(5)<sup>a</sup> | 0.9395 | 1.6278 | 0.7893 | 3.0377 | 0.8097 | 3.1362 |
| SM(3)<sup>b</sup> | 0.8487 | 2.7320 | 0.7762 | 3.3233 | 0.5667 | 4.1978 |
| SNV-D1 | 0.9225 | 1.6493 | 0.7626 | 2.8865 | 0.8243 | 3.4464 |
| MSC-D1 | 0.9364 | 1.5065 | 0.7224 | 3.1468 | 0.8724 | 2.9315 |
| SG(5)<sup>a</sup>-D1 | 0.9508 | 1.3053 | 0.7481 | 2.9526 | 0.8148 | 3.5884 |
| SM(3)<sup>b</sup>-D1 | 0.9139 | 1.8951 | 0.6913 | 3.5891 | 0.8871 | 2.4851 |
a代表SG采用的5个窗口
b代表SM采用的3个窗口
为了得到一个更准确的校正模型，因此用预处理方法对光谱进行处理，消除背景和噪声干扰。从表2可以看出，SM-D1是最好的预处理方法，因为R2p 最大，RMSEP最小，因此进过SM3-D1处理后的光谱将用于进一步的分析。
最优波长选择分析：
表3不同变量选择方法得到的结果
近红外光谱，特别是便携式近红外光谱仪采集到的近红外光谱，通常带有大量的冗余和噪声变量。它们的存在会降低模型的预测性能和稳健性。为了剔除冗余和噪声变量，增强模型的预测性能，应用三种常用的方法(iPLS，CARS 和VCPA)，基于两步联用的方法(iPLS-VIP，iPLS-VCPA，VIP-GA，VIP-IRIV，mVCPA-GA， mVCPA-IRIV)和基于三步联用的方法(iPLS-VIP-GA，iPLS-VIP-IRIV，iPLS-mVCPA-GA， iPLS-mVCPA-IRIV)去执行最优波长选择。从表3可以看出，全谱PLS的R2p和 RMSEP分别是0.8871和2.4851，大多数变量选择方法的结果都比全谱的要好，因为它们的R2p比PLS的高，RMSEP比PLS的低，这表明变量选择的必要性。值得注意的是，三步联用策略的四种方法(iPLS-VIP-GA，iPLS-VIP-IRIV， iPLS-mVCPA-GA，iPLS-mVCPA-IRIV)的R2p都比PLS的高，RMSEP都比PLS的低，表明三步联用策略用于最优波长选择的有效性。除此之外，iPLS-mVCPA-IRIV的 R2p和RMSEP分别是0.9201和2.0907，被视为最好的变量选择方法，因为它的 R2p是最高的，RMSEP是最低的。总的来说，三步联用策略用于最优波长选择去提高模型预测性能方面是有效的。
图7提供了三步联用策略方法选择的波长点分布，去解释为什么三步联用方法能获得一个整体较好的模型预测性能。从图7可以看出，四种方法都有共同的波长。因为iPLS-mVCPA-IRIV得到了最好的结果，所以主要解释它选择的波长。iPLS-mVCPA-IRIV选择的波长主要集中在1014-1058nm，1188-1227nm， 1336-1424nm和1525-1692nm。光谱范围为1014-1058nm可能归结于蛋白质官能团，而1188-1227nm可能与C-H和N-H键的二级倍频相关。1336-1424nm归属于C-H键的组合频，1525-1692nm归属于C-H拉伸一级倍频。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，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，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于便携式近红外光谱仪的鱼片新鲜度检测方法，其特征在于，所述基于便携式近红外光谱仪的鱼片新鲜度检测方法包括：
利用便携式近红外光谱仪进行光谱采集；
凯氏定氮法测定挥发性盐基氮TVB-N；
通过化学计量学方法建立采集的光谱数据和测定的所述挥发性盐基氮TVB-N含量之间的数学模型；
利用三步联用策略进行变量选择，通过建立的数学模型预测所述挥发性盐基氮TVB-N值，并根据所述挥发性盐基氮TVB-N值的大小评价鱼片新鲜度。
2.如权利要求1所述基于便携式近红外光谱仪的鱼片新鲜度检测方法，其特征在于，所述基于便携式近红外光谱仪的鱼片新鲜度检测方法包括以下步骤：
步骤一，将鱼片置于4℃下冷藏，在一段时间内，每天取若干鱼片进行光谱采集和理化分析；
步骤二，进行便携式近红外光谱仪参数设置，将步骤一冷藏的鱼片样本取若干个，用吸水纸吸干表面水分，置于载物台上，以漫反射的形式采集光谱；
步骤三，将鱼片样品进行捣碎、搅匀，精确称取鱼片试样5.00g于100ml离心管中，加入45mL、0.6mol/L高氯酸,振摇，离心后过滤；向滤液中加入25mL 30％的NaOH溶液，混匀，倒入消化管中；
步骤四，向消化管中加入3g氧化镁粉末和1.5mL的消泡剂，用半自动凯氏定氮仪进行蒸馏操作，同时做空白对照，用装有30mL、40g/L的硼酸溶液的锥形瓶盛装蒸馏液；
步骤五，蒸馏完毕，向蒸馏液中加入10滴甲基红-溴甲酚绿混合指示剂，用0.01mol/L的盐酸标准溶液进行滴定操作，然后计算鱼片样品中TVB-N的含量；
步骤六，利用蒙特卡洛采样的异常值剔除算法剔除步骤二采集的光谱中的异常光谱；并在剔除结束后，再次采用蒙特卡洛采样的异常值剔除算法剔除初次剔除后的光谱中的异常光谱数据；
步骤七，采用SM-D1光谱预处理方法进行光谱预处理；利用三步联用策略进行变量选择；
步骤八，通过化学计量学方法建立光谱数据和测定的TVB-N含量之间的数学模型，通过建立的模型预测TVB-N值，并根据TVB-N值的大小评价鱼片新鲜度。
3.如权利要求1所述基于便携式近红外光谱仪的鱼片新鲜度检测方法，其特征在于，步骤二中，所述采集光谱包括：
每次采集光谱前，先用酒精擦拭积分球周围；
在每个样本的正反面分别采集一条光谱，取采集光谱的平均值待用。
4.如权利要求1所述基于便携式近红外光谱仪的鱼片新鲜度检测方法，其特征在于，步骤三中，所述离心在3000rpm条件下离心10min。
5.如权利要求1所述基于便携式近红外光谱仪的鱼片新鲜度检测方法，其特征在于，步骤四中，所述凯氏定氮仪参数设置：吸收液为30mL，40g/L的硼酸，蒸馏时间为5min，加碱量为0mL，蒸馏水为0mL，淋洗水量10mL。
6.如权利要求1所述基于便携式近红外光谱仪的鱼片新鲜度检测方法，其特征在于，步骤四中，所述TVB-N的含量计算公式为：
Vt表示滴定时样品消耗的盐酸的体积，单位为mL；Vb表示滴定时空白实验消耗的盐酸的体积，单位为mL；c表示盐酸标准溶液的浓度，单位为mol/L；m表示式样质量，单位为g；14表示滴定1mL盐酸标准溶液滴定相当于氮的质量，单位为g/mol；100表示计算换算系数。
7.如权利要求1所述基于便携式近红外光谱仪的鱼片新鲜度检测方法，其特征在于，步骤七中，三步联用策略包括：
iPLS-VIP-GA方法，iPLS-VIP-IRIV方法，iPLS-mVCPA-GA方法和iPLS-mVCPA-IRIV方法联合进行变量选择。
8.一种实施权利要求1所述基于便携式近红外光谱仪的鱼片新鲜度检测方法的近红外光谱仪。
9.一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行权利要求1～7任意一项所述的基于便携式近红外光谱仪的鱼片新鲜度检测方法，包括：
利用便携式近红外光谱仪进行光谱采集，凯氏定氮法测定TVB-N，通过化学计量学方法建立光谱数据和测定的TVB-N含量之间的数学模型，利用三步联用策略进行变量选择，通过建立的模型预测TVB-N值，并根据TVB-N值的大小评价鱼片新鲜度。
10.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施权利要求1～7任意一项所述的基于便携式近红外光谱仪的鱼片新鲜度检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010549153.7A CN111521580A (zh) | 2020-06-16 | 2020-06-16 | 一种基于便携式近红外光谱仪的鱼片新鲜度检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010549153.7A CN111521580A (zh) | 2020-06-16 | 2020-06-16 | 一种基于便携式近红外光谱仪的鱼片新鲜度检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111521580A true CN111521580A (zh) | 2020-08-11 |
Family
ID=71912967
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010549153.7A Pending CN111521580A (zh) | 2020-06-16 | 2020-06-16 | 一种基于便携式近红外光谱仪的鱼片新鲜度检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111521580A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112213281A (zh) * | 2020-11-16 | 2021-01-12 | 湖北省农业科学院农产品加工与核农技术研究所 | 一种基于透射近红外光谱快速测定淡水鱼新鲜度综合评价的方法 |
| CN114460035A (zh) * | 2022-02-25 | 2022-05-10 | 广西小研人生物科技有限公司 | 一种快速检测海洋头足类食品新鲜度的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103424374A (zh) * | 2013-06-19 | 2013-12-04 | 浙江省海洋开发研究院 | 一种近红外光谱技术快速检测带鱼新鲜度的方法 |
| CN103439285A (zh) * | 2013-08-19 | 2013-12-11 | 华南理工大学 | 一种基于高光谱成像的鱼片新鲜度检测方法 |
| CN104568815A (zh) * | 2014-12-31 | 2015-04-29 | 中国肉类食品综合研究中心 | 生鲜牛肉中挥发性盐基氮含量的快速无损检测方法 |
| CN109856080A (zh) * | 2018-12-14 | 2019-06-07 | 华南理工大学 | 近红外多光谱成像多指标协同的鱼片新鲜度无损评价方法 |
-
2020
- 2020-06-16 CN CN202010549153.7A patent/CN111521580A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103424374A (zh) * | 2013-06-19 | 2013-12-04 | 浙江省海洋开发研究院 | 一种近红外光谱技术快速检测带鱼新鲜度的方法 |
| CN103439285A (zh) * | 2013-08-19 | 2013-12-11 | 华南理工大学 | 一种基于高光谱成像的鱼片新鲜度检测方法 |
| CN104568815A (zh) * | 2014-12-31 | 2015-04-29 | 中国肉类食品综合研究中心 | 生鲜牛肉中挥发性盐基氮含量的快速无损检测方法 |
| CN109856080A (zh) * | 2018-12-14 | 2019-06-07 | 华南理工大学 | 近红外多光谱成像多指标协同的鱼片新鲜度无损评价方法 |
Non-Patent Citations (6)
| Title |
|---|
| YU HAIDONG等: "Three-step hybrid strategy towards efficiently selecting variables in multivariate calibration of near-infrared spectra", 《SPECTROCHIMICA ACTA PART A: MOLECULAR AND BIOMOLECULAR SPECTROSCOPY》 * |
| 孙汉巨: "《国家卓越工程师教育培养计划食品类系列教材 食品分析与检测实验》", 31 December 2016, 合肥工业大学出版社 * |
| 徐富斌等: "基于近红外光谱的大黄鱼新鲜度评价模型", 《食品安全质量检测学报》 * |
| 程旎等: "鱼体新鲜度近红外光谱检测方法的比较研究", 《食品安全质量检测学报》 * |
| 谢雯雯等: "基于近红外光谱技术的鱼肉新鲜度评价方法的建立", 《淡水渔业》 * |
| 黄星奕等: "基于嗅觉可视化和近红外光谱融合技术的海鲈鱼新鲜度评价", 《农业工程学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112213281A (zh) * | 2020-11-16 | 2021-01-12 | 湖北省农业科学院农产品加工与核农技术研究所 | 一种基于透射近红外光谱快速测定淡水鱼新鲜度综合评价的方法 |
| CN114460035A (zh) * | 2022-02-25 | 2022-05-10 | 广西小研人生物科技有限公司 | 一种快速检测海洋头足类食品新鲜度的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hall et al. | Near-infrared spectrophotometry: a new dimension in clinical chemistry | |
| Cuadrado et al. | Comparison and joint use of near infrared spectroscopy and Fourier transform mid infrared spectroscopy for the determination of wine parameters | |
| CN109085136B (zh) | 近红外漫反射光谱测定水泥生料氧化物成分含量的方法 | |
| CN104062257A (zh) | 一种基于近红外光谱测定溶液中总黄酮含量的方法 | |
| Garcia-Jares et al. | Application of multivariate calibration to the simultaneous routine determination of ethanol, glycerol, fructose, glucose and total residual sugars in botrytized-grape sweet wines by means of near-infrared reflectance spectroscopy | |
| CN109991181B (zh) | 自适应表面吸收光谱分析方法、系统、存储介质、设备 | |
| CN101446548A (zh) | 基于响应量转换实现牛奶成分测量的装置及方法 | |
| CN111521580A (zh) | 一种基于便携式近红外光谱仪的鱼片新鲜度检测方法 | |
| CN110646407A (zh) | 一种基于激光诱导击穿光谱技术的水产品中磷元素含量的快速检测方法 | |
| CN111537469A (zh) | 一种基于近红外技术的苹果品质快速无损检测方法 | |
| CN109374548A (zh) | 一种利用近红外快速测定大米中营养成分的方法 | |
| CN104316489A (zh) | 一种近红外光谱检测灵芝提取物掺假的方法 | |
| Duan et al. | Sensitive variables extraction, non-destructive detection and visualization of total viable count (TVC) and pH in vacuum packaged lamb using hyperspectral imaging | |
| Dai et al. | On-line UV-NIR spectroscopy as a process analytical technology (PAT) tool for on-line and real-time monitoring of the extraction process of Coptis Rhizome | |
| CN109001182B (zh) | 封闭容器中酒精含量的拉曼光谱无损测定方法 | |
| CN109799224A (zh) | 快速检测中药提取液中蛋白质浓度的方法及应用 | |
| CN104596976A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶蛋白质的方法 | |
| CN106769927A (zh) | 一种黄芪药材的质量检测方法 | |
| Karunathilaka et al. | Determination of moisture in olive oil: rapid FT-NIR spectroscopic procedure based on the Karl-Fischer reference method | |
| CN105158178B (zh) | 基于高光谱透射技术谱峰面积的脐橙糖度检测快速建模法 | |
| CN112697718A (zh) | 一种基于高光谱成像技术结合波长选择算法串联策略的调理牛排新鲜度快速检测的方法 | |
| CA2655661C (en) | Method and system for the measurement of chemical species in caustic aluminate solutions | |
| CN110887810A (zh) | 一种基于近红外光谱技术的血塞通滴丸质量一致性评价方法 | |
| Dong et al. | Nondestructive method for analysis of the soybean quality | |
| CN107167447A (zh) | 采用近红外光谱技术计算勾兑苹果汁中苹果原汁含量的方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200811 |