CN112345488A - 一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法 - Google Patents
一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法 Download PDFInfo
- Publication number
- CN112345488A CN112345488A CN202010830836.XA CN202010830836A CN112345488A CN 112345488 A CN112345488 A CN 112345488A CN 202010830836 A CN202010830836 A CN 202010830836A CN 112345488 A CN112345488 A CN 112345488A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- variable
- hyaluronic acid
- regression
- variables
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- KIUKXJAPPMFGSW-DNGZLQJQSA-N (2S,3S,4S,5R,6R)-6-[(2S,3R,4R,5S,6R)-3-Acetamido-2-[(2S,3S,4R,5R,6R)-6-[(2R,3R,4R,5S,6R)-3-acetamido-2,5-dihydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-2-carboxy-4,5-dihydroxyoxan-3-yl]oxy-5-hydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-3,4,5-trihydroxyoxane-2-carboxylic acid Chemical compound CC(=O)N[C@H]1[C@H](O)O[C@H](CO)[C@@H](O)[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@H](O[C@H]2[C@@H]([C@@H](O[C@H]3[C@@H]([C@@H](O)[C@H](O)[C@H](O3)C(O)=O)O)[C@H](O)[C@@H](CO)O2)NC(C)=O)[C@@H](C(O)=O)O1 KIUKXJAPPMFGSW-DNGZLQJQSA-N 0.000 title claims abstract description 40
- 229920002674 hyaluronan Polymers 0.000 title claims abstract description 40
- 229960003160 hyaluronic acid Drugs 0.000 title claims abstract description 40
- 239000002253 acid Substances 0.000 title claims abstract description 20
- 238000001228 spectrum Methods 0.000 claims abstract description 29
- 238000012417 linear regression Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 102000004169 proteins and genes Human genes 0.000 claims abstract description 13
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 12
- 230000003595 spectral effect Effects 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 230000008030 elimination Effects 0.000 claims description 9
- 238000003379 elimination reaction Methods 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000011497 Univariate linear regression Methods 0.000 claims description 5
- 238000011002 quantification Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000002329 infrared spectrum Methods 0.000 abstract description 3
- 238000003018 immunoassay Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000840 electrochemical analysis Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012921 fluorescence analysis Methods 0.000 description 2
- 230000003020 moisturizing effect Effects 0.000 description 2
- 238000001945 resonance Rayleigh scattering spectroscopy Methods 0.000 description 2
- 238000002798 spectrophotometry method Methods 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000029663 wound healing 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
- G01N21/359—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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法，涉及透明质酸检测技术领域。该种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法，包括以下具体步骤：S1.首先建立小波分析光谱预处理算法，小波变换是将信号通过低通和高通两组滤波器，近似分量主要反应信号的低频部分，细节分量主要反应信号的高频部分，因此可以根据光谱信号和噪声信号的频谱分布有选择地去掉某几个尺度下的细节分量，用保留下来的小波系数重构信号。通过建立小波变换方法对透明质酸的近红外光谱进行预处理，然后运用逐步线性回归方法建立校正模型可以快速有效的对透明质酸的糖醛酸、蛋白质、分子量进行分析，而且外部验证的平均偏差都非常小，值得大力推广。
Description
技术领域
本发明涉及透明质酸检测技术领域，具体为一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法。
背景技术
透明质酸，又名玻尿酸(Hyaluronic Acid，HA)，是一种粘性多糖，1934 年美国哥伦比亚大学眼科教授Meyer等首先从牛眼玻璃体中分离出该物质。透明质酸以其独特的分子结构和理化性质在机体内显示出多种重要的生理功能，如润滑关节，调节血管壁的通透性，调节蛋白质，水电解质扩散及运转，促进创伤愈合等。透明质酸具有特殊的保水作用，主要是由于其分子在空间上呈刚性的双螺旋柱型，在水溶液HA分子链上相邻-NH和-COO-残余基之间的“水桥”的作用，水分子在网络内通过极性键和氢键与HA相结合，使得HA 分子可以吸收和保持比其上千倍与自身重量的水分。因此，玻尿酸是目前发现的自然界中保湿性最好的物质，被称为理想的天然保湿因子。
目前常见的透明质酸分析方法主要有分光光度法、荧光分析法、凝胶高效液相层析法、免疫分析法、共振瑞利散射法、电化学分析法等；其中免疫分析法具有一定的特异性，其余几种方法操作过程比较复杂、操作的专业性要求比较高、检测耗时较长，现在透明质酸的应用日益频繁，质量良莠不齐，因此，亟需提出一种快速、准确的透明质酸中糖醛酸、蛋白质含量及分子量的测定方法。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法，解决了目前常见的透明质酸分析方法主要有分光光度法、荧光分析法、凝胶高效液相层析法、免疫分析法、共振瑞利散射法、电化学分析法等；其中免疫分析法具有一定的特异性，其余几种方法操作过程比较复杂、操作的专业性要求比较高、检测耗时较长的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法，包括以下具体步骤：
S1.首先建立小波分析光谱预处理算法，小波变换是将信号通过低通和高通两组滤波器，近似分量主要反应信号的低频部分，细节分量主要反应信号的高频部分，因此可以根据光谱信号和噪声信号的频谱分布有选择地去掉某几个尺度下的细节分量，用保留下来的小波系数重构信号，达到消噪的目的；
S2.将整个算法分为三步，首先选择一个小波基并确定一个小波分量的层次N，然后对光谱信号S进行N层分解；其次对第一到第N层的每一层高频系数，选择宇哥阈值进行阈值化处理；最后根据小波分解第N层低频系数和经过量化处理后的第1层到第N层的高频系数，进行光谱信号重构；在三个步骤中，最关键的环节为阈值的选取和阈值的量化，它直接关系到光谱的消噪质量。其中小波变换的阈值选取方法定义如下：
S3.然后建立逐步线性回归建模方法，多元逐步线性回归是指有两个或两个以上的自变量或者至少有一个线性解释变量的回归分析，分析模型的表达式为：y＝β0+β1x1+…+βkxk，式中，β0为回归常数，βk为自变量xk的偏回归系数，k为自变量的个数，式中的偏回归系数和回归常数的数值通过样本的数据分析计算获得。逐步回归是逐步筛选自变量的回归，筛选过程是有进有出。开始时，将因变量与每一自变量做一元回归，挑出与因变量相关最密切或检验最显著的一元线性回归方程式。然后再引入第二个变量，原则是它比别的变量进入模型有更大的检验值。同时对原来的第一个变量作检验，看新变量引入后老变量还是否显著，若不显著则予以剔除。如此继续下去，每次都引入一个在剩余变量中进入模型有最大检验值的变量，每次引入后又对原来已引入的变量逐一检验以解决是否剔除，这样直到剔除为止，最终建立起逐步线性回归预测方程；
S4.将建立好的预处理和建模算法导入红外光谱仪，通过该仪器进行光谱扫描以及光谱预处理，再利用逐步线性回归方法建立校正模型，最后选取未知样品进行预测以验证校正模型的预测能力。
优选的，所述红外光谱仪可采用GSA103型近红外光谱仪。
(三)有益效果
本发明提供了一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法。具备以下有益效果：
1、该种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法，通过建立小波变换方法以及逐步线性回归方法建立校正模型，整个操作流程十分简单、对操作的专业性要求不高，而且检测耗时较短，可以对市场上现有的透明质酸进行快速检测，工作效率大大提高。
2、该种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法，通过建立小波变换方法对透明质酸的近红外光谱进行预处理，然后运用逐步线性回归方法建立校正模型可以快速有效的对透明质酸的糖醛酸、蛋白质、分子量进行分析，而且外部验证的平均偏差都非常小，值得大力推广。
附图说明
图1为本发明采用小波变换分析算法进行预处理后的结构示意图；
图2为本发明透明质酸中糖醛酸含量的校正模型图；
图3为本发明透明质酸中蛋白质含量的校正模型图；
图4为本发明发酵液中透明质酸分子量的校正模型图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
本发明实施例提供一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法，包括以下具体步骤：
S1.首先建立小波分析光谱预处理算法，小波变换是将信号通过低通和高通两组滤波器，近似分量主要反应信号的低频部分，细节分量主要反应信号的高频部分，因此可以根据光谱信号和噪声信号的频谱分布有选择地去掉某几个尺度下的细节分量，用保留下来的小波系数重构信号，达到消噪的目的；
S2.将整个算法分为三步，首先选择一个小波基并确定一个小波分量的层次N，然后对光谱信号S进行N层分解；其次对第一到第N层的每一层高频系数，选择宇哥阈值进行阈值化处理；最后根据小波分解第N层低频系数和经过量化处理后的第1层到第N层的高频系数，进行光谱信号重构；在三个步骤中，最关键的环节为阈值的选取和阈值的量化，它直接关系到光谱的消噪质量。其中小波变换的阈值选取方法定义如下：
S3.然后建立逐步线性回归建模方法，多元逐步线性回归是指有两个或两个以上的自变量或者至少有一个线性解释变量的回归分析，分析模型的表达式为：y＝β0+β1x1+…+βkxk，式中，β0为回归常数，βk为自变量xk的偏回归系数，k为自变量的个数，式中的偏回归系数和回归常数的数值通过样本的数据分析计算获得。逐步回归是逐步筛选自变量的回归，筛选过程是有进有出。开始时，将因变量与每一自变量做一元回归，挑出与因变量相关最密切或检验最显著的一元线性回归方程式。然后再引入第二个变量，原则是它比别的变量进入模型有更大的检验值。同时对原来的第一个变量作检验，看新变量引入后老变量还是否显著，若不显著则予以剔除。如此继续下去，每次都引入一个在剩余变量中进入模型有最大检验值的变量，每次引入后又对原来已引入的变量逐一检验以解决是否剔除，这样直到剔除为止，最终建立起逐步线性回归预测方程；
S4.将建立好的预处理和建模算法导入红外光谱仪，通过该仪器进行光谱扫描以及光谱预处理，再利用逐步线性回归方法建立校正模型，最后选取未知样品进行预测以验证校正模型的预测能力。
红外光谱仪可采用GSA103型近红外光谱仪，采用GSA103型近红外光谱仪，可以对建立好的预处理和建模算法导入数据进行快速光谱扫描以及光谱预处理。
实施例二：
本实施例在基于实施例一的基础上，进行了一组实验，实验流程及结果如下：
1、实验一共准备50个样品，随机抽取40个样品，组成校正集，用来建立校正模型。剩下的10个样品组成验证集，用来验证模型的准确性。建模样品的含量如表1所示。
表1建模样品含量表
2、将样品装入样品杯中，表面用盖子刮平。是样品覆盖满样品杯，利用 GSA103型近红外光谱仪采集得到样品的原始光谱并采用小波变换分析算法进行预处理得到如图1所示的预处理光谱；
3、采用逐步线性回归方程方法分别建立糖醛酸、蛋白质、分子量的校正模型，模型如图2、3、4所示，由图可知，三个模型相关性非常显著分别为0.979855、0.976908和0.946710。
4、为验证模型的预测能力，选择10个样品作为验证样品，然后调用步骤3中的校正模型对验证样品进行验证分析，验证结果如表2所示；
表2验证结果
从模型的外部验证结果表中可以发现，透明质酸的三种指标的模型进行外部验证的平均偏差都非常小。糖醛酸的含量的平均绝对偏差为0.531％，分子量的平均绝对偏差为1.27％，蛋白质含量的平均绝对偏差为0.0086％。通过上述分析，我们得出结论，经过小波变换方法对透明质酸的近红外光谱进行预处理，然后运用逐步线性回归方法建立校正模型完全可以对透明质酸的糖醛酸、蛋白质、分子量进行分析。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (2)
1.一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法，其特征在于：包括以下具体步骤：
S1.首先建立小波分析光谱预处理算法，小波变换是将信号通过低通和高通两组滤波器，近似分量主要反应信号的低频部分，细节分量主要反应信号的高频部分，因此可以根据光谱信号和噪声信号的频谱分布有选择地去掉某几个尺度下的细节分量，用保留下来的小波系数重构信号，达到消噪的目的；
S2.将整个算法分为三步，首先选择一个小波基并确定一个小波分量的层次N，然后对光谱信号S进行N层分解；其次对第一到第N层的每一层高频系数，选择宇哥阈值进行阈值化处理；最后根据小波分解第N层低频系数和经过量化处理后的第1层到第N层的高频系数，进行光谱信号重构；在三个步骤中，最关键的环节为阈值的选取和阈值的量化，它直接关系到光谱的消噪质量。其中小波变换的阈值选取方法定义如下：
式中sgn表示符号函数，sgn(Y)表示该式的符号与Y的符号相同，其中t是阈值，Y是小波变换后的小波系数，
是阈值选取后的小波系数，然后根据阈值选取后的系数进行光谱信号重构，得到消噪后的光谱信号；
S3.然后建立逐步线性回归建模方法，多元逐步线性回归是指有两个或两个以上的自变量或者至少有一个线性解释变量的回归分析，分析模型的表达式为：y＝β0+β1x1+…+βkxk，式中，β0为回归常数，βk为自变量xk的偏回归系数，k为自变量的个数，式中的偏回归系数和回归常数的数值通过样本的数据分析计算获得。逐步回归是逐步筛选自变量的回归，筛选过程是有进有出。开始时，将因变量与每一自变量做一元回归，挑出与因变量相关最密切或检验最显著的一元线性回归方程式。然后再引入第二个变量，原则是它比别的变量进入模型有更大的检验值。同时对原来的第一个变量作检验，看新变量引入后老变量还是否显著，若不显著则予以剔除。如此继续下去，每次都引入一个在剩余变量中进入模型有最大检验值的变量，每次引入后又对原来已引入的变量逐一检验以解决是否剔除，这样直到剔除为止，最终建立起逐步线性回归预测方程；
S4.将建立好的预处理和建模算法导入红外光谱仪，通过该仪器进行光谱扫描以及光谱预处理，再利用逐步线性回归方法建立校正模型，最后选取未知样品进行预测以验证校正模型的预测能力。
2.根据权利要求1所述的一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法，其特征在于：所述红外光谱仪可采用GSA103型近红外光谱仪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010830836.XA CN112345488A (zh) | 2020-08-18 | 2020-08-18 | 一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010830836.XA CN112345488A (zh) | 2020-08-18 | 2020-08-18 | 一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112345488A true CN112345488A (zh) | 2021-02-09 |
Family
ID=74357870
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010830836.XA Pending CN112345488A (zh) | 2020-08-18 | 2020-08-18 | 一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112345488A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103983617A (zh) * | 2014-05-04 | 2014-08-13 | 华中科技大学 | 一种基于小波变换改进激光探针定量分析的方法 |
| CN109374556A (zh) * | 2018-12-14 | 2019-02-22 | 中国科学院合肥物质科学研究院 | 基于可见-近红外光谱的复合肥中水分含量快速检测方法 |
-
2020
- 2020-08-18 CN CN202010830836.XA patent/CN112345488A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103983617A (zh) * | 2014-05-04 | 2014-08-13 | 华中科技大学 | 一种基于小波变换改进激光探针定量分析的方法 |
| CN109374556A (zh) * | 2018-12-14 | 2019-02-22 | 中国科学院合肥物质科学研究院 | 基于可见-近红外光谱的复合肥中水分含量快速检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 何正嘉等: "《现代信号处理及工程应用》", 31 October 2007, 西安交通大学出版社 * |
| 应义斌等: "基于小波变换的水果糖度近红外光谱检测研究", 《光谱学与光谱分析》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101915744B (zh) | 物质成分含量的近红外光谱无损检测方法及装置 | |
| CN101430276B (zh) | 光谱分析中波长变量优选的方法 | |
| CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
| CN101221125A (zh) | 用光谱技术测定富营养化水体特征参量的方法 | |
| CN108169165B (zh) | 基于太赫兹光谱和图像信息融合的麦芽糖混合物定量分析方法 | |
| CN113030001B (zh) | 一种水果糖度检测方法及系统 | |
| CA2025329A1 (en) | Characterizing matter of biological origin using near infrared spectroscopy | |
| CN110967313A (zh) | 电子烟烟油尼古丁含量的近红外光谱预测建模方法及应用 | |
| CN112213281A (zh) | 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 | |
| XIA et al. | Application of wavelet transform in the prediction of navel orange vitamin C content by near-infrared spectroscopy | |
| CN112345488A (zh) | 一种透明质酸中糖醛酸、蛋白质含量及分子量的测定方法 | |
| US20230204504A1 (en) | Method and system for extracting net signals of near infrared spectrum | |
| 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 | |
| CN116559106A (zh) | 一种中药材炮制工艺过程的近红外在线监测方法 | |
| CN107796780B (zh) | 太赫兹光谱定量检测血液中血脂含量的分析方法 | |
| CN116399836A (zh) | 基于交替梯度下降算法的串扰荧光光谱分解方法 | |
| CN113959979B (zh) | 基于深度Bi-LSTM网络的近红外光谱模型迁移方法 | |
| CN113866119A (zh) | 一种注水鸡快速鉴别方法及应用 | |
| CN110646373A (zh) | 一种烟用香精香料糖分含量测定方法 | |
| Liu et al. | Determination of Protein Content of Wheat Using Partial Least Squares Regression Based on Near-Infrared Spectroscopy Preprocessing | |
| ATE204079T1 (de) | Verfahren zur spektralanalyse von inhomogenen proben | |
| Patchava et al. | Improved Support Vector Regression Coupled with Fourier Self-Deconvolution in the Quantitative Analysis of Glucose in NIR Spectra | |
| CN109324017A (zh) | 一种提高近红外光谱分析技术建模光谱质量的方法 | |
| CN117871459A (zh) | 一种羊肉粗脂肪含量确定方法及系统 | |
| CN118078273A (zh) | 血液胆固醇含量的无创检测方法及系统 |
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 |
Application publication date: 20210209 |
|
| RJ01 | Rejection of invention patent application after publication |