CN112666119A - 基于太赫兹时域光谱技术的人参道地性检测方法及系统 - Google Patents
基于太赫兹时域光谱技术的人参道地性检测方法及系统 Download PDFInfo
- Publication number
- CN112666119A CN112666119A CN202011397840.8A CN202011397840A CN112666119A CN 112666119 A CN112666119 A CN 112666119A CN 202011397840 A CN202011397840 A CN 202011397840A CN 112666119 A CN112666119 A CN 112666119A
- Authority
- CN
- China
- Prior art keywords
- ginseng
- sample
- terahertz
- terahertz time
- domain spectroscopy
- 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
- 235000003140 Panax quinquefolius Nutrition 0.000 title claims abstract description 95
- 241000208340 Araliaceae Species 0.000 title claims abstract description 92
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 title claims abstract description 92
- 235000008434 ginseng Nutrition 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001328 terahertz time-domain spectroscopy Methods 0.000 title claims abstract description 29
- 230000008033 biological extinction Effects 0.000 claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 238000004519 manufacturing process Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000010801 machine learning Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 17
- 238000007637 random forest analysis Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000003066 decision tree Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 239000000843 powder Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000003825 pressing Methods 0.000 claims description 2
- 238000010298 pulverizing process Methods 0.000 claims description 2
- 238000007873 sieving Methods 0.000 claims description 2
- 238000001035 drying Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000000523 sample Substances 0.000 description 35
- 239000000126 substance Substances 0.000 description 11
- 230000015654 memory Effects 0.000 description 10
- 239000003814 drug Substances 0.000 description 8
- 238000012795 verification Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000013048 microbiological method Methods 0.000 description 5
- 229940079593 drug Drugs 0.000 description 4
- 238000004128 high performance liquid chromatography Methods 0.000 description 4
- 240000005373 Panax quinquefolius Species 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000013543 active substance Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000009036 growth inhibition Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000013074 reference sample Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 1
- 238000002211 ultraviolet spectrum Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于太赫兹时域光谱技术的人参道地性检测方法及系统，包括：获取待检测的人参样本；测量所述人参样本的厚度、太赫兹时域信号和太赫兹光谱，计算样本的消光系数；将所述消光系数输入到训练好的人参产地预测模型中，输出待检测人参样本的产地信息。本发明有益效果：本发明利用太赫兹的强穿透性、指纹谱特性，将太赫兹时域光谱技术与机器学习结合，建立监督式多分类预测模型，并通过优化算法对模型超参数进行优化，建立准确率高，泛化性能好，不易过拟合，具有良好的抗噪性能的人参产地预测模型。
Description
技术领域
本发明涉及光谱检测技术领域，尤其涉及一种基于太赫兹时域光谱技术的人参道地性检测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
人参是养生治病的良药，在临床上被广泛应用。其中产自于东北长白山地区的被称为人参，原产地为加拿大和美国等北美国家的称为西洋参。人参产地不同，其外部形态、内部结构以及生理生化成分都不相同，其疗效也有明显差异。如果颠倒使用，则会适得其反，加重病情，直接影响临床应用的效果。
人参和西洋参为同科属植物，性状和化学成份相近，易于混淆，传统的外观性状鉴别方法除对鉴别人员的专业能力要求非常高，准确性也较差，尤其在加工炮制成粉末或者碎片后，更是难以鉴别。因此，在其产地鉴别方面需要现代科学的方法。
目前，针对中药材道地性的检测方法主要有外观形状、显微鉴别、高效液相色谱法、红外光谱法、紫外光谱法、微生物法等等。外观形状对鉴别人员的专业能力要求非常高，准确性也较差，尤其在加工炮制成粉末或者碎片后，更是难以鉴别。高效液相色谱法利用高压输液系统将规定的溶有被测物质的液体输入到装有填充剂的色谱柱中，从而实现对物质的分离测定，高效液相色谱法能效高而且灵敏度好，但是它需要提前准备样品，是一种有损的物质检测方法，样品处理较为繁琐、分析时间较长、且试剂成本较高。红外光谱分析法是近年来应用较为广泛的一种分析方法，它通过测量物质与光谱之间的作用从而实现对物质的分析，该方法分析速度快，对样品无化学污染，仪器操作简单，目前也被应用于很多药品的检测中。紫外光谱也是常用的物质光谱检测手段，在进行定量分析时精度较高，但是由于其光子的能量较大，会使一些活性物质分解，因此在药物检测中的推广也受到了一定的限制。微生物法是利用药物对微生物的生长抑制作用来实现检测目的，微生物方法虽然准确度较高，但是由于它操作繁琐、费时，而且对于操作人员的素质要求较高，使得它很难用于大批量药物的检测，只适合用于抽检。
发明内容
为了解决上述问题，本发明提出了一种基于太赫兹时域光谱技术的人参道地性检测方法及系统，将太赫兹时域光谱技术与机器学习结合，建立监督式多产地预测模型，并通过优化算法对预测模型的超参数进行优化，实现对人参多产地道地性的快速、精准的预测。
在一些实施方式中，采用如下技术方案：
一种基于太赫兹时域光谱技术的人参道地性检测方法，包括：
获取待检测的人参样本；
测量所述人参样本的厚度、太赫兹时域信号和太赫兹光谱，计算样本的消光系数；
将所述消光系数输入到训练好的人参产地预测模型中，输出待检测人参样本的产地信息。
在另一些实施方式中，采用如下技术方案：
一种基于太赫兹时域光谱技术的人参道地性检测系统，包括：
样本获取模块，用于获取待检测的人参样本；
数据处理模块，用于测量所述人参样本的太赫兹时域信号和太赫兹光谱，计算样本的消光系数；
数据预测模块，用于将所述消光系数输入到训练好的人参产地预测模型中，输出待检测人参样本的产地信息。
在另一些实施方式中，采用如下技术方案：
一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的基于太赫兹时域光谱技术的人参道地性检测方法。
在另一些实施方式中，采用如下技术方案：
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的基于太赫兹时域光谱技术的人参道地性检测方法。
与现有技术相比，本发明的有益效果是：
(1)本发明利用太赫兹的强穿透性、指纹谱特性，将太赫兹时域光谱技术与机器学习结合，建立监督式多分类预测模型，并通过优化算法对模型超参数进行优化，建立准确率高，泛化性能好，不易过拟合，具有良好的抗噪性能的人参产地预测模型。
(2)本发明能够实现对人参多个产地的快速、精准的预测，是一种高效、快速、准确的人参道地性检测方法。
附图说明
图1是透射型太赫兹时域光谱系统原理示意图；
图2是本发明实施例中人参道地性检测方法流程图；
图3是本发明实施例中三产地人参太赫兹频段的消光系数示意图；
图4是本发明实施例中随机森林方法过程示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施方式中，公开了一种基于太赫兹时域光谱技术的人参道地性检测方法，参照图2，包括以下过程：
(1)获取待检测的人参样本；
具体地，制备进行太赫兹光谱测量的样本，将人参打粉、过筛并用压片机压制压成表面平行的薄片。在测试之前，将样品干燥，排除样品中水对实验结果的影响。
(2)测量所述人参样本的太赫兹时域信号和太赫兹光谱，计算样本的消光系数；
太赫兹(THz)波是频率介于微波和光波的电磁辐射(0.1～10THz)，频带覆盖众多大分子的振动转动能级，对分子间的振动，特别是对集体振动模式和空间结构的微小差异具有很强的灵敏度，因此，太赫兹光谱可以用来区分化学成分相似的物质，甚至可以区分同分异构体。同时太赫兹波的单光子能量低，不会对物质造成电离破坏，相较于其他光谱更适合进行药物的检测。
本实施例采用太赫兹时域光谱系统FiCO，产生和探测太赫兹的方法分别为光电导天线和电光采样。系统主要由飞秒激光器、时间延迟系统、太赫兹发射头和太赫兹接收头组成。附图1为该系统透射工作模式下的原理示意图。
测量人参样本的厚度值，将测试环境的相对湿度降低至3％以下，应用太赫兹时域光谱系统的透射模式获得参考和样本的太赫兹时域信号和太赫兹光谱，计算样本的消光系数。
(3)将所述消光系数输入到训练好的人参产地预测模型中，输出待检测人参样本的产地信息。
具体地，采用监督式学习随机森林的方法建立人参产地预测模型，构成随机森林的决策树采用分类回归决策树(CART)，用gini指数决定如何分裂；图4给出了随机森林方法过程示意图。
人参产地预测模型为利用随机森林建立的人参产地与消光系数响应之间的模型，以遗传算法对随机森林模型的决策树数量、叶子节点最小样本数、随机特征参数数量等超参数进行优化。
本实施例中，对人参产地预测模型进行训练的过程包括:
制备不同产地人参的样本；测量样本的厚度；
采集空载和样本的太赫兹时域信号；
对采集的空载和样本的太赫兹时域信号进行傅里叶变换，获得参考和样本的太赫兹光谱，计算检测样本在太赫兹频段的消光系数,形成得到训练样本集。
对样本集进行划分，分为训练集和验证集；训练集的样品数大于验证集的样品数；
将训练集的消光系数和对应的产地信息作为输入，以机器学习算法随机森林(RF)建立人参产地预测模型，应用遗传算法对模型进行超参数优化，最后对模型进行交叉验证和评价。
利用验证集检验所建立的人参产地预测模型，通过产地鉴别的正确率评价模型的可靠性，若正确率满足设定范围，则模型符合要求。
下面通过具体的实施例对本实施例方法进行详细说明。
(1)样本准备：
不同产地的人参饮片进行打粉，并用100目筛子过筛，用10MPa压力将人参压成质量为0.2g/份的表面平行的圆形薄片，厚度约为1mm，直径为13mm。在测试之前，样品放置于40℃的真空干燥箱干燥12小时，排除样品中水对实验结果的影响。
(2)实验测试准备：为了避免空气中水蒸汽的影响，将太赫兹时域光谱系统放置于密封罩中，并往密封罩中充干燥空气，将密封罩的空气湿度控制在3％以下。
(3)获取时域信号：在透射模式下，将样本放置在样本槽中，待太赫兹时域光谱系统开机稳定后，测试空载时和加样本时的太赫兹信号并采集样本的折射率、消光系数和吸光度等光学参数。
(4)中国、加拿大和美国三个产地的人参，其中产地为中国的人参来自东北，产地为美国的人参来自Wisconsin。中国和加拿大选择了12个批次，美国选择了8个批次，每个批次制作10个样片，每个样片测试1个光谱，获得320个吸收谱数据。测得不同产地人参的太赫兹光谱，其光谱如图2所示。
(5)将320个光谱划分为训练集和验证集，验证集用来评估训练集建立模型的精确度。采用224个样本作为训练集，用96个样本作为验证集，其中训练集和验证集采用随机划分。
(6)将训练集太赫兹频段的消光系数和对应产地信息作为输入，利用随机森林建立人参产地与消光系数响应之间的模型。
(7)以遗传算法对随机森林模型的决策树数量、叶子节点最小样本数、随机特征参数数量等超参数进行优化。
(8)利用验证集检验所建立的人参产地预测模型的性能，通过产地鉴别的准确率评价模型的可靠性。
人参道地性检测方法示意图如图2所示，模型的交叉检验结果如表1所示，验证集产地预测的准确率可达89.58％，其中产地为中国的误判率为0，美国和加拿大有较低的相互误判率。因此，太赫兹时域光谱技术结合随机森林建立的人参道地性预测模型是可靠的，可以用来检测人参的道地性。
表1人参产地鉴别模型的预测结果
实施例二
在一个或多个实施方式中，公开了一种基于太赫兹时域光谱技术的人参道地性检测系统，包括：
样本获取模块，用于获取待检测的人参样本；
数据处理模块，用于测量所述人参样本的太赫兹时域信号和太赫兹光谱，计算样本的消光系数；
数据预测模块，用于将所述消光系数输入到训练好的人参产地预测模型中，输出待检测人参样本的产地信息。
此处需要说明的是，上述各模块的具体实现方式采用实施例一中公开的方法实现，但不限于上述实施例一所公开的内容。
上述实施例中对各个实施例的描述各有侧重，某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的系统，可以通过其他的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如上述模块的划分，仅仅为一种逻辑功能划分，实际实现时，可以有另外的划分方式，例如多个模块可以结合或者可以集成到另外一个系统，或一些特征可以忽略，或不执行。
实施例三
本实施例还提供了一种终端设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述实施例一所述的方法。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
实施例四
本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述的方法。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于太赫兹时域光谱技术的人参道地性检测方法，其特征在于，包括：
获取待检测的人参样本；
测量所述人参样本的厚度、太赫兹时域信号和太赫兹光谱，计算样本的消光系数；
将所述消光系数输入到训练好的人参产地预测模型中，输出待检测人参样本的产地信息。
2.如权利要求1所述的一种基于太赫兹时域光谱技术的人参道地性检测方法，其特征在于，获取待检测的人参样本，具体包括：
将人参打粉、过筛并用压片机压制压成表面平行的薄片；并进行干燥处理。
3.如权利要求1所述的一种基于太赫兹时域光谱技术的人参道地性检测方法，其特征在于，将测试环境的相对湿度降低至设定阈值以下，应用太赫兹时域光谱系统的透射模式获取待检测人参样本的的太赫兹时域信号和太赫兹光谱。
4.如权利要求1所述的一种基于太赫兹时域光谱技术的人参道地性检测方法，其特征在于，所述人参产地预测模型采用监督式学习随机森林的方法建立，所述人参产地预测模型表征人参产地与消光系数响应之间的对应关系。
5.如权利要求4所述的一种基于太赫兹时域光谱技术的人参道地性检测方法，其特征在于，利用遗传算法对人参产地预测模型的决策树数量、叶子节点最小样本数以及随机特征参数数量超参数进行优化。
6.如权利要求1所述的一种基于太赫兹时域光谱技术的人参道地性检测方法，其特征在于，对于人参产地预测模型的训练过程包括：
制备不同产地人参样本；
分别采集太赫兹时域光谱系统空载状态和带样本状态的太赫兹时域信号；对所述时域信号进行傅里叶变换，分别获得参考太赫兹光谱和样本的太赫兹光谱，计算样本的消光系数；
基于每一个样本的消光系数和样本的产地，形成样本集；将所述样本集划分为训练集和测试集；
将训练集的消光系数和对应的产地信息作为输入，以机器学习算法随机森林(RF)建立人参产地预测模型，应用遗传算法对模型进行超参数优化，最后对模型进行交叉验证和评价；利用测试集对所建立的人参产地预测模型进行检验。
7.如权利要求1所述的一种基于太赫兹时域光谱技术的人参道地性检测方法，其特征在于，通过计算人参产地预测模型对产地鉴别的准确率评价模型的可靠性。
8.一种基于太赫兹时域光谱技术的人参道地性检测系统，其特征在于，包括：
样本获取模块，用于获取待检测的人参样本；
数据处理模块，用于测量所述人参样本的太赫兹时域信号和太赫兹光谱，计算样本的消光系数；
数据预测模块，用于将所述消光系数输入到训练好的人参产地预测模型中，输出待检测人参样本的产地信息。
9.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-7任一项所述的基于太赫兹时域光谱技术的人参道地性检测方法。
10.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的基于太赫兹时域光谱技术的人参道地性检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011397840.8A CN112666119A (zh) | 2020-12-03 | 2020-12-03 | 基于太赫兹时域光谱技术的人参道地性检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011397840.8A CN112666119A (zh) | 2020-12-03 | 2020-12-03 | 基于太赫兹时域光谱技术的人参道地性检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112666119A true CN112666119A (zh) | 2021-04-16 |
Family
ID=75401863
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011397840.8A Pending CN112666119A (zh) | 2020-12-03 | 2020-12-03 | 基于太赫兹时域光谱技术的人参道地性检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112666119A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113916825A (zh) * | 2021-11-23 | 2022-01-11 | 山东省科学院自动化研究所 | 基于太赫兹光谱技术的西洋参产地检测方法 |
| CN114357896A (zh) * | 2022-03-21 | 2022-04-15 | 北京微芯区块链与边缘计算研究院 | 一种基于骑手优化算法的LightGBM判断中药道地性的方法和系统 |
| CN115186776A (zh) * | 2022-09-13 | 2022-10-14 | 国检中心深圳珠宝检验实验室有限公司 | 一种红宝石产地分类的方法、装置及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103822884A (zh) * | 2013-12-19 | 2014-05-28 | 中国矿业大学 | 一种基于太赫兹时域光谱的茶叶分类鉴别方法 |
| CN106248610A (zh) * | 2016-10-20 | 2016-12-21 | 中国石油大学(北京) | 基于太赫兹时域光谱的动态、多点草品种鉴定与认证方法 |
| CN107328735A (zh) * | 2017-08-30 | 2017-11-07 | 浙江大学 | 基于太赫兹光谱技术的油菜种类鉴别方法 |
| CN109632693A (zh) * | 2018-12-10 | 2019-04-16 | 昆明理工大学 | 一种基于blstm-rnn的太赫兹光谱识别方法 |
| CN110018131A (zh) * | 2019-04-30 | 2019-07-16 | 重庆市计量质量检测研究院 | 一种基于太赫兹时域光谱技术的软玉产地的鉴定方法 |
| CN111272692A (zh) * | 2019-12-11 | 2020-06-12 | 中国计量大学 | 一种利用太赫兹时域光谱技术检测保健品添加剂的方法 |
-
2020
- 2020-12-03 CN CN202011397840.8A patent/CN112666119A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103822884A (zh) * | 2013-12-19 | 2014-05-28 | 中国矿业大学 | 一种基于太赫兹时域光谱的茶叶分类鉴别方法 |
| CN106248610A (zh) * | 2016-10-20 | 2016-12-21 | 中国石油大学(北京) | 基于太赫兹时域光谱的动态、多点草品种鉴定与认证方法 |
| CN107328735A (zh) * | 2017-08-30 | 2017-11-07 | 浙江大学 | 基于太赫兹光谱技术的油菜种类鉴别方法 |
| CN109632693A (zh) * | 2018-12-10 | 2019-04-16 | 昆明理工大学 | 一种基于blstm-rnn的太赫兹光谱识别方法 |
| CN110018131A (zh) * | 2019-04-30 | 2019-07-16 | 重庆市计量质量检测研究院 | 一种基于太赫兹时域光谱技术的软玉产地的鉴定方法 |
| CN111272692A (zh) * | 2019-12-11 | 2020-06-12 | 中国计量大学 | 一种利用太赫兹时域光谱技术检测保健品添加剂的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 张建 等: "莪术的太赫兹时域光谱研究", 《第七届中国功能材料及其应用学术会议》 * |
| 李仲 等: "基于红外光谱和随机森林的枸杞产地鉴别", 《计算机与应用光学》 * |
| 王远: "基于太赫兹时域光谱技术的红木分类识别", 《光谱学与光谱分析》 * |
| 胡忠义等: "《基于计算智能技术的电力负荷预测理论及应用》", 31 January 2019, 武汉大学出版社 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113916825A (zh) * | 2021-11-23 | 2022-01-11 | 山东省科学院自动化研究所 | 基于太赫兹光谱技术的西洋参产地检测方法 |
| CN114357896A (zh) * | 2022-03-21 | 2022-04-15 | 北京微芯区块链与边缘计算研究院 | 一种基于骑手优化算法的LightGBM判断中药道地性的方法和系统 |
| CN114357896B (zh) * | 2022-03-21 | 2022-06-10 | 北京微芯区块链与边缘计算研究院 | 一种基于骑手优化算法的LightGBM判断中药道地性的方法和系统 |
| CN115186776A (zh) * | 2022-09-13 | 2022-10-14 | 国检中心深圳珠宝检验实验室有限公司 | 一种红宝石产地分类的方法、装置及存储介质 |
| CN115186776B (zh) * | 2022-09-13 | 2022-12-13 | 国检中心深圳珠宝检验实验室有限公司 | 一种红宝石产地分类的方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112666119A (zh) | 基于太赫兹时域光谱技术的人参道地性检测方法及系统 | |
| Zhao et al. | Near infrared reflectance spectroscopy for determination of the geographical origin of wheat | |
| Zaukuu et al. | Authentication of Tokaj wine (Hungaricum) with the electronic tongue and near infrared spectroscopy | |
| CN102179375A (zh) | 一种基于近红外作物单籽粒成分无损检测筛选方法 | |
| CN102288572A (zh) | 利用近红外光谱技术快速检测中药药材指标性成分含量的方法 | |
| CN104020128B (zh) | 一种快速鉴别蜂胶胶源的方法 | |
| Meng et al. | Discrimination and content analysis of fritillaria using near infrared spectroscopy | |
| Yang et al. | Application of near-infrared spectroscopy and chemometrics for the rapid quality assessment of Sargassum fusiforme | |
| Wang et al. | Geographic authentication of Eucommia ulmoides leaves using multivariate analysis and preliminary study on the compositional response to environment | |
| CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
| Wang et al. | Onsite nutritional diagnosis of tea plants using micro near-infrared spectrometer coupled with chemometrics | |
| CN106918572A (zh) | 马铃薯复配主食中马铃薯含量的测定方法 | |
| CN103353443A (zh) | 一种基于近红外光谱的中宁枸杞子判别方法 | |
| Song et al. | Detection of aflatoxin B1 in peanut oil using attenuated total reflection fourier transform infrared spectroscopy combined with partial least squares discriminant analysis and support vector machine models | |
| da Silva et al. | Near infrared spectroscopy to rapid assess the rubber tree clone and the influence of maturation and disease at the leaves | |
| Singh et al. | Hyperspectral remote sensing for foliar nutrient detection in forestry: A near-infrared perspective | |
| CN110470629A (zh) | 一种油茶籽中水分和含油量的近红外定量分析方法 | |
| Gao et al. | Differentiation of storage time of wheat seed based on near infrared hyperspectral imaging | |
| Li et al. | Study on detection of the internal quality of pumpkin seeds based on terahertz imaging technology | |
| Zhou et al. | ATR-FTIR spectroscopy combined with chemometrics to assess the spectral markers of irradiated baijius and their potential application in irradiation dose control | |
| CN107271396A (zh) | 一种茶叶中总黄酮含量的快速检测方法 | |
| CN109738391B (zh) | 一种基于近红外光谱技术的干姜药材质量评价方法 | |
| CN110726695A (zh) | 小鼠脑组织不同部位天麻素近红外光谱特异性识别方法 | |
| Zhang et al. | Analyzing protein concentration from intact wheat caryopsis using hyperspectral reflectance | |
| Wang et al. | Garlic bulb classification by combining Raman spectroscopy and machine learning |
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: 20210416 |