CN113484309A - 一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法 - Google Patents
一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法 Download PDFInfo
- Publication number
- CN113484309A CN113484309A CN202110721239.8A CN202110721239A CN113484309A CN 113484309 A CN113484309 A CN 113484309A CN 202110721239 A CN202110721239 A CN 202110721239A CN 113484309 A CN113484309 A CN 113484309A
- Authority
- CN
- China
- Prior art keywords
- black tea
- gas
- fermentation
- hyperspectral
- colorimetric sensor
- 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.)
- Granted
Links
- 238000000855 fermentation Methods 0.000 title claims abstract description 79
- 230000004151 fermentation Effects 0.000 title claims abstract description 79
- 244000269722 Thea sinensis Species 0.000 title claims abstract description 77
- 235000006468 Thea sinensis Nutrition 0.000 title claims abstract description 59
- 235000020279 black tea Nutrition 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 230000008878 coupling Effects 0.000 title claims abstract description 8
- 238000010168 coupling process Methods 0.000 title claims abstract description 8
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 8
- 238000007709 nanocrystallization Methods 0.000 claims abstract description 20
- 235000013616 tea Nutrition 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 230000009467 reduction Effects 0.000 claims abstract description 5
- 238000000513 principal component analysis Methods 0.000 claims abstract description 4
- 239000000463 material Substances 0.000 claims description 41
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 15
- 150000004032 porphyrins Chemical class 0.000 claims description 10
- 230000001953 sensory effect Effects 0.000 claims description 10
- 239000000243 solution Substances 0.000 claims description 10
- 239000006185 dispersion Substances 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- YNHJECZULSZAQK-UHFFFAOYSA-N tetraphenylporphyrin Chemical compound C1=CC(C(=C2C=CC(N2)=C(C=2C=CC=CC=2)C=2C=CC(N=2)=C(C=2C=CC=CC=2)C2=CC=C3N2)C=2C=CC=CC=2)=NC1=C3C1=CC=CC=C1 YNHJECZULSZAQK-UHFFFAOYSA-N 0.000 claims description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 8
- 239000000758 substrate Substances 0.000 claims description 8
- 239000012855 volatile organic compound Substances 0.000 claims description 8
- 239000011259 mixed solution Substances 0.000 claims description 7
- 229940057847 polyethylene glycol 600 Drugs 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 235000019225 fermented tea Nutrition 0.000 claims description 6
- 230000035484 reaction time Effects 0.000 claims description 6
- GTZCNONABJSHNM-UHFFFAOYSA-N 5,10,15,20-tetraphenyl-21,23-dihydroporphyrin zinc Chemical compound [Zn].c1cc2nc1c(-c1ccccc1)c1ccc([nH]1)c(-c1ccccc1)c1ccc(n1)c(-c1ccccc1)c1ccc([nH]1)c2-c1ccccc1 GTZCNONABJSHNM-UHFFFAOYSA-N 0.000 claims description 5
- 229910021380 Manganese Chloride Inorganic materials 0.000 claims description 5
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 239000003205 fragrance Substances 0.000 claims description 5
- 229910052742 iron Inorganic materials 0.000 claims description 5
- 229940099607 manganese chloride Drugs 0.000 claims description 5
- 235000002867 manganese chloride Nutrition 0.000 claims description 5
- 239000011565 manganese chloride Substances 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000001338 self-assembly Methods 0.000 claims description 5
- 239000000741 silica gel Substances 0.000 claims description 5
- 229910002027 silica gel Inorganic materials 0.000 claims description 5
- PJOJZHHAECOAFH-UHFFFAOYSA-N 5,10,15,20-tetrakis(4-methoxyphenyl)-21,23-dihydroporphyrin Chemical compound COc1ccc(cc1)-c1c2ccc(n2)c(-c2ccc(OC)cc2)c2ccc([nH]2)c(-c2ccc(OC)cc2)c2ccc(n2)c(-c2ccc(OC)cc2)c2ccc1[nH]2 PJOJZHHAECOAFH-UHFFFAOYSA-N 0.000 claims description 4
- BQWXRCGBXCQIAB-UHFFFAOYSA-N copper 5,10,15,20-tetraphenyl-21,23-dihydroporphyrin Chemical compound [Cu+2].C1(=CC=CC=C1)C1=C2C=CC(C(=C3C=CC(=C(C=4C=CC(=C(C5=CC=C1N5)C5=CC=CC=C5)N4)C4=CC=CC=C4)N3)C3=CC=CC=C3)=N2 BQWXRCGBXCQIAB-UHFFFAOYSA-N 0.000 claims description 4
- 238000001035 drying Methods 0.000 claims description 4
- 238000002156 mixing Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 229910017052 cobalt Inorganic materials 0.000 claims description 3
- 239000010941 cobalt Substances 0.000 claims description 3
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- ODVRHJKVXOGKEJ-UHFFFAOYSA-N iron 5,10,15,20-tetraphenyl-21,23-dihydroporphyrin Chemical compound [Fe].c1cc2nc1c(-c1ccccc1)c1ccc([nH]1)c(-c1ccccc1)c1ccc(n1)c(-c1ccccc1)c1ccc([nH]1)c2-c1ccccc1 ODVRHJKVXOGKEJ-UHFFFAOYSA-N 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- VJEVAXUMNMFKDT-UHFFFAOYSA-N 5,10,15,20-tetrakis(2,3,4,5,6-pentafluorophenyl)-21,23-dihydroporphyrin Chemical compound Fc1c(F)c(F)c(c(F)c1F)-c1c2ccc(n2)c(-c2c(F)c(F)c(F)c(F)c2F)c2ccc([nH]2)c(-c2c(F)c(F)c(F)c(F)c2F)c2ccc(n2)c(-c2c(F)c(F)c(F)c(F)c2F)c2ccc1[nH]2 VJEVAXUMNMFKDT-UHFFFAOYSA-N 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 239000004094 surface-active agent Substances 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 238000001514 detection method Methods 0.000 abstract description 5
- 230000035945 sensitivity Effects 0.000 abstract description 5
- 238000013528 artificial neural network Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract description 2
- 238000012706 support-vector machine Methods 0.000 abstract description 2
- 230000004927 fusion Effects 0.000 abstract 1
- 238000002371 ultraviolet--visible spectrum Methods 0.000 description 4
- 101100207326 Arabidopsis thaliana TPPF gene Proteins 0.000 description 3
- 101100100081 Oryza sativa subsp. japonica TPP3 gene Proteins 0.000 description 3
- 101100100083 Oryza sativa subsp. japonica TPP5 gene Proteins 0.000 description 3
- 101100100085 Oryza sativa subsp. japonica TPP7 gene Proteins 0.000 description 3
- 101100100086 Oryza sativa subsp. japonica TPP8 gene Proteins 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000009614 chemical analysis method Methods 0.000 description 3
- 239000002105 nanoparticle Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- WRMNZCZEMHIOCP-UHFFFAOYSA-N 2-phenylethanol Chemical compound OCCC1=CC=CC=C1 WRMNZCZEMHIOCP-UHFFFAOYSA-N 0.000 description 2
- AQPPOLXYUQPDOD-UHFFFAOYSA-N 5,10,15,20-tetraphenyl-21,22-dihydroporphyrin Chemical compound C1=CC(C(=C2C=CC(N2)=C(C=2C=CC=CC=2)C2=CC=C(N2)C(C=2C=CC=CC=2)=C2C=CC3=N2)C=2C=CC=CC=2)=NC1=C3C1=CC=CC=C1 AQPPOLXYUQPDOD-UHFFFAOYSA-N 0.000 description 2
- 102100031663 Alpha-tocopherol transfer protein Human genes 0.000 description 2
- 101100207327 Arabidopsis thaliana TPPG gene Proteins 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 2
- GLZPCOQZEFWAFX-UHFFFAOYSA-N Geraniol Chemical compound CC(C)=CCCC(C)=CCO GLZPCOQZEFWAFX-UHFFFAOYSA-N 0.000 description 2
- 101100100082 Oryza sativa subsp. japonica TPP4 gene Proteins 0.000 description 2
- 101100100084 Oryza sativa subsp. japonica TPP6 gene Proteins 0.000 description 2
- 108010039203 Tripeptidyl-Peptidase 1 Proteins 0.000 description 2
- 102100040411 Tripeptidyl-peptidase 2 Human genes 0.000 description 2
- RWDBIZPEXPLXDF-UHFFFAOYSA-L [Fe](Cl)Cl.FC1=C(C(=C(C(=C1C1=C2NC(=C1)C=C1C=CC(=N1)C=C1C=CC(N1)=CC=1C=CC(N1)=C2)F)F)F)F Chemical compound [Fe](Cl)Cl.FC1=C(C(=C(C(=C1C1=C2NC(=C1)C=C1C=CC(=N1)C=C1C=CC(N1)=CC=1C=CC(N1)=C2)F)F)F)F RWDBIZPEXPLXDF-UHFFFAOYSA-L 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 2
- DTUQWGWMVIHBKE-UHFFFAOYSA-N phenylacetaldehyde Chemical compound O=CCC1=CC=CC=C1 DTUQWGWMVIHBKE-UHFFFAOYSA-N 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 108010039189 tripeptidyl-peptidase 2 Proteins 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- IFTBJDZSLBRRMC-SREVYHEPSA-N 3Z-Nonen-1-ol Chemical compound CCCCC\C=C/CCO IFTBJDZSLBRRMC-SREVYHEPSA-N 0.000 description 1
- JPVYNHNXODAKFH-UHFFFAOYSA-N Cu2+ Chemical compound [Cu+2] JPVYNHNXODAKFH-UHFFFAOYSA-N 0.000 description 1
- GLZPCOQZEFWAFX-YFHOEESVSA-N Geraniol Natural products CC(C)=CCC\C(C)=C/CO GLZPCOQZEFWAFX-YFHOEESVSA-N 0.000 description 1
- 239000005792 Geraniol Substances 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 125000003118 aryl group Chemical group 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- QBCIMRXPMLWVML-UHFFFAOYSA-N cobalt(2+);5,10,15,20-tetrakis(4-methoxyphenyl)porphyrin-22,24-diide Chemical compound [Co+2].C1=CC(OC)=CC=C1C(C1=CC=C([N-]1)C(C=1C=CC(OC)=CC=1)=C1C=CC(=N1)C(C=1C=CC(OC)=CC=1)=C1C=CC([N-]1)=C1C=2C=CC(OC)=CC=2)=C2N=C1C=C2 QBCIMRXPMLWVML-UHFFFAOYSA-N 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 229940113087 geraniol Drugs 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002209 hydrophobic effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- ZWYCMWUUWAFXIA-UHFFFAOYSA-N iron(2+);5,10,15,20-tetraphenylporphyrin-22,23-diide Chemical compound [Fe+2].C1=CC(C(=C2C=CC([N-]2)=C(C=2C=CC=CC=2)C2=CC=C([N-]2)C(C=2C=CC=CC=2)=C2C=CC3=N2)C=2C=CC=CC=2)=NC1=C3C1=CC=CC=C1 ZWYCMWUUWAFXIA-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 229960001047 methyl salicylate Drugs 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000012803 optimization experiment Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 229940100595 phenylacetaldehyde Drugs 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000001878 scanning electron micrograph Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000009210 therapy by ultrasound Methods 0.000 description 1
- AYEKOFBPNLCAJY-UHFFFAOYSA-O thiamine pyrophosphate Chemical compound CC1=C(CCOP(O)(=O)OP(O)(O)=O)SC=[N+]1CC1=CN=C(C)N=C1N AYEKOFBPNLCAJY-UHFFFAOYSA-O 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
-
- 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
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
- G01N27/125—Composition of the body, e.g. the composition of its sensitive layer
- G01N27/127—Composition of the body, e.g. the composition of its sensitive layer comprising nanoparticles
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Plasma & Fusion (AREA)
- Nanotechnology (AREA)
- Electrochemistry (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
Abstract
本发明涉及茶叶品质监测技术领域,具体涉及一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法;利用纳米化比色传感阵列捕获红茶发酵过程中挥发性物质,并应用高光谱图像技术结合主成分分析、线性判别分析等降维算法,高效提取比色阵列特征信息,采用偏最小二乘判别、多元线性判别、支持向量机、极限学习机、人工神经网络、深度信念网络等算法建立鲁棒性强、准确性高的信息融合判别模型,实现对红茶发酵程度的快速准确判别。本发明具有分析速度快、灵敏度高、成本低、样品无需预处理且便于在线无损检测的特点。
Description
技术领域
本发明涉及茶叶品质监测技术领域,具体涉及一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法。
背景技术
红茶是世界上产量和销量最高的茶类,其加工工序包括萎凋、揉捻、发酵和干燥。发酵作为红茶加工的关键工序,对红茶香气、色泽、滋味品质的形成有重要影响,发酵不足和过度发酵都不利于红茶品质。们目前,茶叶品质的评价方法主要依赖感官审评和化学分析方法。传统红茶生产中,对发酵程度的掌握主要依赖有经验的制茶师傅进行感官评判。然而,对发酵叶的感官评判易受现场情况,审评员的健康状况、知识水平以及经验等影响。同时,描述性的感官审评结果难以量化,在客观性、准确性等方面有所欠缺,难以适应目前茶叶行业加工过程品质评判的需求。化学分析法能够准确对茶叶各种理化成分进行定量,但分析过程繁杂、费时费力,且只能分析单项内含物指标,不能够在线衡量红茶发酵质量,不适用于茶叶加工过程中的在线检测和快速评价。
随着发酵程度的加深,在制品香气品质转变十分明显,这与发酵过程中关键香气组分的动态变化有关。总体来说,随着发酵的进程,挥发性有机物(VOC)种类大致呈现先增加后减少的趋势。顺-己酸-3-己烯酯、顺-3-壬烯-1-醇等具有青草气和粗青气的香气成分减少;同时,具有花果香的芳香挥发性代谢物,如水杨酸甲酯、香叶醇、苯乙醇、苯乙醛等在红茶发酵过程中变化显著。然而,目前对于这些特征VOC的检测依赖气质联用(GC-MS)等化学分析方法,整个分析过程费时费力,检测结果具有严重的滞后性,无法满足红茶发酵过程原位监测的需求。综上,开发快速无损、准确可靠的发酵在制品香气数字化评价方法,对于实现红茶发酵品质的原位监测具有重要意义。
目前,电子鼻仿生传感器被广泛应用于茶叶品质的评判中。与传统人工嗅觉系统相比,比色传感器选用疏水性气敏阵列染料和基底,环境湿度的变化几乎不会对传感器产生影响,这一特点让嗅感图像化技术成为茶叶品质评价的有力嗅觉监测手段。然而,普适性气敏材料对VOC响应灵敏度低、选择性弱限制了其对动态变化的红茶发酵香气特征识别。且目前多数嗅觉传感器是基于RGB三通道获取色差向量进行统计和定量分析,这三个被检测的通道是高度相关的,并包含相对较高的噪声,基于近红外光谱可以获得嗅觉传感阵列更丰富的特征信息,有利于提高相似目标件的区分能力。
鉴于上述缺陷,本发明创作者经过长时间的研究和实践终于获得了本发明。
发明内容
本发明的目的在于解决目前的红茶发酵程度监测方法相应灵敏度低、选择性弱,且获取色差向量进行统计和定量分析的RGB三通道是高度相关的,监测结果不准确的问题,提供了一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法。
为了实现上述目的,本发明公开了一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法,包括以下步骤:
S1:代表性样品采集及感官审评:采集不同发酵时间的红茶茶样,从发酵开始起至发酵5h每隔30min采集一次样品,每次取20个发酵茶样,共220个样品,根据GB/T23776-2018中工夫红茶审评因子的评分系数,由专业茶叶审评小组对收集的发酵茶样的发酵程度进行感官评价;
S2:气敏传感器阵列材料选择:基于气敏材料与红茶发酵样品的特征响应值筛选出响应高、稳定性强的气敏材料;
S3:纳米化比色传感器构建:利用辅助自组装法将筛选出的气敏材料进行纳米化制备,利用表面活性剂聚乙二醇600辅助气敏材料的纳米化自组装,将制得的纳米化气敏材料分散液,并将分散液固定至C2反相硅胶板基底上得到纳米化比色传感器;
S4:反应参数优化:通过计算RGB三维空间中反应前后两点之间的绝对距离,利用欧氏距离法分析嗅觉传感系统响应差值,对反应时间、茶叶样本量和反应室体积进行优化;
S5:传感信息获取与特征提取:使用基于可见/近红外光谱仪的高光谱图像系统及配套采集和分析软件,对阵列的高光谱图像进行采集,对所获取的信息进行去噪、阈值分割及特征提取;
S6:发酵程度可视化呈现:在数据矩阵层面,将与红茶VOC反应后的阵列图像减去反应前的阵列图像,得到颜色变量差值矩阵,利用该矩阵生成得到差值图像,用颜色可视化呈现气敏传感阵列对红茶发酵香气的响应;
S7:发酵程度判别模型的构建与优化:基于主成分分析、线性判别分析等降维算法高效提取特征信息,比较偏最小二乘判别、多元线性判别、支持向量机、极限学习机、人工神经网络,深度信念网络等算法,选择最优的算法建立鲁棒性强、准确性高的发酵程度评价模型,利用独立样本对模型进行验证,进一步修正和优化模型。
所述步骤S2中筛选气敏材料时,提取并计算气敏材料与红茶发酵样品相应的RGB特征值的欧式距离,以欧式距离均值>12.22,误差<2.44为标准筛选气敏材料。
所述步骤S2中筛选出的气敏材料为5,10,15,20-四(五氟苯基)卟啉氯化铁、四甲氧基苯基卟啉钴、5,10,15,20-四苯基-21H,23H-卟吩铜(II)、四苯基卟啉锌、5,10,15,20-四苯基卟啉、四苯基卟啉铁、四对甲氧苯基卟啉铁、5,10,15,20-四苯基-21H,23H-卟吩氯化锰中的任意一种。
所述步骤S3中构建纳米化比色传感器的具体过程如下:称取一定量筛选出的气敏材料,超声溶解于N-N-二甲基乙酰胺中,得到气敏材料溶液,将聚乙二醇600与气敏材料溶液混合,超声得到混合液,50℃恒温搅拌15min制得纳米化气敏材料分散液,并将分散液固定至C2反相硅胶板基底上,形成大小为Ф3mm的阵列点,通风干燥15min,制得2*4的纳米化比色传感器阵列。
所述步骤S3中自组装法制备时,聚乙二醇600与气敏材料溶液的体积比为1:9。
所述步骤S4中以欧式距离法优化得到的最优参为:反应时间22min,茶叶样本量3g,反应室体积50cm3。
所述步骤S5中传感信息获取与特征提取时,利用中值滤波法消除图像噪声,基于Laplace算子对平滑后的图像进行空间卷积以获取清晰的样本图像;通过阈值分割将传感器阵列图像与基底背景分开;为消除传感器边缘部分对特征提取的影响,在获取的每个传感阵列染料点图像中搜索中心点,取中心点附近10*10pixels的图像。
所述步骤S7中发酵程度判别模型的构建时,以累计贡献率>95%选取前n个主成分,构建红茶发酵程度定性预测模型,通过选取参数计算得到最优解。
与现有技术比较本发明的有益效果在于:
1、本发明所制备的纳米气敏材料在不同温湿度条件下稳定性强,对于红茶发酵过程VOC响应灵敏度高、特异性好;
2、本发明采用高光谱系统提取比色传感器阵列的光谱信息,相比于传统基于平板扫描仪和数码相机获取的阵列颜色信息,多维的光谱信息可以获得嗅觉传感阵列更丰富的特征信息;
3、本发明利用降维算法对原始光谱数据进行特征提取,结合模式识别算法,构建红茶发酵程度定性识别模型,能够实现快速准确的判别红茶发酵程度。该方法具有分析速度快、灵敏度高、成本低、样品无需预处理且便于在线无损检测的特点。
附图说明
图1为本发明一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法示意图;
图2为自组装N-TPP扫描电镜图:(a)N-TPP3,(b)N-TPP4,(c)N-TPP5,(d)N-TPP7,(e)N-TPP8;
注:TPP3为5,10,15,20-四苯基-21H,23H-卟吩铜(II);TPP4为四苯基卟啉锌;TPP5为5,10,15,20-四苯基卟啉;TPP7为四对甲氧苯基卟啉铁;TPP8为5,10,15,20-四苯基-21H,23H-卟吩氯化锰;N-为纳米化
图3为紫外可见光谱:(a)TPP1、TPP 2和N-TPP1、N-TPP2,(b)TPP3、TPP34和N-TPP3、N-TPP4,(c)TPP5、TPP 6和N-TPP5、N-TPP6,和(d)TPP7、TPP 8和N-TPP7、N-TPP8。
注:TPP1为5,10,15,20-四(五氟苯基)卟啉氯化铁;TPP2为四甲氧基苯基卟啉钴;TPP3为5,10,15,20-四苯基-21H,23H-卟吩铜(II);TPP4为四苯基卟啉锌;TPP5为5,10,15,20-四苯基卟啉;TPP6为四苯基卟啉铁;TPP7为四对甲氧苯基卟啉铁;TPP8为5,10,15,20-四苯基-21H,23H-卟吩氯化锰;N-为纳米化。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点作更详细的说明。
实施例
1、代表性样品采集及感官审评:
采集不同发酵时间的祁门红茶茶样,从发酵开始起至发酵5h每隔30min采集一次样品,每次取20个发酵茶样,共220个样品。根据GB/T23776-2018中工夫红茶审评因子的评分系数,由专业茶叶审评小组对收集的发酵茶样的发酵程度进行感官评价:发酵0-2h样品判定为发酵不足,2.5-3h样品判定为发酵适度,3.5-5h样品判定为发酵过度。
2、气敏传感器阵列材料选择:
基于气敏材料与祁门红茶发酵样品的特征响应值,提取并计算气敏材料与红茶发酵样品响应的RGB特征值的欧氏距离,以欧氏距离均值>12.22,误差<2.44,筛选出的气敏材料为包括5,10,15,20-四(五氟苯基)卟啉氯化铁,四甲氧基苯基卟啉钴,5,10,15,20-四苯基-21H,23H-卟吩铜(II),四苯基卟啉锌,5,10,15,20-四苯基卟啉,四苯基卟啉铁,四对甲氧苯基卟啉铁,5,10,15,20-四苯基-21H,23H-卟吩氯化锰的卟啉组合物。
3、纳米化比色传感器构建:
反应系统如图1所示,称取一定量的筛选出的卟啉组合物,溶解于N-N-二甲基乙酰胺,超声溶解,制备成7*10-4mol/L的溶液,将聚乙二醇600与卟啉溶液按1:9混合,超声得到混合液,吸取200μL的混合液在2min内均匀注入5mL蒸馏水中,将体系至于50℃,1000r搅拌15min,静止一天后获得纳米卟啉分散液。图2所示为SEM下观察N-TPP形态的结果:得到的大部分纳米颗粒呈球形形态,颗粒大小在100-200nm之间,图2a和c中还可观察到N-TPP3和N-TPP5块状结构,N-TPP3在SEM下的形状类似于由方形片叠加形成的立方体,N-TPP5主要表现为方块和长块叠加在一起。SEM的结果表明纳米卟啉材料分布均匀,大小几乎一致。与TPP相比,N-TPP的UV-Vis光谱中Soret带的吸收峰红移表示J型聚集体,而蓝移表示H型聚集体。如果卟啉纳米材料的紫外-可见光谱中的Soret带峰值红移、裂解和变宽(如图3b所示),这表明卟啉纳米粒子中同时存在H型和J型聚集体。如图3所示,八种卟啉材料的紫外-可见光谱中Soret带的红移或蓝移、裂解和变宽可以说明N-TPP材料的形成。用微量移液器取5μL所制分散液,固定到硅胶平板上形成大小为Ф3mm的阵列点,通风干燥15min,制得2*4的纳米化比色传感器阵列。
4、反应参数优化:
利用欧氏距离法分析嗅觉传感系统响应差值,最佳反应时间优化实验中,反应时间范围为2分钟到28分钟,每间隔2分钟进行图像采集。通过计算RGB三维空间中反应前后两点之间的绝对距离,利用欧氏距离法分析嗅觉传感系统响应差值,选取22min作为传感器响应最优时间;类似方法计算得到最优茶叶样本量3g,反应室体积50cm3。
5、传感信息获取与特征提取:
将3g祁门红茶发酵样品置于50cm3的玻璃培养皿内,纳米化传感阵列固定于培养皿盖子上,反应22min。反应结束后,将盖子取下放至于高光谱采集装置的载物台上并采集其光谱信息,高光谱系统参数设置如下:扫描波段为370.38~1036.54nm,传送带速度为2.31mm/s,镜头到载物台的距离为22.78cm,对所获取的信息利用中值滤波法消除图像噪声,基于Laplace算子对平滑后的图像进行空间卷积以获取清晰的样本图像;通过阈值分割将传感器阵列图像与基底背景分开;为消除传感器边缘部分对特征提取的影响,在获取的每个传感阵列染料点图像中搜索中心点,取中心点附近10*10pixels的图像。
6、发酵程度可视化呈现:
在数据矩阵层面,将与红茶VOC反应后的阵列图像减去反应前的阵列图像,得到颜色变量差值矩阵,利用该矩阵生成得到差值图像,用颜色可视化呈现气敏传感阵列对红茶发酵香气的响应。
7、发酵程度判别模型的构建与优化:
基于主成分分析降维得到前12个主成分作为特征信息;引入径向基函数,建立祁门红茶发酵程度SVM判别模型,该模型最佳惩罚因子c为36.76,RBF核参数g为0.00097;祁门红茶发酵程度校正集判别率为100.00%,预测集判别率为98.85%,能够实现判别程度的准确判别。
利用比色传感颜色信息与纳米化比色传感高光谱信息监测祁门红茶发酵程度结果比较结果如下表1所示:
表1利用比色传感颜色信息与纳米化比色传感高光谱信息监测祁门红茶发酵程度结果
表中:c为惩罚系数;g为核函数参数;N为隐层神经元数量;PCs为主成分数量。
与利用比色传感阵列颜色信息的传统方法相比,基于高光谱耦合纳米化比色传感器的新方法三种算法建立模型的预测集判别率均有所提高。SVM模型对预测集的识别率提高了29.88%,对校正集和预测集的判别率分别达到100%和98.85%。ELM模型和PCA-LDA模型的预测集识别率分别提高了35.63%和40.23%,均达到93.10%。
以上所述仅为本发明的较佳实施例,对本发明而言仅仅是说明性的,而非限制性的。本专业技术人员理解,在本发明权利要求所限定的精神和范围内可对其进行许多改变,修改,甚至等效,但都将落入本发明的保护范围内。
Claims (10)
1.一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法,其特征在于,包括以下步骤:
S1:代表性样品采集及感官审评:采集不同发酵时间的红茶茶样,从发酵开始起至发酵5h每隔30min采集一次样品,每次取20个发酵茶样,共220个样品,根据GB/T23776-2018中工夫红茶审评因子的评分系数,由专业茶叶审评小组对收集的发酵茶样的发酵程度进行感官评价;
S2:气敏传感器阵列材料选择:基于气敏材料与红茶发酵样品反应后阵列特征区域图像,在RGB颜色空间提取嗅觉传感器阵列颜色特征,以特征响应值筛选出响应高、稳定性强的气敏材料;
S3:纳米化比色传感器构建:利用辅助自组装法将筛选出的气敏材料进行纳米化,利用表面活性剂聚乙二醇600辅助气敏材料的纳米化自组装,将制得的纳米化气敏材料分散液,并将分散液固定至C2反相硅胶板基底上得到纳米化比色传感器;
S4:反应参数优化:利用欧氏距离法分析嗅觉传感系统响应差值,对反应时间、茶叶样本量和反应室体积进行优化;
S5:传感信息获取与特征提取:使用基于可见/近红外光谱仪的高光谱图像系统及配套采集和分析软件,对纳米化比色传感器阵列的高光谱图像进行采集,对所获取的信息进行去噪、阈值分割及特征提取;
S6:发酵程度可视化呈现:在数据矩阵层面,将与红茶发酵产生的挥发性有机物反应后的阵列图像减去反应前的阵列图像,得到颜色变量差值矩阵,利用该矩阵生成得到差值图像,用颜色可视化呈现气敏传感阵列对红茶发酵香气的响应;
S7:发酵程度判别模型的构建与优化:基于提取得到的特征信息,建立发酵程度评价模型,利用独立样本对模型进行验证,进一步修正和优化模型。
2.如权利要求1所述的一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法,其特征在于,所述步骤S2中筛选气敏材料时,提取并计算气敏材料与红茶发酵样品相应的RGB特征值的欧式距离,以欧式距离均值>12.22,误差<2.44为标准筛选气敏材料。
3.如权利要求1所述的一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法,其特征在于,所述步骤S2中筛选出的气敏材料包括5,10,15,20-四(五氟苯基)卟啉氯化铁、四甲氧基苯基卟啉钴、5,10,15,20-四苯基-21H,23H-卟吩铜(II)、四苯基卟啉锌、5,10,15,20-四苯基卟啉、四苯基卟啉铁、四对甲氧苯基卟啉铁、5,10,15,20-四苯基-21H,23H-卟吩氯化锰。
4.如权利要求1所述的一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法,其特征在于,所述步骤S3中构建纳米化比色传感器的具体过程如下:称取筛选出的气敏材料,超声溶解于N-N-二甲基乙酰胺中,得到气敏材料溶液,将聚乙二醇600与气敏材料溶液混合,超声得到混合液,50℃恒温搅拌15min制得纳米化气敏材料分散液,并将分散液固定至C2反相硅胶板基底上,形成大小为Ф3mm的阵列点,通风干燥15min,制得2*4的纳米化比色传感器阵列。
5.如权利要求4所述的一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法,其特征在于,所述步骤S3中构建纳米化比色传感器时,聚乙二醇600与气敏材料溶液的体积比为1:9。
6.如权利要求1所述的一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法,其特征在于,所述步骤S4中以欧式距离法优化得到的最优参数为:反应时间22min,茶叶样本量3g,反应室体积50cm3。
7.如权利要求1所述的一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法,其特征在于,所述步骤S5中传感信息获取与特征提取时,利用中值滤波法消除图像噪声,基于Laplace算子对平滑后的图像进行空间卷积以获取清晰的样本图像;通过阈值分割将传感器阵列图像与基底背景分开;为消除传感器边缘部分对特征提取的影响,在获取的每个传感阵列染料点图像中搜索中心点,取中心点附近10*10pixels的图像。
8.如权利要求1所述的一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法,其特征在于,所述步骤S7中发酵程度判别模型的构建时,以累计贡献率>95%选取前n个主成分,构建红茶发酵程度定性预测模型,以预测模型的判别率和均方根误差作为模型评价指标,选取最优参数计算得到最优解。
9.如权利要求1所述的一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法,其特征在于,所述步骤S7中提取特征信息通过主成分分析或线性判别分析进行降维处理。
10.一种如权利要求1~9任一项所述的高光谱耦合纳米化比色传感器监测红茶发酵程度的方法在评价工夫红茶发酵程度中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721239.8A CN113484309B (zh) | 2021-06-28 | 2021-06-28 | 一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721239.8A CN113484309B (zh) | 2021-06-28 | 2021-06-28 | 一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113484309A true CN113484309A (zh) | 2021-10-08 |
CN113484309B CN113484309B (zh) | 2022-08-09 |
Family
ID=77936381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110721239.8A Active CN113484309B (zh) | 2021-06-28 | 2021-06-28 | 一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113484309B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110517326A (zh) * | 2019-07-25 | 2019-11-29 | 江苏大学 | 一种基于权重蜻蜓算法的比色传感器阵列优化方法 |
CN114166770A (zh) * | 2021-11-19 | 2022-03-11 | 安徽农业大学 | 一种基于纳米卟啉溶液相紫外可见光谱监测红茶发酵质量的方法 |
CN114241221A (zh) * | 2022-02-28 | 2022-03-25 | 湖南工商大学 | 一种基于神经网络预测算法的控制系统 |
CN115128076A (zh) * | 2022-08-31 | 2022-09-30 | 泉州海关综合技术服务中心 | 一种茶叶发酵度测定方法 |
CN115165509A (zh) * | 2022-09-05 | 2022-10-11 | 泉州海关综合技术服务中心 | 一种茶叶水浸出物检测方法和系统 |
CN115308196A (zh) * | 2022-08-05 | 2022-11-08 | 安徽农业大学 | 一种红茶发酵过程中酚类物质的检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040021861A1 (en) * | 2001-12-21 | 2004-02-05 | Lewis E. Neil | Spectrometric process monitoring |
CN108444924A (zh) * | 2018-03-07 | 2018-08-24 | 安徽农业大学 | 一种应用高光谱图像技术判别茶叶贮藏期的方法 |
CN110006886A (zh) * | 2019-04-24 | 2019-07-12 | 江苏大学 | 一种纳米化色敏传感器及其判别小麦霉变程度的方法 |
CN112213302A (zh) * | 2020-09-30 | 2021-01-12 | 青岛啤酒股份有限公司 | 一种啤酒定性判别方法 |
-
2021
- 2021-06-28 CN CN202110721239.8A patent/CN113484309B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040021861A1 (en) * | 2001-12-21 | 2004-02-05 | Lewis E. Neil | Spectrometric process monitoring |
CN108444924A (zh) * | 2018-03-07 | 2018-08-24 | 安徽农业大学 | 一种应用高光谱图像技术判别茶叶贮藏期的方法 |
CN110006886A (zh) * | 2019-04-24 | 2019-07-12 | 江苏大学 | 一种纳米化色敏传感器及其判别小麦霉变程度的方法 |
CN112213302A (zh) * | 2020-09-30 | 2021-01-12 | 青岛啤酒股份有限公司 | 一种啤酒定性判别方法 |
Non-Patent Citations (4)
Title |
---|
LUQING LI ET.AL: "Colorimetric sensor array-based artificial olfactory system for sensing Chinese green tea’s quality: A method of fabrication", 《INTERNATIONAL JOURNAL OF FOOD PROPERTIES》 * |
LUQING LI ET.AL: "Evaluating green tea quality based on multisensor data fusion combining hyperspectral imaging and olfactory visualization systems", 《J SCI FOOD AGRIC》 * |
LUQING LI ET.AL: "High-sensitivity hyperspectral coupled self-assembled nanoporphyrin sensor for monitoring black tea fermentation", 《SENSORS &ACTUATORS:B.CHEMICAL》 * |
LUQING LI ET.AL: "Rapid monitoring of black tea fermentation quality based on a solution-phase sensor array combined with UV-visible spectroscopy", 《FOOD CHEMISTRY》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110517326A (zh) * | 2019-07-25 | 2019-11-29 | 江苏大学 | 一种基于权重蜻蜓算法的比色传感器阵列优化方法 |
CN114166770A (zh) * | 2021-11-19 | 2022-03-11 | 安徽农业大学 | 一种基于纳米卟啉溶液相紫外可见光谱监测红茶发酵质量的方法 |
CN114166770B (zh) * | 2021-11-19 | 2023-08-22 | 安徽农业大学 | 一种基于纳米卟啉溶液相紫外可见光谱监测红茶发酵质量的方法 |
CN114241221A (zh) * | 2022-02-28 | 2022-03-25 | 湖南工商大学 | 一种基于神经网络预测算法的控制系统 |
CN115308196A (zh) * | 2022-08-05 | 2022-11-08 | 安徽农业大学 | 一种红茶发酵过程中酚类物质的检测方法 |
CN115128076A (zh) * | 2022-08-31 | 2022-09-30 | 泉州海关综合技术服务中心 | 一种茶叶发酵度测定方法 |
CN115128076B (zh) * | 2022-08-31 | 2022-11-11 | 泉州海关综合技术服务中心 | 一种茶叶发酵度测定方法 |
CN115165509A (zh) * | 2022-09-05 | 2022-10-11 | 泉州海关综合技术服务中心 | 一种茶叶水浸出物检测方法和系统 |
CN115165509B (zh) * | 2022-09-05 | 2022-11-11 | 泉州海关综合技术服务中心 | 一种茶叶水浸出物检测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113484309B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113484309B (zh) | 一种高光谱耦合纳米化比色传感器监测红茶发酵程度的方法 | |
Li et al. | Evaluating green tea quality based on multisensor data fusion combining hyperspectral imaging and olfactory visualization systems | |
CN108663339B (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
Ren et al. | Using near-infrared hyperspectral imaging with multiple decision tree methods to delineate black tea quality | |
Li et al. | Monitoring black tea fermentation using a colorimetric sensor array‐based artificial olfaction system | |
Su et al. | Chemometrics in tandem with near infrared (NIR) hyperspectral imaging and Fourier transform mid infrared (FT-MIR) microspectroscopy for variety identification and cooking loss determination of sweet potato | |
Chen et al. | Monitoring vinegar acetic fermentation using a colorimetric sensor array | |
CN105181912B (zh) | 一种大米储藏过程中的新鲜度检测方法 | |
CN108519339B (zh) | 一种基于WT-LSSVR的叶片镉含量Vis-NIR光谱特征建模方法 | |
CN102967597A (zh) | 一种基于嗅觉成像传感技术的黄酒酒龄鉴别方法和鉴别系统 | |
CN108444924B (zh) | 一种应用高光谱图像技术判别茶叶贮藏期的方法 | |
CN107515203A (zh) | 近红外技术定量分析水稻单籽粒直链淀粉含量的研究 | |
Li et al. | Identification of aged-rice adulteration based on near-infrared spectroscopy combined with partial least squares regression and characteristic wavelength variables | |
CN109765194A (zh) | 基于高光谱成像技术的枸杞子产地识别方法 | |
CN110702815A (zh) | 一种面粉储存品质的嗅觉传感检测方法 | |
CN105954412A (zh) | 用于山核桃新鲜度检测的传感器阵列优化方法 | |
CN111751376A (zh) | 一种基于冠层图像特征衍生的水稻氮素营养估算方法 | |
CN109164187A (zh) | 一种区分同一类型不同产地茶叶的方法 | |
Hu et al. | Determination of Tibetan tea quality by hyperspectral imaging technology and multivariate analysis | |
CN115436508A (zh) | 一种基于水果原料指标预测果汁品质的方法 | |
CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 | |
Liu et al. | Colorimetric sensor array combined with chemometric methods for the assessment of aroma produced during the drying of tencha | |
Yu et al. | Rapid classification of peanut varieties for their processing into peanut butters based on near‐infrared spectroscopy combined with machine learning | |
Ta et al. | Wine component tracing method based on near infrared spectrum fusion machine learning | |
CN114166770B (zh) | 一种基于纳米卟啉溶液相紫外可见光谱监测红茶发酵质量的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |