CN113776993A - 一种大米在线检测系统、检测方法及检测设备 - Google Patents
一种大米在线检测系统、检测方法及检测设备 Download PDFInfo
- Publication number
- CN113776993A CN113776993A CN202110857326.6A CN202110857326A CN113776993A CN 113776993 A CN113776993 A CN 113776993A CN 202110857326 A CN202110857326 A CN 202110857326A CN 113776993 A CN113776993 A CN 113776993A
- Authority
- CN
- China
- Prior art keywords
- rice
- sample
- detection
- grains
- detection result
- 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
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 481
- 235000009566 rice Nutrition 0.000 title claims abstract description 481
- 238000001514 detection method Methods 0.000 title claims abstract description 211
- 240000007594 Oryza sativa Species 0.000 title 1
- 241000209094 Oryza Species 0.000 claims abstract description 480
- 235000013339 cereals Nutrition 0.000 claims abstract description 235
- 231100000279 safety data Toxicity 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 29
- 239000000126 substance Substances 0.000 claims abstract description 23
- 238000005303 weighing Methods 0.000 claims abstract description 14
- 239000000447 pesticide residue Substances 0.000 claims description 41
- 231100000678 Mycotoxin Toxicity 0.000 claims description 33
- 229910001385 heavy metal Inorganic materials 0.000 claims description 33
- 239000002636 mycotoxin Substances 0.000 claims description 33
- 238000012216 screening Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 11
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 102000004169 proteins and genes Human genes 0.000 description 5
- 108090000623 proteins and genes Proteins 0.000 description 5
- 241000238631 Hexapoda Species 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 238000004809 thin layer chromatography Methods 0.000 description 4
- 102000003914 Cholinesterases Human genes 0.000 description 3
- 108090000322 Cholinesterases Proteins 0.000 description 3
- 235000014633 carbohydrates Nutrition 0.000 description 3
- 150000001720 carbohydrates Chemical class 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 229940048961 cholinesterase Drugs 0.000 description 3
- 238000004587 chromatography analysis Methods 0.000 description 3
- 230000005764 inhibitory process Effects 0.000 description 3
- 238000002965 ELISA Methods 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- OIPILFWXSMYKGL-UHFFFAOYSA-N acetylcholine Chemical compound CC(=O)OCC[N+](C)(C)C OIPILFWXSMYKGL-UHFFFAOYSA-N 0.000 description 2
- 229960004373 acetylcholine Drugs 0.000 description 2
- 239000012491 analyte Substances 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 229940088598 enzyme Drugs 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000002795 fluorescence method Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 238000004128 high performance liquid chromatography Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007830 nerve conduction Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 239000003987 organophosphate pesticide Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000002798 spectrophotometry method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 2
- KXDHJXZQYSOELW-UHFFFAOYSA-M Carbamate Chemical compound NC([O-])=O KXDHJXZQYSOELW-UHFFFAOYSA-M 0.000 description 1
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 102000006395 Globulins Human genes 0.000 description 1
- 108010044091 Globulins Proteins 0.000 description 1
- 108010068370 Glutens Proteins 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000152 carbamate pesticide Substances 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 238000011097 chromatography purification Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010668 complexation reaction Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 235000019621 digestibility Nutrition 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 230000007062 hydrolysis Effects 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 210000001428 peripheral nervous system Anatomy 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009781 safety test method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006277 sulfonation reaction Methods 0.000 description 1
- 231100000027 toxicology Toxicity 0.000 description 1
- 231100000041 toxicology testing Toxicity 0.000 description 1
- 235000019156 vitamin B Nutrition 0.000 description 1
- 239000011720 vitamin B Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/10—Starch-containing substances, e.g. dough
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Dispersion Chemistry (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明实施例涉及大米检测领域，具体公开了一种大米在线检测系统、检测方法及检测设备。本发明实施例通过对米粒部分进行随机采样，得到大米米粒样本；将所述大米米粒样本进行称重，得到样本重量；将所述大米米粒样本进行摄像，得到样本图像数据；将所述样本图像数据进行像素化处理，得到样本米粒粒数；将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；对糠渣部分进行随机采样，得到大米糠渣样本；对所述大米糠渣样本进行化学检测，得到大米安全数据；根据所述米粒平均大小和所述大米安全数据，得到大米检测结果，从而在大米的加工过程中自动对大米进行自动检测，提高大米检测的效率与精度，便于提高大米的生产品质。
Description
技术领域
本发明属于大米检测领域，尤其涉及一种大米在线检测系统、检测方法及检测设备。
背景技术
大米，亦称稻米，是稻谷经清理、砻谷、碾米、成品整理等工序后制成的食物。大米含有稻米中近64%的营养物质和90%以上的人体所需的营养元素，同时是中国大部分地区人民的主要食品。大米中含碳水化合物75%左右，蛋白质7%-8%，脂肪1.3%-1. 8%，并含有丰富的B族维生素等。大米中的碳水化合物主要是淀粉，所含的蛋白质主要是米谷蛋白，其次是米胶蛋白和球蛋白，其蛋白质的生物价和氨基酸的构成比例都比小麦、大麦、小米、玉米等作物高，消化率66.8%-83.1%，也是谷类蛋白质中较高的一种。
随着大米加工的完全工业化，在大米加工过程中，需要对大米进行检测。大米检测通常包括米粒大小的检测和食品安全检测，用以把控大米原料和加工的质量，提高大米的品质。现有的大米检测通常采用人工检测，需要人工测量大米米粒的大小和进行化学实验，这种检测速度慢、效率低且精度不高，不能够准确判断大米的品质，影响大米的加工效率。
发明内容
本发明实施例的目的在于提供一种大米在线检测系统、检测方法及检测设备，旨在解决背景技术中提出的问题。
为实现上述目的，本发明实施例提供如下技术方案：
一种大米在线检测系统，其特征在于，所述系统包括筛选装置和检测装置，其中：
筛选装置，用于将碾米之后的大米进行筛选，分成糠渣和米粒两部分；
检测装置，用于对米粒部分进行随机采样，得到大米米粒样本；将所述大米米粒样本进行称重，得到样本重量；将所述大米米粒样本进行摄像，得到样本图像数据；将所述样本图像数据进行像素化处理，得到样本米粒粒数；将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；对糠渣部分进行随机采样，得到大米糠渣样本；对所述大米糠渣样本进行化学检测，得到大米安全数据；根据所述米粒平均大小和所述大米安全数据，得到大米检测结果。
作为本发明优选实施方式的进一步限定，所述检测装置具体包括：
大米米粒样本获取单元，用于对米粒部分进行随机采样，得到大米米粒样本；
样本重量单元，用于将所述大米米粒样本进行称重，得到样本重量；
样本图像数据获取单元，用于将所述大米米粒样本进行摄像，得到样本图像数据；
样本米粒粒数获取单元，用于将所述样本图像数据进行像素化处理，得到样本米粒粒数；
米粒平均大小计算单元，用于将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；
大米糠渣样本获取单元，用于对糠渣部分进行随机采样，得到大米糠渣样本；
大米安全数据获取单元，用于对所述大米糠渣样本进行化学检测，得到大米安全数据；
大米检测结果生成单元，用于根据所述米粒平均大小和所述大米安全数据，得到大米检测结果。
作为本发明优选实施方式的进一步限定，所述样本米粒粒数获取单元具体包括：
二值图像处理模块，用于将所述样本图像数据进行二值图像处理，得到二值图像数据；
八联通标记模块，用于将所述二值图像数据进行八联通标记，统计每个米粒图像占用的像素个数；
样本米粒粒数获取模块，用于根据所述像素个数和像素总数，计算样本米粒粒数。
作为本发明优选实施方式的进一步限定，所述米粒平均大小数据计算单元具体包括：
样本重量接收模块，用于接收并记录样本重量；
样本米粒粒数接收模块，用于接收并记录样本米粒粒数；
米粒平均大小计算模块，用于根据所述样本重量和所述样本米粒粒数，计算米粒平均大小。
作为本发明优选实施方式的进一步限定，所述大米安全数据获取单元具体包括：
农药残留检测模块，用于对所述大米糠渣样本进行农药残留检测，得到农药残留检测结果；
重金属检测模块，用于对所述大米糠渣样本进行重金属检测，得到重金属检测结果；
真菌毒素检测模块，用于对所述大米糠渣样本进行真菌毒素检测，得到真菌毒素检测结果；
大米安全数据获取模块，用于根据所述农药残留检测结果、重金属检测结果和真菌毒素检测结果，得到大米安全数据。
作为本发明优选实施方式的进一步限定，所述大米检测结果生成单元具体包括：
米粒平均大小接收模块，用于接收并记录米粒平均大小；
大米安全数据接收模块，用于接收并记录大米安全数据；
大米检测结果生成模块，用于根据所述米粒平均大小和所述大米安全数据，生成大米检测结果。
一种大米在线检测方法，应用于检测装置，所述方法具体包括：
对米粒部分进行随机采样，得到大米米粒样本；
将所述大米米粒样本进行称重，得到样本重量；
将所述大米米粒样本进行摄像，得到样本图像数据；
将所述样本图像数据进行像素化处理，得到样本米粒粒数；
将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；
对糠渣部分进行随机采样，得到大米糠渣样本；
对所述大米糠渣样本进行化学检测，得到大米安全数据；
根据所述米粒平均大小和所述大米安全数据，得到大米检测结果。
作为本发明优选实施方式的进一步限定，所述将所述样本图像数据进行像素化处理，得到样本米粒粒数具体包括：
将所述样本图像数据进行二值图像处理，得到二值图像数据；
将所述二值图像数据进行八联通标记，统计每个米粒图像占用的像素个数；
根据所述像素个数和像素总数，计算样本米粒粒数。
作为本发明优选实施方式的进一步限定，所述对所述大米糠渣样本进行化学检测，得到大米安全数据具体包括：
对所述大米糠渣样本进行农药残留检测，得到农药残留检测结果；
对所述大米糠渣样本进行重金属检测，得到重金属检测结果；
对所述大米糠渣样本进行真菌毒素检测，得到真菌毒素检测结果；
根据所述农药残留检测结果、重金属检测结果和真菌毒素检测结果，得到大米安全数据。
一种大米在线检测设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述大米在线检测方法的步骤。
与现有技术相比，本发明的有益效果是：
本发明实施例通过对米粒部分进行随机采样，得到大米米粒样本；将所述大米米粒样本进行称重，得到样本重量；将所述大米米粒样本进行摄像，得到样本图像数据；将所述样本图像数据进行像素化处理，得到样本米粒粒数；将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；对糠渣部分进行随机采样，得到大米糠渣样本；对所述大米糠渣样本进行化学检测，得到大米安全数据；根据所述米粒平均大小和所述大米安全数据，得到大米检测结果，从而在大米的加工过程中自动对大米进行自动检测，提高大米检测的效率与精度，便于提高大米的生产品质。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
图1示出了本发明实施例提供的系统的应用架构图。
图2示出了本发明实施例提供的筛选装置和检测装置的结构框图。
图3示出了本发明实施例提供的系统中样本米粒粒数获取单元的结构框图。
图4示出了本发明实施例提供的系统中米粒平均大小计算单元的结构框图。
图5示出了本发明实施例提供的系统中大米安全数据获取单元的结构框图。
图6示出了本发明实施例提供的系统中大米检测结果生成单元的结构框图。
图7示出了本发明实施例提供的方法的流程图。
图8示出了本发明实施例提供的方法的样本米粒粒数获取的流程图。
图9示出了本发明实施例提供的方法的大米安全数据获取的流程图。
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，以下结合附图及实施例，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仅用以解释本发明，并不用于限定本发明。
可以理解的是，在现有技术中，大米检测通常包括米粒大小的检测和食品安全检测，用以把控大米原料和加工的质量，提高大米的品质。现有的大米检测通常采用人工检测，需要人工测量大米米粒的大小和进行化学实验，这种检测速度慢、效率低且精度不高，不能够准确判断大米的品质，影响大米的加工效率。
为解决上述问题，本发明实施例通过对米粒部分进行随机采样，得到大米米粒样本；将所述大米米粒样本进行称重，得到样本重量；将所述大米米粒样本进行摄像，得到样本图像数据；将所述样本图像数据进行像素化处理，得到样本米粒粒数；将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；对糠渣部分进行随机采样，得到大米糠渣样本；对所述大米糠渣样本进行化学检测，得到大米安全数据；根据所述米粒平均大小和所述大米安全数据，得到大米检测结果，从而在大米的加工过程中自动对大米进行自动检测，提高大米检测的效率与精度，便于提高大米的生产品质。。
具体的，如图1所示，图1示出了本发明实施例提供的系统的应用架构图。
具体的，一种大米在线检测系统，所述系统包括筛选装置101和检测装置102。
具体的，在本发明的一个优选实施方式中实施例提供的系统中：
所述筛选装置101，用于将碾米之后的大米进行筛选，分成糠渣和米粒两部分；
可以理解的是，在本发明实施例中，筛选装置101可以是振动筛选装置，包括多个筛选层，多个筛选层与弹性机构连接，对碾米之后的大米进行筛选；筛选装置101也可以是风动筛选装置，通过糠渣和米粒重量不同的特性，通过风力将糠渣和米粒筛分。
所述检测装置102，用于对米粒部分进行随机采样，得到大米米粒样本；将所述大米米粒样本进行称重，得到样本重量；将所述大米米粒样本进行摄像，得到样本图像数据；将所述样本图像数据进行像素化处理，得到样本米粒粒数；将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；对糠渣部分进行随机采样，得到大米糠渣样本；对所述大米糠渣样本进行化学检测，得到大米安全数据；根据所述米粒平均大小和所述大米安全数据，得到大米检测结果。
可以理解的是，在本发明实施例中，检测装置102分别对糠渣和米粒两部分进行随机采样，得到大米米粒样本和大米糠渣样本，分别对大米米粒样本和大米糠渣样本进行检测，获得米粒平均大小和大米安全数据。
图2示出了本发明实施例提供的筛选装置和检测装置的结构框图。
其中，在本发明提供的优选实施方式中，所述检测装置102具体包括：
大米米粒样本获取单元1021，用于对米粒部分进行随机采样，得到大米米粒样本。
具体的，大米米粒样本获取单元1021将筛选装置101筛选出的米粒部分进行随机采样，得到大米米粒样本。
具体的，在本发明实施例中，随机采样可以是随机时间采样，在筛选装置101将将碾米之后的大米进行筛选成糠渣和米粒两部分的过程中，随机时间对米粒部分进行采样，从而获得随机的大米米粒样本。
样本重量单元1022，用于将所述大米米粒样本进行称重，得到样本重量。
具体的，样本重量单元1022将随机采样的大米米粒样本称重，得到随机采样的样本重量。
样本图像数据获取单元1023，用于将所述大米米粒样本进行摄像，得到样本图像数据。
具体的，样本图像数据获取单元1023对大米米粒样本进行图像采集，获取大米米粒样本的样本图像数据。
具体的，在本发明实施例中，样本图像数据获取单元1023中设置有微型摄像头，对大米米粒样本进行拍摄，获取大米米粒样本的样本图像数据，该样本图像数据的像素为800*600以上，帧率为25fps以上。
样本米粒粒数获取单元1024，用于将所述样本图像数据进行像素化处理，得到样本米粒粒数。
具体的，样本米粒粒数获取单元1024将获取的大米米粒样本的样本图像数据进行像素化处理，通过统计每个米粒图像占用的像素个数，根据所述像素个数和像素总数，计算样本米粒粒数。
具体的，图3示出了本发明实施例提供的系统中样本米粒粒数获取单元1024的结构框图。
其中，在本发明提供的优选实施方式中，所述样本米粒粒数获取单元1024具体包括：
二值图像处理模块10241，用于将所述样本图像数据进行二值图像处理，得到二值图像数据。
具体的，二值图像处理模块10241对样本图像数据进行灰度化、去噪声以及二值化处理，形成二值图像数据。
可以理解的是，二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色，在本发明实施例中，可将背景设置为灰度值0，将米粒设置为灰度值255，黑色代表背景，白色代表米粒。
八联通标记模块10242，用于将所述二值图像数据进行八联通标记，统计每个米粒图像占用的像素个数。
具体的，八联通标记模块10242将二值图像数据进行八联通标记，当连通区域灰度值与米粒二值图像灰度值变化明显时，该联通区域即不属于米粒范围；当连通区域灰度值与米粒二值图像灰度值变化平缓时，可以认为该连通区域为米粒边缘，属于米粒范围，由此，统计每个米粒图像占用的像素个数。
样本米粒粒数获取模块10243，用于根据所述像素个数和像素总数，计算样本米粒粒数。
具体的，样本米粒粒数获取模块10243通过像素总数除以每个米粒图像占用的像素个数，可以得到样本米粒粒数。
进一步的，在本发明提供的优选实施方式中，所述检测装置102还包括：
米粒平均大小计算单元1025，用于将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小。
具体的，米粒平均大小计算单元1025通过样本重量除以样本米粒粒数，可以得到米粒平均大小。
具体的，图4示出了本发明实施例提供的系统中米粒平均大小计算单元1025的结构框图。
其中，在本发明提供的优选实施方式中，所述米粒平均大小计算单元1025具体包括：
样本重量接收模块10251，用于接收并记录样本重量。
样本米粒粒数接收模块10252，用于接收并记录样本米粒粒数。
米粒平均大小计算模块10253，用于根据所述样本重量和所述样本米粒粒数，计算米粒平均大小。
具体的，米粒平均大小计算模块10253根据样本重量接收模块10251接收并记录的样本重量和样本米粒粒数接收模块10252接收并记录的样本米粒粒数，通过样本重量除以样本米粒粒数，可以得到米粒平均大小。
可以理解的是，在本发明实施例中，米粒平均大小由样本重量除以样本米粒粒数得到，米粒平均大小为每个米粒的重量大小，代表米粒的饱满程度。
进一步的，在本发明提供的优选实施方式中，所述检测装置102还包括：
大米糠渣样本获取单元1026，用于对糠渣部分进行随机采样，得到大米糠渣样本。
具体的，大米糠渣样本获取单元1026将筛选装置101筛选出的糠渣部分进行随机采样，得到大米糠渣样本。
具体的，在本发明实施例中，随机采样可以是随机时间采样，在筛选装置101将将碾米之后的大米进行筛选成糠渣和米粒两部分的过程中，随机时间对糠渣部分进行采样，从而获得随机的大米糠渣样本。
大米安全数据获取单元1027，用于对所述大米糠渣样本进行化学检测，得到大米安全数据。
具体的，大米安全数据获取单元1027通过对大米糠渣进行农药残留检测、重金属检测和真菌毒素检测等化学检测，获取大米安全数据。
可以理解的是，在本发明实施例中，需要对大米进行农药残留检测、重金属检测和真菌毒素检测等化学检测，而过于频繁的对大米米粒进行化学检测，会对大米米粒造成浪费，因而通过对大米糠渣进行农药残留检测、重金属检测和真菌毒素检测等化学检测，获取大米安全数据，能够代表大米米粒的安全数据。
具体的，图5示出了本发明实施例提供的系统中大米安全数据获取单元1027的结构框图。
其中，在本发明提供的优选实施方式中，所述大米安全数据获取单元1027具体包括：
农药残留检测模块10271，用于对所述大米糠渣样本进行农药残留检测，得到农药残留检测结果。
具体的，农药残留检测模块10271可采用光谱法对大米糠渣样本进行农药残留检测，具体是根据有机磷农药中的某些官能团或水解、还原产物与特殊的显色剂在特定的环境下发生氧化、磺酸化、络合等化学反应,产生特定波长的颜色反应来进行定性或定量测定；农药残留检测模块10271可采用酶抑制法对大米糠渣样本进行农药残留检测，具体是根据有机磷和氨基甲酸酯类农药能抑制昆虫中枢和周围神经系统中乙酰胆碱的活性,造成神经传导介质乙酰胆碱的积累,影响正常神经传导,使昆虫中毒致死这一昆虫毒理学原理进行检测的。根据这一原理,通过将特异性抑制胆碱酯酶(ChE)与样品提取液反应,若ChE受到抑制,就表明样品提取液中含有有机磷或氨基甲酸酯农药；农药残留检测模块10271还可采用色谱法对大米糠渣样本进行农药残留检测，具体是根据分析物质在固定相和流动相之间的分配系数的不同达到分离目的,并将分析物质的浓度转换成易被测量的电信号(电压、电流等) ,然后送到记录仪记录下来的方法。
重金属检测模块10272，用于对所述大米糠渣样本进行重金属检测，得到重金属检测结果。
具体的，重金属检测模块10272可采用紫外可见分光光度法对大米糠渣样本进行农药残留检测，具体检测原理是：重金属与显色剂（通常为有机化合物），可于重金属发生络合反应，生成有色分子团，溶液颜色深浅与浓度成正比，在特定波长下，进行比色检测；重金属检测模块10272还可采用原子荧光法对大米糠渣样本进行农药残留检测，具体是通过测量待测元素的原子蒸气在特定频率辐射能激以下所产生的荧光发射强度，以此来测定待测元素含量的方法。
真菌毒素检测模块10273，用于对所述大米糠渣样本进行真菌毒素检测，得到真菌毒素检测结果。
具体的，真菌毒素检测模块10273可采用高效液相色谱法（HPLC）、液质联用法（LC-MS）、薄层层析法（TLC）、免疫亲和层析净化荧光光度法、酶联免疫法、胶体金检测条法等进行真菌毒素检测。
大米安全数据获取模块10274，用于根据所述农药残留检测结果、重金属检测结果和真菌毒素检测结果，得到大米安全数据。
具体的，大米安全数据获取模块10274综合农药残留检测结果、重金属检测结果和真菌毒素检测结果，获得大米安全数据。
可以理解的是，在本发明实施例中，对于大米糠渣样本的农药残留检测结果、重金属检测结果和真菌毒素检测，只要其中一个检测不合格，即代表大米安全不合格，只有上述农药残留检测结果、重金属检测结果和真菌毒素检测均合格，才能代表大米安全合格。
进一步的，在本发明提供的优选实施方式中，所述检测装置102还包括：
大米检测结果生成单元1028，用于根据所述米粒平均大小和所述大米安全数据，得到大米检测结果。
具体的，大米检测结果生成单元1028综合米粒平均大小和大米安全数据，得到大米检测结果。
进一步的，图7示出了本发明实施例提供的方法的流程图。
其中，在本发明提供的又一个优选实施方式中，一种大米在线检测方法，应用于检测装置102，所述方法具体包括：
步骤S101，对米粒部分进行随机采样，得到大米米粒样本。
步骤S102，将所述大米米粒样本进行称重，得到样本重量。
步骤S103，将所述大米米粒样本进行摄像，得到样本图像数据。
具体的，通过设置的微型摄像头，对大米米粒样本进行拍摄，获取大米米粒样本的样本图像数据，该样本图像数据的像素为800*600以上，帧率为25fps以上。
步骤S104，将所述样本图像数据进行像素化处理，得到样本米粒粒数。
具体的，将获取的大米米粒样本的样本图像数据进行像素化处理，通过统计每个米粒图像占用的像素个数，根据所述像素个数和像素总数，计算样本米粒粒数。
具体的，图8示出了本发明实施例提供的方法的样本米粒粒数获取的流程图。
其中，在本发明提供的优选实施方式中，所述将所述样本图像数据进行像素化处理，得到样本米粒粒数具体包括：
步骤S1041，将所述样本图像数据进行二值图像处理，得到二值图像数据。
具体的，对样本图像数据进行灰度化、去噪声以及二值化处理，形成二值图像数据。二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色，在本发明实施例中，可将背景设置为灰度值0，将米粒设置为灰度值255，黑色代表背景，白色代表米粒。
步骤S1042，将所述二值图像数据进行八联通标记，统计每个米粒图像占用的像素个数。
具体的，将二值图像数据进行八联通标记，当连通区域灰度值与米粒二值图像灰度值变化明显时，该联通区域即不属于米粒范围；当连通区域灰度值与米粒二值图像灰度值变化平缓时，可以认为该连通区域为米粒边缘，属于米粒范围，由此，统计每个米粒图像占用的像素个数。
步骤S1043，根据所述像素个数和像素总数，计算样本米粒粒数。
具体的，通过像素总数除以每个米粒图像占用的像素个数，可以得到样本米粒粒数。
进一步的，在本发明提供的优选实施方式中，所述方法具体还包括：
步骤S105，将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小。
具体的，通过样本重量除以样本米粒粒数，可以得到米粒平均大小。
步骤S106，对糠渣部分进行随机采样，得到大米糠渣样本。
步骤S107，对所述大米糠渣样本进行化学检测，得到大米安全数据。
具体的，通过对大米糠渣进行农药残留检测、重金属检测和真菌毒素检测等化学检测，获取大米安全数据。
具体的，图9示出了本发明实施例提供的方法的大米安全数据获取的流程图。
其中，在本发明提供的优选实施方式中，所述对所述大米糠渣样本进行化学检测，得到大米安全数据具体包括：
步骤S1071，对所述大米糠渣样本进行农药残留检测，得到农药残留检测结果。
具体的，可采用光谱法、酶抑制法或色谱法等对大米糠渣样本进行农药残留检测，得到农药残留检测结果。
步骤S1072，对所述大米糠渣样本进行重金属检测，得到重金属检测结果。
具体的，可采用紫外可见分光光度法或原子荧光法等对大米糠渣样本进行农药残留检测，得到农药残留检测结果。
步骤S1073，对所述大米糠渣样本进行真菌毒素检测，得到真菌毒素检测结果。
具体的，可采用高效液相色谱法（HPLC）、液质联用法（LC-MS）、薄层层析法（TLC）、免疫亲和层析净化荧光光度法、酶联免疫法、胶体金检测条法等进行真菌毒素检测，得到真菌毒素检测结果。
步骤S1074，根据所述农药残留检测结果、重金属检测结果和真菌毒素检测结果，得到大米安全数据。
具体的，综合农药残留检测结果、重金属检测结果和真菌毒素检测结果，获得大米安全数据。
进一步的，在本发明提供的优选实施方式中，所述方法具体还包括：
步骤S108，根据所述米粒平均大小和所述大米安全数据，得到大米检测结果。
具体的，综合米粒平均大小和大米安全数据，得到大米检测结果。
在一个实施例中，提出了一种大米在线检测设备，所述大米在线检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：对米粒部分进行随机采样，得到大米米粒样本；将所述大米米粒样本进行称重，得到样本重量；将所述大米米粒样本进行摄像，得到样本图像数据；将所述样本图像数据进行像素化处理，得到样本米粒粒数；将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；对糠渣部分进行随机采样，得到大米糠渣样本；对所述大米糠渣样本进行化学检测，得到大米安全数据；根据所述米粒平均大小和所述大米安全数据，得到大米检测结果。
综上所述，本发明实施例通过对米粒部分进行随机采样，得到大米米粒样本；将所述大米米粒样本进行称重，得到样本重量；将所述大米米粒样本进行摄像，得到样本图像数据；将所述样本图像数据进行像素化处理，得到样本米粒粒数；将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；对糠渣部分进行随机采样，得到大米糠渣样本；对所述大米糠渣样本进行化学检测，得到大米安全数据；根据所述米粒平均大小和所述大米安全数据，得到大米检测结果，从而在大米的加工过程中自动对大米进行自动检测，提高大米检测的效率与精度，便于提高大米的生产品质。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。
Claims (10)
1.一种大米在线检测系统，其特征在于，所述系统包括筛选装置和检测装置，其中：
筛选装置，用于将碾米之后的大米进行筛选，分成糠渣和米粒两部分；
检测装置，用于对米粒部分进行随机采样，得到大米米粒样本；将所述大米米粒样本进行称重，得到样本重量；将所述大米米粒样本进行摄像，得到样本图像数据；将所述样本图像数据进行像素化处理，得到样本米粒粒数；将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；对糠渣部分进行随机采样，得到大米糠渣样本；对所述大米糠渣样本进行化学检测，得到大米安全数据；根据所述米粒平均大小和所述大米安全数据，得到大米检测结果。
2.根据权利要求1所述的一种大米在线检测系统，其特征在于，所述检测装置具体包括：
大米米粒样本获取单元，用于对米粒部分进行随机采样，得到大米米粒样本；
样本重量单元，用于将所述大米米粒样本进行称重，得到样本重量；
样本图像数据获取单元，用于将所述大米米粒样本进行摄像，得到样本图像数据；
样本米粒粒数获取单元，用于将所述样本图像数据进行像素化处理，得到样本米粒粒数；
米粒平均大小计算单元，用于将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；
大米糠渣样本获取单元，用于对糠渣部分进行随机采样，得到大米糠渣样本；
大米安全数据获取单元，用于对所述大米糠渣样本进行化学检测，得到大米安全数据；
大米检测结果生成单元，用于根据所述米粒平均大小和所述大米安全数据，得到大米检测结果。
3.根据权利要求2所述的一种大米在线检测系统，其特征在于，所述样本米粒粒数获取单元具体包括：
二值图像处理模块，用于将所述样本图像数据进行二值图像处理，得到二值图像数据；
八联通标记模块，用于将所述二值图像数据进行八联通标记，统计每个米粒图像占用的像素个数；
样本米粒粒数获取模块，用于根据所述像素个数和像素总数，计算样本米粒粒数。
4.根据权利要求2所述的一种大米在线检测系统，其特征在于，所述米粒平均大小计算单元具体包括：
样本重量接收模块，用于接收并记录样本重量；
样本米粒粒数接收模块，用于接收并记录样本米粒粒数；
米粒平均大小计算模块，用于根据所述样本重量和所述样本米粒粒数，计算米粒平均大小。
5.根据权利要求2所述的一种大米在线检测系统，其特征在于，所述大米安全数据获取单元具体包括：
农药残留检测模块，用于对所述大米糠渣样本进行农药残留检测，得到农药残留检测结果；
重金属检测模块，用于对所述大米糠渣样本进行重金属检测，得到重金属检测结果；
真菌毒素检测模块，用于对所述大米糠渣样本进行真菌毒素检测，得到真菌毒素检测结果；
大米安全数据获取模块，用于根据所述农药残留检测结果、重金属检测结果和真菌毒素检测结果，得到大米安全数据。
6.根据权利要求2所述的一种大米在线检测系统，其特征在于，所述大米检测结果生成单元具体包括：
米粒平均大小接收模块，用于接收并记录米粒平均大小；
大米安全数据接收模块，用于接收并记录大米安全数据；
大米检测结果生成模块，用于根据所述米粒平均大小和所述大米安全数据，生成大米检测结果。
7.一种大米在线检测方法，其特征在于，应用于检测装置，所述方法具体包括：
对米粒部分进行随机采样，得到大米米粒样本；
将所述大米米粒样本进行称重，得到样本重量；
将所述大米米粒样本进行摄像，得到样本图像数据；
将所述样本图像数据进行像素化处理，得到样本米粒粒数；
将所述样本米粒粒数与所述样本重量对比，得到米粒平均大小；
对糠渣部分进行随机采样，得到大米糠渣样本；
对所述大米糠渣样本进行化学检测，得到大米安全数据；
根据所述米粒平均大小和所述大米安全数据，得到大米检测结果。
8.根据权利要求7所述的一种大米在线检测方法，其特征在于，所述将所述样本图像数据进行像素化处理，得到样本米粒粒数具体包括：
将所述样本图像数据进行二值图像处理，得到二值图像数据；
将所述二值图像数据进行八联通标记，统计每个米粒图像占用的像素个数；
根据所述像素个数和像素总数，计算样本米粒粒数。
9.根据权利要求7所述的一种大米在线检测方法，其特征在于，所述对所述大米糠渣样本进行化学检测，得到大米安全数据具体包括：
对所述大米糠渣样本进行农药残留检测，得到农药残留检测结果；
对所述大米糠渣样本进行重金属检测，得到重金属检测结果；
对所述大米糠渣样本进行真菌毒素检测，得到真菌毒素检测结果；
根据所述农药残留检测结果、重金属检测结果和真菌毒素检测结果，得到大米安全数据。
10.一种大米在线检测设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求7至9中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110857326.6A CN113776993A (zh) | 2021-07-28 | 2021-07-28 | 一种大米在线检测系统、检测方法及检测设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110857326.6A CN113776993A (zh) | 2021-07-28 | 2021-07-28 | 一种大米在线检测系统、检测方法及检测设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113776993A true CN113776993A (zh) | 2021-12-10 |
Family
ID=78836215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110857326.6A Pending CN113776993A (zh) | 2021-07-28 | 2021-07-28 | 一种大米在线检测系统、检测方法及检测设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113776993A (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101275824A (zh) * | 2008-05-16 | 2008-10-01 | 中国农业大学 | 一种大米粒型检测的方法 |
| CN102495068A (zh) * | 2011-12-01 | 2012-06-13 | 浙江工商大学 | 大米垩白米在线检测方法和系统 |
| CN102494977A (zh) * | 2011-11-29 | 2012-06-13 | 浙江工商大学 | 大米碎米率在线检测方法和系统 |
| CN202421024U (zh) * | 2011-12-06 | 2012-09-05 | 李同强 | 大米碎米率在线检测系统 |
| CN202471601U (zh) * | 2011-12-06 | 2012-10-03 | 李同强 | 大米垩白米在线检测系统 |
| CN103411929A (zh) * | 2013-05-10 | 2013-11-27 | 中国水稻研究所 | 一种稻米透明度检测方法 |
| KR20140084680A (ko) * | 2012-12-27 | 2014-07-07 | 한국식품연구원 | 미곡종합 처리장 및 미곡 유통관리 시스템 |
| CN106248674A (zh) * | 2016-08-09 | 2016-12-21 | 中国水稻研究所 | 一种食用籼米和食用粳米的质量分级方法 |
| CN109821598A (zh) * | 2019-01-29 | 2019-05-31 | 江苏财经职业技术学院 | 大米冷却提糠器 |
| CN209076735U (zh) * | 2018-10-30 | 2019-07-09 | 唐山曹妃甸区泉水米业有限公司 | 一种用于粮食加工的新型碾米机 |
| CN209531450U (zh) * | 2019-01-30 | 2019-10-25 | 望江县东方米业有限责任公司 | 一种方便大米筛糠装置 |
| CN211839051U (zh) * | 2020-02-14 | 2020-11-03 | 东营市垦利区万隆农林经贸有限公司 | 一种大米加工中筛糠装置 |
| CN112462012A (zh) * | 2020-11-17 | 2021-03-09 | 青岛市疾病预防控制中心（青岛市预防医学研究院） | 一种用于食品安全监测的智能云系统 |
| CN112808351A (zh) * | 2020-12-30 | 2021-05-18 | 衡阳市金雁粮食购销有限公司 | 一种大米深加工方法 |
-
2021
- 2021-07-28 CN CN202110857326.6A patent/CN113776993A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101275824A (zh) * | 2008-05-16 | 2008-10-01 | 中国农业大学 | 一种大米粒型检测的方法 |
| CN102494977A (zh) * | 2011-11-29 | 2012-06-13 | 浙江工商大学 | 大米碎米率在线检测方法和系统 |
| CN102495068A (zh) * | 2011-12-01 | 2012-06-13 | 浙江工商大学 | 大米垩白米在线检测方法和系统 |
| CN202421024U (zh) * | 2011-12-06 | 2012-09-05 | 李同强 | 大米碎米率在线检测系统 |
| CN202471601U (zh) * | 2011-12-06 | 2012-10-03 | 李同强 | 大米垩白米在线检测系统 |
| KR20140084680A (ko) * | 2012-12-27 | 2014-07-07 | 한국식품연구원 | 미곡종합 처리장 및 미곡 유통관리 시스템 |
| CN103411929A (zh) * | 2013-05-10 | 2013-11-27 | 中国水稻研究所 | 一种稻米透明度检测方法 |
| CN106248674A (zh) * | 2016-08-09 | 2016-12-21 | 中国水稻研究所 | 一种食用籼米和食用粳米的质量分级方法 |
| CN209076735U (zh) * | 2018-10-30 | 2019-07-09 | 唐山曹妃甸区泉水米业有限公司 | 一种用于粮食加工的新型碾米机 |
| CN109821598A (zh) * | 2019-01-29 | 2019-05-31 | 江苏财经职业技术学院 | 大米冷却提糠器 |
| CN209531450U (zh) * | 2019-01-30 | 2019-10-25 | 望江县东方米业有限责任公司 | 一种方便大米筛糠装置 |
| CN211839051U (zh) * | 2020-02-14 | 2020-11-03 | 东营市垦利区万隆农林经贸有限公司 | 一种大米加工中筛糠装置 |
| CN112462012A (zh) * | 2020-11-17 | 2021-03-09 | 青岛市疾病预防控制中心（青岛市预防医学研究院） | 一种用于食品安全监测的智能云系统 |
| CN112808351A (zh) * | 2020-12-30 | 2021-05-18 | 衡阳市金雁粮食购销有限公司 | 一种大米深加工方法 |
Non-Patent Citations (6)
| Title |
|---|
| 丁晓雯 等: "食品分析", vol. 1, 31 August 2016, 中国农业大学出版社, pages: 189 - 190 * |
| 俞良莉 等: "食品安全化学", vol. 1, 31 October 2014, 上海交通大学出版社, pages: 118 - 119 * |
| 柳州市农产品质量安全检测中心: "柳州市农产品质量安全监测体系建设与运行", vol. 1, 30 June 2013, 广西科学技术出版社, pages: 36 * |
| 费有春: "简明农药词典", 化学工业出版社, pages: 328 * |
| 贾英民 等: "食品安全控制技术", vol. 1, 28 February 2006, 中国农业出版社, pages: 99 * |
| 项铁男 等: "农产品检测技术", vol. 1, 31 October 2020, 中国轻工业出版社, pages: 159 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kandpal et al. | Near-infrared hyperspectral imaging system coupled with multivariate methods to predict viability and vigor in muskmelon seeds | |
| Sliwinska et al. | Food analysis using artificial senses | |
| Gu et al. | Rapid detection of Aspergillus spp. infection levels on milled rice by headspace-gas chromatography ion-mobility spectrometry (HS-GC-IMS) and E-nose | |
| Di Rosa et al. | Botanical origin identification of Sicilian honeys based on artificial senses and multi-sensor data fusion | |
| Stroka et al. | New strategies for the screening and determination of aflatoxins and the detection of aflatoxin-producing moulds in food and feed | |
| McMullin et al. | Advancements in IR spectroscopic approaches for the determination of fungal derived contaminations in food crops | |
| Cetó et al. | Simultaneous identification and quantification of nitro-containing explosives by advanced chemometric data treatment of cyclic voltammetry at screen-printed electrodes | |
| Lee et al. | Application of Raman spectroscopy for qualitative and quantitative analysis of aflatoxins in ground maize samples | |
| Mishra et al. | Rapid assessment of quality change and insect infestation in stored wheat grain using FT-NIR spectroscopy and chemometrics | |
| DK2041557T3 (en) | IMPROVED PROCEDURE AND APPARATUS FOR DETERMINING TARGET COMPOSITION | |
| Lu et al. | Visualized attribute analysis approach for characterization and quantification of rice taste flavor using electronic tongue | |
| Nadimi et al. | Examination of wheat kernels for the presence of Fusarium damage and mycotoxins using near-infrared hyperspectral imaging | |
| Wei et al. | Classification of monofloral honeys by voltammetric electronic tongue with chemometrics method | |
| Jaafreh et al. | Rapid poultry spoilage evaluation using portable fiber-optic Raman spectrometer | |
| Lozano-Torres et al. | Monofloral honey authentication by voltammetric electronic tongue: A comparison with 1H NMR spectroscopy | |
| Shi et al. | Exploring the potential of applying infrared vibrational (micro) spectroscopy in ergot alkaloids determination: Techniques, current status, and challenges | |
| Delwiche et al. | Assessing glycinin (11S) and β-conglycinin (7S) fractions of soybean storage protein by near-infrared spectroscopy | |
| Głowacz et al. | Comparison of various data analysis techniques applied for the classification of oligopeptides and amino acids by voltammetric electronic tongue | |
| Guyon et al. | Metabolomics applied to proton nuclear magnetic resonance profile for the identification of seven floral origin of French honeys. | |
| CN113776993A (zh) | 一种大米在线检测系统、检测方法及检测设备 | |
| Levasseur-Garcia et al. | A method for the allotment of maize contaminated by toxins | |
| Cheli et al. | Rapid methods as analytical tools for food and feed contaminant evaluation: methodological implications for mycotoxin analysis in cereals | |
| EP1850117A1 (en) | Optical analyser | |
| Arias et al. | Ability of NIRS technology to determine pesticides in liquid samples at maximum residue levels | |
| Shuqin et al. | Predicting wheat kernels’ protein content by near infrared hyperspectral imaging |
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 |