CN113866119A - 一种注水鸡快速鉴别方法及应用 - Google Patents
一种注水鸡快速鉴别方法及应用 Download PDFInfo
- Publication number
- CN113866119A CN113866119A CN202111224719.XA CN202111224719A CN113866119A CN 113866119 A CN113866119 A CN 113866119A CN 202111224719 A CN202111224719 A CN 202111224719A CN 113866119 A CN113866119 A CN 113866119A
- Authority
- CN
- China
- Prior art keywords
- chicken
- water
- near infrared
- infrared spectrum
- injected
- 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
- 241000287828 Gallus gallus Species 0.000 title claims abstract description 97
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 58
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 235000013372 meat Nutrition 0.000 claims description 17
- 210000003205 muscle Anatomy 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 206010034203 Pectus Carinatum Diseases 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 9
- 239000011521 glass Substances 0.000 claims description 7
- 238000002347 injection Methods 0.000 claims description 7
- 239000007924 injection Substances 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000012528 membrane Substances 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 210000002435 tendon Anatomy 0.000 claims description 5
- 238000002203 pretreatment Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000003908 quality control method Methods 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 abstract description 2
- 235000013330 chicken meat Nutrition 0.000 description 66
- 239000003925 fat Substances 0.000 description 4
- 210000000481 breast Anatomy 0.000 description 2
- 239000000839 emulsion Substances 0.000 description 2
- 238000003307 slaughter Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 229930003347 Atropine Natural products 0.000 description 1
- RKUNBYITZUJHSG-UHFFFAOYSA-N Hyosciamin-hydrochlorid Natural products CN1C(C2)CCC1CC2OC(=O)C(CO)C1=CC=CC=C1 RKUNBYITZUJHSG-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- KDKJYYNXYAZPIK-UHFFFAOYSA-J aluminum potassium disulfate hydrate Chemical compound O.[Al+3].[K+].[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O KDKJYYNXYAZPIK-UHFFFAOYSA-J 0.000 description 1
- RKUNBYITZUJHSG-SPUOUPEWSA-N atropine Chemical compound O([C@H]1C[C@H]2CC[C@@H](C1)N2C)C(=O)C(CO)C1=CC=CC=C1 RKUNBYITZUJHSG-SPUOUPEWSA-N 0.000 description 1
- 229960000396 atropine Drugs 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012267 brine Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- STJMRWALKKWQGH-UHFFFAOYSA-N clenbuterol Chemical compound CC(C)(C)NCC(O)C1=CC(Cl)=C(N)C(Cl)=C1 STJMRWALKKWQGH-UHFFFAOYSA-N 0.000 description 1
- 229960001117 clenbuterol Drugs 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 210000004379 membrane Anatomy 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002976 pectoralis muscle Anatomy 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 230000002335 preservative effect Effects 0.000 description 1
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Abstract
本发明公开一种注水鸡快速鉴别方法及应用,包括步骤一、注水鸡肉近红外光谱检测,步骤二、检测数据预处理和判别模型的建立,步骤三、待测鸡肉近红外光谱检测,步骤四、待测鸡肉近红外光谱检测数据的判别;本发明通过建立注水鸡肉近红外光谱判别模型并应用到鸡肉品种的快速检测中,准确率在95%以上,同时本申请证明了近红外光谱技术能够实现注水鸡肉的快速准确鉴别,为鸡肉的质量控制、市场的规范化提供了有用的检测方法,适合在监督检验部门、市场监管部门以及产业上推广应用,具有巨大的潜在商业价值。
Description
技术领域
本发明涉及食品检测技术领域,尤其涉及一种注水鸡快速鉴别方法及应用。
背景技术
“注水肉”是近年来常见的一种劣质产品,有些商贩或业主,为了增加鸡重获取更大的私利,通过屠宰后向肉内注水制成,注水后可增加净重量的15%-20%。众多肉类专家指出,“注水肉”危害并不比“瘦肉精”低,在“注水肉”里,可能添加了阿托品、矾水、卤水、工业色素和防腐剂等,注水使鸡肉品质降低,并易造成病原微生物污染,对人体潜在危害很大;
目前,市场上并无针对注水鸡肉的专门检测,往往是消费者购买后准备食用时才发现异常,专业的检测机构一般是通过烘干、称重的方法进行水分含量的检测,但此方法耗时较长且步骤繁琐,因此,本发明提出一种注水鸡快速鉴别方法及应用以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明的目的在于提出一种注水鸡快速鉴别方法及应用,该注水鸡快速鉴别方法及应用通过建立注水鸡近红外光谱判别模型,并证明了近红外光谱技术能够实现注水鸡肉的快速准确鉴别,为鸡肉的质量控制、市场的规范化提供了有用的检测方法。
为实现本发明的目的,本发明通过以下技术方案实现:一种注水鸡快速鉴别方法,包括以下步骤:
步骤一、获取注水鸡肉样品,将所述注水鸡肉样品放入样品槽,使其覆盖整个玻璃底部,然后设置近红外光谱波长范围900nm~2200nm,分辨率为8nm进行背景扫描,设置平滑点21进行近红外光谱检测,获得注水鸡肉近红外光谱数据;
步骤二、对步骤一中得到的注水鸡肉样品的近红外光谱数据进行预处理,针对所述注水鸡肉样品采用簇类的独立软模式建立注水鸡近红外光谱判别模型;
步骤三、获取待测鸡肉样品,将所述待测鸡肉样品放入样品槽,使其覆盖整个玻璃底部,然后设置近红外光谱波长范围900nm~2200nm,分辨率为8nm进行背景扫描,设置平滑点21进行近红外光谱检测,获得待测鸡肉的近红外光谱数据;
步骤四、利用步骤二建立的注水鸡近红外光谱判别模型对步骤三中的待测鸡肉的近红外光谱数据进行判断。
进一步改进在于:所述步骤一和步骤三中的注水鸡肉样品和待测鸡肉样品为经过预处理后的鸡胸肌样品,所述鸡胸肌样品的预处理方法为先剔除鸡胸肌样品表面的筋、腱、膜和脂肪,然后将鸡胸肌样品放入绞肉机中制成肉糜。
进一步改进在于:所述近红外光谱检测扫描时,每个样本重复扫描3次,取三次平滑光谱作为样本光谱。
进一步改进在于:所述步骤二中对近红外光谱数据分别进行不处理、7点卷积平滑处理和多元散射校正处理。
进一步改进在于:所述步骤一中获取注水鸡肉样品时挑选水分含量在80%的鸡肉作为注水鸡肉样品。
进一步改进在于:所述步骤四中判断时将不同预处理方法处理后的近红外光谱数据与近红外光谱分析数据处理系统结合构建近红外模型,以验证正确率来判断模型是否合适。
一种所述的检测方法在注水冰鲜鸡肉鉴别中的应用。
本发明的有益效果为:本发明通过建立注水鸡肉近红外光谱判别模型并应用到鸡肉品种的快速检测中,准确率在95%以上,同时本申请证明了近红外光谱技术能够实现注水鸡肉的快速准确鉴别,为鸡肉的质量控制、市场的规范化提供了有用的检测方法,适合在监督检验部门、市场监管部门以及产业上推广应用,具有巨大的潜在商业价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1步骤流程图。
图2为本发明实施例2正常鸡肉和注水鸡肉胸肌原始光谱图。
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作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。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”、“第四”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
实施例1
根据图1所示,本实施例提供了一种注水鸡快速鉴别方法,包括以下步骤:
步骤一、挑选水分含量在80%的鸡肉作为注水鸡肉样品,其中一般鸡肉样品水分含量在70-74%之间,将所述注水鸡肉样品放入样品槽,使其覆盖整个玻璃底部,然后设置近红外光谱波长范围900nm~2200nm,分辨率为8nm进行背景扫描,设置平滑点21进行近红外光谱检测,获得注水鸡肉近红外光谱数据,近红外光谱检测扫描时,每个样本重复扫描3次,取三次平滑光谱作为样本光谱,其中鸡肉样品为经过剔除鸡胸肌样品表面的筋、腱、膜和脂肪,然后将鸡胸肌样品放入绞肉机中制成肉糜的鸡胸肌样品;
步骤二、对步骤一中得到的注水鸡肉样品的近红外光谱数据分别进行不处理、7点卷积平滑处理和多元散射校正处理,针对所述注水鸡肉样品采用簇类的独立软模式建立注水鸡近红外光谱判别模型;
步骤三、获取待测鸡肉样品,将所述待测鸡肉样品放入样品槽,使其覆盖整个玻璃底部,然后设置近红外光谱波长范围900nm~2200nm,分辨率为8nm进行背景扫描,设置平滑点21进行近红外光谱检测,获得待测鸡肉近红外光谱数据,近红外光谱检测扫描时,每个样本重复扫描3次,取三次平滑光谱作为样本光谱,其中鸡肉样品为经过剔除鸡胸肌样品表面的筋、腱、膜和脂肪,然后将鸡胸肌样品放入绞肉机中制成肉糜的鸡胸肌样品;
步骤四、利用步骤二建立的注水鸡近红外光谱判别模型对步骤三中的待测鸡肉的近红外光谱数据进行判断,判断时将不同预处理方法处理后的近红外光谱数据与近红外光谱分析数据处理系统结合构建近红外模型,以验证正确率来判断模型是否合适。
实施例2
根据图2所示,本实施例提供了一种注水鸡快速鉴别方法的应用:
样品选择
从市场购买28只鸡,屠宰后立即取样,正常鸡肉共有12份,注水鸡肉共有16份,共28份样品。
样品预处理
剔除样品表面的筋、腱、膜和脂肪并用绞肉机制成肉糜备用。
近红外光谱采集
将肉糜状样品放入样品槽且覆盖整个玻璃底部,设置波长范围900nm~2200nm,分辨率为8nm,随后背景扫描,平滑点21,每个样本重复扫描3次,取3次的平均光谱作为样本光谱。采集胸肌肉图谱,共扫描28份样品。
注水鸡肉近红外光谱鉴别模型的建立
对注水鸡肉近红外光谱数据分别进行无处理、7点卷积平滑处理和多元散射校正处理,再操作近红外光谱分析数据处理系统建立注水鸡肉鉴别模型。
由于原始光谱波长范围是900nm~2300nm,有1301个数据点,数据计算量大、干扰因素多且波长2000nm之后的光谱信息较弱,因此试验选取波长范围900nm~2000nm进行分析处理。结果如表1所示,综合分析主成分数、校正回判正确率和预测正确率,可得出各注水鸡肉最优近红外光谱鉴别模型。无处理或利用7点卷积平滑处理的近红外光谱数据建立的注水鸡肉近红外光谱鉴别模型效果最好,校正回判正确率为100.00%,预测正确率为100.00%。
表1注水鸡肉近红外光谱鉴别比较
判别模型的验证
市场采集28只鸡,采集胸肌制成肉糜,随后制得注水鸡肉14份,对照组14份,测其近红外光谱图,利用7点卷积平滑处理近红外光谱数据,预测正确个数为27份样品,预测正确率为96.43%。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种注水鸡快速鉴别方法,其特征在于包括以下步骤:
步骤一、获取注水鸡肉样品,将所述注水鸡肉样品放入样品槽,使其覆盖整个玻璃底部,然后设置近红外光谱波长范围900nm~2200nm,分辨率为8nm进行背景扫描,设置平滑点21进行近红外光谱检测,获得注水鸡肉近红外光谱数据;
步骤二、对步骤一中得到的注水鸡肉样品的近红外光谱数据进行预处理,针对所述注水鸡肉样品采用簇类的独立软模式建立注水鸡近红外光谱判别模型;
步骤三、获取待测鸡肉样品,将所述待测鸡肉样品放入样品槽,使其覆盖整个玻璃底部,然后设置近红外光谱波长范围900nm~2200nm,分辨率为8nm进行背景扫描,设置平滑点21进行近红外光谱检测,获得待测鸡肉的近红外光谱数据;
步骤四、利用步骤二建立的注水鸡近红外光谱判别模型对步骤三中的待测鸡肉的近红外光谱数据进行判断。
2.根据权利要求1所述的一种注水鸡快速鉴别方法,其特征在于:所述步骤一和步骤三中的注水鸡肉样品和待测鸡肉样品为经过预处理后的鸡胸肌样品,所述鸡胸肌样品的预处理方法为先剔除鸡胸肌样品表面的筋、腱、膜和脂肪,然后将鸡胸肌样品放入绞肉机中制成肉糜。
3.根据权利要求1所述的一种注水鸡快速鉴别方法,其特征在于:所述近红外光谱检测扫描时,每个样本重复扫描3次,取三次平滑光谱作为样本光谱。
4.根据权利要求1所述的一种注水鸡快速鉴别方法,其特征在于:所述步骤二中对近红外光谱数据分别进行不处理、7点卷积平滑处理和多元散射校正处理。
5.根据权利要求1所述的一种注水鸡快速鉴别方法,其特征在于:所述步骤一中获取注水鸡肉样品时挑选水分含量在80%的鸡肉作为注水鸡肉样品。
6.根据权利要求1所述的一种注水鸡快速鉴别方法,其特征在于:所述步骤四中判断时将不同预处理方法处理后的近红外光谱数据与近红外光谱分析数据处理系统结合构建近红外模型,以验证正确率来判断模型是否合适。
7.一种权利要求1-7任一项所述的检测方法在注水冰鲜鸡肉鉴别中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111224719.XA CN113866119A (zh) | 2021-10-21 | 2021-10-21 | 一种注水鸡快速鉴别方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111224719.XA CN113866119A (zh) | 2021-10-21 | 2021-10-21 | 一种注水鸡快速鉴别方法及应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113866119A true CN113866119A (zh) | 2021-12-31 |
Family
ID=78996821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111224719.XA Pending CN113866119A (zh) | 2021-10-21 | 2021-10-21 | 一种注水鸡快速鉴别方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113866119A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005291704A (ja) * | 2003-11-10 | 2005-10-20 | New Industry Research Organization | 可視光・近赤外分光分析方法 |
CN101968438A (zh) * | 2010-09-25 | 2011-02-09 | 西北农林科技大学 | 一种原料肌肉注水快速判别方法 |
CN103558177A (zh) * | 2013-11-22 | 2014-02-05 | 中国农业大学 | 生肉组织水分近红外检测装置及检测方法 |
CN104359855A (zh) * | 2014-11-03 | 2015-02-18 | 中国农业大学 | 一种基于近红外光谱的注水肉检测方法 |
CN106814045A (zh) * | 2016-12-16 | 2017-06-09 | 南京农业大学 | 一种基于近红外光谱技术的类pse鸡肉判定方法 |
CN107121408A (zh) * | 2017-06-06 | 2017-09-01 | 江南大学 | 食用植物油品种的快速无损鉴别方法 |
US20190162658A1 (en) * | 2017-11-24 | 2019-05-30 | Oil Crops Research Institute, Chinese Acadamy Of Agricultural Sciences | Method for detecting multivariate adulteration of edible oil based on near-infrared spectroscopy |
CN111122492A (zh) * | 2019-11-29 | 2020-05-08 | 中国农业科学院北京畜牧兽医研究所 | 一种基于近红外检测的注水肉快速筛查方法 |
-
2021
- 2021-10-21 CN CN202111224719.XA patent/CN113866119A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005291704A (ja) * | 2003-11-10 | 2005-10-20 | New Industry Research Organization | 可視光・近赤外分光分析方法 |
CN101968438A (zh) * | 2010-09-25 | 2011-02-09 | 西北农林科技大学 | 一种原料肌肉注水快速判别方法 |
CN103558177A (zh) * | 2013-11-22 | 2014-02-05 | 中国农业大学 | 生肉组织水分近红外检测装置及检测方法 |
CN104359855A (zh) * | 2014-11-03 | 2015-02-18 | 中国农业大学 | 一种基于近红外光谱的注水肉检测方法 |
CN106814045A (zh) * | 2016-12-16 | 2017-06-09 | 南京农业大学 | 一种基于近红外光谱技术的类pse鸡肉判定方法 |
CN107121408A (zh) * | 2017-06-06 | 2017-09-01 | 江南大学 | 食用植物油品种的快速无损鉴别方法 |
US20190162658A1 (en) * | 2017-11-24 | 2019-05-30 | Oil Crops Research Institute, Chinese Acadamy Of Agricultural Sciences | Method for detecting multivariate adulteration of edible oil based on near-infrared spectroscopy |
CN111122492A (zh) * | 2019-11-29 | 2020-05-08 | 中国农业科学院北京畜牧兽医研究所 | 一种基于近红外检测的注水肉快速筛查方法 |
Non-Patent Citations (3)
Title |
---|
唐鸣 等: "基于近红外特征波段的注水肉识别模型研究", 《农业机械学报》 * |
李娟 等: "红外、近红外光谱-簇类的独立软模式方法识别植物调和油脂", 《分析化学》 * |
杨志敏 等: "应用近红外技术快速鉴别原料肉注水的研究", 《食品研究与开发》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cheng et al. | Marbling analysis for evaluating meat quality: Methods and techniques | |
CN108663339B (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
CN108960315B (zh) | 一种调理肉制品品质智能评价系统及方法 | |
CN106596416A (zh) | 一种基于高光谱成像技术的冷鲜肉品质无损检测方法 | |
CN108680515B (zh) | 一种单粒水稻直链淀粉定量分析模型构建及其检测方法 | |
CN107907500B (zh) | 一种羊肉产地的检测方法 | |
CN105548028A (zh) | 禽蛋新鲜度的光纤光谱分级检测装置及其方法 | |
CN104049068A (zh) | 生鲜畜肉新鲜度的无损测定装置及测定方法 | |
CN109374548A (zh) | 一种利用近红外快速测定大米中营养成分的方法 | |
Guo et al. | Method and system for nondestructive detection of freshness in Penaeus vannamei based on hyperspectral technology | |
CN112415050B (zh) | 一种基于温度分布差异的羊肉掺假定性判别方法 | |
Kombolo-Ngah et al. | Across countries implementation of handheld near-infrared spectrometer for the on-line prediction of beef marbling in slaughterhouse | |
CN107515204A (zh) | 利用nir对郫县豆瓣甜瓣子发酵成熟度的检测方法 | |
CN113866119A (zh) | 一种注水鸡快速鉴别方法及应用 | |
CN113866122A (zh) | 一种鸡品种快速鉴别方法及其应用 | |
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 | |
CN102435574B (zh) | 一种羊胴体产量的无损分级方法 | |
CN110609011A (zh) | 单籽粒玉米种子淀粉含量近红外高光谱检测方法及系统 | |
CN115937670A (zh) | 一种基于高光谱成像的麝香智能鉴别方法及应用 | |
CN107860746A (zh) | 一种云南地方鸡肌肉冻干粉赖氨酸含量近红外检测方法 | |
CN111122492B (zh) | 一种基于近红外检测的注水肉快速筛查方法 | |
Costa et al. | Novel applications of infrared technologies in dairy industry | |
CN113866120A (zh) | 一种碱泡鸡快速鉴别方法及应用 | |
CN113866121A (zh) | 一种病死鸡快速鉴别方法及应用 | |
CN109241637A (zh) | 一种可适用于光谱分析的智能建模系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211231 |