CN114354537A - 一种基于西洋参的异常光谱判别方法 - Google Patents
一种基于西洋参的异常光谱判别方法 Download PDFInfo
- Publication number
- CN114354537A CN114354537A CN202210040850.9A CN202210040850A CN114354537A CN 114354537 A CN114354537 A CN 114354537A CN 202210040850 A CN202210040850 A CN 202210040850A CN 114354537 A CN114354537 A CN 114354537A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- american ginseng
- characteristic peak
- data
- light intensity
- 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
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明涉及近红外异常光谱判别技术,其公开了一种基于西洋参的异常光谱判别方法,减小光谱数据量并提供光谱数据的准确性。该方法首先采集西洋参样品光谱数据,并对西洋参样品光谱数据进行二阶求导,得到其特征峰,然后根据近红外光谱波长点权重特性选取一定数目特征峰光强点替代原始光谱数据,接着计算便携式近红外光谱光照照度与传感器接收照度之间的关系,根据光谱传感器照度值与特征峰光强数值转换关系,计算西洋参样品标准特征峰光强值,最后根据便携式近红外光谱误差特性设定特征峰合理偏差阈值,结合特征峰合理偏差阈值对西洋参样品特征峰光谱数据进行异常判断与筛选。
Description
技术领域
本发明涉及近红外异常光谱判别技术,具体涉及一种基于西洋参的异常光谱判别方法。
背景技术
西洋参具有补气养阴、清热生津、宁神益智的功效,近年随着人们对养生保健,延缓衰老类补品的不断增需,西洋参及其制品研究的应用也越来越广泛,各方研究也越来越深入。对于西洋参组分的检测,当前主要检测技术有气相—质谱联用法、高效液相色谱法等,但这些方法都以实验室应用为主,并且气相-质谱联用法和高效液相色谱法的检测成本都比较昂贵,样品处理繁琐,对实验操作要求很高,无法快速测定,给西洋参组分快速检测带来了极大的困难。
与其他化学分析技术相比,便携式近红外光谱技术具有快速准确、无需样品预处理、不破坏样品、无污染等特点,是一种极为合适的西洋参检测技术,同时,便携式近红外光谱仪成本低廉,操作简单,携带方便,可以大量购置以满足各类西洋参的检测需求。但是便携式近红外光谱仪易于受光源、检测器、检测方法、环境条件等影响,造成采集的光谱数据稳定性差,精度低,进而影响其光谱预测分析能力。
在实际应用过程中,便携式近红外光谱设备采集获取的光谱数据较容易出现异常,而便携式近红外光谱分析技术容易受到异常光谱数据的影响进而极大程度降低其预测分析能力。同时,便携式近红外光谱设备采集获取的光谱数据也较为冗余,包含了过多与西洋参样品相关性较小的数据信息,对建模分析工作带来了较大的工作量与难度。
由此获取一种既能缩减光谱自身数据量,又可以最大程度保证西洋参样品光谱数据准确性的方法成为亟待解决的问题。
发明内容
本发明所要解决的技术问题是:提出一种基于西洋参的异常光谱判别方法,减小光谱数据量并提供光谱数据的准确性。
本发明解决上述技术问题采用的技术方案是:
一种基于西洋参的异常光谱判别方法,包括以下步骤:
S1、采集西洋参样品光谱数据,并对西洋参样品光谱数据进行二阶求导,得到其特征峰;
S2、根据近红外光谱波长点权重特性选取一定数目特征峰光强点替代原始光谱数据;
S3、根据便携式近红外光谱光照照度与其光谱传感器接收照度之间的关系,计算光谱传感器接收照度值;
S4、根据光谱传感器接收照度值与特征峰光强数值转换关系,计算西洋参样品标准特征峰光强值;
S5、根据便携式近红外光谱误差特性设定特征峰合理偏差阈值,结合特征峰合理偏差阈值对西洋参样品特征峰光谱数据进行异常判别。
作为进一步优化,步骤S1中,采用波长均分式便携近红外光谱仪采集西洋参样品光谱数据。
作为进一步优化,步骤S1中,在采集西洋参样品光谱数据过程中,每一个样品对应采集多条光谱数据,并将所述多条光谱数据做均值运算,均值后的数据为作为该样品的光谱数据。
作为进一步优化,步骤S1中,采用Savitzky-Golay方式进行二阶求导,半窗宽设置为4,多项式最高阶设置为4,求导阶数设置为2阶,通过二阶求导获得光谱数据的二阶求导光谱图形,通过所述二阶求导光谱图形即可找到西洋参样品的特征峰。
作为进一步优化,步骤S2中,所述根据近红外光谱波长点权重特性选取一定数目特征峰光强点替代原始光谱数据,具体包括:
根据西洋参样品光谱数据的二阶求导光谱图形,选取特征峰周围权重系数较高的波长点替代原始光谱数据。
作为进一步优化,所述选取特征峰周围权重系数较高的波长点替代原始光谱数据的方法为:选取特征峰周围二阶导数值大于特征峰二阶导数值50%的光谱波长点替代原始光谱数据。
作为进一步优化,步骤S3中,便携式近红外光谱光照照度ω与其光谱传感器接收照度γ之间的关系为:
γ=(1-μ)*θ*(1-μ)*ω
其中,θ为西洋参样品的反射率,μ为便携式近红外光谱仪的光腔衰减率。
作为进一步优化,步骤S5中,所述根据便携式近红外光谱误差特性设定特征峰合理偏差阈值,结合特征峰合理偏差阈值对西洋参样品特征峰光谱数据进行异常判别,具体包括:
设定便携式近红外光谱数据的合理偏差范围,根据该合理偏差范围结合西洋参样品重构后的标准特征峰光强值,计算光强数值的上限阈值和下限阈值;
然后判断西洋参样品特征峰光强点数值是否在所述光强数值的上下限阈值范围内,若其光强点数值均在上下限阈值范围内,则判定该光谱数据为正常,若存在某些光强点数值超出上下限阈值范围,则判定该光谱数据为异常,剔除该异常光谱数据。
本发明的有益效果是:
该方法通过特征峰信息选取权重系数较高的部分光强点代替原始光谱数据,进而在保留光谱数据特征信息前提下极大程度减小光谱数据量,同时又结合特征峰合理偏差阈值对西洋参样品光谱数据进行异常判断与筛选,剔除异常光谱数据,保证光谱数据准确性,解决便携式红外光谱分析技术容易受到异常光谱数据影响使得其预测分析能力下降的问题。
附图说明
图1是实施例中的基于西洋参的异常光谱判别方法流程图;
图2是实施例中的西洋参样品二阶求导后的光谱数据图。
具体实施方式
本发明旨在提出一种基于西洋参的异常光谱判别方法,减小光谱数据量并提供光谱数据的准确性。该方法首先采集西洋参样品光谱数据,并对西洋参样品光谱数据进行二阶求导,得到其特征峰,然后根据近红外光谱波长点权重特性选取一定数目特征峰光强点替代原始光谱数据,接着计算便携式近红外光谱光照照度与传感器接收照度之间的关系,根据光谱传感器照度值与特征峰光强数值转换关系,计算西洋参样品标准特征峰光强值,最后根据便携式近红外光谱误差特性设定特征峰合理偏差阈值,结合特征峰合理偏差阈值对西洋参样品特征峰光谱数据进行异常判断与筛选。
实施例:
如图1所述,本实施例中的基于西洋参的异常光谱判别方法包括以下实施步骤:
步骤101、采集西洋参样品光谱数据,并对西洋参样品光谱数据进行二阶求导,得到其特征峰:
本步骤中,采用波长均分式便携近红外光谱仪对西洋参样品光谱数据进行采集,其波长范围为1400nm~1850nm,分辨率为10nm,则每个西洋参样品的实际光谱数据包含46个光强值点。对西洋参样品光谱数据进行二阶求导,二阶求导光谱半高宽只有原始谱图半峰宽的1/3左右,能够简单分辨出强峰两侧小肩峰,在正确测定峰位及确定肩峰位置极为有效,通过二阶求导可以清晰的分辨出西洋参样品谱图的峰值,即特征峰波长点位置。
在本实施例中,采用波长均分式便携式近红外光谱仪对西洋参样品进行光谱数据采集可以最大均匀程度的采集到样品光谱数据,根据光谱仪的波长范围和分辨率,可以计算出每一条西洋参光谱数据包含的光强点为:K1=1+(1850-1400)/10=46个,第1~46个波长点对应的波长范围为(1400nm,1410nm,…1850nm),每个待测西洋参样品采集获得的光谱数据实际表示为46个波长点上光强值的矩阵集合。
采集过程中,每一个样品对应采集8条光谱数据,并将8条光谱数据做均值运算,均值后的数据为该样品的实际光谱数据,这样的好处在于可以有效减少采集误差,增加数据的可靠性。如图2所示,对采集得到的西洋参样品光谱数据进行二阶求导,求导方式为Savitzky-Golay求导,半窗宽设置为4,多项式最高阶设置为4,求导阶数设置为2阶,其中X轴为光谱波段范围,Y轴为西洋参样品光谱数据二阶求导导数值,西洋参样品光谱数据二阶求导光谱图形中,在波段范围1450nm,1730nm的位置出现明显的谱峰,这些峰值点即为该西洋参样品的特征峰值点。
步骤102、根据近红外光谱波长点权重特性选取一定量特征峰光强点替代原始光谱数据:
本步骤中,根据待测样品光谱数据的二阶求导光谱图形,选取特征峰周围权重系数较高的波长点替代原始光谱数据,在保留光谱数据特征信息前提下极大程度减小光谱数据量,提高光谱分析效率。
在本实施例中,如图2所示,西洋参光谱数据的二阶导数值越大,则表明其表征西洋参样品的能力越强,即其表征西洋参样品特性的权重系数越高,选取特征峰周围二阶导数值大于特征峰二阶导数值50%的光谱波长点替代原始光谱数据,即选取的权重系数较高的波段范围为1430nm~1470nm,1720nm~1750nm。由以上可知,替代原始46个光强数值点光谱数据的重组光谱数据光强值点数目为:K2=2+(1470-1430)/10+(1750-1720)/10=9个,第1~9个波长点对应的波长范围为(1430nm,1440nm,1450nm,1460nm,1470nm,1720nm,1730nm,1740nm,1750nm),重构之后每个西洋参样品光谱数据实际表示为9个波长点上光强值的矩阵集合。相较于西洋参样品的原始光谱,即保证了足够的表征样品特性能力,又可以最大程度的缩减每条光谱数据的光强值点数目,有效的提高光谱分析效率。
步骤103、计算便携式近红外光谱光照照度与传感器接收照度之间的关系:
便携式近红外光源发出近红外光通过近红外光腔衰减后,到达待测物表面,汇聚成为采样光斑,采样光斑由待测物进行光反射,经过光腔衰减到达光谱传感器,光谱传感器接收反射回来的光强信息生成对应光谱数据值。结合光腔衰减率,待测物反射率即可计算便携式近红外光谱光照照度与传感器接收照度之间的关系。
在本实施例中,设定西洋参样品的反射率为θ,便携式近红外光谱仪的光腔衰减率为μ,便携式近红外光源发出的光照照度值为ω,根据便携式近红外光谱仪的工作原理可知:
便携式近红外光源发出近红外光通过近红外光腔衰减后,到达待测物表面,汇聚成为采样光斑,采样光斑的照度值δ为:
δ=(1-μ)*ω
采样光斑由待测物进行光反射,经过光腔衰减到达光谱传感器,光谱传感器接收到的照度值γ为:
γ=(1-μ)*θ*δ
综上可知,便携式近红外光谱光照照度ω与传感器接收照度γ之间的关系为:
γ=(1-μ)*θ*(1-μ)*ω
同一便携式近红外光谱仪的光腔衰减率为定值,其光照照度也为定值,由上式可知,传感器接收到的光照照度值仅与待测物的反射率相关,且呈线性正相关。
步骤104、根据光谱传感器照度值与特征峰光强数值转换关系,计算西洋参样品标准特征峰光强值:
光谱传感器接收到西洋参样品近红外光谱信息后,将初始光谱信号传送至运放,经运放放大后传送至ADC,经ADC模数转换后,传送至ARM芯片进行光谱数据的储存。根据光谱数据传输及处理步骤可知光谱传感器照度值与特征峰光强数值转换关系,进一步即可计算西洋参样品标准特征峰光强值。
在本实施例中,光谱传感器接收到的光照照度值为P1时,其重构后的光谱数据对应的光强数值为(Q1,Q2,…Q9),在实际应用过程中,采集西洋参样品光谱数据时,传感器接收到的照度值为P2,进一步可以计算出该西洋参样品的标准光谱数据光强数值集合Q为:
步骤105、根据便携式近红外光谱误差特性设定特征峰合理偏差阈值,结合特征峰合理偏差阈值对西洋参样品特征峰光谱数据进行异常判断与筛选:
由于便携式近红外光谱设备的便利性,其光谱性能受到较大影响,针对同一样品进行采集时,其光谱数据存在少量偏差也认定为合理数据。根据此特性,光谱特征峰数据在一定阈值范围内的偏差均认定为合理偏差值。西洋参样品反射率固定时,其光谱特征峰阈值也为确定值,对西洋参样品光谱数据的特征峰光强点数值进行判断,如若其光强数值均在阈值范围内,则判定该光谱数据为正常。如若有某些光强点数值超出阈值范围,则判定该光谱数据为异常,剔除该异常光谱数据。
在本实施例中,设定便携式近红外光谱数据的合理偏差范围为d%,结合西洋参样品重构后的标准光谱数据光强数值集合Q可知,该西洋参光谱数据光强数值集合的上限阈值D为:
西洋参样品光谱数据光强数值集合的下限阈值F为:
对西洋参样品的光谱数据进行判断是否异常,具体方法为:设定便携式近红外光谱设备采集西洋参样品重构后的光谱数据为(M1,M2…,M9)。对上述光谱数据中的9个点进行逐一判断,如若满足:
则判定该光谱数据为正常,反之则为异常光谱,对该异常光谱进行剔除操作。
应当说明的是,上述实施例仅是优选实施方式,并不用以限制本发明。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可以做出若干修改,等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于西洋参的异常光谱判别方法,其特征在于,包括以下步骤:
S1、采集西洋参样品光谱数据,并对西洋参样品光谱数据进行二阶求导,得到其特征峰;
S2、根据近红外光谱波长点权重特性选取一定数目特征峰光强点替代原始光谱数据;
S3、根据便携式近红外光谱光照照度与其光谱传感器接收照度之间的关系,计算光谱传感器接收照度值;
S4、根据光谱传感器接收照度值与特征峰光强数值转换关系,计算西洋参样品标准特征峰光强值;
S5、根据便携式近红外光谱误差特性设定特征峰合理偏差阈值,结合特征峰合理偏差阈值对西洋参样品特征峰光谱数据进行异常判别。
2.如权利要求1所述的一种基于西洋参的异常光谱判别方法,其特征在于,
步骤S1中,采用波长均分式便携近红外光谱仪采集西洋参样品光谱数据。
3.如权利要求1所述的一种基于西洋参的异常光谱判别方法,其特征在于,
步骤S1中,在采集西洋参样品光谱数据过程中,每一个样品对应采集多条光谱数据,并将所述多条光谱数据做均值运算,均值后的数据为作为该样品的光谱数据。
4.如权利要求1所述的一种基于西洋参的异常光谱判别方法,其特征在于,
步骤S1中,采用Savitzky-Golay方式进行二阶求导,半窗宽设置为4,多项式最高阶设置为4,求导阶数设置为2阶,通过二阶求导获得光谱数据的二阶求导光谱图形,通过所述二阶求导光谱图形即可找到西洋参样品的特征峰。
5.如权利要求1所述的一种基于西洋参的异常光谱判别方法,其特征在于,
步骤S2中,所述根据近红外光谱波长点权重特性选取一定数目特征峰光强点替代原始光谱数据,具体包括:
根据西洋参样品光谱数据的二阶求导光谱图形,选取特征峰周围权重系数较高的波长点替代原始光谱数据。
6.如权利要求5所述的一种基于西洋参的异常光谱判别方法,其特征在于,
所述选取特征峰周围权重系数较高的波长点替代原始光谱数据的方法为:选取特征峰周围二阶导数值大于特征峰二阶导数值50%的光谱波长点替代原始光谱数据。
7.如权利要求1所述的一种基于西洋参的异常光谱判别方法,其特征在于,
步骤S3中,便携式近红外光谱光照照度ω与其光谱传感器接收照度γ之间的关系为:
γ=(1-μ)*θ*(1-μ)*ω
其中,θ为西洋参样品的反射率,μ为便携式近红外光谱仪的光腔衰减率。
8.如权利要求1-7任一项所述的一种基于西洋参的异常光谱判别方法,其特征在于,
步骤S5中,所述根据便携式近红外光谱误差特性设定特征峰合理偏差阈值,结合特征峰合理偏差阈值对西洋参样品特征峰光谱数据进行异常判别,具体包括:
设定便携式近红外光谱数据的合理偏差范围,根据该合理偏差范围结合西洋参样品重构后的标准特征峰光强值,计算光强数值的上限阈值和下限阈值;
然后判断西洋参样品特征峰光强点数值是否在所述光强数值的上下限阈值范围内,若其光强点数值均在上下限阈值范围内,则判定该光谱数据为正常,若存在某些光强点数值超出上下限阈值范围,则判定该光谱数据为异常,剔除该异常光谱数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210040850.9A CN114354537B (zh) | 2022-01-14 | 2022-01-14 | 一种基于西洋参的异常光谱判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210040850.9A CN114354537B (zh) | 2022-01-14 | 2022-01-14 | 一种基于西洋参的异常光谱判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114354537A true CN114354537A (zh) | 2022-04-15 |
CN114354537B CN114354537B (zh) | 2023-07-25 |
Family
ID=81110054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210040850.9A Active CN114354537B (zh) | 2022-01-14 | 2022-01-14 | 一种基于西洋参的异常光谱判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114354537B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020011567A1 (en) * | 2000-03-13 | 2002-01-31 | Ozanich Richard M. | Apparatus and method and techniques for measuring and correlating characteristics of fruit with visible/near infra-red spectrum |
JP2006126100A (ja) * | 2004-11-01 | 2006-05-18 | Kao Corp | 近赤外スペクトルを用いた判別方法 |
CN1839301A (zh) * | 2003-08-20 | 2006-09-27 | 普林斯顿大学理事会 | 利用腔环降光谱法的锥形光纤应变仪 |
CN101101338A (zh) * | 2007-07-10 | 2008-01-09 | 廊坊开发区中油油田科技工贸有限责任公司 | 一种油气勘探方法及系统 |
US20110307187A1 (en) * | 2010-06-10 | 2011-12-15 | Yokogawa Electric Corporation | Spectroscopic analyzer and spectroscopic analysis method |
CN102980855A (zh) * | 2012-11-19 | 2013-03-20 | 南京农业大学 | 一种作物氮素营养无损监测仪的光学系统校正方法 |
CN104736986A (zh) * | 2012-10-19 | 2015-06-24 | 皮卡罗股份有限公司 | 使用同位素比测量在人口稠密地区中进行气体泄漏检测和定位的方法 |
US9435687B1 (en) * | 2014-04-02 | 2016-09-06 | Center For Quantitative Cytometry | Method to remove the spectral components of illumination energy from a sample spectrum without the use of optical barrier filters, and apparatus for the same |
CN110672546A (zh) * | 2019-10-11 | 2020-01-10 | 四川长虹电器股份有限公司 | 一种基于便携式近红外光谱仪的酒糟模型建模方法 |
CN111579528A (zh) * | 2020-06-30 | 2020-08-25 | 四川长虹电器股份有限公司 | 一种微型近红外光谱仪的校准方法 |
CN111595813A (zh) * | 2020-06-24 | 2020-08-28 | 四川长虹电器股份有限公司 | 一种基于空腔校正板的光谱数据校准方法 |
CN111965140A (zh) * | 2020-08-24 | 2020-11-20 | 四川长虹电器股份有限公司 | 基于特征峰的波长点重组方法 |
-
2022
- 2022-01-14 CN CN202210040850.9A patent/CN114354537B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020011567A1 (en) * | 2000-03-13 | 2002-01-31 | Ozanich Richard M. | Apparatus and method and techniques for measuring and correlating characteristics of fruit with visible/near infra-red spectrum |
CN1839301A (zh) * | 2003-08-20 | 2006-09-27 | 普林斯顿大学理事会 | 利用腔环降光谱法的锥形光纤应变仪 |
JP2006126100A (ja) * | 2004-11-01 | 2006-05-18 | Kao Corp | 近赤外スペクトルを用いた判別方法 |
CN101101338A (zh) * | 2007-07-10 | 2008-01-09 | 廊坊开发区中油油田科技工贸有限责任公司 | 一种油气勘探方法及系统 |
US20110307187A1 (en) * | 2010-06-10 | 2011-12-15 | Yokogawa Electric Corporation | Spectroscopic analyzer and spectroscopic analysis method |
CN104736986A (zh) * | 2012-10-19 | 2015-06-24 | 皮卡罗股份有限公司 | 使用同位素比测量在人口稠密地区中进行气体泄漏检测和定位的方法 |
CN102980855A (zh) * | 2012-11-19 | 2013-03-20 | 南京农业大学 | 一种作物氮素营养无损监测仪的光学系统校正方法 |
US9435687B1 (en) * | 2014-04-02 | 2016-09-06 | Center For Quantitative Cytometry | Method to remove the spectral components of illumination energy from a sample spectrum without the use of optical barrier filters, and apparatus for the same |
CN110672546A (zh) * | 2019-10-11 | 2020-01-10 | 四川长虹电器股份有限公司 | 一种基于便携式近红外光谱仪的酒糟模型建模方法 |
CN111595813A (zh) * | 2020-06-24 | 2020-08-28 | 四川长虹电器股份有限公司 | 一种基于空腔校正板的光谱数据校准方法 |
CN111579528A (zh) * | 2020-06-30 | 2020-08-25 | 四川长虹电器股份有限公司 | 一种微型近红外光谱仪的校准方法 |
CN111965140A (zh) * | 2020-08-24 | 2020-11-20 | 四川长虹电器股份有限公司 | 基于特征峰的波长点重组方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114354537B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109100325B (zh) | 一种基于光谱吸收率二次谐波特征提取的气体浓度测量方法 | |
CN109211803B (zh) | 一种基于显微多光谱技术对微塑料进行快速识别的装置 | |
CN104897607A (zh) | 便携式近红外光谱食品建模与快速检测一体化方法和系统 | |
CN204556499U (zh) | 调谐二极管吸收光谱的多通道高速数据采集和处理系统 | |
CN111855608B (zh) | 基于融合特征波长选择算法的苹果酸度近红外无损检测方法 | |
CN103234922A (zh) | 一种基于大样本土壤可见-近红外光谱分类的土壤有机质快速检测方法 | |
CN108152235B (zh) | 一种联合土壤室内外光谱的重金属含量反演方法 | |
CN103543132B (zh) | 一种基于小波变换的煤质特性测量方法 | |
CN111965140B (zh) | 基于特征峰的波长点重组方法 | |
CN111537469A (zh) | 一种基于近红外技术的苹果品质快速无损检测方法 | |
CN102288574A (zh) | 多组分油烟浓度定量分析装置及其分析方法 | |
CN101349638A (zh) | 果蔬维生素c含量的光谱快速无损检测方法 | |
CN104020124B (zh) | 基于吸收率择优的分光波长筛选方法 | |
CN114354537A (zh) | 一种基于西洋参的异常光谱判别方法 | |
CN108489928B (zh) | 一种短波红外消光光谱纺织品纤维成分检测方法 | |
CN104181125A (zh) | 快速测定啤酒麦芽中库尔巴哈值的方法 | |
CN114295580B (zh) | 一种基于近红外光谱快速判别花椒品质的方法 | |
CN110346346B (zh) | 一种基于压缩感知关联算法的拉曼气体检测方法 | |
CN114280002A (zh) | 一种基于特征峰判定的异常酒醅光谱筛选方法 | |
CN113588597A (zh) | 一种提升炉渣分析精度的方法 | |
CN112229817A (zh) | 一种苏打盐碱地重金属定量反演模型建立方法 | |
CN111220571A (zh) | 一种基于幅值离散度的二次谐波信号拟合方法及系统 | |
CN109668862B (zh) | 一种基于激光诱导击穿光谱的铝电解质分子比检测方法 | |
CN112198136A (zh) | 一种基于中红外光谱的汽轮机油酸值无损检测方法 | |
CN113358584B (zh) | 一种利用光谱估算土壤有机质含量的方法 |
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 |