CN115436319A - 一种基于近红外光谱的真假牛干巴快速检测方法及其应用 - Google Patents
一种基于近红外光谱的真假牛干巴快速检测方法及其应用 Download PDFInfo
- Publication number
- CN115436319A CN115436319A CN202211255696.3A CN202211255696A CN115436319A CN 115436319 A CN115436319 A CN 115436319A CN 202211255696 A CN202211255696 A CN 202211255696A CN 115436319 A CN115436319 A CN 115436319A
- Authority
- CN
- China
- Prior art keywords
- real
- dry
- false
- data
- detected
- 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
- 235000015278 beef Nutrition 0.000 title claims abstract description 55
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 title claims description 16
- 230000003595 spectral effect Effects 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000013499 data model Methods 0.000 claims abstract description 25
- 238000001228 spectrum Methods 0.000 claims description 59
- 238000009499 grossing Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 14
- 241000283690 Bos taurus Species 0.000 claims description 11
- 238000011426 transformation method Methods 0.000 claims description 9
- 238000002835 absorbance Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000036461 convulsion Effects 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims 1
- 235000013622 meat product Nutrition 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 abstract 1
- 238000005070 sampling Methods 0.000 abstract 1
- 239000000126 substance Substances 0.000 description 4
- 241000209507 Camellia Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 235000018597 common camellia Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000015112 vegetable and seed oil Nutrition 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 244000309466 calf Species 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 238000005102 attenuated total reflection Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000003672 processing method 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
- G01N21/359—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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于近红外光谱的真假牛干巴快速检测方法，首先分别对真假牛干巴采样，建立真假牛干巴光谱数据模型，然后获取待测牛干巴样本的光谱数据；计算待测光谱数据与真、假牛干巴光谱数据模型的可区分度，通过可区分度对待测样品进行快速判定。与现有的判定方法相比，本发明所提出的判定方法具有快速、准确、绿色无损等优点，能够实现牛干巴的现场快速准确判定，为其它肉类食品现场快速判定奠定了良好的基础。
Description
技术领域
本发明涉及基于近红外光谱技术的检测方法，特别涉及一种基于近红外光谱的真假牛干巴快速检测方法。
背景技术
牛干巴是云南的一种特色食品，本质上是腌制好的即食牛肉干。牛干巴因为其独特的风味受到人们的青睐，但是市面上有很多牛干巴品质良莠不齐，甚至有商家通过对牛肉造假的方式获得非法收益。商家造假的方式一般是使用鸡肉、鸭肉等价格相对廉价的肉类来代替牛肉，消费者往往难以通过外形、气味与味道分辨真正的牛干巴。所以现在亟需一种快速、无损、可靠的鉴定方式来鉴别牛干巴真假。
目前判定牛肉干真假的方法一般是化学方法，目的是检测牛干巴样品中的特殊元素(如氮元素和铁元素)是否存在以及其含量是否符合标准。这种方式比较专业可靠，但是同时也比较耗时耗力，需要专业人员进行操作，而且无法做到无损检测。随着近年来光谱检测的兴起，为食品行业的检测鉴定提供了新思路。光谱检测以其无损、快速、操作简单等优点而得到广泛应用。尤其是近红外光谱检测技术逐渐成熟，在很多领域都得到了应用。
例如中国发明专利申请CN 102252972A公开了一种基于近红外光谱快速鉴别油茶籽油真实属性的检测方法，通过获取待测油茶籽油近红外光谱数据，对数据进行平滑处理和归一化处理后建立分析模型，通过分析模型判断待测样品是否为纯油茶籽油。
又例如中国发明专利申请CN 106018328A公开了一种鉴别真假燕窝的方法，通过获取燕窝样品的衰减全反射红外光谱数据，建立散点图，通过分析待测样品的近红外光谱数据散点图判断样品是否为真燕窝。
然而，这些现有技术无法直接应用于鉴别真假牛干巴，当处理样品为牛干巴时，所得数据准确度不足。
发明内容
本发明的目的是提出一种能够对牛干巴实现无损、快速、准确鉴定的鉴定方法。
本发明的思路是基于近红外光谱法对牛干巴进行采样，通过选择最佳数据处理方法，最终实现提高检测方法的准确性。
基于此，本发明提供一种基于近红外光谱的真假牛干巴快速检测方法，所述方法包括以下步骤：
(1)建立真假牛干巴光谱数据模型
(1.1)分别取真假牛干巴样本，通过近红外光谱设备分别扫描真假牛干巴，得到真牛干巴原始光谱数据和假牛干巴原始光谱数据；
(1.2)分别对步骤(1.1)所得真牛干巴原始光谱数据和假牛干巴原始光谱数据进行预处理，所述预处理包括平滑处理，得到真牛干巴光谱数据模型和假牛干巴光谱数据模型；
(2)获取待测样品光谱数据
(2.1)取待测样本，通过近红外光谱设备扫描待测样本的原始光谱数据，得到待测原始光谱数据；
(2.2)对步骤(2.1)所得待测原始光谱数据进行预处理，所述预处理包括平滑处理，得到待测光谱数据；
(3)计算待测光谱数据与真、假牛干巴光谱数据模型的可区分度
(3.1)分别计算待测光谱数据与真、假牛干巴光谱数据模型的归一化的欧几里得距离、光谱角和光谱信息散度，通过公式(I)分别计算待光谱数据和真、假牛干巴光谱数据模型之间相似度，
式中，ri表示光谱i第r个光谱信息，rj表示光谱j第r个光谱信息，SH(ri,rj)表示混合公式计算得到的相似度，其值越小则代表ri和rj光谱越相似，SID(ri,rj)表示光谱信息散度计算的相似度，NED(ri,rj)表示归一化的欧几里得距离计算的相似度，SAM(ri,rj)表示光谱角计算的相似度；
(3.2)通过公式(II)计算待测光谱数据与真、假牛干巴光谱数据模型的可区分度，公式(II)如下：
其中，S表示可区分度，SH1表示由步骤(3.1)计算得到的待测光谱数据与真牛干巴光谱数据模型的相似度，SH2表示步骤(3.1)计算得到的待测光谱数据与假牛干巴光谱数据模型的相似度；
(4)若步骤(3)得到的可区分度在真牛干巴的阈值区间内，则判定待测样本为真牛干巴，否则判定待测样本为假牛干巴。
在本发明中，作为一种优选的实施方式，步骤(1.1)和步骤(2.1)的参数包括：积分时间9300μs；扫描的数量50次；单位为吸光度；热敏电阻36.13-38.39Ω；波长范围908.1nm-1676.2nm。
在本发明中，可选地，步骤(1.2)和步骤(2.2)的平滑处理是通过标准正态变量变换法、多元散射校正法、Savitzky-Golay卷积平滑法的一阶导数或二阶导数对待测光谱数据进行平滑处理。其中，步骤(1.2)和步骤(2.2)应当使用相同的方法进行平滑处理。
作为一种优选的实施方式，步骤(1.1)和步骤(2.1)中，对样品进行多次扫描，取平均值分别作为所得原始数据。
在本发明中，步骤(4)中，若可区分度＞1，将则判定待测样本为真牛干巴，否则判定待测样本为假牛干巴。
以可区分度>1作为判断样品为真假牛干巴的依据。假设待测样品是真牛干巴，则其光谱数据与真牛干巴光谱数据模型应该是相似的、且与假牛干巴光谱数据模型不相似，那么SH1应当小于SH2，则可区分度S应当＞1，表明该待测样品为真牛干巴。反之，假牛干巴样品的光谱数据与真牛干巴光谱数据模型应当不相似、且与假牛干巴光谱数据模型相似，则SH1应当大于SH2，则可区分度S应当＜1。因此，可区分度S以1为阈值，如果S＞1，待测样品为真牛干巴；如果S<1，则判定待测样品为假牛干巴，如果S＝1，则表示无法判断。
本发明以近红外光谱分析技术为基础，结合光谱相似度计算方法对牛干巴进行现场快速判定。与现有的判定方法相比，本发明所提出的判定方法具有快速、准确、绿色无损等优点，能够实现牛干巴的现场快速准确判定，为其它肉类食品现场快速判定奠定了良好的基础。
附图说明
图1为本发明实施实例使用牛干巴标准样本的光谱示意图；
图2为图1经过预处理操作后的光谱图；
图3为本发明实施实例所选取牛干巴待测样本的原始光谱图；
图4为图3经过预处理操作后的光谱图。
具体实施方式
以下实施例用于非限制性地解释本发明的技术方案。
在本发明中，如无特殊说明，用于解释浓度的“％”均为质量百分比，“：”均为质量比。
实施例1建立真假牛干巴光谱数据模型
从市场上获取真假牛干巴样品若干。通过手持式近红外光谱仪对干巴标准样本进行多次光谱扫描，具体使用参数为积分时间9300μs；扫描的数量50次；单位吸光度；热敏电阻36.13-38.39；波长范围908.1nm-1676.2nm。
将真牛干巴和假牛干巴样品的多次扫描得到的光谱数据的平均值作为真牛干巴原始光谱数据和假牛干巴原始光谱数据，如图1所示。
考察不同的数据预处理对最终结果可能造成的影响：分别对真牛干巴原始光谱数据和假牛干巴原始光谱数据进行平滑处理，通过Matlab2019a平台分别采用标准正态变量变换法、多元散射校正法、Savitzky-Golay卷积平滑法+一阶导数、Savitzky-Golay卷积平滑法+二阶导数对光谱数据进行预处理。其中Savitzky-Golay卷积平滑法+一阶导数、Savitzky-Golay卷积平滑法+二阶导数处理时选择的是大小为11×11的滤波窗口。
图2为采用多元散射校正法预处理得到的结果。
实施例2考察不同的相似度公式
取待测牛干巴样品，通过与实施例1相同的过程得到待测样品的光谱数据。
结合归一化的欧几里得距离法、光谱角法和光谱信息散度法得出混合公式，计算待测光谱与参考光谱之间的归一化的欧几里得距离、光谱角和光谱信息散度，依据公式(I)分别计算待光谱数据和真、假牛干巴光谱数据模型之间相似度：
式中，ri表示光谱i第r个光谱信息，rj表示光谱j第r个光谱信息，SH(ri,rj)表示混合公式计算得到的相似度，其值越小则代表ri和rj光谱越相似，SID(ri,rj)表示光谱信息散度计算的相似度，NED(ri,rj)表示归一化的欧几里得距离计算的相似度，SAM(ri,rj)表示光谱角计算的相似度。
比较选用标准正态变量变换法、多元散射校正法、Savitzky-Golay卷积平滑法对光谱数据进行预处理后，再分别进行归一化的欧几里得距离、光谱角和光谱信息散度、混合公式得到误分率。比较不同预处理方式与不同光谱相似度算法下的误分率，结果如表1所示：
表1标准样品不同预处理方式、不同光谱相似度算法下的误分率
根据表1的结果，本发明使用的公式(I)与采用标准正态变量变换法、Savitzky-Golay卷积平滑法的一阶导数或二阶导数计算得到的误分率最小，表明用标准正态变量变换法、Savitzky-Golay卷积平滑法的一阶导数或二阶导数进行数据预处理、并采用公式(I)得到的结果准确度最高。
其中，从表1可以看出，用标准正态变量变换法、Savitzky-Golay卷积平滑法的一阶导数或二阶导数进行数据预处理、并采用光谱信息散度法也能获得不错的结果，但是很显然，当数据预处理步骤中采用非最佳的多元散射校正法进行计算时，本发明使用的混合公式比光谱信息散度法具备显著的优势。因此，选择标准正态变量变换法、Savitzky-Golay卷积平滑法的一阶导数或二阶导数作为数据预处理的具体方法，而进行光谱数据比对时，采用混合公式计算相似度。
实施例3待测样品检验
对实施例2得到的待测样品光谱数据，选择标准正态变量变换法作为数据平滑处理，分别采用光谱信息散度法、归一化的欧几里得距离法、光谱信息散度光谱角混合法、本发明的公式(I)计算待光谱数据和真、假牛干巴光谱数据模型之间的可区分度：
其中，S表示可区分度，SH1表示由公式(I)计算得到的待测光谱数据与真牛干巴光谱数据模型的相似度，SH2表示公式(I)计算得到的待测光谱数据与假牛干巴光谱数据模型的相似度。
其中，光谱可区分度计算结果、使用光谱相似度法判定结果和依据现行标准T/NAIA 021-2020。
所得可区分度结果与通过化学方法判定的真假牛干巴结果进行比对，如表2所示。
表2待测样本的判定结果
根据现有技术记载，本文中的可区分度是被测物和假牛干巴的相似度与被测物和真牛干巴的相似度之比，所以用于鉴别产品真假的光谱可区分度阈值应当为1。当可区分度<1时，判断被测样品为假货。当可区分度＞1时，判断被测样品为真货，当可区分度＝1时，无法判断。
由表2能够看出，只有采用本发明的公式(I)计算可以准确区分出各个样品的真伪，所得结果与通过化学方法判定的完全相符。而通过其他方法计算得出的结果均存在错误结果。由此可见，相比于其他化学检测方法，本发明提出的光谱相似度法具有绿色、快速、检测成本低和无损的优势。
因此，本发明能够应用于真假牛干巴的现场快速判定。
Claims (5)
1.一种基于近红外光谱的真假牛干巴快速检测方法，所述方法包括以下步骤：
(1)建立真假牛干巴光谱数据模型
(1.1)分别取真假牛干巴样本，通过近红外光谱设备分别扫描真假牛干巴，得到真牛干巴原始光谱数据和假牛干巴原始光谱数据；
(1.2)分别对步骤(1.1)所得真牛干巴原始光谱数据和假牛干巴原始光谱数据进行预处理，所述预处理包括平滑处理，得到真牛干巴光谱数据模型和假牛干巴光谱数据模型；
(2)获取待测样品光谱数据
(2.1)取待测样本，通过近红外光谱设备扫描待测样本的原始光谱数据，得到待测原始光谱数据；
(2.2)对步骤(2.1)所得待测原始光谱数据进行预处理，所述预处理包括平滑处理，得到待测光谱数据；
(3)计算待测光谱数据与真、假牛干巴光谱数据模型的可区分度
(3.1)分别计算待测光谱数据与真、假牛干巴光谱数据模型的归一化的欧几里得距离、光谱角和光谱信息散度，通过公式(I)分别计算待光谱数据和真、假牛干巴光谱数据模型之间相似度，
式中，ri表示光谱i第r个光谱信息，rj表示光谱j第r个光谱信息，SH(ri,rj)表示混合公式计算得到的相似度，SID(ri,rj)表示光谱信息散度计算的相似度，NED(ri,rj)表示归一化的欧几里得距离计算的相似度，SAM(ri,rj)表示光谱角计算的相似度；
(3.2)通过公式(II)计算待测光谱数据与真、假牛干巴光谱数据模型的可区分度，公式(II)如下：
其中，S表示可区分度，SH1表示由步骤(3.1)计算得到的待测光谱数据与真牛干巴光谱数据模型的相似度，SH2表示步骤(3.1)计算得到的待测光谱数据与假牛干巴光谱数据模型的相似度；
(4)若步骤(3)得到的可区分度在真牛干巴的阈值区间内，则判定待测样本为真牛干巴，否则判定待测样本为假牛干巴。
2.根据权利要求1所述的快速检测方法，其特征在于步骤(1.1)和步骤(2.1)的参数包括：积分时间9300μs；扫描的数量50次；单位为吸光度；热敏电阻36.13-38.39Ω；波长范围908.1nm-1676.2nm。
3.根据权利要求1所述的快速检测方法，其特征在于步骤(1.2)和步骤(2.2)的平滑处理是通过标准正态变量变换法、多元散射校正法、Savitzky-Golay卷积平滑法的一阶导数或二阶导数对待测光谱数据进行平滑处理。
4.根据权利要求1所述的快速检测方法，其特征在于步骤(1.1)和步骤(2.1)中，对样品进行多次扫描，取平均值分别作为所得原始数据。
5.根据权利要求1所述的快速检测方法，其特征在于步骤(4)中，若可区分度＞1，将则判定待测样本为真牛干巴，否则判定待测样本为假牛干巴。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211255696.3A CN115436319B (zh) | 2022-10-13 | 2022-10-13 | 一种基于近红外光谱的真假牛干巴快速检测方法及其应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211255696.3A CN115436319B (zh) | 2022-10-13 | 2022-10-13 | 一种基于近红外光谱的真假牛干巴快速检测方法及其应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115436319A true CN115436319A (zh) | 2022-12-06 |
| CN115436319B CN115436319B (zh) | 2024-08-20 |
Family
ID=84250747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211255696.3A Active CN115436319B (zh) | 2022-10-13 | 2022-10-13 | 一种基于近红外光谱的真假牛干巴快速检测方法及其应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115436319B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101285768A (zh) * | 2008-05-29 | 2008-10-15 | 红云烟草(集团)有限责任公司 | 应用近红外光谱分析技术无损鉴别卷烟真伪的方法 |
| US20090012723A1 (en) * | 2005-06-09 | 2009-01-08 | Chemlmage Corporation | Adaptive Method for Outlier Detection and Spectral Library Augmentation |
| US20090303471A1 (en) * | 2005-12-23 | 2009-12-10 | Treado Patrick J | Chemical imaging explosives (CHIMED) optical sensor |
| CN103870807A (zh) * | 2014-02-25 | 2014-06-18 | 杭州电子科技大学 | 一种高光谱混合核rx异常检测方法 |
| WO2020061370A1 (en) * | 2018-09-20 | 2020-03-26 | Siemens Healthcare Diagnostics Inc. | Hypothesizing and verification networks and methods for specimen classification |
| CN112304893A (zh) * | 2020-09-17 | 2021-02-02 | 云南烟叶复烤有限责任公司 | 一种快速判定多等级烟叶混合均匀性的方法及存储介质 |
| CN112945902A (zh) * | 2021-03-23 | 2021-06-11 | 浙江大学山东(临沂)现代农业研究院 | 一种应用近红外高光谱成像技术检测面粉中偶氮甲酰胺 |
-
2022
- 2022-10-13 CN CN202211255696.3A patent/CN115436319B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090012723A1 (en) * | 2005-06-09 | 2009-01-08 | Chemlmage Corporation | Adaptive Method for Outlier Detection and Spectral Library Augmentation |
| US20090303471A1 (en) * | 2005-12-23 | 2009-12-10 | Treado Patrick J | Chemical imaging explosives (CHIMED) optical sensor |
| CN101285768A (zh) * | 2008-05-29 | 2008-10-15 | 红云烟草(集团)有限责任公司 | 应用近红外光谱分析技术无损鉴别卷烟真伪的方法 |
| CN103870807A (zh) * | 2014-02-25 | 2014-06-18 | 杭州电子科技大学 | 一种高光谱混合核rx异常检测方法 |
| WO2020061370A1 (en) * | 2018-09-20 | 2020-03-26 | Siemens Healthcare Diagnostics Inc. | Hypothesizing and verification networks and methods for specimen classification |
| CN112304893A (zh) * | 2020-09-17 | 2021-02-02 | 云南烟叶复烤有限责任公司 | 一种快速判定多等级烟叶混合均匀性的方法及存储介质 |
| CN112945902A (zh) * | 2021-03-23 | 2021-06-11 | 浙江大学山东(临沂)现代农业研究院 | 一种应用近红外高光谱成像技术检测面粉中偶氮甲酰胺 |
Non-Patent Citations (2)
| Title |
|---|
| LAURENT CHANEL DJOUFACK NKENGFACK ET,: "EEG signals analysis for epileptic seizures detection using polynomial transforms, linear discriminant analysis and support vector machines", 《BIOMEDICAL SIGNAL PROCESSING AND CONTROL》, vol. 62, 31 December 2020 (2020-12-31), pages 1 - 14 * |
| 邱昌桂 等，: "基于GA-SVM 算法的烤烟香型自动识别研究", 《烟草科技》, vol. 52, no. 2, 28 February 2019 (2019-02-28), pages 101 - 108 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115436319B (zh) | 2024-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Khaled et al. | Emerging nondestructive approaches for meat quality and safety evaluation—A review | |
| Barbin et al. | Non-destructive determination of chemical composition in intact and minced pork using near-infrared hyperspectral imaging | |
| García-Rey et al. | Prediction of texture and colour of dry-cured ham by visible and near infrared spectroscopy using a fiber optic probe | |
| Karoui et al. | Mid-infrared spectrometry: A tool for the determination of chemical parameters in Emmental cheeses produced during winter | |
| CN103645155B (zh) | 生鲜羊肉嫩度的快速无损检测方法 | |
| CA2018586C (en) | Method and apparatus for photometric determination of the properties of individual pieces of meat | |
| Valous et al. | Emerging non-contact imaging, spectroscopic and colorimetric technologies for quality evaluation and control of hams: a review | |
| CN102967578A (zh) | 在线获取牛肉样本近红外光谱的方法及其在评价牛肉质量中的应用 | |
| CN103760110A (zh) | 一种快速鉴别不同动物来源肉的方法 | |
| Santos et al. | Predicting aged pork quality using a portable Raman device | |
| CN103712948B (zh) | 生鲜羊肉中挥发性盐基氮含量的快速无损检测方法 | |
| CN109444186A (zh) | 一种珍珠粉x射线衍射鉴别法 | |
| 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 | |
| Kamruzamman et al. | Online screening of meat and poultry product quality and safety using hyperspectral imaging | |
| CN106198423B (zh) | 一种基于可见-近红外光谱分析技术鉴别火腿肠等级的方法 | |
| Wold et al. | NIR spectroscopic techniques for quality and process control in the meat industry | |
| EP0444675A2 (en) | Method and apparatus for determining the quality properties of individual pieces of meat | |
| Mlcek et al. | Application of FT NIR spectroscopy in the determination of basic chemical composition of pork and beef | |
| CN115436319A (zh) | 一种基于近红外光谱的真假牛干巴快速检测方法及其应用 | |
| Adam | Sensory and Instrumental Methods of Meat Evaluation: A Review | |
| CN113866122A (zh) | 一种鸡品种快速鉴别方法及其应用 | |
| Huang et al. | Quantitative evaluation of pork marbling score along Longissimus thoracis using NIR images of rib end | |
| CN111122492B (zh) | 一种基于近红外检测的注水肉快速筛查方法 | |
| CN114878506A (zh) | 一种基于近红外光谱的象牙鉴定方法 | |
| Kulmyrzaev et al. | Potential of a custom-designed fluorescence imager combined with multivariate statistics for the study of chemical and mechanical characteristics of beef meat |
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 |