CN116359173A - 一种基于近红外光谱法测定甘薯茎尖总黄酮的方法及其应用 - Google Patents
一种基于近红外光谱法测定甘薯茎尖总黄酮的方法及其应用 Download PDFInfo
- Publication number
- CN116359173A CN116359173A CN202310386881.4A CN202310386881A CN116359173A CN 116359173 A CN116359173 A CN 116359173A CN 202310386881 A CN202310386881 A CN 202310386881A CN 116359173 A CN116359173 A CN 116359173A
- Authority
- CN
- China
- Prior art keywords
- sweet potato
- sample
- near infrared
- flavone content
- total flavone
- 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
- 238000000034 method Methods 0.000 title claims abstract description 96
- 244000017020 Ipomoea batatas Species 0.000 title claims abstract description 68
- 235000002678 Ipomoea batatas Nutrition 0.000 title claims abstract description 68
- 229930003935 flavonoid Natural products 0.000 title claims abstract description 24
- 150000002215 flavonoids Chemical class 0.000 title claims abstract description 24
- 235000017173 flavonoids Nutrition 0.000 title claims abstract description 24
- 238000004497 NIR spectroscopy Methods 0.000 title description 3
- GAMYVSCDDLXAQW-AOIWZFSPSA-N Thermopsosid Natural products O(C)c1c(O)ccc(C=2Oc3c(c(O)cc(O[C@H]4[C@H](O)[C@@H](O)[C@H](O)[C@H](CO)O4)c3)C(=O)C=2)c1 GAMYVSCDDLXAQW-AOIWZFSPSA-N 0.000 claims abstract description 37
- 229930003944 flavone Natural products 0.000 claims abstract description 37
- 150000002212 flavone derivatives Chemical class 0.000 claims abstract description 37
- 235000011949 flavones Nutrition 0.000 claims abstract description 37
- VHBFFQKBGNRLFZ-UHFFFAOYSA-N vitamin p Natural products O1C2=CC=CC=C2C(=O)C=C1C1=CC=CC=C1 VHBFFQKBGNRLFZ-UHFFFAOYSA-N 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 27
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 18
- 239000000126 substance Substances 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000004737 colorimetric analysis Methods 0.000 claims abstract description 6
- 238000013480 data collection Methods 0.000 claims abstract description 4
- VSCWAEJMTAWNJL-UHFFFAOYSA-K aluminium trichloride Chemical compound Cl[Al](Cl)Cl VSCWAEJMTAWNJL-UHFFFAOYSA-K 0.000 claims description 24
- 238000001228 spectrum Methods 0.000 claims description 15
- 230000003595 spectral effect Effects 0.000 claims description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000008030 elimination Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000012628 principal component regression Methods 0.000 claims description 5
- 238000010987 Kennard-Stone algorithm Methods 0.000 claims description 4
- 230000002860 competitive effect Effects 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 4
- 229910052757 nitrogen Inorganic materials 0.000 claims description 4
- 238000004108 freeze drying Methods 0.000 claims description 3
- 238000007710 freezing Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 238000010298 pulverizing process Methods 0.000 claims description 3
- 238000007873 sieving Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 1
- 235000015097 nutrients Nutrition 0.000 abstract description 5
- 238000004566 IR spectroscopy Methods 0.000 abstract description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 24
- 239000000243 solution Substances 0.000 description 11
- JMGZEFIQIZZSBH-UHFFFAOYSA-N Bioquercetin Natural products CC1OC(OCC(O)C2OC(OC3=C(Oc4cc(O)cc(O)c4C3=O)c5ccc(O)c(O)c5)C(O)C2O)C(O)C(O)C1O JMGZEFIQIZZSBH-UHFFFAOYSA-N 0.000 description 8
- 238000002835 absorbance Methods 0.000 description 8
- IVTMALDHFAHOGL-UHFFFAOYSA-N eriodictyol 7-O-rutinoside Natural products OC1C(O)C(O)C(C)OC1OCC1C(O)C(O)C(O)C(OC=2C=C3C(C(C(O)=C(O3)C=3C=C(O)C(O)=CC=3)=O)=C(O)C=2)O1 IVTMALDHFAHOGL-UHFFFAOYSA-N 0.000 description 8
- FDRQPMVGJOQVTL-UHFFFAOYSA-N quercetin rutinoside Natural products OC1C(O)C(O)C(CO)OC1OCC1C(O)C(O)C(O)C(OC=2C(C3=C(O)C=C(O)C=C3OC=2C=2C=C(O)C(O)=CC=2)=O)O1 FDRQPMVGJOQVTL-UHFFFAOYSA-N 0.000 description 8
- IKGXIBQEEMLURG-BKUODXTLSA-N rutin Chemical compound O[C@H]1[C@H](O)[C@@H](O)[C@H](C)O[C@@H]1OC[C@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](OC=2C(C3=C(O)C=C(O)C=C3OC=2C=2C=C(O)C(O)=CC=2)=O)O1 IKGXIBQEEMLURG-BKUODXTLSA-N 0.000 description 8
- ALABRVAAKCSLSC-UHFFFAOYSA-N rutin Natural products CC1OC(OCC2OC(O)C(O)C(O)C2O)C(O)C(O)C1OC3=C(Oc4cc(O)cc(O)c4C3=O)c5ccc(O)c(O)c5 ALABRVAAKCSLSC-UHFFFAOYSA-N 0.000 description 8
- 235000005493 rutin Nutrition 0.000 description 8
- 229960004555 rutoside Drugs 0.000 description 8
- 238000005303 weighing Methods 0.000 description 6
- 238000002156 mixing Methods 0.000 description 4
- 239000012086 standard solution Substances 0.000 description 4
- 238000002790 cross-validation Methods 0.000 description 2
- 238000007865 diluting Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000006228 supernatant Substances 0.000 description 2
- 238000009210 therapy by ultrasound Methods 0.000 description 2
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
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
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
本发明提供了一种基于近红外光谱法测定甘薯茎尖总黄酮的方法及其应用,属于营养物质检测技术领域。本发明的方法,包括如下步骤:(1)样本收集;(2)甘薯样本总黄酮含量的测定;(3)近红外光谱数据收集;(4)建立定量校正模型;(5)待测样本中总黄酮含量的测定。本发明的红外光谱法较现有技术的比色法简单、快速,并且准确。适宜企业大规模分析甘薯茎尖中总黄酮的含量,为甘薯营养物质的分析提供了依据,具有良好的应用前景。
Description
技术领域
本发明涉及营养物质检测技术领域,尤其涉及一种基于近红外光谱法测定甘薯茎尖总黄酮的方法及其应用。
背景技术
甘薯为我国主要粮食之一,我国甘薯的总产量和种植面积均居世界首位。有关报道指出,甘薯具有降血压、降血糖、降低细血管疾病的发病率,提高人体免疫能力的功效。这些功效与甘薯中的总黄酮含量有关。甘薯茎尖中的总黄酮的含量高于甘薯块根,检测甘薯茎尖中的总黄酮含量是鉴别甘薯营养物质和价值的关键指标。
现有技术用于测定甘薯茎尖总黄酮的方法主要为比色法,这种方法费时、费力,并不能满足企业快速检测的需求。
基于此提出本发明。
发明内容
本发明的目的在于提供一种简捷快速测定甘薯茎尖总黄酮的方法,具体涉及一种基于近红外光谱法测定甘薯茎尖总黄酮的方法及其应用。
为了实现上述发明目的,本发明提供以下技术方案:
本发明提供了一种基于近红外光谱法测定甘薯茎尖总黄酮的方法,包括如下步骤:
(1)样本收集
将甘薯茎尖置于液氮中速冻,冷冻干燥,粉碎,过40目筛得到甘薯样本;
(2)甘薯样本总黄酮含量的测定
利用化学法测定甘薯样本中总黄酮含量;
(3)近红外光谱数据收集
利用PerkinElmerFT-9700傅里叶近红外光谱仪,InGaAs检测器收集数据;
(4)建立定量校正模型
对收集到的数据进行预处理和异常样本剔除,得到样本集;对所述样本集进行光谱变量选择后,利用KS算法或SPXY算法,使用ChemDataSolution2.0化学计量学软件划分校正集和验证集;
利用偏最小二乘法和主成分回归法对所述样本集建立近红外光谱与其总黄酮含量之间的定量校正模型;
(5)待测样本中总黄酮含量的测定
采集待测样品近红外光谱,将特征光谱输入所述定量校正模型,计算得到待测样品总黄酮含量。
作为优选,所述化学法为氯化铝比色法。
作为优选,所述收集数据时的波长范围为4000~10000cm-1;
分辨率为8cm-1;
波数精度为±0.02cm-1;
单个样品收集次数为64次。
作为优选,所述预处理的方法为光谱散射校正法、平滑算法和导数算法中的一种或几种。
作为优选,所述异常样本剔除的方法为主成分分析法和/或马氏距离分析法。
作为优选,所述光谱定量选择的方法包括无信息变量消除法、蒙特卡洛无信息变量消除法、变量重要性投影法、选择比率法和竞争性自适应权重法。
本发明还提供了所述的方法在定量检测甘薯茎尖总黄酮含量中的应用。
本发明提供了一种基于近红外光谱法测定甘薯茎尖总黄酮的方法及其应用,本发明的方法具有如下优点:
本发明建立了红外光谱法检测甘薯茎尖总黄酮,本发明的红外光谱法较现有技术的比色法简单、快速,并且准确。适宜企业大规模分析甘薯茎尖中总黄酮的含量,为甘薯营养物质的分析提供了依据,具有良好的应用前景。
具体实施方式
本发明提供了一种基于近红外光谱法测定甘薯茎尖总黄酮的方法,包括如下步骤:(1)样本收集:将甘薯茎尖置于液氮中速冻,冷冻干燥,粉碎,过40目筛得到甘薯样本;(2)甘薯样本总黄酮含量的测定:利用化学法测定甘薯样本中总黄酮含量;(3)近红外光谱数据收集:利用PerkinElmer FT-9700傅里叶近红外光谱仪,InGaAs检测器收集数据;(4)建立定量校正模型:对收集到的数据进行预处理和异常样本剔除,得到样本集;对所述样本集进行光谱变量选择后,利用KS算法或SPXY算法,使用ChemDataSolution 2.0化学计量学软件划分校正集和验证集;利用偏最小二乘法和主成分回归法对所述样本集建立近红外光谱与其总黄酮含量之间的定量校正模型;(5)待测样本中总黄酮含量的测定:采集待测样品近红外光谱,将特征光谱输入所述定量校正模型,计算得到待测样品总黄酮含量。
在本发明中,所述化学法为氯化铝比色法。所述氯化铝法检测总黄酮的步骤为:(1)提取甘薯样本中的总黄酮;(2)标准曲线绘制;(3)总黄酮含量测定。所述提取甘薯样本中的总黄酮的方法为:称取0.1g甘薯样本,加入12mL70vt%乙醇震荡混匀,超声20min,4℃5000rpm离心10min,上清液转移至25mL容量瓶并定容至刻度,得到甘薯总黄酮。所述标准曲线绘制的方法为:精密称取芦丁20mg,70vt%乙醇溶解,稀释定容至100mL,得到0.2mg/mL的芦丁标准溶液;精密称取2.42g氯化铝,70vt%乙醇定容至100mL,得到0.1mol/mL的氯化铝溶液;从芦丁标准溶液中精密移取0、0.5、1.0、1.5、2.0、2.5mL溶液,加入1mL 0.1mol/mL的氯化铝溶液,70vt%乙醇定容至10mL,摇匀,室温下充分显色15min,于412nm下测定吸光值,以芦丁浓度为横坐标,吸光值为纵坐标绘制标准曲线。得到的标准曲线的方程为:y=13.457x+0.0113,R2=0.9999。所述总黄酮含量测定时的方法为:取甘薯总黄酮2mL,加入1mL 0.1mol/mL的氯化铝溶液,70vt%乙醇定容至10mL,混匀,室温静置15min,70vt%乙醇做对照,412nm测定吸光值,得到的吸光值代入标准曲线的方程中,计算得出总黄酮浓度。
在本发明中,所述收集数据时的波长范围为4000~10000cm-1;分辨率为8cm-1;波数精度为±0.02cm-1;单个样品收集次数为64次。
在本发明中,所述预处理的方法为光谱散射校正法、平滑算法和导数算法中的一种或几种。
在本发明中,所述异常样本剔除的方法为主成分分析法和/或马氏距离分析法。
在本发明中,所述光谱定量选择的方法包括无信息变量消除法、蒙特卡洛无信息变量消除法、变量重要性投影法、选择比率法和竞争性自适应权重法。
本发明还提供了所述的方法在定量检测甘薯茎尖总黄酮含量中的应用。
下面结合实施例对本发明提供的技术方案进行详细的说明,但是不能把它们理解为对本发明保护范围的限定。
本发明实施例中所述的110份甘薯种质如表1所示:
表1甘薯种质名称
实施例1样本收集
2020年7月8日将甘薯脱毒苗种植于广东省农业学院白云实验基地(23°23′N,113°26′E;海拔20米)的大田内。栽插60天后选取110份甘薯种质,每个种质选取5株,取鲜薯茎尖洗净切丝,液氮冷冻干燥,粉碎,过40目筛,得到甘薯样本,置于-80℃冰箱保存备用。
实施例2化学法测定甘薯样本中总黄酮含量
称取0.1g甘薯样本,加入12mL70vt%乙醇震荡混匀,超声20min,4℃5000rpm离心10min,上清液转移至25mL容量瓶并定容至刻度,得到甘薯总黄酮,备用。
精密称取芦丁20mg,70vt%乙醇溶解,稀释定容至100mL,得到0.2mg/mL的芦丁标准溶液;精密称取2.42g氯化铝,70vt%乙醇定容至100mL,得到0.1mol/mL的氯化铝溶液;从芦丁标准溶液中精密移取0、0.5、1.0、1.5、2.0、2.5mL溶液,加入1mL 0.1mol/mL的氯化铝溶液,70vt%乙醇定容至10mL,摇匀,室温下充分显色15min,于412nm下测定吸光值,以芦丁浓度为横坐标,吸光值为纵坐标绘制标准曲线。
得到的标准曲线的方程为:y=13.457x+0.0113,R2=0.9999。
取提取得到的甘薯总黄酮2mL,加入1mL 0.1mol/mL的氯化铝溶液,70vt%乙醇定容至10mL,混匀,室温静置15min,70vt%乙醇做对照,412nm测定吸光值,得到的吸光值代入标准曲线的方程中,计算得出总黄酮浓度。
根据公式计算总黄酮含量,结果如表2所示。得到的甘薯总黄酮的含量作为参考值。
总黄酮含量(mg/g)=[(C×T/A)×V]/W;
C表示总黄酮浓度(mg/mL);
T表示显色溶液总体积(mL),即10mL;
V表示甘薯总黄酮的体积(mL),即2mL;
A表示显色时取用的样液量(mL);
W表示甘薯样本重量(g),即0.1g。
表2化学法测定得到的甘薯总黄酮含量
实施例3
红外光谱检测甘薯总黄酮含量
将化学分析得到的甘薯总黄酮含量作为参考值,利用PerkinElmer FT-9700傅里叶近红外光谱仪,InGaAs检测器,积分球收集光谱数据;波长范围4000~10000cm-1;分辨率为8cm-1;波数精度为±0.02cm-1;单个样品收集次数为64次,取平均光谱值作为样品光谱。
采用光谱多元散射校正法和SG滤波平滑算法组合对样品光谱进行预处理,用于消除由仪器参数或样品或环境条件产生的无关信息和噪声对重要信息的干扰。对预处理后的样本利用主成分分析-马氏距离分析法剔除异常样本,剔除8个异常样本,分别为C006、C013、C015、C021、C035、C058、C068、C070,最终得到102个样本,即样本集。
采用无信息变量消除法、蒙特卡洛无信息变量消除法、变量重要性投影法、选择比率法和竞争性自适应权重法共5种算法对102个样本进行光谱变量的选择,利用KS算法,使用ChemDataSolution 2.0化学计量学软件划分校正集和验证集,得到70个校正集,32个验证集。
采用近红外光谱研究中使用最为广泛的偏最小二乘法(PLS)和主成分回归(PCR)建立甘薯品质成分定量模型,建模的波长范围为4000~10000cm-1。模型的校正集相关系数为0.9942,校正标准偏差0.0640,交叉验证相关系数0.9912,交叉验证的校正标准偏差0.0943,验证集相关系数0.9812,验证集标准偏差0.0518。表明甘薯特征光谱与总黄酮含量间存在良好的相关性。
采集待测甘薯样品近红外光谱,将特征光谱输入所述定量校正模型,计算得到待测样品总黄酮含量。
实施例4
按照实施例3的方法设置实施例4的内容,与实施例3不同的是实施例4采用光谱多元散射校正法和SG滤波平滑算法和二阶导数法组合对样品光谱进行预处理。得到的模型的校正集相关系数为0.9916,校正标准偏差0.0651,交叉验证相关系数0.9872,交叉验证的校正标准偏差0.102。
由以上实施例可知,本发明提供了一种基于近红外光谱法测定甘薯茎尖总黄酮的方法及其应用,本发明的红外光谱法较现有技术的比色法简单、快速,并且准确。适宜企业大规模分析甘薯茎尖中总黄酮的含量,为甘薯营养物质的分析提供了依据,具有良好的应用前景。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于近红外光谱法测定甘薯茎尖总黄酮的方法,其特征在于,包括如下步骤:
(1)样本收集
将甘薯茎尖置于液氮中速冻,冷冻干燥,粉碎,过40目筛得到甘薯样本;
(2)甘薯样本总黄酮含量的测定
利用化学法测定甘薯样本中总黄酮含量;
(3)近红外光谱数据收集
利用PerkinElmerFT-9700傅里叶近红外光谱仪,InGaAs检测器收集数据;
(4)建立定量校正模型
对收集到的数据进行预处理和异常样本剔除,得到样本集;对所述样本集进行光谱变量选择后,利用KS算法或SPXY算法,使用ChemDataSolution2.0化学计量学软件划分校正集和验证集;
利用偏最小二乘法和主成分回归法对所述样本集建立近红外光谱与其总黄酮含量之间的定量校正模型;
(5)待测样本中总黄酮含量的测定
采集待测样品近红外光谱,将特征光谱输入所述定量校正模型,计算得到待测样品总黄酮含量。
2.根据权利要求1所述的方法,其特征在于,所述化学法为氯化铝比色法。
3.根据权利要求2所述的方法,其特征在于,所述收集数据时的波长范围为4000~10000cm-1;
分辨率为8cm-1;
波数精度为±0.02cm-1;
单个样品收集次数为64次。
4.根据权利要求3所述的方法,其特征在于,所述预处理的方法为光谱散射校正法、平滑算法和导数算法中的一种或几种。
5.根据权利要求4所述的方法,其特征在于,所述异常样本剔除的方法为主成分分析法和/或马氏距离分析法。
6.根据权利要求5所述的方法,其特征在于,所述光谱定量选择的方法包括无信息变量消除法、蒙特卡洛无信息变量消除法、变量重要性投影法、选择比率法和竞争性自适应权重法。
7.权利要求1~6任意一项所述的方法在定量检测甘薯茎尖总黄酮含量中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310386881.4A CN116359173A (zh) | 2023-04-12 | 2023-04-12 | 一种基于近红外光谱法测定甘薯茎尖总黄酮的方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310386881.4A CN116359173A (zh) | 2023-04-12 | 2023-04-12 | 一种基于近红外光谱法测定甘薯茎尖总黄酮的方法及其应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116359173A true CN116359173A (zh) | 2023-06-30 |
Family
ID=86932871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310386881.4A Pending CN116359173A (zh) | 2023-04-12 | 2023-04-12 | 一种基于近红外光谱法测定甘薯茎尖总黄酮的方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116359173A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048941A (zh) * | 2014-06-25 | 2014-09-17 | 常熟雷允上制药有限公司 | 采用近红外光谱快速测定麦冬中多指标性成分含量的方法 |
CN104062257A (zh) * | 2013-04-15 | 2014-09-24 | 山东东阿阿胶股份有限公司 | 一种基于近红外光谱测定溶液中总黄酮含量的方法 |
CN105784635A (zh) * | 2014-12-18 | 2016-07-20 | 乌鲁木齐华新分析测试高科技开发公司 | 罗布麻叶总黄酮近红外超快速检测方法 |
CN106885782A (zh) * | 2017-02-23 | 2017-06-23 | 浙江大学 | 一种基于近红外高光谱技术无损检测杨梅中黄酮含量的方法 |
CN114486798A (zh) * | 2021-12-16 | 2022-05-13 | 皖西学院 | 一种快速预测蕨菜中总黄酮含量的方法 |
-
2023
- 2023-04-12 CN CN202310386881.4A patent/CN116359173A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104062257A (zh) * | 2013-04-15 | 2014-09-24 | 山东东阿阿胶股份有限公司 | 一种基于近红外光谱测定溶液中总黄酮含量的方法 |
CN104048941A (zh) * | 2014-06-25 | 2014-09-17 | 常熟雷允上制药有限公司 | 采用近红外光谱快速测定麦冬中多指标性成分含量的方法 |
CN105784635A (zh) * | 2014-12-18 | 2016-07-20 | 乌鲁木齐华新分析测试高科技开发公司 | 罗布麻叶总黄酮近红外超快速检测方法 |
CN106885782A (zh) * | 2017-02-23 | 2017-06-23 | 浙江大学 | 一种基于近红外高光谱技术无损检测杨梅中黄酮含量的方法 |
CN114486798A (zh) * | 2021-12-16 | 2022-05-13 | 皖西学院 | 一种快速预测蕨菜中总黄酮含量的方法 |
Non-Patent Citations (3)
Title |
---|
刘华亮: ""不同品种甘薯茎叶中功能性成分分析与评价"", 《中国优秀硕士学位论文全文数据库》, 15 July 2014 (2014-07-15), pages 22 - 26 * |
李光: ""甘薯叶总黄酮含量的测定"", 《食品发酵与工业》, vol. 37, no. 12, 31 December 2011 (2011-12-31), pages 152 - 154 * |
王玫: ""甘薯叶黄酮类化合物的提取、分离、纯化及其挥发性化学成分的研究"", 《中国优秀硕士学位论文全文数据库》, 15 March 2011 (2011-03-15), pages 16 - 24 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ren et al. | Using near-infrared hyperspectral imaging with multiple decision tree methods to delineate black tea quality | |
Li et al. | Geographical traceability of wild Boletus edulis based on data fusion of FT-MIR and ICP-AES coupled with data mining methods (SVM) | |
CN102960096B (zh) | 基于近红外光谱的水稻单籽粒活力无损检测筛选方法 | |
Ren et al. | Multi-variable selection strategy based on near-infrared spectra for the rapid description of dianhong black tea quality | |
CN107796782B (zh) | 基于烟叶特征光谱一致性度量的复烤质量稳定性评价方法 | |
CN103278473B (zh) | 白胡椒中胡椒碱及水分含量的测定和品质评价方法 | |
CN106918572B (zh) | 马铃薯复配主食中马铃薯含量的测定方法 | |
Chen et al. | Fast detection of cumin and fennel using NIR spectroscopy combined with deep learning algorithms | |
CN105138834A (zh) | 基于近红外光谱波数k均值聚类的烟草化学值定量方法 | |
Abramovic et al. | Detection of deoxynivalenol in wheat by Fourier transform infrared spectroscopy | |
CN110779875A (zh) | 一种基于高光谱技术检测冬小麦麦穗水分含量的方法 | |
CN110363119A (zh) | 基于小波变换-随机森林算法的烟叶霉变快速识别方法 | |
Tigabu et al. | Rapid and non-destructive evaluation of seed quality of Chinese fir by near infrared spectroscopy and multivariate discriminant analysis | |
He et al. | Study on the identification of resistance of rice blast based on near infrared spectroscopy | |
Lu et al. | Hyperspectral imaging with chemometrics for non-destructive determination of cannabinoids in floral and leaf materials of industrial hemp (Cannabis sativa L.) | |
CN109212095B (zh) | 一种快速评价甜叶菊综合质量的方法 | |
Yang et al. | Rapid detection method of Pleurotus eryngii mycelium based on near infrared spectral characteristics | |
CN113176227A (zh) | 一种快速预测河南石斛掺伪霍山石斛的方法 | |
CN116359173A (zh) | 一种基于近红外光谱法测定甘薯茎尖总黄酮的方法及其应用 | |
CN109685099A (zh) | 一种光谱波段优选模糊聚类的苹果品种辨别方法 | |
Nantongo et al. | Machine learning methods in near infrared spectroscopy for predicting sensory traits in sweetpotatoes | |
Cho et al. | Rapid qualitative and quantitative evaluation of deer antler (Cervus elaphus) using near-infrared reflectance spectroscopy | |
CN108226091A (zh) | 一种用于预测甜玉米中蔗糖含量的nirs模型构建方法 | |
CN106770016A (zh) | 单粒稻谷种子的蛋白质定量分析nir透射光谱测量方法 | |
Yuan et al. | Application of hyperspectral imaging to discriminate waxy corn seed vigour after aging. |
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 |