CN116952896A - 一种啤酒厂糖化麦汁中总氮的近红外快速检测方法 - Google Patents
一种啤酒厂糖化麦汁中总氮的近红外快速检测方法 Download PDFInfo
- Publication number
- CN116952896A CN116952896A CN202310947452.XA CN202310947452A CN116952896A CN 116952896 A CN116952896 A CN 116952896A CN 202310947452 A CN202310947452 A CN 202310947452A CN 116952896 A CN116952896 A CN 116952896A
- Authority
- CN
- China
- Prior art keywords
- wort
- total nitrogen
- sample
- near infrared
- degree
- 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
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 title claims abstract description 150
- 229910052757 nitrogen Inorganic materials 0.000 title claims abstract description 75
- 238000001514 detection method Methods 0.000 title claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims description 44
- 238000012216 screening Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 12
- 235000013405 beer Nutrition 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000002329 infrared spectrum Methods 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 5
- 238000002835 absorbance Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000007696 Kjeldahl method Methods 0.000 claims description 2
- 238000002790 cross-validation Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000002203 pretreatment Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 241000283726 Bison Species 0.000 claims 2
- 238000009795 derivation Methods 0.000 claims 1
- 239000003153 chemical reaction reagent Substances 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 2
- 235000020023 weizenbier Nutrition 0.000 description 5
- 235000020019 witbier Nutrition 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 240000004808 Saccharomyces cerevisiae Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013124 brewing process Methods 0.000 description 1
- 238000012569 chemometric method Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 239000000706 filtrate Substances 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 239000003517 fume Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 150000004044 tetrasaccharides Chemical class 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002912 waste gas Substances 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
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
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
本发明公开了一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,属于红外检测领域,具体方法如下:收集并选取北京燕京啤酒股份有限公司北京工厂,不同时间、不同生产车间、不同品种的糖化麦汁样品;按不同品种集合和不同样品数量筛选不同的建模样品集(共3个),本发明样品分析速度快、效率高,采用本方法可在30分钟内完成麦汁总氮的测定,大大提高检测效率。本发明无需复杂前处理、大大节约了人力、物力成本。操作步骤简单、不使用任何化学试剂,提供了一种可靠绿色的麦汁总氮的分析方法。
Description
技术领域
本发明涉及红外检测技术领域,特别是涉及一种啤酒厂糖化麦汁中总氮的近红外快速检测方法。
背景技术
啤酒酿造过程中,糖化麦汁总氮含量是糖化工序和发酵工序的关键质量控制指标,糖化麦汁总氮中的可同化氮和不可同化氮均与啤酒质量有关,前者影响着发酵进程和酵母代谢所产生的风味物质;后者则关系到啤酒的物理性能,如啤酒的澄清、非生物稳定性和泡沫性能等等,在啤酒行业高质量发展的时代,工艺的精准控制需要及时大量的检测数据为糖化工艺和发酵工艺的调整提供数据支持。目前一般采用凯氏定氮法检测糖化麦汁总氮含量,样品处理需要烘干、消化等环节,操作繁琐,分析时间长(10小时)、且检测过程涉及使用强酸、强碱和高温(420℃)且需要在通风橱条件下操作,消耗化学试剂的同时排放废气。该方法存在耗时长,步骤繁琐且需要大量化学试剂,检测成本高,环境污染大等问题。无法实现啤酒厂糖化生产麦汁总氮结果的实时检测。
需找到一种快速环保的检测手段,以提高检测效率、降低检测成本,也将为生产实时监控提供可能。
发明内容
本发明的目的在于提供一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,具体方法如下:收集并选取北京燕京啤酒股份有限公司北京工厂,不同时间、不同生产车间、不同品种的糖化麦汁样品;按不同品种集合和不同样品数量筛选不同的建模样品集(共3个);对每一个样品取一定的样品量、在一定的温度条件下,使用近红外光谱仪扫描得到生产麦汁样本在全波段波长下原始光谱,对原始光谱进行一阶卷曲求导和标准正态变换变量预处理,得到预处理后的近红外光谱;采用常规化学检测方法,得到每份麦汁样品的总氮含量,将各个样品的总氮含量与对应的预处理后的光谱数据关联,以预处理光谱结果为自变量,检测得到总氮为因变量,分别将不同样品集的数据与全波段光谱预处理结果关联,利用化学计量软件的统计学方法建立麦汁总氮分析模型,筛选最优模型;将待测样品的原始光谱预处理光谱代入最优麦汁总氮分析模型得到待测麦汁样品的总氮分析结果,分析检测结果的重现性和准确性,验证模型的预测能力。
作为本发明的进一步技术方案,所述样品集是北京工厂两个糖化车间生产在3-4月期间生产的14度清爽麦汁、13度纯生麦汁、12度比尔森麦汁和12度V10麦汁共103个,按涵盖14度清爽麦汁、13度纯生麦汁、12度比尔森麦汁和12度V10麦汁全部样品103个作为样品集1;涵盖14度清爽麦汁、13度纯生麦汁、12度比尔森麦汁所有样品81个作为样品集2;涵盖14度清爽麦汁、13度纯生麦汁、12度比尔森麦汁部分样品53个作为样品集3。共3个建模样品集。
作为本发明的进一步技术方案,所述近红外光谱仪光谱采集速率大于40次/秒。波长范围900nm~1700nm,波长准确性<0.5nm,波长稳定性<0.2nm,镀金全息固定光栅,吸光度重复性<0.0004AU,测量方式为非接触式光斑,光斑直径不小于5cm。
作为本发明的进一步技术方案,所述近红外光谱仪为全息固定凹面光栅分光、二极管阵列检测器检测光信号,并行处理所有波长的信息。
作为本发明的进一步技术方案,总氮的常规化学检测方法为麦汁经过过滤,烤干后用凯氏定氮法测定。
作为本发明的进一步技术方案,所述最优模型为,以样品集2为建模样品集,全波段(950nm-1650nm)的原始光谱经光谱预处理后的光谱数据,结合偏最小二乘法(PLS)建立的定量分析模型,所述定量模型交叉验证相关系数>89%,其具体值为89.13%。
作为本发明的进一步技术方案,所述预处理方法包括一阶卷曲求导(Savitzky-Golay Derivative)和标准正态变量变换(SNV)的组合。
作为本发明的进一步技术方案,利用化学计量软件为UnscrambX,统计学方法为最小二乘法(PLS)。
作为本发明的进一步技术方案,所述近红外光谱仪可多指标同步检测。
作为本发明的进一步技术方案,预测重现性验证:三个样品分别检测10次的相对标准偏差(RSD%)最大值为0.66%,极差最大为28。预测准确性验证:手工值与近红外检测结果绝对差值在0-58范围,所有样品的相对误差未超过6%,91%的样品相对误差都小于5%。
作为本发明的进一步技术方案,扫描样品的样品量为5毫升,每个样品重复扫描2次。
作为本发明的进一步技术方案,样品采集时的温度20摄氏度左右。
与现有技术相比,本发明的有益效果是:
1.样品分析速度快、效率高,采用本方法可在30分钟内完成麦汁总氮的测定,大大提高检测效率。
2.本发明无需复杂前处理、大大节约了人力、物力成本。
3.操作步骤简单、不使用任何化学试剂,提供了一种可靠绿色的麦汁总氮的分析方法。
附图说明
图1为麦汁样本近红外扫描原始光谱图。
图2为经过一阶卷曲导数与SNV组合处理后的光谱图。
图3为样品集1建立模型一所建立的麦汁总氮模型效果图。
图4为样品集2建立模型一所建立的麦汁总氮模型效果图。
图5为样品集3建立模型一所建立的麦汁总氮模型效果图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整的描述,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做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。
参照图1-图5,一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,具体方法如下:收集并选取北京燕京啤酒股份有限公司北京工厂,不同时间、不同生产车间、不同品种的糖化麦汁样品;按不同品种集合和不同样品数量筛选不同的建模样品集(共3个);对每一个样品取一定的样品量、在一定的温度条件下,使用近红外光谱仪扫描得到生产麦汁样本在全波段波长下原始光谱,对原始光谱进行一阶卷曲求导和标准正态变换变量预处理,得到预处理后的近红外光谱;采用常规化学检测方法,得到每份麦汁样品的总氮含量,将各个样品的总氮含量与对应的预处理后的光谱数据关联,以预处理光谱结果为自变量,检测得到总氮为因变量,分别将不同样品集的数据与全波段光谱预处理结果关联,利用化学计量软件的统计学方法建立麦汁总氮分析模型,筛选最优模型;将待测样品的原始光谱预处理光谱代入最优麦汁总氮分析模型得到待测麦汁样品的总氮分析结果,分析检测结果的重现性和准确性,验证模型的预测能力。
实施例:
本发明实施例中所用麦汁来自北京燕京啤酒股份有限公司糖化车。品种主要是14°P清爽、13°P纯生、12°P比尔森及12°P白啤。样品量总计103个。
本发明实施例中的实验均设置两次重复。
近红外光谱技术快速测定啤酒厂糖化麦汁总氮方法的建立及应用:
一、样品的收集与处理:
1.1收集样品及筛选:
样品收集及筛选:收集北京工厂四糖、五糖车间生产麦汁,按化学值的不同梯段筛选样品。共筛选103个样,包含14°P清爽、13°P纯生、12°P比尔森及12°P白啤等几个品种,其中白啤22个,普通麦汁(含14°P清爽、13°P纯生、12°P比尔森)共81个。
1.2样品处理:将样品用单层滤纸进行过滤,得到的滤液恢复至20℃。将样品一式两份:一份送化学检测室,用凯氏定氮法进行麦汁总氮的检测,测得可靠的生产麦汁总氮数据。一份用于近红外光谱仪进行光谱标记和样品光谱信息的收集。
二、近红外光谱的采集
2.1光谱的采集:
具体为采用全息固定凹面光栅近红外光谱仪(九光科技有限公司DA60)。所述近红外光谱仪光谱采集速率大于40次/秒。波长范围900nm~1700nm,波长准确性<0.5nm,波长稳定性<0.2nm,检测器256像素电制冷分光系统,镀金全息固定光栅吸光度重复性<0.0004AU,测量方式为非接触式光斑。
利用近红外光谱仪,打开仪器预热30min、创建光谱数据收集模块-生产麦汁模块、根据吸光度值小于2的原则确定取样量为5mL。采用液体样品杯中加入5mL麦汁样品,选择生产麦汁产品模块下标记样品,设置液体扫描条件为:转载次数1,样品旋转设置停,输入样品名称,点击标记,显示标记成功即光谱信息已保存。扫描前需润洗3次取样器皿,需缓慢加入样品,避免气泡造成光谱数据干扰,每个样品扫描2次,共获得206份生产麦汁的原始光谱。
三、模型的建立:
3.1光谱数据预处理:由于近红外光谱自身吸收弱,受外界影响较大,使分析中有用信息难以获得,此时,需要化学计量学方法对光谱进行处理,从而减小光谱中无用信息的干扰,提高信噪比。一般采用平滑、求导、散射等或相互组合对光谱进行预处理。本次采用一阶卷曲求导(Savitzky-Golay Derivative)加标准正态变换变量(SNV)组合处理光谱,得到预处理后的光谱。用预处理后的光谱参与建模。一阶卷曲求导的目的是放大有效信息,SNV处理为了减少空气中杂散光的影响。
3.2建模样品集的选择:选择北京工厂不同糖化车间3-4月生产的麦汁共103个样品,包含14°P清爽、13°P纯生、12°P比尔森及12°P白啤等几个品种,其中白啤麦汁22个,其它普通麦汁(含14°P清爽、13°P纯生、12°P比尔森)共81个。
3.3模型的建立评价与选择:分别对不同的样品集,利用化学计量学统计分析软件将光谱信息与手工值建立麦汁总氮分析模型,并进行评价。采用全波段(950-1650)结合偏最小二乘法(PLS))构建回归方程,用相应的标准差(RMSE)、决定系数(R-squared)和影响因子数(Factor)来衡量回归方程优劣。相应标准差和影响因子数越小越好,决定系数越大越好,选取最优的应用模型。
以所有样品共103样品为建模样品集1建立模型一见图3,以所有普通麦汁共81个为建模样品集2建立模型二见图4,用部分普通麦汁样品共53个麦汁样品为建模集3建立模型三见图5。
表1:模型的比较及较优模型的选择;
选择麦汁分析模型相关系数大,且标准差和影响因子数较低的,从表1可看出可选择模型二作为普通麦汁的应用模型。
四、模型的预测能力验证:
4.1检测精确度验证;
表2:近红外检测精确度验证;
表2为利用近红外麦汁总氮分析模型检测3个品种麦汁样品,每个样品检测10次的总氮数据分析及统计结果。相对标准偏差(RSD%)在最大值为0.66%,极差最大为28。相对偏差和极差较低。
4.2检测准确度验证:
表3:近红外检测数据准确度验证表;
表3利用近红外总氮分析模型对16个麦汁样品进行检测的总氮数据和化学法检测值进行比对分析。化学检测值与近红外检测值其绝对差值在0-58范围,所有样品的相对误差未超过6%,91%的样品相对误差都小于5%。
预测能力显示:利用近红外麦汁总氮分析模型检测3个品种麦汁样品,每个样品检测10次的总氮。相对标准偏差(RSD%)在最大值为0.66%,极差最大为28。相对偏差和极差较低。利用近红外总氮分析模型对16个麦汁样品进行总氮检测的数据和利用化学检测值进行比对分析。化学检测值与近红外检测结果绝对差值在0-58范围,所有样品的相对误差未超过6%,91%的样品相对误差都小于5%。
本发明通过近红外光谱技术建立糖化生产麦汁总氮的近红外分析模型,实现对啤酒厂糖化生产麦汁进行快速分析。具体包括如下步骤:筛选预处理方法对所述原始光谱进行预处理,得到原始光谱的预处理结果;分别以不同样品集原始光谱的预处理结果为自变量,所述手工检测总氮的结果为因变量,分别将所述全波段光谱的预处理结果与所述统计学方式建立麦汁总氮分析模型,筛选最优分析模型;将所述待测麦汁的所述原始光谱预处理代入所述最优总氮分析模型得到所述待测生产麦汁样品的总氮值。所述筛选的预处理的方法为一阶卷曲导数(Savitzky-Golay Derivative)和SNV标准正态变量(StandardNormal Variable,SNV)的组合方法,所述最优总氮分析模型为全波段下的使用PLS统计学方法,全波段下的使用PLS统计学方式建立的模型的交叉验证集相关系数(R-Square)为89.12%、标准差(RMSE)为22,模型的预测能力和手工值的相关系数(R2)为88.19%,三个样品10次检测的重现性(RSD)为0.29%-0.66%。
本发明通过获取麦汁样品的光谱信息实现生产麦汁总氮的快速检测,为啤酒厂时时获取生产过程中麦汁的总氮提供了可能。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也已经适当组合,形成本领域技术人员以理解的其他实施方式。
Claims (10)
1.一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,其特征在于,具体方法是:收集并选取啤酒工厂,不同时间、不同生产车间、不同品种的糖化麦汁样品;按不同品种集合和不同样品数量筛选不同的建模样品集;对每一个样品取一定的样品量、在一定的温度条件下,使用近红外光谱仪扫描得到生产麦汁样本在全波段波长下原始光谱,对原始光谱进行一阶卷曲求导和标准正态变换变量预处理,得到预处理后的近红外光谱;采用常规化学检测方法,得到每份麦汁样品的总氮含量,将各个样品的总氮含量与对应的预处理后的光谱数据关联,以预处理光谱结果为自变量,检测得到总氮为因变量,分别将不同样品集的数据与全波段光谱预处理结果关联,利用化学计量软件的统计学方法建立麦汁总氮分析模型,筛选最优模型;将待测样品的原始光谱预处理光谱代入最优麦汁总氮分析模型得到待测麦汁样品的总氮分析结果,分析检测结果的重现性和准确性,验证模型的预测能力。
2.根据权利要求1所述的一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,其特征在于,样品集是啤酒工厂两个糖化车间在3-4月期间生产的14度清爽麦汁、13度纯生麦汁、12度比尔森麦汁和12度V10麦汁共103个,按涵盖14度清爽麦汁、13度纯生麦汁、12度比尔森麦汁和12度V10麦汁全部样品103个作为样品集1;涵盖14度清爽麦汁、13度纯生麦汁、12度比尔森麦汁所有样品81个作为样品集2;涵盖14度清爽麦汁、13度纯生麦汁、12度比尔森麦汁部分样品53个作为样品集3,共3个建模样品集。
3.根据权利要求1所述的一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,其特征在于,所述近红外光谱仪光谱采集速率大于40次/秒,波长范围900nm~1700nm,波长准确性<0.5nm,波长稳定性<0.2nm,镀金全息固定光栅,吸光度重复性<0.0004AU,测量方式为非接触式光斑,光斑直径不小于5cm。
4.根据权利要求1所述的一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,其特征在于,所述近红外光谱仪为全息固定凹面光栅分光、二极管阵列检测器检测光信号,并行处理所有波长的信息。
5.根据权利要求1所述的一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,其特征在于,总氮的常规化学检测方法为麦汁经过过滤,烤干后用凯氏定氮法测定。
6.根据权利要求1所述的一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,其特征在于,最优模型为,以样品集2为建模样品集,全波段的原始光谱经光谱预处理后的光谱数据,结合偏最小二乘法建立的定量分析模型,所述定量模型交叉验证相关系数>89%,其具体值为89.13%。
7.根据权利要求1所述的一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,其特征在于,预处理方法包括一阶卷曲求导和标准正态变量变换的组合。
8.根据权利要求1所述的一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,其特征在于,预测重现性验证:三个样品分别检测10次的相对标准偏差最大值为0.66%,极差最大为28,预测准确性验证:手工值与近红外检测结果绝对差值在0-58范围,所有样品的相对误差未超过6%,91%的样品相对误差都小于5%。
9.根据权利要求1所述的一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,其特征在于,扫描样品的样品量为5毫升,每个样品重复扫描2次。
10.根据权利要求1所述的一种啤酒厂糖化麦汁中总氮的近红外快速检测方法,其特征在于,样品采集时的温度20摄氏度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310947452.XA CN116952896A (zh) | 2023-07-31 | 2023-07-31 | 一种啤酒厂糖化麦汁中总氮的近红外快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310947452.XA CN116952896A (zh) | 2023-07-31 | 2023-07-31 | 一种啤酒厂糖化麦汁中总氮的近红外快速检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116952896A true CN116952896A (zh) | 2023-10-27 |
Family
ID=88461641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310947452.XA Pending CN116952896A (zh) | 2023-07-31 | 2023-07-31 | 一种啤酒厂糖化麦汁中总氮的近红外快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116952896A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117783011A (zh) * | 2024-02-26 | 2024-03-29 | 烟台北方安德利果汁股份有限公司 | 一种用于果汁生产线的智能品控系统 |
-
2023
- 2023-07-31 CN CN202310947452.XA patent/CN116952896A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117783011A (zh) * | 2024-02-26 | 2024-03-29 | 烟台北方安德利果汁股份有限公司 | 一种用于果汁生产线的智能品控系统 |
CN117783011B (zh) * | 2024-02-26 | 2024-05-14 | 烟台北方安德利果汁股份有限公司 | 一种用于果汁生产线的智能品控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | Quantification of glucose, fructose and sucrose in bayberry juice by NIR and PLS | |
Paradkar et al. | Discrimination and classification of beet and cane inverts in honey by FT-Raman spectroscopy | |
Cuadrado et al. | Comparison and joint use of near infrared spectroscopy and Fourier transform mid infrared spectroscopy for the determination of wine parameters | |
Cozzolino et al. | Feasibility study on the use of attenuated total reflectance mid-infrared for analysis of compositional parameters in wine | |
Wu et al. | Monitoring of fermentation process parameters of Chinese rice wine using attenuated total reflectance mid-infrared spectroscopy | |
Ríos-Reina et al. | Spectralprint techniques for wine and vinegar characterization, authentication and quality control: Advances and projections | |
CN107703097B (zh) | 利用近红外光谱仪构建快速预测原油性质的模型的方法 | |
CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
Fernández-Novales et al. | A feasibility study on the use of a miniature fiber optic NIR spectrometer for the prediction of volumic mass and reducing sugars in white wine fermentations | |
CN116952896A (zh) | 一种啤酒厂糖化麦汁中总氮的近红外快速检测方法 | |
CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
CN109540837B (zh) | 近红外快速检测苎麻叶片木质纤维素含量的方法 | |
Ning et al. | Rapid identification and quantitative pit mud by near infrared Spectroscopy with chemometrics | |
CN106442396A (zh) | 基于近红外技术的甘蔗渣蔗糖含量快检方法 | |
CN113030011A (zh) | 水果糖度快速无损检测方法及检测系统 | |
CN116625978A (zh) | 一种快速评价原料制麦过程稳定性的方法及其应用 | |
CN115436315A (zh) | 一种基于近红外光谱的水泥外加剂检测方法 | |
Biswas et al. | Exploring the role of NIR spectroscopy in quantifying and verifying honey authenticity: A review | |
Zhao et al. | Study on Near-infrared Spectroscopy Non-destructive Testing of Strawberry Quality | |
CN111474134A (zh) | 一种利用在线近红外进行丁酸发酵控制的方法 | |
Wójcicki | Application of NIR spectroscopy for whisky identification and determination the content of ethanol | |
CN116952897A (zh) | 基于近红外光谱技术定量检测啤酒厂糖化麦汁浓度的方法 | |
CN110887808A (zh) | 一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法 | |
CN110296956A (zh) | 一种近红外光谱测定水稻秸秆发酵中有机质含量的方法 | |
CN111487219A (zh) | 一种基于近红外光谱技术的快速检测香梨木质素含量方法 |
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 |