JPH07260682A - 穀物品質測定方法 - Google Patents
穀物品質測定方法Info
- Publication number
- JPH07260682A JPH07260682A JP7072527A JP7252795A JPH07260682A JP H07260682 A JPH07260682 A JP H07260682A JP 7072527 A JP7072527 A JP 7072527A JP 7252795 A JP7252795 A JP 7252795A JP H07260682 A JPH07260682 A JP H07260682A
- Authority
- JP
- Japan
- Prior art keywords
- grain
- rice
- sample
- spectrum
- wavelength
- 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.)
- Withdrawn
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
(57)【要約】
【目的】籾の状態でも玄米の状態における米の食味評価
ができるとともに、穀物種別を自動的に判別して、穀物
サンプルの内部品質評価値を推定できる方法を提供する
こと。 【構成】穀物サンプルに近赤外線を照射し、その近赤外
線の各波長に対する吸光度を測定して穀物サンプルのス
ペクトルを求め、該穀物サンプルのスペクトルを穀物種
別毎に用意されあらかじめ記憶している標準スペクトル
と比較して、穀物種別を判別する。その判別結果に応じ
て使用する穀物毎に異なる検量線を自動選択し、この検
量線を使用して穀物サンプルの化学成分値及び／又は粘
り等の内部品質評価値を推定する。
ができるとともに、穀物種別を自動的に判別して、穀物
サンプルの内部品質評価値を推定できる方法を提供する
こと。 【構成】穀物サンプルに近赤外線を照射し、その近赤外
線の各波長に対する吸光度を測定して穀物サンプルのス
ペクトルを求め、該穀物サンプルのスペクトルを穀物種
別毎に用意されあらかじめ記憶している標準スペクトル
と比較して、穀物種別を判別する。その判別結果に応じ
て使用する穀物毎に異なる検量線を自動選択し、この検
量線を使用して穀物サンプルの化学成分値及び／又は粘
り等の内部品質評価値を推定する。
Description
【０００１】
【産業上の利用分野】本発明は、近赤外線吸収スペクト
ル法を利用してサンプルの籾、玄米、白米、または米飯
等の穀物種別を判別し、その判別結果に応じて内部品質
評価値を推定する測定方法に関する。
ル法を利用してサンプルの籾、玄米、白米、または米飯
等の穀物種別を判別し、その判別結果に応じて内部品質
評価値を推定する測定方法に関する。
【０００２】
【従来の技術】従来、近赤外線分光分析法を利用して、
玄米、白米、または米飯のサンプルから米の食味評価を
行う方法が知られている。そこで、玄米、白米、または
炊飯した米飯のサンプルから米の食味評価を行うソフト
ウエアを用意し、測定対象に応じて必要なソフトウエア
を操作者が選択し、近赤外線分光分析法により玄米、白
米、または米飯のサンプルから米の品質評価を行う方法
が考えられる。
玄米、白米、または米飯のサンプルから米の食味評価を
行う方法が知られている。そこで、玄米、白米、または
炊飯した米飯のサンプルから米の食味評価を行うソフト
ウエアを用意し、測定対象に応じて必要なソフトウエア
を操作者が選択し、近赤外線分光分析法により玄米、白
米、または米飯のサンプルから米の品質評価を行う方法
が考えられる。
【０００３】
【発明が解決しようとする課題】しかし、この方法では
測定対象に応じて必要なソフトウエアをいちいち操作者
が選択する必要があり、測定対象の穀物の種類が頻繁に
変わる場合などにはソフトウエアの切換えが煩わしく操
作性が悪いという問題があった。
測定対象に応じて必要なソフトウエアをいちいち操作者
が選択する必要があり、測定対象の穀物の種類が頻繁に
変わる場合などにはソフトウエアの切換えが煩わしく操
作性が悪いという問題があった。
【０００４】そこで、本発明は、穀物種別を判別してそ
の種別に見合ったソフトウエアを自動的に選択すること
により、穀物の品質を能率良く測定できるようにするこ
とを目的とする。
の種別に見合ったソフトウエアを自動的に選択すること
により、穀物の品質を能率良く測定できるようにするこ
とを目的とする。
【０００５】
【課題を解決するための手段】かかる目的を達成するた
めに、本発明は、穀物サンプルに近赤外線を照射し、そ
の近赤外線の各波長に対する吸光度を測定して穀物サン
プルのスペクトルを求め、該穀物サンプルのスペクトル
を穀物種別毎に用意され記憶してある標準スペクトルと
比較して、穀物種別を判別し、その判別結果に応じて使
用する検量線を自動選択して穀物サンプルの化学成分値
及び／又は粘り等の内部品質評価値を推定する。
めに、本発明は、穀物サンプルに近赤外線を照射し、そ
の近赤外線の各波長に対する吸光度を測定して穀物サン
プルのスペクトルを求め、該穀物サンプルのスペクトル
を穀物種別毎に用意され記憶してある標準スペクトルと
比較して、穀物種別を判別し、その判別結果に応じて使
用する検量線を自動選択して穀物サンプルの化学成分値
及び／又は粘り等の内部品質評価値を推定する。
【０００６】
【作用】各スペクトルは、籾の場合は１１００ｎｍ〜１
４００ｎｍ、白米の場合は１６９０ｎｍ〜１８００ｎ
ｍ、２２６０ｎｍ〜２４００ｎｍの領域において、玄米
とは異なった特徴的なスペクトルとなる。その理由は、
籾には籾殻、玄米には糠の層があり、白米にはそのよう
なものがないためであると考えられる。
４００ｎｍ、白米の場合は１６９０ｎｍ〜１８００ｎ
ｍ、２２６０ｎｍ〜２４００ｎｍの領域において、玄米
とは異なった特徴的なスペクトルとなる。その理由は、
籾には籾殻、玄米には糠の層があり、白米にはそのよう
なものがないためであると考えられる。
【０００７】そこで、その特徴的な領域において、未知
穀物サンプルの測定スペクトルを、籾、玄米、白米など
の穀物種別の各標準のスペクトルとスペクトルマッチン
グの手法などを用いて比較し、その比較結果から籾、玄
米、白米などのいずれかを判別する。そして、その判別
結果から目的の検量線を自動的に選択して内部品質評価
値を推定する。
穀物サンプルの測定スペクトルを、籾、玄米、白米など
の穀物種別の各標準のスペクトルとスペクトルマッチン
グの手法などを用いて比較し、その比較結果から籾、玄
米、白米などのいずれかを判別する。そして、その判別
結果から目的の検量線を自動的に選択して内部品質評価
値を推定する。
【０００８】
【実施例】次に、本発明の実施例について説明する。
【０００９】まず第１の実施例は、籾、玄米、白米、ま
たは米飯の穀物サンプルを近赤外線分光分析計により、
近赤外線分光分析して各波長の吸光度を求めたのち、コ
ンピュータによりその吸光度を２次微分して２次微分吸
光度を求める。このように求まる各スペクトルは、籾の
場合は１１００ｎｍ〜１４００ｎｍ、白米の場合は１６
９０ｎｍ〜１８００ｎｍ、２２６０ｎｍ〜２４００ｎｍ
の領域において、玄米とは異なった特徴的なスペクトル
となる。その理由は、籾には籾殻、玄米には糠の層があ
り、白米にはそのようなものがないからである。そこ
で、その特徴的な領域において、未知穀物サンプルの測
定スペクトルを、あらかじめ記憶してある籾、玄米、白
米の場合の各標準のスペクトルとスペクトルマッチング
の手法などを用いて比較し、その比較結果から籾、玄
米、白米のいずれかを判別する。そして、その判別結果
から目的の検量線等を記憶している分析用ソフトウエア
を自動的に選択するように構成する。
たは米飯の穀物サンプルを近赤外線分光分析計により、
近赤外線分光分析して各波長の吸光度を求めたのち、コ
ンピュータによりその吸光度を２次微分して２次微分吸
光度を求める。このように求まる各スペクトルは、籾の
場合は１１００ｎｍ〜１４００ｎｍ、白米の場合は１６
９０ｎｍ〜１８００ｎｍ、２２６０ｎｍ〜２４００ｎｍ
の領域において、玄米とは異なった特徴的なスペクトル
となる。その理由は、籾には籾殻、玄米には糠の層があ
り、白米にはそのようなものがないからである。そこ
で、その特徴的な領域において、未知穀物サンプルの測
定スペクトルを、あらかじめ記憶してある籾、玄米、白
米の場合の各標準のスペクトルとスペクトルマッチング
の手法などを用いて比較し、その比較結果から籾、玄
米、白米のいずれかを判別する。そして、その判別結果
から目的の検量線等を記憶している分析用ソフトウエア
を自動的に選択するように構成する。
【００１０】第２の実施例は、籾、玄米、白米、の穀物
サンプルを近赤外線分光分析計により、近赤外線分光分
析して各波長の吸光度を求めたのち、コンピュータによ
りその吸光度を２次微分して２次微分吸光度を求める。
次に、穀物サンプルが籾、玄米、白米のいずれの形態で
あるかを推定するために、目的変数として籾を３、玄米
を２、白米を１とし、説明変数として上記のように求め
た２次微分吸光度のうち波長が１２９８ｎｍ，２３１０
ｎｍ，２３４４ｎｍ，２４３４ｎｍ，１７３５ｎｍのい
ずれかの２次微分吸光度を用いて重回帰分析を行う。
サンプルを近赤外線分光分析計により、近赤外線分光分
析して各波長の吸光度を求めたのち、コンピュータによ
りその吸光度を２次微分して２次微分吸光度を求める。
次に、穀物サンプルが籾、玄米、白米のいずれの形態で
あるかを推定するために、目的変数として籾を３、玄米
を２、白米を１とし、説明変数として上記のように求め
た２次微分吸光度のうち波長が１２９８ｎｍ，２３１０
ｎｍ，２３４４ｎｍ，２４３４ｎｍ，１７３５ｎｍのい
ずれかの２次微分吸光度を用いて重回帰分析を行う。
【００１１】例えば、第１の波長として１２９８ｎｍの
２次微分吸光度を用い、その値を２３１０ｎｍの２次微
分吸光度で割った値を重回帰分析の第１項として用い
る。また第２の波長として１３５４ｎｍの２次微分吸光
度を、２１９８ｎｍの２次微分吸光度で割った値を重回
帰分析の第２項として用いる。そして、このような条件
で重回帰分析を行い、その結果得られた検量線は、例え
ば次に示す（１）式のようになる。
２次微分吸光度を用い、その値を２３１０ｎｍの２次微
分吸光度で割った値を重回帰分析の第１項として用い
る。また第２の波長として１３５４ｎｍの２次微分吸光
度を、２１９８ｎｍの２次微分吸光度で割った値を重回
帰分析の第２項として用いる。そして、このような条件
で重回帰分析を行い、その結果得られた検量線は、例え
ば次に示す（１）式のようになる。
【００１２】 ｙ＝１．１１−２．６２４（１２９８／２３１０） −２．２４６（１３５４／２１９８） （１） 次に、このような重回帰分析の結果得られた検量線を利
用することにより、以後、未知の穀物サンプルが籾、玄
米、白米のいずれの形態であるかの推定を以下のように
して行う。すなわち、未知の穀物サンプルの２次微分吸
光度を近赤外線分光分析により求め、その所定の波長に
かかる２次微分吸光度値を上記の（１）式の説明変数と
して代入し、これにより予測値ｙを得る。このとき、ｙ
の値が１．５未満を白米、１．５以上２．５未満を玄
米、２．５以上を籾として判別する。その判別結果から
目的の検量線等を記憶している分析用ソフトウエアを自
動的に選択する点については第１の実施例と同様であ
る。
用することにより、以後、未知の穀物サンプルが籾、玄
米、白米のいずれの形態であるかの推定を以下のように
して行う。すなわち、未知の穀物サンプルの２次微分吸
光度を近赤外線分光分析により求め、その所定の波長に
かかる２次微分吸光度値を上記の（１）式の説明変数と
して代入し、これにより予測値ｙを得る。このとき、ｙ
の値が１．５未満を白米、１．５以上２．５未満を玄
米、２．５以上を籾として判別する。その判別結果から
目的の検量線等を記憶している分析用ソフトウエアを自
動的に選択する点については第１の実施例と同様であ
る。
【００１３】ところで、上記のように重回帰分析の際
に、説明変数として上記のように求めた２次微分吸光度
のうち波長が１２９８ｎｍ，２３１０ｎｍ，２３４４ｎ
ｍ，２４３４ｎｍ，１７３５ｎｍのいずれかの２次微分
吸光度を用いるが、その理由について以下に説明する。
に、説明変数として上記のように求めた２次微分吸光度
のうち波長が１２９８ｎｍ，２３１０ｎｍ，２３４４ｎ
ｍ，２４３４ｎｍ，１７３５ｎｍのいずれかの２次微分
吸光度を用いるが、その理由について以下に説明する。
【００１４】すなわち、第１の実施例で説明したよう
に、２次微分吸光度のスペクトルは、籾の場合は１１０
０ｎｍ〜１４００ｎｍ、白米の場合は１６９０ｎｍ〜１
８００ｎｍ、２２６０ｎｍ〜２４００ｎｍの領域におい
て、玄米とは異なった特徴的なスペクトルとなる。しか
も、図２で示すように各波長と籾、玄米、白米の相関プ
ロットから１３００ｎｍ付近、１７３５ｎｍ付近、２３
４４ｎｍ付近で相関が高く、籾と玄米、玄米と白米を弁
別する波長と非常に関係が深いことがわかる。
に、２次微分吸光度のスペクトルは、籾の場合は１１０
０ｎｍ〜１４００ｎｍ、白米の場合は１６９０ｎｍ〜１
８００ｎｍ、２２６０ｎｍ〜２４００ｎｍの領域におい
て、玄米とは異なった特徴的なスペクトルとなる。しか
も、図２で示すように各波長と籾、玄米、白米の相関プ
ロットから１３００ｎｍ付近、１７３５ｎｍ付近、２３
４４ｎｍ付近で相関が高く、籾と玄米、玄米と白米を弁
別する波長と非常に関係が深いことがわかる。
【００１５】また、波長の選択に際し、相関の高い波長
域が広範囲に及んでいる波長を選択する。従って、相関
プロット上では、とがったものよりは丸みを帯びている
ものを、また丸みよりも台形状に広がっているものを選
択する。その理由は、測定波長が多少シフトしたり、特
徴波長が他の穀物サンプルで異なっていても相関の高い
波長が広ければ広いほど有利だからである。そこで、以
上の点を考慮し、下記の理由により上記の各波長を採用
した。
域が広範囲に及んでいる波長を選択する。従って、相関
プロット上では、とがったものよりは丸みを帯びている
ものを、また丸みよりも台形状に広がっているものを選
択する。その理由は、測定波長が多少シフトしたり、特
徴波長が他の穀物サンプルで異なっていても相関の高い
波長が広ければ広いほど有利だからである。そこで、以
上の点を考慮し、下記の理由により上記の各波長を採用
した。
【００１６】（イ）１２９８ｎｍ，１７３５ｎｍ，２３
４４ｎｍの各波長は、籾の玄米、玄米、白米を弁別する
基本的な波長と考えられ、しかも他の波長域のものに比
べて相関が高くなっている。また、１２９８ｎｍの領域
は台形状に高い相関があり、多少の測定誤差を伴っても
安定した相関が得られるものと思われる。
４４ｎｍの各波長は、籾の玄米、玄米、白米を弁別する
基本的な波長と考えられ、しかも他の波長域のものに比
べて相関が高くなっている。また、１２９８ｎｍの領域
は台形状に高い相関があり、多少の測定誤差を伴っても
安定した相関が得られるものと思われる。
【００１７】（ロ）２４３４ｎｍの波長は、逆相関だが
その逆相関のものに比べて丸みを帯びていてしかも相関
が高い。
その逆相関のものに比べて丸みを帯びていてしかも相関
が高い。
【００１８】（ハ）２３１０ｎｍの波長は、相関プロッ
ト上では相関が低いが、他の波長を割ることによってそ
の相関を向上させる波長として有効である。
ト上では相関が低いが、他の波長を割ることによってそ
の相関を向上させる波長として有効である。
【００１９】このようにして穀物種別を判別したのち、
玄米、白米、または米飯のサンプルから米の品質評価を
行うのは、公知の方法を使用する。
玄米、白米、または米飯のサンプルから米の品質評価を
行うのは、公知の方法を使用する。
【００２０】籾については以下の操作を行う。
【００２１】（イ）まず籾サンプルを脱ぷ処理して玄米
とし、玄米状態における籾サンプルの蛋白質の含有量
を、あらかじめ化学分析して測定しておく。これらの処
理をＮ個の籾サンプルについてそれぞれ行う。
とし、玄米状態における籾サンプルの蛋白質の含有量
を、あらかじめ化学分析して測定しておく。これらの処
理をＮ個の籾サンプルについてそれぞれ行う。
【００２２】（ロ）次に、籾サンプルを脱ぷ処理して玄
米としたのち、そのサンプルを標準的に精米したのち炊
飯した御飯の粘り値を、あらかじめ化学分析して測定し
ておく。これらの処理をＮ個の籾サンプルについてそれ
ぞれ行う。
米としたのち、そのサンプルを標準的に精米したのち炊
飯した御飯の粘り値を、あらかじめ化学分析して測定し
ておく。これらの処理をＮ個の籾サンプルについてそれ
ぞれ行う。
【００２３】（ハ）引き続き、籾サンプルを粉砕し、そ
の粉砕した籾サンプルに公知の近赤外線分光分析装置に
より近赤外線を照射し、その近赤外線の各波長に対する
吸光度を検出し、その検出した吸光度を２次微分して２
次微分吸光度を算出する。これらの処理をＮ個の籾サン
プルについてそれぞれ行う。
の粉砕した籾サンプルに公知の近赤外線分光分析装置に
より近赤外線を照射し、その近赤外線の各波長に対する
吸光度を検出し、その検出した吸光度を２次微分して２
次微分吸光度を算出する。これらの処理をＮ個の籾サン
プルについてそれぞれ行う。
【００２４】（ニ）すでに分析したＮ個のサンプルの玄
米状態における蛋白質の各含有量（実測値）と、近赤外
線分光分析装置により求めた粉砕状のＮ個の籾サンプル
の２次微分吸光度の中から玄米サンプルのときに蛋白含
量の分析に使用する波長に対応する２次微分吸光度の各
値（波長が２１８０ｎｍのもの）とに基づき、籾サンプ
ル中に含まれる蛋白質の含有量の予測値（回帰式）Ｙ１
を求めるために重回帰分析を行う。
米状態における蛋白質の各含有量（実測値）と、近赤外
線分光分析装置により求めた粉砕状のＮ個の籾サンプル
の２次微分吸光度の中から玄米サンプルのときに蛋白含
量の分析に使用する波長に対応する２次微分吸光度の各
値（波長が２１８０ｎｍのもの）とに基づき、籾サンプ
ル中に含まれる蛋白質の含有量の予測値（回帰式）Ｙ１
を求めるために重回帰分析を行う。
【００２５】（ホ）次に、上記分析したＮ個の御飯の各
粘り値（実測値）と、近赤外線分光分析装置により求め
たＮ個の籾サンプルの２次微分吸光度の中から玄米サン
プルのときに粘り値の分析に使用する波長に対応する２
次微分吸光度の各値（波長が１８００ｎｍのもの）とに
基づき、サンプル籾を脱ぷ処理して標準的に精米したの
ち炊飯した御飯の粘り値の予測値（回帰式）Ｙ２を求め
るために重回帰分析を行う。
粘り値（実測値）と、近赤外線分光分析装置により求め
たＮ個の籾サンプルの２次微分吸光度の中から玄米サン
プルのときに粘り値の分析に使用する波長に対応する２
次微分吸光度の各値（波長が１８００ｎｍのもの）とに
基づき、サンプル籾を脱ぷ処理して標準的に精米したの
ち炊飯した御飯の粘り値の予測値（回帰式）Ｙ２を求め
るために重回帰分析を行う。
【００２６】そして、このような重回帰分析の結果得ら
れる回帰式Ｙ１、Ｙ２を利用することにより、以後、未
知のサンプルの食味評価を以下のようにして行う。
れる回帰式Ｙ１、Ｙ２を利用することにより、以後、未
知のサンプルの食味評価を以下のようにして行う。
【００２７】すなわち、未知のサンプル籾を用いて食味
評価を行うときには、サンプル籾の２次微分吸光度を近
赤外線分光分析装置により求め、その所定の波長（２１
８０ｎｍ、および１８００ｎｍ）にかかる２次微分吸光
度値を上記の回帰式Ｙ１、Ｙ２の説明変数として代入
し、これにより蛋白質の含有量の予測値、および御飯の
粘り値の予測値をそれぞれ算出し、その各算出結果に基
づいて所定の演算式で食味評価をする。
評価を行うときには、サンプル籾の２次微分吸光度を近
赤外線分光分析装置により求め、その所定の波長（２１
８０ｎｍ、および１８００ｎｍ）にかかる２次微分吸光
度値を上記の回帰式Ｙ１、Ｙ２の説明変数として代入
し、これにより蛋白質の含有量の予測値、および御飯の
粘り値の予測値をそれぞれ算出し、その各算出結果に基
づいて所定の演算式で食味評価をする。
【００２８】以上の実施例では米に限られているが、小
麦や大麦等の穀物でもよい。米以外の場合も米と同様に
穀物の標準のスベクトルを記憶しておき、測定スペクト
ルがこれと一致した場合には小麦や大麦等であると判別
し、公知の方法により小麦や大麦の内部品質評価値を推
定すればよい。
麦や大麦等の穀物でもよい。米以外の場合も米と同様に
穀物の標準のスベクトルを記憶しておき、測定スペクト
ルがこれと一致した場合には小麦や大麦等であると判別
し、公知の方法により小麦や大麦の内部品質評価値を推
定すればよい。
【００２９】
【発明の効果】以上説明したように本発明では、穀物サ
ンプルに近赤外線を照射し、その近赤外線の各波長に対
する吸光度を測定して穀物サンプルのスペクトルを求
め、該穀物サンプルのスペクトルを穀物種別毎に用意さ
れ記憶してある標準スペクトルと比較して、穀物種別を
判別するので、測定対象に応じて必要な検量線の入った
ソフトウエアをいちいち操作者が選択する必要がなく、
穀物の品質測定の能率が向上するという効果を奏する。
ンプルに近赤外線を照射し、その近赤外線の各波長に対
する吸光度を測定して穀物サンプルのスペクトルを求
め、該穀物サンプルのスペクトルを穀物種別毎に用意さ
れ記憶してある標準スペクトルと比較して、穀物種別を
判別するので、測定対象に応じて必要な検量線の入った
ソフトウエアをいちいち操作者が選択する必要がなく、
穀物の品質測定の能率が向上するという効果を奏する。
【図１】本発明実施例の穀物サンプルの処理例を示すフ
ローチャートである。
ローチャートである。
【図２】各波長に対する籾、玄米、白米の相関を表す図
である。
である。
Claims (1)
- 【請求項１】穀物サンプルに近赤外線を照射し、その近
赤外線の各波長に対する吸光度を測定して穀物サンプル
のスペクトルを求め、 該穀物サンプルのスペクトルを穀物種別毎に記憶した標
準スペクトルと比較して穀物種別を判別し、 その判別結果に応じて使用する検量線を自動選択して穀
物サンプルの化学成分値及び／又は粘り等の内部品質評
価値を推定することを特徴とする穀物品質測定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7072527A JPH07260682A (ja) | 1995-03-07 | 1995-03-07 | 穀物品質測定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7072527A JPH07260682A (ja) | 1995-03-07 | 1995-03-07 | 穀物品質測定方法 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP16222791A Division JP2689767B2 (ja) | 1991-06-05 | 1991-06-05 | 米の食味評価法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07260682A true JPH07260682A (ja) | 1995-10-13 |
Family
ID=13491905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7072527A Withdrawn JPH07260682A (ja) | 1995-03-07 | 1995-03-07 | 穀物品質測定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07260682A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002055045A (ja) * | 2000-08-10 | 2002-02-20 | Jasco Corp | 試料識別方法およびその装置 |
| WO2012048897A1 (en) * | 2010-10-15 | 2012-04-19 | Syngenta Participations Ag | A method for classifying sugar beet seeds, comprising the usage of infrared spectroscopy |
| WO2014196363A1 (ja) * | 2013-06-07 | 2014-12-11 | コニカミノルタ株式会社 | 分光分析システムおよび該方法 |
| JP2015040818A (ja) * | 2013-08-23 | 2015-03-02 | 住友電気工業株式会社 | 穀物分類方法及び穀物分類装置 |
| JP2019510968A (ja) * | 2016-02-24 | 2019-04-18 | トムラ ソーティング ナムローゼ フェンノートシャップ | 穀物におけるマイコトキシンの存在の検出のための方法及び装置 |
-
1995
- 1995-03-07 JP JP7072527A patent/JPH07260682A/ja not_active Withdrawn
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002055045A (ja) * | 2000-08-10 | 2002-02-20 | Jasco Corp | 試料識別方法およびその装置 |
| JP4498564B2 (ja) * | 2000-08-10 | 2010-07-07 | 日本分光株式会社 | 試料識別方法およびその装置 |
| WO2012048897A1 (en) * | 2010-10-15 | 2012-04-19 | Syngenta Participations Ag | A method for classifying sugar beet seeds, comprising the usage of infrared spectroscopy |
| US9574997B2 (en) | 2010-10-15 | 2017-02-21 | Syngenta Participations Ag | Method for classifying seeds, comprising the usage of infrared spectroscopy |
| WO2014196363A1 (ja) * | 2013-06-07 | 2014-12-11 | コニカミノルタ株式会社 | 分光分析システムおよび該方法 |
| JP6061031B2 (ja) * | 2013-06-07 | 2017-01-18 | コニカミノルタ株式会社 | 分光分析システムおよび該方法 |
| EP2998725A4 (en) * | 2013-06-07 | 2017-02-08 | Konica Minolta, Inc. | Spectroscopic system and method |
| JP2015040818A (ja) * | 2013-08-23 | 2015-03-02 | 住友電気工業株式会社 | 穀物分類方法及び穀物分類装置 |
| JP2019510968A (ja) * | 2016-02-24 | 2019-04-18 | トムラ ソーティング ナムローゼ フェンノートシャップ | 穀物におけるマイコトキシンの存在の検出のための方法及び装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Flores et al. | Feasibility in NIRS instruments for predicting internal quality in intact tomato | |
| Næs et al. | Locally weighted regression in diffuse near-infrared transmittance spectroscopy | |
| Diezma et al. | Examination of the quality of spinach leaves using hyperspectral imaging | |
| Villareal et al. | Rice amylose analysis by near-infrared transmittance spectroscopy | |
| Hossain et al. | Near-and mid-infrared spectroscopy as efficient tools for detection of fungal and mycotoxin contamination in agricultural commodities | |
| Ma et al. | Prediction of total protein and intact casein in cheddar cheese using a low-cost handheld short-wave near-infrared spectrometer | |
| Aucott et al. | Transformations to reduce the effect of particle size in near-infrared spectra | |
| Kamboj et al. | Comparison of PLSR, MLR, SVM regression methods for determination of crude protein and carbohydrate content in stored wheat using near Infrared spectroscopy | |
| Fatemi et al. | Identification of informative spectral ranges for predicting major chemical constituents in corn using NIR spectroscopy | |
| Tao et al. | Rapid and non-destructive detection of cassava flour adulterants in wheat flour using a handheld MicroNIR spectrometer | |
| Agulheiro‐Santos et al. | Non‐destructive prediction of total soluble solids in strawberry using near infrared spectroscopy | |
| Unuvar et al. | A novel approach for rapid discrimination of common and durum wheat flours using spectroscopic analyses combined with chemometrics | |
| Jiang et al. | Molecular spectroscopic wavelength selection using combined interval partial least squares and correlation coefficient optimization | |
| JPH07260682A (ja) | 穀物品質測定方法 | |
| Lin et al. | Prediction of protein content in rice using a near-infrared imaging system as diagnostic technique | |
| Dong et al. | A case study of characteristic bands selection in near-infrared spectroscopy: nondestructive detection of ash and moisture in wheat flour | |
| Castro-Reigía et al. | Bread fermentation monitoring through NIR spectroscopy and PLS-DA. Determining the optimal fermentation point in bread doughs | |
| EP0975961B1 (en) | Monitoring of dough properties | |
| JP2689767B2 (ja) | 米の食味評価法 | |
| Adams et al. | Calibration models for determining moisture and fat content of processed cheese using near‐infrared spectrometry | |
| Wang et al. | Rapid detection of quality of Japanese fermented soy sauce using near-infrared spectroscopy | |
| Sorvaniemi et al. | Using partial least squares regression and multiplicative scatter correction for FT-NIR data evaluation of wheat flours | |
| JPH07260681A (ja) | 食物品質評価法 | |
| JP2967888B2 (ja) | 近赤外分光分析による温度推定法 | |
| Perez-Marin et al. | Advanced nonlinear approaches for predicting the ingredient composition in compound feedingstuffs by near-infrared reflection spectroscopy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 19980903 |