[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN108399426A - 一种雄蜂蛹粉真伪快速检测方法 - Google Patents

一种雄蜂蛹粉真伪快速检测方法 Download PDF

Info

Publication number
CN108399426A
CN108399426A CN201810130291.4A CN201810130291A CN108399426A CN 108399426 A CN108399426 A CN 108399426A CN 201810130291 A CN201810130291 A CN 201810130291A CN 108399426 A CN108399426 A CN 108399426A
Authority
CN
China
Prior art keywords
drone pupae
pupae powder
powder
false
true
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
Application number
CN201810130291.4A
Other languages
English (en)
Inventor
顾海洋
师海荣
蔡华珍
孙艳辉
李双芳
刘淑兰
苗文娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chuzhou University
Original Assignee
Chuzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chuzhou University filed Critical Chuzhou University
Priority to CN201810130291.4A priority Critical patent/CN108399426A/zh
Publication of CN108399426A publication Critical patent/CN108399426A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • 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
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/14—Classification; Matching by matching peak patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明涉及的是一种雄蜂蛹粉真伪快速检测方法，包括以下步骤：采集雄蜂蛹粉样本三维荧光光谱数据；提取雄蜂蛹粉三维荧光光谱特征峰；根据采集的三维荧光光谱数据和特征峰，建立基于支持向量机算法的雄蜂蛹粉真伪辨别快速检测方法。本发明通过平行因子筛选特征性荧光光谱峰，建立基于支持向量机的雄蜂蛹粉真伪快速辨别方法，为执法部门提供一种简便、快速的雄蜂蛹粉真伪辨别方法。

Description

一种雄蜂蛹粉真伪快速检测方法
技术领域
本发明涉及的是一种雄蜂蛹粉真伪快速检测方法，通过三维荧光光谱仪快速采集雄蜂蛹粉样本光谱信息，选择代表性激发波段下的二维发射光谱作为雄蜂蛹粉特征性检测信息，通过模式识别方法建立雄蜂蛹粉真伪快速辨别方法。
背景技术
雄蜂蛹粉是一种富含蛋白质、维生素C和维生素D等成分的功能性营养食品。研究表明长期食用雄蜂蛹粉能够有效增强人体免疫力，提高记忆力和预防肿瘤等效果。作为一种功能性食品，雄蜂蛹粉具有重要的市场应用潜力和广阔的消费群体。虽然雄蜂蛹粉营养价值较高，然而雄蜂蛹粉原料来源单一，冷冻干燥成本较高等客观条件限制，导致雄蜂蛹粉市场销售价格相对较高。部分食品加工企业和销售部门为了降低成本和提高利润，采用植物蛋白粉等原料来冒充雄蜂蛹粉进行生产和销售。因此，雄蜂蛹粉真伪辨别成为提高其产品品牌和消费者信心的重要技术手段。
目前雄蜂蛹粉等食品真伪检测方法主要选取1个或几个特征性化学指标作为传统理化检测方法、高效液相色谱、分光光度法等检测依据。部分商家通过不法手段添加或者消除这些化学指标以此达到作伪效果，且作伪成本较低，获利较高，对食品监管部门带来检测难题并且极大的损害消费者利益。因此，需要一种新的检测技术能够以指纹图谱形式对雄蜂蛹粉真伪进行快速辨别，提高雄蜂蛹粉真伪快速检测能力。
通过对雄蜂蛹粉营养成分分析发现，雄蜂蛹粉富含的蛋白质、维生素C、维生素D等营养成分具有较好的荧光光谱信息，所以雄蜂蛹粉具有特征性的三维荧光光谱信号，并且具有特征性、指纹性图谱。同时通过对现有的荧光光谱检测技术分析发现，三维荧光光谱在食品领域中均有较好的应用潜力。因此，三维荧光光谱检测技术在理论上和实践上均能够用于雄蜂蛹粉真伪快速检测。
发明内容
本发明针对现有雄蜂蛹粉真伪识别难题，提出一种三维荧光光谱法快速辨别雄蜂蛹粉和其它相似食品的快速检测方法，采用三维荧光光谱技术获取雄蜂蛹粉和其它类似食品三维荧光光谱数据，通过平行因子法筛选特征性荧光光谱峰和降维处理，以支持向量机为快速检测方法，以雄蜂蛹粉和其他掺伪材料三维荧光光谱降维数据作为输入数据，藉此建立基于三维荧光光谱的雄蜂蛹粉真伪快速辨别方法。
本发明是通过以下技术方案实现的：
一种雄蜂蛹粉真伪快速检测方法，包括以下步骤：
(1)采集雄蜂蛹粉样本三维荧光光谱数据；
(2)提取雄蜂蛹粉三维荧光光谱特征峰；
(3)根据采集的三维荧光光谱数据和特征峰，建立基于支持向量机算法的雄蜂蛹粉真伪辨别快速检测方法。
优选地，所述步骤(1)具体包括：将雄蜂蛹粉进行均匀化处理，将其置于荧光设备固体配件上，设定三维荧光光谱检测方法采集雄蜂蛹粉荧光光谱信息，重复采集取其平均值作为雄蜂蛹粉荧光光谱数据。
优选地，所述步骤(2)具体包括：通过平行因子法(PARAFAC)对雄蜂蛹粉三维荧光光谱数据进行去噪处理、筛选主成分、确定loading值，筛选特征激发波长和发射波长下的三维荧光光谱峰作为雄蜂蛹粉真伪辨别特征峰。
优选地，所述步骤(3)具体包括：以平行因子法筛选的雄蜂蛹粉三维荧光光谱特征峰信息作为雄蜂蛹粉建模数据，以支持向量机算法作为数学建模方法，建立雄蜂蛹粉真伪快速检测模型。
优选地，所述将雄蜂蛹粉样品置于荧光设备固体配件上是指将雄蜂蛹粉样本通过涡旋混匀器先将样本均匀混合，然后取一定量的雄蜂蛹粉末置于荧光检测固体配件上，并用玻璃将其压实保存表面平整光滑。
优选地，所述去噪处理为使用MATLAB程序通过平行因子算法中的瑞利散射、拉曼散射和杂峰处理方法，对所有雄蜂蛹粉三维荧光光谱数据进行去噪处理。
优选地，所述筛选主成分为通过平行因子法对雄蜂蛹粉样本的主成分进行分析，并对每个主成分的平方根误差进行计算，选取前N个主成分作为特征峰筛选数据；其中，4≤N≤10。
优选地，所述确定loading值是指在筛选的N个主成分中进行loading值评分，筛选loading值较高的激发波长和发射波长组成雄蜂蛹粉激发/发射峰，并以这些特征峰用于雄蜂蛹粉真伪辨别。
优选地，所述建立雄蜂蛹粉真伪快速检测模型包括：将雄蜂蛹粉三维荧光光谱特征峰数值用支持向量机算法进行数学建模数据归一化范围是-1到1，pca进行降维处理，采用grid search method算法对支持向量机进行优化。
本发明的有益效果在于：
雄蜂蛹粉富含多种人体必须的营养物质，具有增强人体免疫力，提高记忆力和预防肿瘤等特殊功效。传统的雄蜂蛹粉或其它食品真伪辨别主要依据一个或者几个理化指标通过高效液相色谱法、紫外分光光度法等检测方法实现。这些方法虽然能够对雄蜂蛹粉真伪进行有效辨别，并且具有灵敏度高和稳定性好等优点。但是对于部分非法商家而言，通过对指标性化合物进行非法添加或者吸附以此达到以次充好，以假乱真的目的。因此，急需一种指纹性检测方法对雄蜂蛹粉真伪进行快速辨别，增大非法商家作伪难度。本发明涉及到一种三维荧光光谱法对雄蜂蛹粉真伪快速辨别方法的建立，通过平行因子筛选特征性荧光光谱峰，建立基于支持向量机的雄蜂蛹粉真伪快速辨别方法，为执法部门提供一种简便、快速的雄蜂蛹粉真伪辨别方法。雄蜂蛹粉样本真伪辨别关键步骤是三维特征峰的筛选。由于指纹图谱特别是三维荧光指纹图谱数据量大，且不同来源和处理方式造成荧光物质发生变化，致使三维荧光光谱特征峰筛选较为困难。传统方法主要依据峰高和峰面积通过人工筛选，该方法筛选出来的特征峰对于同一来源、同一批次和相同处理方式的雄蜂蛹粉效果明显，但是对于其他类型雄蜂蛹粉真伪判别则难以达到理想效果。本专利通过平行因子法，通过Loading score对雄蜂蛹粉三维荧光光谱峰进行综合打分和评价，提供一种客观性强、适应性广的雄蜂蛹粉三维荧光特征峰筛选方法。
附图说明
图1为雄蜂蛹粉三维荧光光谱图。
图2为雄蜂蛹粉三维荧光噪音去除示意图。
图3为雄蜂蛹粉7个主成分分析图。
图4为雄蜂蛹粉荧光激发光谱loading图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
步骤一采集三维荧光光谱
(1)样品称量：通过电子天平称量5-10g雄蜂蛹粉置于10ml塑料试管中，用涡旋混匀器将其进行均匀化处理，将其置于荧光光谱固体支架上进行数据采集。
(2)三维荧光光谱参数设定：雄蜂蛹粉三维荧光光谱扫描参数设定为：激发波长(Ex)：200-900nm，狭缝宽度10nm；发射波长(Em)：200-900nm，狭缝宽度10nm。
增益(PMT)为650V，响应时间为4s，重复次数为3次，150W氙弧灯作为光源，共采集701点荧光数值。
(3)采集三维荧光光谱和数据保存：将固体支架放置于荧光采集装置中，打开荧光采集系统并进行调零处理，按照设定好的荧光数据采集方法进行光谱采集，每个样本重复采集三次，取三次重复采集样本荧光数值作为该雄蜂蛹粉样本三维荧光光谱信号。
如图1所示为雄蜂蛹粉三维荧光光谱图，由图中可见雄蜂蛹粉有一系列的特征峰构成三维荧光光谱图，对这些特征峰可以判定该物质是否为雄蜂蛹粉，同时通过数学建模方式来进行快速判定。各特征性三维荧光光谱峰的激发波长(Ex)、发射波长(Em)和荧光指数(FI)如表1所示。
表1 雄蜂蛹粉特征性三维荧光光谱峰
步骤二：筛选雄蜂蛹粉三维荧光光谱特征峰
(1)去噪处理：将所有采集到的雄蜂蛹粉数据按照样品序号顺序导入到MATLAB程序中，按照平行因子程序操作说明整理好，通过平行因子算法中的瑞利散射、拉曼散射和杂峰处理方法，对所有雄蜂蛹粉三维荧光光谱数据进行去噪处理。如图2所示为雄蜂蛹粉三维荧光噪音去除示意图，通过该方法能够对雄蜂蛹粉三维荧光光谱进行校正处理，最大程度避免环境因素、机器噪音对检测结果的影响。
(2)筛选主成分：通过平行因子法对雄蜂蛹粉样本的主成分进行分析，并对每个主成分的平方根误差进行计算，选取前7个主成分作为特征峰筛选数据(如图3)。
(3)确定loading值：在筛选的7个主成分中进行loading值评分，筛选loading值较高的激发波长和发射波长组成雄蜂蛹粉激发/发射峰，并以这些特征峰用于雄蜂蛹粉真伪辨别。如图4所示，筛选激发波长为310nm光源对雄蜂蛹粉进行激发，所获得的二维荧光光谱作为发射波长，将会得到较好的检测结果。
步骤三：建立雄蜂蛹粉真伪辨别数学模型：将雄蜂蛹粉三维荧光光谱特征峰数值提取出来，用支持向量机算法进行数学建模数据归一化范围是-1到1，pca进行降维处理，采用grid search method算法对支持向量机进行优化，Best c＝0.0039，Best g＝0.0442，训练集分辨率为100％，测试集分辨率为100％.
以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (9)

1.一种雄蜂蛹粉真伪快速检测方法，其特征在于，包括以下步骤：
（1）采集雄蜂蛹粉样本三维荧光光谱数据；
（2）提取雄蜂蛹粉三维荧光光谱特征峰；
（3）根据采集的三维荧光光谱数据和特征峰，建立基于支持向量机算法的雄蜂蛹粉真伪辨别快速检测方法。
2.根据权利要求1所述的一种雄蜂蛹粉真伪快速检测方法，其特征在于，所述步骤（1）具体包括：将雄蜂蛹粉进行均匀化处理，将其置于荧光设备固体配件上，设定三维荧光光谱检测方法采集雄蜂蛹粉荧光光谱信息，重复采集取其平均值作为雄蜂蛹粉荧光光谱数据。
3.根据权利要求1所述的一种雄蜂蛹粉真伪快速检测方法，其特征在于，所述步骤（2）具体包括：通过平行因子法对雄蜂蛹粉三维荧光光谱数据进行去噪处理、筛选主成分、确定loading值，筛选特征激发波长和发射波长下的三维荧光光谱峰作为雄蜂蛹粉真伪辨别特征峰。
4.根据权利要求1所述的一种雄蜂蛹粉真伪快速检测方法，其特征在于，所述步骤（3）具体包括：以平行因子法筛选的雄蜂蛹粉三维荧光光谱特征峰信息作为雄蜂蛹粉建模数据，以支持向量机算法作为数学建模方法，建立雄蜂蛹粉真伪快速检测模型。
5.根据权利要求2所述的一种雄蜂蛹粉真伪快速检测方法，其特征在于：所述将雄蜂蛹粉样品置于荧光设备固体配件上是指将雄蜂蛹粉样本通过涡旋混匀器先将样本均匀混合，然后取一定量的雄蜂蛹粉末置于荧光检测固体配件上，并用玻璃将其压实保存表面平整光滑。
6.根据权利要求3所述的一种雄蜂蛹粉真伪快速检测方法，其特征在于：所述去噪处理为使用MATLAB程序通过平行因子算法中的瑞利散射、拉曼散射和杂峰处理方法，对所有雄蜂蛹粉三维荧光光谱数据进行去噪处理。
7.根据权利要求3所述的一种雄蜂蛹粉真伪快速检测方法，其特征在于：所述筛选主成分为通过平行因子法对雄蜂蛹粉样本的主成分进行分析，并对每个主成分的平方根误差进行计算，选取前N个主成分作为特征峰筛选数据；其中，4≤N≤10。
8.根据权利要求3所述的一种雄蜂蛹粉真伪快速检测方法，其特征在于：所述确定loading值是指在筛选的N个主成分中进行loading值评分，筛选loading值较高的激发波长和发射波长组成雄蜂蛹粉激发/发射峰，并以这些特征峰用于雄蜂蛹粉真伪辨别。
9.根据权利要求4所述的一种雄蜂蛹粉真伪快速检测方法，其特征在于，所述建立雄蜂蛹粉真伪快速检测模型包括：将雄蜂蛹粉三维荧光光谱特征峰数值用支持向量机算法进行数学建模数据归一化范围是-1到1，pca进行降维处理，采用grid search method算法对支持向量机进行优化。
CN201810130291.4A 2018-02-08 2018-02-08 一种雄蜂蛹粉真伪快速检测方法 Pending CN108399426A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810130291.4A CN108399426A (zh) 2018-02-08 2018-02-08 一种雄蜂蛹粉真伪快速检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810130291.4A CN108399426A (zh) 2018-02-08 2018-02-08 一种雄蜂蛹粉真伪快速检测方法

Publications (1)

Publication Number Publication Date
CN108399426A true CN108399426A (zh) 2018-08-14

Family

ID=63096397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810130291.4A Pending CN108399426A (zh) 2018-02-08 2018-02-08 一种雄蜂蛹粉真伪快速检测方法

Country Status (1)

Country Link
CN (1) CN108399426A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176971A (zh) * 2008-07-24 2011-09-07 生物梅里埃公司 用于样本中生物颗粒的检测和/或鉴定的方法和系统
CN102749315A (zh) * 2012-07-18 2012-10-24 滁州学院 一种利用同步荧光光谱快速检测潲水油的方法
CN104502320A (zh) * 2014-12-29 2015-04-08 江南大学 一种三维荧光光谱结合pca-svm鉴别浓香型白酒的方法
CN107255629A (zh) * 2017-07-05 2017-10-17 滁州学院 一种食品中罗丹明b快速检测方法
CN107290315A (zh) * 2017-06-20 2017-10-24 滁州学院 一种复原椰汁的三维同步荧光光谱检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176971A (zh) * 2008-07-24 2011-09-07 生物梅里埃公司 用于样本中生物颗粒的检测和/或鉴定的方法和系统
CN102749315A (zh) * 2012-07-18 2012-10-24 滁州学院 一种利用同步荧光光谱快速检测潲水油的方法
CN104502320A (zh) * 2014-12-29 2015-04-08 江南大学 一种三维荧光光谱结合pca-svm鉴别浓香型白酒的方法
CN107290315A (zh) * 2017-06-20 2017-10-24 滁州学院 一种复原椰汁的三维同步荧光光谱检测方法
CN107255629A (zh) * 2017-07-05 2017-10-17 滁州学院 一种食品中罗丹明b快速检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张轩 等: "基于三维荧光光谱的枸杞鉴别方法", 《分析试验室》 *
朱焯炜 等: "三维荧光光谱结合PARAFAC和GA对中国白酒品牌的鉴别", 《中国激光》 *
李林军 等: "基于平行因子算法的三维荧光光谱检测真菌毒素", 《分析试验室》 *

Similar Documents

Publication Publication Date Title
Modupalli et al. Emerging non-destructive methods for quality and safety monitoring of spices
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)
Li et al. Fast detection and visualization of early decay in citrus using Vis-NIR hyperspectral imaging
Barbin et al. Near-infrared hyperspectral imaging for grading and classification of pork
Yan et al. Two dimensional correlation spectroscopy combined with ResNet: Efficient method to identify bolete species compared to traditional machine learning
Li et al. Detection of early decayed oranges based on multispectral principal component image combining both bi-dimensional empirical mode decomposition and watershed segmentation method
CN110376153B (zh) 一种atr-ftir结合rbf神经网络对市售西红花产地溯源的方法
CN105445217B (zh) 基于衰减全反射傅里叶变换红外光谱技术的糙米中黄曲霉毒素含量的快速检测方法
Shakiba et al. Determination of the geographical origin of hazelnuts (Corylus avellana L.) by Near-Infrared spectroscopy (NIR) and a Low-Level Fusion with nuclear magnetic resonance (NMR)
CN103411906B (zh) 珍珠粉和贝壳粉的近红外光谱定性鉴别方法
Sun et al. Rapid identification of geographical origin of sea cucumbers Apostichopus japonicus using FT-NIR coupled with light gradient boosting machine
CN106092990A (zh) 一种宁夏枸杞的三维荧光光谱鉴别方法
CN101957316B (zh) 一种用近红外光谱技术鉴别响水大米的方法
US20220390374A1 (en) Method for extracting raman characteristic peaks employing improved principal component analysis
Kavitha et al. Two-trace two-dimensional (2T2D) correlation infrared spectral analysis of Spirulina platensis and its commercial food products coupled with chemometric analysis
CN107219184A (zh) 一种应用于产地溯源的肉类鉴别方法及装置
CN106918572A (zh) 马铃薯复配主食中马铃薯含量的测定方法
Cai et al. Detection of early decayed oranges by structured-illumination reflectance imaging coupling with texture feature classification models
Zhao et al. Visualization accuracy improvement of spectral quantitative analysis for meat adulteration using Gaussian distribution of regression coefficients in hyperspectral imaging
CN113310930A (zh) 高温灭菌奶、巴氏杀菌奶和掺加高温灭菌奶的巴氏杀菌奶的光谱鉴定方法
CN103353443A (zh) 一种基于近红外光谱的中宁枸杞子判别方法
De Andrade et al. An easy-to-use and cheap analytical approach based on NIR and chemometrics for tomato and sweet pepper authentication by non-volatile profile
CN110567907A (zh) 一种基于红外光谱技术快速鉴别中药真伪的方法
Todoroki et al. Automated knot detection with visual post-processing of Douglas-fir veneer images
CN108399426A (zh) 一种雄蜂蛹粉真伪快速检测方法

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
CB02 Change of applicant information

Address after: 239000, No.2 Langya West Road, Chuzhou City, Anhui Province

Applicant after: CHUZHOU University

Address before: 239000 no.1528 fengle Avenue, Langya District, Chuzhou City, Anhui Province (Huifeng campus)

Applicant before: CHUZHOU University

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20180814

RJ01 Rejection of invention patent application after publication