CN101907564A - 基于近红外光谱技术的油菜籽品质无损检测方法和装置 - Google Patents
基于近红外光谱技术的油菜籽品质无损检测方法和装置 Download PDFInfo
- Publication number
- CN101907564A CN101907564A CN 201010209447 CN201010209447A CN101907564A CN 101907564 A CN101907564 A CN 101907564A CN 201010209447 CN201010209447 CN 201010209447 CN 201010209447 A CN201010209447 A CN 201010209447A CN 101907564 A CN101907564 A CN 101907564A
- Authority
- CN
- China
- Prior art keywords
- integrating sphere
- quality
- rapeseed
- sample
- microprocessor
- 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
- 235000004977 Brassica sinapistrum Nutrition 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000009659 non-destructive testing Methods 0.000 title abstract description 6
- 240000002791 Brassica napus Species 0.000 title description 31
- 238000004497 NIR spectroscopy Methods 0.000 title description 3
- 230000003595 spectral effect Effects 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 11
- 244000188595 Brassica sinapistrum Species 0.000 claims abstract 8
- 238000012360 testing method Methods 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 14
- 238000004611 spectroscopical analysis Methods 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 11
- 230000002093 peripheral effect Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 5
- 230000003750 conditioning effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000010561 standard procedure Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000003287 optical effect Effects 0.000 description 9
- 239000000463 material Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 150000002367 halogens Chemical class 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000005064 physico chemical analysis method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- 241000675108 Citrus tangerina Species 0.000 description 1
- 244000089698 Zanthoxylum simulans Species 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 238000001506 fluorescence spectroscopy Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011197 physicochemical method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012113 quantitative test Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了油菜籽品质的近红外光谱分析检测方法及装置，该装置将样品室插入到积分球内部，充分利用积分球的结构特点，将入射光源、样品室和检测器集成在一个积分球外壳上，包括光谱信号采集装置、微处理器和结果显示装置；通过建立油菜籽的含水率、脂肪含量等品质指标与对应的光谱信号之间的关联模型，在快速检测阶段，检测器将接收到的光谱信号传入微处理器中，微处理器调用相应品质的模型参数进行计算，得到被检测油菜籽的含水率、脂肪含量等品质指标，以实现油菜籽品质的无损检测。本发明具有检测精度高、结果一致性好和自动化程度强等优点，既为初级农产品的收购过程提供了监测依据，又进一步为以品质为依据的农产品标准化分级创造了条件。
Description
技术领域
本发明涉及一种农产品品质无损检测方法和装置，特指基于近红外光谱技术的油菜籽品质快速无损检测方法及其装置。
背景技术
农产品是人们的生活必需品，我国人口众多，是农产品生产和消费大国，农产品的安全和品质对我国社会的和谐稳定有着至关重要的意义。但是，目前我国农村的农产品生产和销售过程，仍以乡镇收购点和农产品加工企业各自收购为主，其特点是：收购点多、分散范围大、收购时间短和收购数量大。原料的定价比较随意，往往是收购方根据粗略的水分估计和外观、手感决定价格，缺乏公平性、合理性和公正性。因此，有必要对农产品品质进行量化，为农产品分级定价提供技术保障。
当前，农产品品质检测仍然沿用人工感官评定方法和常规理化分析方法。常规理化分析具有较高的准确度和可靠性，但是，其属于破坏性检测，检测时间长，不适合农产品品质的快速检测。而人工检测通常是由训练有素、经验丰富的专家经过感官评定来完成，检测结果主观性强、一致性差。尤其对于保存期短、易变质的农产品而言，这些方法都难以满足正常的生产和流通需求。
近红外光谱(Near-Infrared Ray Spectroscopy，NIRS)分析技术无需对样品进行化学处理，能直接测定完整样品，并可在1～2分钟的极短时间内对样品中的多种成分同时进行定量分析，具有成本低，速度快，精度高，无污染，便于实时、在线分析和控制等优点。应用近红外光谱分析技术进行快速无损伤检测已有较多的研究应用，如检测蜜桔中的糖度，水果的VC、花椒中的挥发油等。同时，也有一些企业和研究机构着手近红外光谱分析仪的研制和生产工作，各种近红外光谱仪器相继问世。然而，这些国产的近红外光谱仪器都是采用连续光谱的光源(卤钨灯)，通过各种分光装置将连续光谱分光后(即前分光)与待测物料发生相互作用或将与待测物料相互作用后的复合光再分光(即后分光)，多存在光路构成、控制电路等系统复杂，仪器的调试过程繁琐，造价高等缺陷，难以在面广量大的基层农产品收购、加工和流通环节得到推广。
由于不同物料的不同品质成分对光谱中不同波段的光敏感程度不同，对于专用检测仪器来说，连续的光谱并不是必要的。现阶段应用离散光源的检测装置多需要加装滤光片，滤光片的种类和加装方式就限制了仪器的系列化和仪器结构的优化。积分球的主要功能是光收集器，被收集的光可以用作漫反射光源或被测源，它在测量各种光源(如：激光，LED和卤钨灯)的辐射量和颜色测量及荧光光谱学方面已经取得了广泛的应用。应用积分球对物料进行检测时，多采用样品室置于积分球外的检测方式，样品的均匀性对检测结果的影响极大，且对入射光与物料的作用面积和入射光强度的要求较高。
发明内容
鉴于现有技术的发展情况，本发明的目的就是要提供一种针对农产品(油菜籽)品质的近红外光谱分析检测方法及其装置。装置的特点是：将样品室插入到积分球内部，充分利用积分球的结构特点，将入射光源、样品室和检测器集成在一个积分球外壳上，采用对个单光源代替连续光源，省去分光系统，从而使仪器结构更加紧凑和小型化。检测分建模和快速检测两个阶段，建模阶段是一个一次性关联和局部调整的过程，而快速检测则是仪器的应用过程。在建模阶段，检测器将接收到的光谱信号传入微处理器中，微处理器通过USB接口与上位机相连，导出测得的数据到上位机的模型建立软件中，建立相关农产品(油菜籽)的含水率、脂肪含量等品质指标与对应的光谱信号之间的关联模型，上位机建模之后，将获得的模型参数下传到微处理器的相应存储区，为实现快速检测做准备。在快速检测阶段，检测器将接收到的光谱信号传入微处理器中，微处理器调用相应品质的模型参数进行计算，得到被检测农产品(油菜籽)的含水率、脂肪含量等品质指标，以实现相关农产品(油菜籽)品质的无损检测，同时通过结果显示装置显示品质指标值。
本发明所说的油菜籽品质的近红外光谱快速检测方法是，先取不同水分和脂肪的油菜籽样品若干份(100份左右)，一部分作为校正集(50～80份)，另一部分作为预测集(20份左右)，其余部分作为待测样品，采用国标法测定所有样品的含水量和脂肪含量作为实测值；再用发明的近红外检测仪采集校正集样品、预测集样品以及待测样品的漫反射光谱信息，用校正集的光谱数据与其含水量和脂肪含量实测值间的关系建立校正模型；将预测集的光谱数据带入到校正模型中进行预测，获取预测集的样品含水量和脂肪含量的预测结果并分析与其实测值的差异，选取预测精度达到要求的校正模型；最后将模型参数导入到微处理器中，同时将待测样品的光谱信息调入选取的校正模型中，对待测样品含水量进行计算，所获得的含水量预测值即为待测样品含水量的测定结果。
一种实现上述油菜籽品质快速检测方法的装置，包括光谱信号采集装置、微处理器和结果显示装置；其中：
光谱信号采集装置，用于对积分球内的待测油菜籽进行光谱扫描，采集待测农产品漫反射近红外光谱信号并传输到微处理器中；
微处理器，通过外围电路为各个光源提供驱动电流，控制积分球上多个单色光源的轮流点亮顺序和时间，同时将接收到的经过外部电路调理的漫反射光谱信号储存在存储区，存储并引用调入的模型参数，对光谱数据进行分析，计算出被检测农产品的品质指标值，通过USB接口完成与上位机之间的数据通信等；
结果显示装置，用于将微处理器计算出来的品质指标值显示出来。
上述所说的光谱信号采集装置，由光源系统、积分球外壳、样品室和检测器组成。其特征在于：取消了分光系统，光源系统由全波长光源变为多个单色光源，多个单色光源由一系列能发出特定波长的光学器件构成，从而有序发出不同波长的光，通过积分球壁反射均匀照射在样品上，检测器获得不同波长的吸光度，得到样品的吸收光谱。
其中所述光源系统，针对不同的品质指标，选用不同的单波长半导体近红外光源，用于将光照射在一定量的待测农产品表面。为实现对多种组分的测量，对多个单波长半导体光源采取轮流点亮的方式，根据不同的品质检测需要和专用及通用仪器的要求，选用不同的光源组合方式、光源个数和轮流点亮顺序，点亮持续时间和间隔时间根据测量要求可以调整。
所述积分球，用于集成光源、样品室和检测器，根据光源的发光功率和待测样品的相应指标含量的不同，选用不同规格的积分球。积分球内壁涂有对近红外光高反射率的金属涂层。积分球内表面使得漫反射光均匀一致，积分球结构便于集成多个入射光源和单个检测器。
所述样品室，采用低羟基石英玻璃制作，由积分球外插入到积分球内部，实现样品的体吸收，根据样品的结构特点对应于不同直径的样品室规格和测量模型参数。
所述的检测器是半导体检测器，用于接收均布于积分球内壁的农产品漫透射光谱信号，并把这些携带有样品信息的近红外光信号转变为电信号，通过A/D转换器转变为数字信号输入微处理器。检测器不间断地进行扫描，并将不同光源的扫描结果分别存储。
所述的模型，即为近红外光谱信号值与农产品(油菜籽)品质指标的校正模型。先取不同水分和脂肪的油菜籽样品若干份(100份左右)，一部分作为校正集(50～80份)，另一部分作为预测集(20份左右)，其余部分作为待测样品，采用国标法测定所有样品的含水量和脂肪含量作为实测值；再用本发明的近红外检测仪采集校正集样品、预测集样品以及待测样品的漫反射光谱信息，用校正集的光谱数据与其含水量和脂肪含量实测值间的关系建立校正模型；将预测集的光谱数据带入到校正模型中进行预测，获取预测集的样品含水量和脂肪含量的预测结果并分析与其实测值的差异，选取预测精度达到要求的校正模型；最后将模型参数导入到微处理器中。
所述的微处理器中装有近红外农产品品质检测程序和对应于不同样品的模型参数与品质指标计算程序，主要控制多光源的轮流点亮，采集光谱数据并计算出农产品品质指标值。
工作时，首先接通电源，设置光谱仪，选择要测量的样品所对应的检测模型。开始进行信号检测，把检测器得到的光谱信号值存入存储区，同时代入模型，计算得到待测样品(油菜籽)的每个品质指标，显示在界面上。
样本的测试操作如下：
1.首先打开电源，对装置各附件的参数进行设置。如设置光源强度、光谱仪的波长点光源组合模式和轮流点亮时间间隔等。
2.测定农产品时，将待测油菜籽置入样品室中，装满样品室，启动光源和检测器。光源发出的光照射到待测农产品表面，并在其内部形成漫反射，漫反射出来的光在积分球壁被检测器接收后转换成数字信号，并存入微处理器中，选取已经建立的模型对光谱信号进行计算，将计算得到的该农产品的某项品质指标值通过显示装置显示出来。
3.将测试后的样品取出，清扫样品室，做下一次测试准备。
本发明的有益效果是：本发明为农产品(油菜籽)收购现场的品质评定和合理定价提供了技术保障，与目前的理化分析方法及人工方法对农产品品质评定和定价方法相比，客观性、重复性更强。本发明完成一次检测耗时不超过1分钟，在初级农产品的现场品质检测中能方便的应用。
本发明将基于近红外的光学检测手段应用于农产品品质的无损检测过程中，具有检测精度高、结果一致性好和自动化程度强等优点，既为初级农产品的收购过程提供了监测依据，又进一步为以品质为依据的农产品标准化分级创造了条件。
附图说明
图1：本发明的技术方案示意图；
图2：本发明近红外光谱技术的油菜籽品质快速无损检测装置结构示意图；
图中：1.球形外壳；2.样品室；3.入射光源(组)；4.检测器；5.控制面板与显示屏；6.USB通信接口；7.微处理器及外围电路；
图3：本发明中使用的积分球式光谱信号采集系统结构示意图。
具体实施方式
本发明对农产品品质的无损检测具有通用性，但由于农产品种类很多，因此本发明只举一个用于油菜籽水分检测的实施实例，其他农产品的检测可参照该实施实例的方法，具体针对所测的农产品品质的某项指标，建立一个新的模型，就可以对该类农产品进行测试了。
本发明油菜籽品质的近红外光谱快速检测与建模装置及农产品品质无损检测方法，结合附图和实施例说明如下：
如图1所示为本发明的技术方案实施示意图，给出了利用发明的检测装置进行建模和快速检测的实施过程。
先取不同水分和脂肪的油菜籽样品若干份(100份左右)，一部分作为校正集(50～80份)，另一部分作为预测集(20份左右)，其余部分作为待测样品，油菜籽含水量检测和含油量检测的理化方法分别严格按照国标油菜籽GB11762-89执行，测定所有样品的含水量和脂肪含量作为实测值；用基于近红外光谱分析技术的检测装置对油菜籽进行光谱扫描，把检测器4得到的光谱信号值保存在微处理器中。然后通过USB通信接口6将数据导入到上位机中，采用多元线性回归的方法筛选出特征信号，建立光谱信号值与油菜籽含水量和含油量之间的关联模型。将得到的模型参数通过USB通信接口6写入到光谱仪的微处理器7中。
接下来就可以对未知油菜籽进行快速测定。打开电源开关，通过控制面板与显示屏5选择光源模式为品质检测；用待测油菜籽将样品室2装满，加盖，开始检测；按照事先设定的程序，开始轮流点亮入射光源(组)3中被选中的光源组合，光源发出的光照射到待测油菜籽上，形成漫反射，漫反射出来的光被检测器4接收；检测器4将携带样品信息的近红外光信号转变为电信号，再通过A/D转变为数字信号输入微处理器7中；微处理器7接受此光谱信号值并把光谱信号值代入模型计算，在控制面板与显示屏5上即可显示该油菜籽的含水量值和含油量值，至此油菜籽品质测试结束。
上述近红外检测方法可以实现仪器的建模，模型建立后，实现品质指标的快速检测和显示。
如图2所示为本发明近红外光谱技术的油菜籽品质快速无损检测装置结构示意图；用于实现近红外光学检测仪的建模和农产品品质的快速检测。该系统包括积分球式光谱信号采集系统、控制面板与显示屏5、USB通信接口6和微处理器与外围电路7；其中控制面板与显示屏5位于积分球式光谱信号采集系统右侧上部，微处理器与外围电路7位于仪器外壳的底板上，通过仪器外壳右侧的USB通信接口6实现与外部的通信。
积分球式光谱信号采集系统采用图3所示结构的系统，其中控制面板与显示屏5作为仪器的操作界面，用来完成对仪器的各种操作；USB通信接口6用来实现微处理器7与上位机之间的数据通信，数据通信包括从微处理器上将光谱信息上传至上位机和从上位机上将建立好的样品检测模型下载到微处理器中；微处理器与外围电路7，通过外围电路为各个光源提供驱动电流，控制积分球上多个单光源的轮流点亮顺序和时间，同时将接收到的经过外部电路调理的漫反射光谱信号储存在存储区，存储并引用调入的模型参数，对光谱数据进行分析，计算出被检测农产品的品质指标值，通过USB接口完成与上位机之间的数据通信等。
如图3所示为本发明的积分球式光谱信号采集系统结构图，该系统包括球形外壳1、样品室2、入射光源(组)3和检测器4；其中积分球包括具有球形外壳1的中空积分球体，在过球形外壳1围成球形空间的球心的平面上，以上述球心为圆心，在球形外壳1上开有4个通孔，其中三个通孔作为入射光源(组)3的安装口，以10度为间隔均匀分布，另外一个通孔在与以上三个通孔的位置的中轴垂直的角度，用于安装检测器4。在过圆心，与这个大圆面垂直的方向上，还有一个通孔，用来安装样品室2，样品室插入到积分球内部。
本发明中优选三个光源组3和检测器4的通孔的开口面积均匀一致，当然，本发明通孔的形状和面积不局限于设置成一致的一种情形，可以根据需要作出适当修改；样品室2的开口直径要大于样品室2外径；积分球外壳1的内壁涂有对近红外光具有高反射率的金属涂层，以保证其光学属性；在球形外壳1的样品室2开口外侧装有固定装置，便于样品室2的放置和定位。
使用上述积分球的光学测量系统，可以实现三个入射光源，单个检测器的近红外光学测量。
按照图1所示的技术方案实施示意图，实现对发明的近红外光谱检测仪器的建模和对油菜籽品质的快速检测。
最后，还需要注意的是，以上列举的仅仅是本发明的一个实施例。显然，本发明不限于以上实施例，还可以有许多变形，本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。
Claims (3)
1.油菜籽品质的近红外光谱快速检测方法是，其特征在于按照下述步骤进行：先取不同水分和脂肪的油菜籽样品若干份，一部分作为校正集，另一部分作为预测集，其余部分作为待测样品，采用国标法测定所有样品的含水量和脂肪含量作为实测值；再用本发明近红外检测仪采集校正集样品、预测集样品以及待测样品的漫反射光谱信息，用校正集的光谱数据与其含水量和脂肪含量实测值间的关系建立校正模型；将预测集的光谱数据带入到校正模型中进行预测，获取预测集的样品含水量和脂肪含量的预测结果并分析与其实测值的差异，选取预测精度达到要求的校正模型；最后将模型参数导入到微处理器中，同时将待测样品的光谱信息调入选取的校正模型中，对待测样品含水量和脂肪含量进行计算，所获得的含水量和脂肪含量预测值即为待测样品含水量和脂肪含量的测定结果。
2.实现权利要求1所述的油菜籽品质快速检测方法的装置，该装置包括积分球式光谱信号采集系统、控制面板与显示屏(5)、USB通信接口(6)和微处理器与外围电路(7)，其中位于积分球式光谱信号采集系统右侧上部的控制面板与显示屏(5)作为仪器的操作界面；仪器外壳右侧的USB通信接口(6)用来实现微处理器(7)与上位机之间的数据通信，微处理器与外围电路(7)位于仪器外壳的底板上，通过外围电路为各个光源提供驱动电流，控制积分球上多个单色光源的轮流点亮顺序和时间，同时将接收到的经过外部电路调理的漫反射光谱信号储存在存储区，存储并引用调入的模型参数，对光谱数据进行分析，计算出被检测农产品的品质指标值，通过USB接口(6)完成与上位机之间的数据通信。
3.根据权利要求2所述的油菜籽品质快速检测方法的装置，其特征在于所述的积分球式光谱信号采集系统，该系统包括球形外壳(1)、样品室(2)、入射光源组(3)和检测器(4)；其中积分球包括具有球形外壳(1)的中空积分球体，在过球形外壳(1)围成球形空间的球心的平面上，以上述球心为圆心，在球形外壳(1)上开有4个通孔，其中三个通孔作为入射光源组(3)的安装口，以10度为间隔均匀分布，另外一个通孔在与以上三个通孔的位置的中轴垂直的角度，用于安装检测器(4)；在过圆心，并与这个大圆面垂直的方向上，还有一个通孔，用来安装样品室(2)，样品室(2)插入到积分球内部。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010209447 CN101907564B (zh) | 2010-06-24 | 2010-06-24 | 基于近红外光谱技术的油菜籽品质无损检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010209447 CN101907564B (zh) | 2010-06-24 | 2010-06-24 | 基于近红外光谱技术的油菜籽品质无损检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101907564A true CN101907564A (zh) | 2010-12-08 |
| CN101907564B CN101907564B (zh) | 2013-07-17 |
Family
ID=43263086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201010209447 Expired - Fee Related CN101907564B (zh) | 2010-06-24 | 2010-06-24 | 基于近红外光谱技术的油菜籽品质无损检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101907564B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102353643A (zh) * | 2011-06-22 | 2012-02-15 | 中国林业科学研究院林产化学工业研究所 | 一种近红外漫反射光谱(nirs)快速测定油茶籽含油率的方法 |
| CN102539378A (zh) * | 2012-01-16 | 2012-07-04 | 江苏大学 | 阵列式半导体激光器近红外光谱分析仪 |
| CN103425091A (zh) * | 2012-07-20 | 2013-12-04 | 华中农业大学 | 单粒油菜籽品质的近红外光谱在线无损检测方法与装置 |
| CN103837501A (zh) * | 2014-03-12 | 2014-06-04 | 江苏绿威环保科技有限公司 | 一种污泥含水率的分析方法 |
| CN104266986A (zh) * | 2014-10-27 | 2015-01-07 | 合肥卓越分析仪器有限责任公司 | 一种检测钢铁样品中硫含量的方法 |
| CN104297245A (zh) * | 2014-10-27 | 2015-01-21 | 合肥卓越分析仪器有限责任公司 | 一种硫含量检测设备 |
| CN104596985A (zh) * | 2015-01-21 | 2015-05-06 | 中国食品发酵工业研究院 | 快速鉴别沙棘籽油制取工艺的方法 |
| CN106706559A (zh) * | 2017-03-03 | 2017-05-24 | 上海事凡物联网科技有限公司 | 落叶含水率的测量方法、系统及服务器 |
| CN107179297A (zh) * | 2017-05-15 | 2017-09-19 | 崔哲 | 一种智能红木种类鉴定方法及其平台 |
| CN107860748A (zh) * | 2017-12-20 | 2018-03-30 | 中国海洋大学 | 近红外光谱网络化采集系统 |
| CN105699333B (zh) * | 2016-03-15 | 2018-08-21 | 中国科学技术大学 | 一种可见光漫射通信中环境表面反射率谱的测量方法 |
| CN109145685A (zh) * | 2017-06-19 | 2019-01-04 | 南京农业大学 | 基于集成学习的果蔬高光谱品质检测方法 |
| CN109668859A (zh) * | 2019-03-03 | 2019-04-23 | 西南大学 | 基于svm算法的花椒产地和品种的近红外光谱识别方法 |
| CN110763640A (zh) * | 2019-11-20 | 2020-02-07 | 大连民族大学 | 一种积分球式吸收光谱仪 |
| CN110785661A (zh) * | 2017-04-21 | 2020-02-11 | 英索特有限公司 | 用于检测含油果实、种子和坚果中的酸败的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5422483A (en) * | 1992-07-31 | 1995-06-06 | Shimadzu Corporation | Near infrared analyzer |
| JP2001194363A (ja) * | 2000-01-07 | 2001-07-19 | Ishii Ind Co Ltd | 農作物の含有成分測定装置 |
| JP2004101241A (ja) * | 2002-09-05 | 2004-04-02 | Yanmar Agricult Equip Co Ltd | 農産物非破壊品質判定装置 |
| CN101308086A (zh) * | 2008-06-24 | 2008-11-19 | 江苏大学 | 基于近红外光谱技术的水果内部品质在线检测方法及装置 |
| CN101382488A (zh) * | 2008-10-14 | 2009-03-11 | 江苏吟春碧芽茶叶研究所有限公司 | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 |
-
2010
- 2010-06-24 CN CN 201010209447 patent/CN101907564B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5422483A (en) * | 1992-07-31 | 1995-06-06 | Shimadzu Corporation | Near infrared analyzer |
| JP2001194363A (ja) * | 2000-01-07 | 2001-07-19 | Ishii Ind Co Ltd | 農作物の含有成分測定装置 |
| JP2004101241A (ja) * | 2002-09-05 | 2004-04-02 | Yanmar Agricult Equip Co Ltd | 農産物非破壊品質判定装置 |
| CN101308086A (zh) * | 2008-06-24 | 2008-11-19 | 江苏大学 | 基于近红外光谱技术的水果内部品质在线检测方法及装置 |
| CN101382488A (zh) * | 2008-10-14 | 2009-03-11 | 江苏吟春碧芽茶叶研究所有限公司 | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《光谱实验室》 20070930 熊智新等 利用多元散射校正提高油菜籽脂肪酸近红外分析精度 953-958 1-3 第24卷, 第5期 2 * |
| 《分析测试学报》 20070131 杨翠玲等 近红外(NIRS)技术分析小样品油菜籽芥酸和含油量的应用研究 29-33 1-3 第26卷, 第1期 2 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102353643A (zh) * | 2011-06-22 | 2012-02-15 | 中国林业科学研究院林产化学工业研究所 | 一种近红外漫反射光谱(nirs)快速测定油茶籽含油率的方法 |
| CN102539378A (zh) * | 2012-01-16 | 2012-07-04 | 江苏大学 | 阵列式半导体激光器近红外光谱分析仪 |
| CN103425091B (zh) * | 2012-07-20 | 2015-11-18 | 华中农业大学 | 单粒油菜籽品质的近红外光谱在线无损检测方法与装置 |
| CN103425091A (zh) * | 2012-07-20 | 2013-12-04 | 华中农业大学 | 单粒油菜籽品质的近红外光谱在线无损检测方法与装置 |
| CN103837501A (zh) * | 2014-03-12 | 2014-06-04 | 江苏绿威环保科技有限公司 | 一种污泥含水率的分析方法 |
| CN103837501B (zh) * | 2014-03-12 | 2016-05-25 | 江苏绿威环保科技有限公司 | 一种污泥含水率的分析方法 |
| CN104266986A (zh) * | 2014-10-27 | 2015-01-07 | 合肥卓越分析仪器有限责任公司 | 一种检测钢铁样品中硫含量的方法 |
| CN104297245A (zh) * | 2014-10-27 | 2015-01-21 | 合肥卓越分析仪器有限责任公司 | 一种硫含量检测设备 |
| CN104596985A (zh) * | 2015-01-21 | 2015-05-06 | 中国食品发酵工业研究院 | 快速鉴别沙棘籽油制取工艺的方法 |
| CN105699333B (zh) * | 2016-03-15 | 2018-08-21 | 中国科学技术大学 | 一种可见光漫射通信中环境表面反射率谱的测量方法 |
| CN106706559A (zh) * | 2017-03-03 | 2017-05-24 | 上海事凡物联网科技有限公司 | 落叶含水率的测量方法、系统及服务器 |
| CN106706559B (zh) * | 2017-03-03 | 2019-06-18 | 上海事凡物联网科技有限公司 | 落叶含水率的测量方法、系统及服务器 |
| CN110785661A (zh) * | 2017-04-21 | 2020-02-11 | 英索特有限公司 | 用于检测含油果实、种子和坚果中的酸败的方法 |
| CN107179297A (zh) * | 2017-05-15 | 2017-09-19 | 崔哲 | 一种智能红木种类鉴定方法及其平台 |
| CN109145685A (zh) * | 2017-06-19 | 2019-01-04 | 南京农业大学 | 基于集成学习的果蔬高光谱品质检测方法 |
| CN109145685B (zh) * | 2017-06-19 | 2021-11-12 | 南京农业大学 | 基于集成学习的果蔬高光谱品质检测方法 |
| CN107860748A (zh) * | 2017-12-20 | 2018-03-30 | 中国海洋大学 | 近红外光谱网络化采集系统 |
| CN109668859A (zh) * | 2019-03-03 | 2019-04-23 | 西南大学 | 基于svm算法的花椒产地和品种的近红外光谱识别方法 |
| CN110763640A (zh) * | 2019-11-20 | 2020-02-07 | 大连民族大学 | 一种积分球式吸收光谱仪 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101907564B (zh) | 2013-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101907564B (zh) | 基于近红外光谱技术的油菜籽品质无损检测方法和装置 | |
| CN101308086B (zh) | 基于近红外光谱技术的水果内部品质在线检测装置 | |
| CN102435580B (zh) | 近红外牛奶成分快速测量装置与方法 | |
| CN100590417C (zh) | 一种植物叶片生理指标无损检测方法 | |
| CN104897607B (zh) | 便携式近红外光谱食品建模与快速检测一体化方法和系统 | |
| CN106092959B (zh) | 一种基于云平台的近红外食品质量监测系统 | |
| CN106841103A (zh) | 近红外光谱检测水果内部品质方法及专用检测系统 | |
| CN103983606B (zh) | 便携式近红外食用油品质快速检测仪 | |
| CN102235972B (zh) | 一种光谱测色方法 | |
| CN109669023A (zh) | 一种基于多传感器融合的土壤属性预测方法 | |
| CN101216418A (zh) | 瓶装黄酒品质指标在线检测的方法和装置 | |
| CN113030011A (zh) | 水果糖度快速无损检测方法及检测系统 | |
| CN103487397B (zh) | 一种雷竹笋硬度快速检测方法及装置 | |
| CN201724900U (zh) | 基于近红外光谱技术的油菜籽品质无损检测装置 | |
| CN105527246A (zh) | 一种便携式近红外光谱检测系统 | |
| CN108387550A (zh) | 基于mems的便携式近红外光谱检测方法、装置和系统 | |
| CN109085136A (zh) | 近红外漫反射光谱测定水泥生料氧化物成分含量的方法 | |
| CN102507491B (zh) | 一种水飞蓟籽品质的检测装置和检测方法 | |
| CN101349638A (zh) | 果蔬维生素c含量的光谱快速无损检测方法 | |
| CN104297201A (zh) | 一种快速、准确定量调和油中各种油份比例的检测方法 | |
| CN202372440U (zh) | 近红外牛奶成分快速测量装置 | |
| CN110231306A (zh) | 一种无损、快速测定奇亚籽蛋白质含量的方法 | |
| CN108169168A (zh) | 检测分析水稻籽粒蛋白质含量数学模型及构建方法和应用 | |
| CN205506679U (zh) | 一种便携式近红外光谱检测系统 | |
| CN107132197B (zh) | 一种食醋总酸含量的检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130717 Termination date: 20140624 |
|
| EXPY | Termination of patent right or utility model |