CN103592258B - 一种茶叶中茶多酚含量的检测方法 - Google Patents
一种茶叶中茶多酚含量的检测方法 Download PDFInfo
- Publication number
- CN103592258B CN103592258B CN201310526683.XA CN201310526683A CN103592258B CN 103592258 B CN103592258 B CN 103592258B CN 201310526683 A CN201310526683 A CN 201310526683A CN 103592258 B CN103592258 B CN 103592258B
- Authority
- CN
- China
- Prior art keywords
- reflectivity
- tea
- gray
- single band
- diffuse reflection
- 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.)
- Active
Links
- 150000008442 polyphenolic compounds Chemical class 0.000 title claims abstract description 80
- 235000013824 polyphenols Nutrition 0.000 title claims abstract description 80
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 241001122767 Theaceae Species 0.000 title abstract 11
- 238000002310 reflectometry Methods 0.000 claims abstract description 59
- 238000001228 spectrum Methods 0.000 claims abstract description 37
- 238000002329 infrared spectrum Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 description 17
- 230000000052 comparative effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010561 standard procedure Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 244000269722 Thea sinensis Species 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种茶叶中茶多酚含量的检测方法，包括以下步骤：（1）采集待测茶叶叶片在十四个特征波长处的单波段光谱图像；所述十四个特征波长分别为884nm，905nm，915nm，945nm，1019nm，1066nm，1382nm，1649nm，1676nm，1683nm，1697nm，1700nm，1717nm，1720nm；（2）依据单波段光谱图像的灰度值与反射率的线性关系，将步骤（1）中的单波段光谱图像转化为反射率图像；（3）依据公式计算得到茶叶叶片的反射率图像中每个像素点的茶多酚含量。本发明能够同时对空间上任意分布茶叶的茶多酚含量进行快速检测，获取茶叶茶多酚含量的空间分布信息。
Description
技术领域
本发明涉及茶叶加工检测领域，具体涉及一种茶叶中茶多酚含量的检测方法。
背景技术
茶叶加工过程中，茶多酚含量是影响茶叶加工品质的关键因素，实时快速的检测流水线上茶叶的茶多酚含量及其分布是提高茶叶加工品质的关键。
茶叶茶多酚含量检测的国标法需要使用多种化学试剂，提取、氧化、标定，操作过程至少1小时以上，而且所测样本已经完全被磨碎失去食用价值。
随着光谱技术的日益成熟，利用光谱进行成分检测的方法越来越普遍，现有技术中已经出现了用于利用光谱进行茶叶中茶多酚检测的方法，例如，公开号为CN101059426A的发明公开了一种基于近红外光谱技术无损测量茶叶中茶多酚含量的方法，首先建立校正模型，收集茶叶样本作为校正样本集，并扫描得到校正样本集的可见光和近红外光谱(325-2500NM)，对得到的光谱数据进行光谱预处理；然后采用国标规定的方法测量校正样本的茶多酚含量；采用多元校正回归算法建立校正样本的近红外光谱与茶多酚含量之间的定量关系，即建立了校正模型。对于待检测的茶叶，扫描它们的近红外光谱图，并把经过相应光谱预处理的光谱数据输入到校正模型，经过校正模型的测定即得到了该茶叶的茶多酚含量。
该方法利用计算机实现数据的采集、存储、显示和处理功能，能够快速检测茶叶叶片的茶多酚含量，但是对于茶多酚含量的分布没有办法检测，获得的茶多酚含量信息有限。
发明内容
本发明提供了一种茶叶中茶多酚含量的检测方法，能够同时对空间上任意分布茶叶的茶多酚含量进行快速检测，获取茶叶茶多酚含量的空间分布信息。
一种茶叶中茶多酚含量的检测方法，包括以下步骤：
（1）采集待测茶叶叶片在十四个特征波长处的单波段光谱图像；所述十四个特征波长分别为884nm，905nm，915nm，945nm，1019nm，1066nm，1382nm，1649nm，1676nm，1683nm，1697nm，1700nm，1717nm，1720nm；
（2）依据单波段光谱图像的灰度值与反射率的线性关系，将步骤（1）中的单波段光谱图像转化为反射率图像；
（3）依据下式计算得到茶叶叶片的反射率图像中每个像素点的茶多酚含量；
Y茶多酚含量＝4.004+0.01549λ884-0.04241λ905-0.002961λ915+0.02177λ945+0.05390λ1019-0.04165λ1066+0.02199λ1382-0.04560λ1649-0.07836λ1676+0.09637λ1683-0.02560λ1697+0.02705λ1700+0.01990λ1717-0.02124λ1720
式中：λa代表a nm特征波长处的反射率图像中，某一像素点的反射率；
Y茶多酚含量代表相应像素点处的茶多酚含量。
作为优选，所述步骤（2）中单波段光谱图像的灰度值与反射率的线性关系的获取步骤如下：
2-1、采集至少三块漫反射标准板在十四个特征波长处的基准单波段光谱图像，求取每幅基准单波段图像的灰度值，在可见近红外光谱范围内，所采用的漫反射标准板具有各自恒定的反射率；不同的漫反射标准板具有不同的反射率；
2-2、针对每个特征波长，将相应基准单波段图像的灰度值与反射率进行线性拟合，得到灰度值与反射率的线性关系。
作为优选，所述漫反射标准板为三～六块。
在每一个特征波长处，每块漫反射标准板各自对应一幅单波段图像，每幅单波段图像对应一个灰度值，以漫反射标准板的灰度值为自变量，以反射率为因变量，线性拟合得到灰度值与反射率的关系。
漫反射标准板的数目越多，线性拟合得到的灰度值与反射率的关系越准确，相应耗时也较长，优选地，所述漫反射标准板为三块，分别为99%漫反射标准板、75%漫反射标准板和2%漫反射标准板。
99%漫反射标准板是指：在整个可见近红外光谱范围内，漫反射标准板的反射率为99%。
75%漫反射标准板是指：在整个可见近红外光谱范围内，漫反射标准板的反射率为75%。
2%漫反射标准板是指：在整个可见近红外光谱范围内，漫反射标准板的反射率为2%。
采用99%漫反射标准板、75%漫反射标准板以及2%漫反射标准板，最大程度涵盖了反射率的范围，使得到的灰度值与反射率的线性关系更加准确。
采用不同的漫反射标准板获取不同特征波长处的灰度值与反射率的线性关系分别为：
Y884＝-140.0781+2.1850x884
Y905＝-98.3355+1.5140x905
Y915＝-84.9478+1.2915x915
Y945＝-13.4568+0.1958x945
Y1019＝-6.7178+0.0918x1019
Y1066＝-5.1557+0.0682x1066
Y1382＝-4.8008+0.0464x1382
Y1649＝-7.5836+0.0804x1649
Y1676＝-28.5770+0.3714x1676
Y1683＝-38.2493+0.5030x1683
Y1697＝-64.4862+0.8836x1697
Y1700＝-74.9443+1.0215x1700
Y1717＝-150.5751+2.0665x1717
Y1720＝-165.0176+2.2890x1720
式中：xb为b nm特征波长处的灰度值；
Yb为b nm特征波长处的反射率。
与现有技术相比，本发明具有以下有益的技术效果：
（1）简单，本发明方法通过获取茶叶在十四个波段处的光谱图像来实现茶叶茶多酚的定量和定位分析，该检测无需与样本直接接触，是完全的无损测量，而且操作过程和计算方法简单。
（2）快速，本发明提出的方法基于十四个波段处的光谱图像，图像采集过程快速，一个样本的光谱图像采集时间小于10秒，相比于传统茶多酚检测方法的1小时检测时间，检测速度大大加快。
（3）高效，本发明提出的方法可以同时实现茶叶茶多酚的定量和定位检测，尤其适用于茶叶在线加工过程中，空间分布各异的茶叶茶多酚含量的同时检测。
附图说明
图1为本发明中实施例1中测量的不同特征波长处的茶叶的单波段光谱图像；
图2为三块漫反射标准板的反射率与波长的关系图；
图3为三块漫反射标准板在不同特征波长处的单波段光谱图像；
图4为三块漫反射标准板在不同特征波长处的灰度值；
图5为波长1019nm处的反射率与灰度值的线性关系；
图6为波长1700nm处的反射率与灰度值的线性关系；
图7为茶叶叶片的单波段光谱图像中一个像素点的反射率与波长的关系以及建立过程示意图；
图8为茶叶叶片的茶多酚含量的分布图；
图9为实施例1中测量的120个茶叶叶片的预测茶多酚含量与真实茶多酚含量的关系图；
图10为对比例1中测量的120个茶叶叶片的预测茶多酚含量与真实茶多酚含量的关系图；
图11为对比例2中测量的120个茶叶叶片的预测茶多酚含量与真实茶多酚含量的关系图。
具体实施方式
实施例1
首先收集120个茶叶叶片，茶叶叶片的品种包括紫笋、云旗、平云等14个品种茶叶，先采用高光谱图像成像***(ImSpector V10E，SpectralImaging Ltd.，Oulu，Finland)分别扫描每个茶叶叶片在十四个特征波长处的单波段光谱图像；十四个特征波长分别为884nm，905nm，915nm，945nm，1019nm，1066nm，1382nm，1649nm，1676nm，1683nm，1697nm，1700nm，1717nm，1720nm；每个波长处对应一幅单波段光谱图像，如图1所示（图中仅示意了4个茶叶叶片），然后采用国标测量这120个茶叶叶片的茶多酚含量，茶叶叶片的茶多酚含量的统计结果如表1所示。
表1
依据单波段光谱图像的灰度值与反射率的线性关系，将每个茶叶叶片在十四个特征波长处的单波段光谱图像转化为反射率图像。
单波段光谱图像的灰度值与反射率的线性关系的获取步骤如下：
2-1、采集三块漫反射标准板在十四个特征波长处的基准单波段光谱图像，求取每幅基准单波段图像的灰度值，在整个可见近红外光谱范围内，所采用的漫反射标准板分别对应的反射率为99%、75%、和2%。
如图2所示，三块漫反射标准板在整个可见近红外光谱范围内的反射率曲线，由图2中可以看出，三块漫反射标准板在整个可见近红外光谱范围内的漫反射是各自恒定的，对于每一块漫反射标准板来说，在所有波长处的反射率均相同。
如图3所示，在每个特征波长处，采集具有不同反射率的漫反射标准板的基准单波段光谱图像，图3中，R99对应反射率为99%的漫反射标准板；R75对应反射率为75%的漫反射标准板；R02对应反射率为2%的漫反射标准板。
每一幅基准单波段光谱图像对应一个灰度值，如图4所示，每一个特征波长处的三个灰度值从左至右依次对应反射率为99%、75%、和2%的漫反射标准板的基准单波段光谱图像。
2-2、针对每个特征波长，将相应基准单波段图像的灰度值与反射率进行线性拟合，得到灰度值与反射率的线性关系。
针对每个特征波长来说，都有对应的三组灰度值和反射率值，对这三组灰度值和反射率值进行线性拟合，得到灰度值和反射率值的线性关系。
例如，波长为1019nm处的灰度值和反射率的线性关系如图5所示，波长为1700nm处的灰度值和反射率的线性关系如图6所示，图5、图6中，R99对应反射率为99%的漫反射标准板；R75对应反射率为75%的漫反射标准板；R2对应反射率为2%的漫反射标准板。
建立起的不同特征波长处的灰度值与反射率的线性关系分别为：
Y884＝-140.0781+2.1850x884
Y905＝-98.3355+1.5140x905
Y915＝-84.9478+1.2915x915
Y945＝-13.4568+0.1958x945
Y1019＝-6.7178+0.0918x1019
Y1066＝-5.1557+0.0682x1066
Y1382＝-4.8008+0.0464x1382
Y1649＝-7.5836+0.0804x1649
Y1676＝-28.5770+0.3714x1676
Y1683＝-38.2493+0.5030x1683
Y1697＝-64.4862+0.8836x1697
Y1700＝-74.9443+1.0215x1700
Y1717＝-150.5751+2.0665x1717
Y1720＝-165.0176+2.2890x1720
式中：xb为b nm特征波长处的灰度值；
Yb为b nm特征波长处的反射率。
基于十四个特征波长处的灰度值与反射率的关系，可以把待测茶叶叶片的单波段光谱图像（单波段光谱图像中的每个像素点分别对应茶叶叶片上的一个位点，每个像素点具有不同的灰度值）转换为反射率图像，反射率图像中的每个像素点对应不同的反射率。
利用国标对每一个茶叶叶片进行茶多酚含量检测，得到的茶多酚含量为整个茶叶叶片的平均茶多酚含量，基于每个茶叶叶片的反射率图像，经过平均后得到每个茶叶叶片的平均反射率，利用平均茶多酚含量和平均反射率拟合得到平均茶多酚含量与平均反射率的关系如下式（I）所示，
Y'＝4.004+0.01549λ'884-0.04241λ'905-0.002961λ'915+0.02177λ'945+0.05390λ'1019-0.04165λ'1066+0.02199λ'1382-0.04560λ'1649-0.07836λ'1676+ （I）0.09637λ'1683-0.02560λ'1697+0.02705λ'1700+0.01990λ'1717-0.02124λ'1720
式（I）中：λ'a代表a nm特征波长处的反射率图像的平均反射率；
Y'代表相应平均反射率处的平均茶多酚含量。
利用平均反射率和平均茶多酚含量拟合得到的式（I）表达了平均反射率与平均茶多酚含量的关系，拟合过程如图7所示，式（I）也反应了每一像素点处反射率与茶多酚含量的关系，依据式（I）得到式（II）如下：Y茶多酚含量＝4.004+0.01549λ884-0.04241λ905-0.002961λ915+0.02177λ945+0.05390λ1019-0.04165λ1066+0.02199λ1382-0.04560λ1649-0.07836λ1676+ （II）0.09637λ1683-0.02560λ1697+0.02705λ1700+0.01990λ1717-0.02124λ1720
式（II）中：λa代表a nm特征波长处的反射率图像中，某一像素点的反射率；
Y茶多酚含量代表相应像素点处的茶多酚含量。
将反射率图像中的每个像素点所对应的反射率代入式（II）中进行茶多酚含量的计算，得到待测茶叶叶片图像中的每个像素点处的茶多酚含量，进而据此绘制茶叶叶片的茶多酚含量分布图，得到茶叶叶片各点处的茶多酚含量分布信息，如图8所示。
利用本发明方法对120个茶叶叶片检测得到的样本预测的茶多酚含量（该茶多酚含量为每个茶叶叶片的平均茶多酚含量，将平均反射率代入式（I）中求得）与利用国标方法检测的样本实际茶多酚含量的分布如下图9所示，决定系数为0.925，均方根误差为1.1299，由图9中可以看出，本专利提出的检测方法的预测结果与国标检测方法的测量值呈高度相关性。
对比例1
选取十四个特征波长，分别为883nm，904nm，914nm，944nm，1018nm，1065m，1381nm，1648nm，1675nm，1682nm，1696nm，1699nm，1716nm和1719nm，并基于这十四个特征波长以相同方式建立茶多酚含量与反射率的关系如式（III）所示：
Y茶多酚含量＝0.353-0.000892λ883-0.0229λ904-0.02273λ914+0.009645λ944+0.07λ1018-0.04572λ1065+0.05977λ1381-0.07613λ1648-0.006481λ1675- （III）0.04603λ1682+0.109λ1696-0.03927λ1699-0.02315λ1716+0.03502λ1719
式（III）中：λa代表a nm特征波长处的反射率图像中，某一像素点的反射率；
Y茶多酚含量代表相应像素点处的茶多酚含量。
在十四个特征波长（883nm，904nm，914nm，944nm，1018nm，1065m，1381nm，1648nm，1675nm，1682nm，1696nm，1699nm，1716nm和1719nm）处获取茶叶叶片的单波段光谱图像，并基于式（III）计算得到茶叶的平均茶多酚含量，与利用国标方法检测的样本实际茶多酚含量的分布如下图10所示，决定系数为0.846。
对比例2
选取十四个特征波长，分别为886nm，907nm，917nm，947nm，1021nm，1068m，1384nm，1651nm，1678nm，1685nm，1699nm，1702nm，1719nm和1722nm，并基于这十四个特征波长以相同方式建立茶多酚含量与反射率的关系如式（IV）所示：
Y茶多酚含量＝13.320-0.01582λ886-0.005859λ907-0.04407λ917+0.155λ947-0.08346λ1021-0.01333λ1068+0.02719λ1384-0.08262λ1651+0.03426λ1678 （IV）+0.01414λ1685-0.02472λ1699+0.01572λ1702-0.01421λ1719+0.0317λ1722
式（IV）中：λa代表a nm特征波长处的反射率图像中，某一像素点的反射率；
Y茶多酚含量代表相应像素点处的茶多酚含量。
在十四个特征波长（886nm，907nm，917nm，947nm，1021nm，1068m，1384nm，1651nm，1678nm，1685nm，1699nm，1702nm，1719nm和1722nm）处获取茶叶叶片的单波段光谱图像，并基于式（IV）计算得到茶叶的平均茶多酚含量，与利用国标方法检测的样本实际茶多酚含量的分布如下图11所示，决定系数为0.866。
由实施例1和对比例1、2的结果来看，选取特征波长对于检测茶多酚含量是否准确有重要影响，本发明通过选取合适的特征波长，得到了决定系数很高的检测结果，用于快速进行茶叶茶多酚含量的定量以及定位检测。
Claims (3)
1.一种茶叶中茶多酚含量的检测方法，其特征在于，包括以下步骤：
(1)采集待测茶叶叶片在十四个特征波长处的单波段光谱图像；所述十四个特征波长分别为884nm，905nm，915nm，945nm，1019nm，1066nm，1382nm，1649nm，1676nm，1683nm，1697nm，1700nm，1717nm，1720nm；
(2)依据单波段光谱图像的灰度值与反射率的线性关系，将步骤(1)中的单波段光谱图像转化为反射率图像；
单波段光谱图像的灰度值与反射率的线性关系的获取步骤如下：
2-1、采集至少三块漫反射标准板在十四个特征波长处的基准单波段光谱图像，求取每幅基准单波段图像的灰度值，在可见近红外光谱范围内，所采用的漫反射标准板具有各自恒定的反射率；
2-2、针对每个特征波长，将相应基准单波段图像的灰度值与反射率进行线性拟合，得到灰度值与反射率的线性关系；
不同特征波长处的灰度值与反射率的线性关系分别为：
Y884＝-140.0781+2.1850x884
Y905＝-98.3355+1.5140x905
Y915＝-84.9478+1.2915x915
Y945＝-13.4568+0.1958x945
Y1019＝-6.7178+0.0918x1019
Y1066＝-5.1557+0.0682x1066
Y1382＝-4.8008+0.0464x1382
Y1649＝-7.5836+0.0804x1649
Y1676＝-28.5770+0.3714x1676
Y1683＝-38.2493+0.5030x1683
Y1697＝-64.4862+0.8836x1697
Y1700＝-74.9443+1.0215x1700
Y1717＝-150.5751+2.0665x1717
Y1720＝-165.0176+2.2890x1720
式中：xb为b nm特征波长处的灰度值；
Yb为b nm特征波长处的反射率；
(3)依据下式计算得到茶叶叶片的反射率图像中每个像素点的茶多酚含量；
Y茶多酚含量＝4.004+0.01549λ884-0.04241λ905-0.002961λ915+0.02177λ945+0.05390λ1019-0.04165λ1066+0.02199λ1382-0.04560λ1649-0.07836λ1676+0.09637λ1683-0.02560λ1697+0.02705λ1700+0.01990λ1717-0.02124λ1720
式中：λa代表a nm特征波长处的反射率图像中，某一像素点的反射率；
Y茶多酚含量代表相应像素点处的茶多酚含量。
2.如权利要求1所述的茶叶中茶多酚含量的检测方法，其特征在于，所述漫反射标准板为三～六块。
3.如权利要求2所述的茶叶中茶多酚含量的检测方法，其特征在于，所述漫反射标准板为三块，分别为99％漫反射标准板、75％漫反射标准板和2％漫反射标准板。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310526683.XA CN103592258B (zh) | 2013-10-30 | 2013-10-30 | 一种茶叶中茶多酚含量的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310526683.XA CN103592258B (zh) | 2013-10-30 | 2013-10-30 | 一种茶叶中茶多酚含量的检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103592258A CN103592258A (zh) | 2014-02-19 |
| CN103592258B true CN103592258B (zh) | 2015-07-15 |
Family
ID=50082484
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310526683.XA Active CN103592258B (zh) | 2013-10-30 | 2013-10-30 | 一种茶叶中茶多酚含量的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103592258B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104931452A (zh) * | 2015-06-10 | 2015-09-23 | 柳州市侗天湖农业生态旅游投资有限责任公司 | 红外光谱检查茶叶*** |
| CN105158192B (zh) * | 2015-08-31 | 2018-06-01 | 浙江大学 | 一种毛竹中木质素含量的检测***及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000304694A (ja) * | 1999-04-22 | 2000-11-02 | Kawasaki Kiko Co Ltd | 茶葉の格付け方法及びその装置 |
| CN101424636A (zh) * | 2008-12-04 | 2009-05-06 | 中国计量学院 | 一种快速无损检测绿茶成分含量的装置及方法 |
| GB2454517B (en) * | 2007-11-09 | 2010-10-06 | Scottish & Newcastle Plc | Ice fraction sensor |
| CN102435568A (zh) * | 2011-11-23 | 2012-05-02 | 浙江大学 | 基于11个特征波长快速无损检测茶叶干物质含量的方法 |
-
2013
- 2013-10-30 CN CN201310526683.XA patent/CN103592258B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000304694A (ja) * | 1999-04-22 | 2000-11-02 | Kawasaki Kiko Co Ltd | 茶葉の格付け方法及びその装置 |
| GB2454517B (en) * | 2007-11-09 | 2010-10-06 | Scottish & Newcastle Plc | Ice fraction sensor |
| CN101424636A (zh) * | 2008-12-04 | 2009-05-06 | 中国计量学院 | 一种快速无损检测绿茶成分含量的装置及方法 |
| CN102435568A (zh) * | 2011-11-23 | 2012-05-02 | 浙江大学 | 基于11个特征波长快速无损检测茶叶干物质含量的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 《原子吸收光谱法测定有机成份的尝试》;吴小庆;《贵州化工》;20071231;43-44 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103592258A (zh) | 2014-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103674838B (zh) | 一种基于高光谱成像技术的鱼脂肪含量分布检测方法 | |
| CN103630499B (zh) | 一种基于高光谱成像技术的鱼蛋白质含量分布检测方法 | |
| Qin et al. | Hyperspectral and multispectral imaging for evaluating food safety and quality | |
| Afshari-Jouybari et al. | Evaluation of Photoshop software potential for food colorimetry | |
| CN103674864B (zh) | 一种基于高光谱成像技术的鱼水分含量分布检测方法 | |
| CN101620180B (zh) | 近红外技术快速检测茶叶品质的方法 | |
| CN101275912B (zh) | 一种液体食品褐变检测方法 | |
| CN108956545B (zh) | 一种水果内部品质无损检测模型建立方法及*** | |
| CN102323267A (zh) | 一种快速评价生鲜肉品新鲜度的***及方法 | |
| Peng et al. | Monitoring of alcohol strength and titratable acidity of apple wine during fermentation using near-infrared spectroscopy | |
| CN101696935A (zh) | 基于高光谱空间散射曲线的苹果硬度无损检测方法 | |
| CN101504363A (zh) | 一种基于近红外光谱分析的食用油脂酸价检测方法 | |
| CN105548070B (zh) | 一种苹果可溶性固形物近红外检测部位补偿方法及*** | |
| Xing et al. | Bruise detection on Jonagold apples by visible and near-infrared spectroscopy | |
| CN103472031A (zh) | 一种基于高光谱成像技术的脐橙糖度检测方法 | |
| CN107219184A (zh) | 一种应用于产地溯源的肉类鉴别方法及装置 | |
| CN102313712A (zh) | 一种纤维类物料不同分光方式近红外光谱差异的校正方法 | |
| CN105181606A (zh) | 基于高光谱成像技术检测花生中蔗糖含量分布的方法 | |
| CN101021488A (zh) | 稻谷损伤的检测方法和装置 | |
| CN103592258B (zh) | 一种茶叶中茶多酚含量的检测方法 | |
| CN104596976A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶蛋白质的方法 | |
| CN106092961A (zh) | 一种快速检测农产品中化学成分的方法 | |
| CN106442396A (zh) | 基于近红外技术的甘蔗渣蔗糖含量快检方法 | |
| CN108627498A (zh) | 一种多光谱数据融合的面粉掺杂定量检测方法 | |
| Cui et al. | Hyperspectral reflectance imaging for water content and firmness prediction of potatoes by optimum wavelengths |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |