CN103822897A - 一种基于红外光谱的白酒鉴定及溯源方法 - Google Patents
一种基于红外光谱的白酒鉴定及溯源方法 Download PDFInfo
- Publication number
- CN103822897A CN103822897A CN201410082742.3A CN201410082742A CN103822897A CN 103822897 A CN103822897 A CN 103822897A CN 201410082742 A CN201410082742 A CN 201410082742A CN 103822897 A CN103822897 A CN 103822897A
- Authority
- CN
- China
- Prior art keywords
- wine
- infrared spectrum
- true
- source
- white wine
- 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
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于红外光谱的白酒鉴定及溯源方法。该方法的具体步骤为:利用红外光谱仪采集真酒样本和公安机关查获的假酒样本的红外光谱,分别建立真酒红外光谱库和假酒红外光谱库;利用最小二乘支持向量机分别对前述建立的真酒红外光谱库建立分层次的真酒分类鉴定模型,对前述建立的假酒红外光谱库建立假酒窝点溯源模型;采集待测白酒的红外光谱,利用前述建立的真酒分类鉴定模型和假酒窝点溯源模型对待测白酒的红外光谱进行分类鉴别,通过对结果进行综合分析,实现待测白酒的真伪鉴定及溯源。本发明的优点是:鉴定速度快,鉴定真伪准确性高;将真酒库与假酒库建立的分类鉴别模型结合起来,分析结果更细致。
Description
技术领域
本发明涉及白酒鉴定领域,具体地说是一种利用红外光谱对白酒进行真伪鉴定及溯源的方法。
背景技术
白酒是我国独有的传统产品,品种繁多,历史悠久。近些年来,白酒的产量尤其是名优白酒的产量越来越大。在利益的驱使下,一些不法分子将口感相近、但价格相对较低的中低档酒冒充高档酒,灌入高档酒的包装中,有的甚至将自己酿的劣质酒灌入高档酒的包装中来牟取暴利。如何对白酒的真伪进行鉴定,对假酒的造假手段进行确认以及对造假窝点的溯源是公安机关打击制造贩卖假酒的不法行为的重要步骤之一。
目前对白酒进行综合分析的方法主要有两类:一是色谱分析法;二是光谱法。
色谱分析法能检测出白酒中的主要成分以及含量百分比,通过这些化学成分及其含量百分比来分析白酒的品质。这种方法存在着如下缺点:1、白酒中存在大量的水,水的存在会损坏仪器,测试前需要对样本做复杂的预处理。2、白酒中的化学成分非常复杂,通常水和乙醇占98%,剩余2%的物质决定了白酒的品质;决定白酒品质的关键物质含量非常少,测试时由于误差的原因,根本无法测定决定白酒品质的所有物质含量。3、利用色谱测量白酒中物质的含量,是利用物质的归一化面积大小,作为物质的含量,这种计算方法本身就有很大的误差,无法进行后续分析。4、测试时间长,通常测试一个样本要40分钟左右,因此不利于生产在线检测。
光谱法具有快速、整体和无损鉴定复杂混合物体系等优点,已被广泛应用于白酒检测。光谱法中的红外光谱特征性强、提供的信息量大、不受样品物态的限制等优点在有机化学中有着广泛的应用。目前利用红外光谱对白酒进行分析的方法主要有两类方法:一种是直接采集白酒的红外光谱进行分析。还有一种方法是通过物理分离方法去除白酒中的水和乙醇,然后再对剩余的残留物质进行红外光谱的采集和分析,这种方法可以有效地消除水和乙醇的影响,提高红外光谱对白酒中微量成分的分析精度,但缺点是实验条件苛刻,耗时长,复杂的分离操作也容易引起误差,并且也损失了白酒中的乙醇浓度信息。而不管是哪种模式,现有分析方法都只局限于白酒的某一特性(如白酒的香型、白酒某一成分浓度等)上,本发明创新地将白酒的多种属性有层次地结合起来分析,实现了对白酒的真假鉴定和溯源。
支持向量机(Support Vector Machine,SVM)分类的基本思想是寻找两类样本的最优分类面:对于样本线性可分的情况,其目的是找到一个超平面将两类线性可分的样本完全分开,且使分类超平面具有更好的推广能力,所谓最优分类面就是不但能正确划分两类样本,而且使每一类数据与超平面距离最近的点与超平面之间的距离最大,即分类间隔最大;对于非线性分类问题,则首先采用非线性映射将原空间映射到高维空间,然后在高维空间中对样本进行线性分类,再映射回原空间就达到了对非线性可分样本分类的效果。
最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM),是基于传统SVM的一种改进算法,它使用最小二乘线性***代替原来的二次规划***作为损失函数,将原支持向量机中算法的二次寻优变为求解线性方程,与传统SVM相比,LS-SVM求解速度快,占用内存小,在许多领域中都得到了广泛的应用。
发明内容
本发明的目的是:提供一种检测速度快、结果可靠的基于红外光谱的白酒鉴定及溯源方法,为公安机关打击假冒伪劣提供线索。本发明提供如下技术方案:
一种基于红外光谱的白酒鉴定及溯源方法,具体包括如下步骤:(1)利用红外光谱仪采集真酒样本和公安机关查获的假酒样本的红外光谱,分别建立真酒红外光谱库和假酒红外光谱库;(2)利用最小二乘支持向量机分别对前述建立的真酒红外光谱库建立分层次的真酒分类鉴定模型,对前述建立的假酒红外光谱库建立假酒窝点溯源模型;(3)利用红外光谱仪采集待测白酒的红外光谱,利用前述建立的真酒分类鉴定模型和假酒窝点溯源模型对待测白酒的红外光谱进行分类鉴别,通过对结果进行综合分析,实现待测白酒的真伪鉴定及溯源。
优选地,所述利用红外光谱仪采集白酒的红外光谱的过程为:(1)测试无样本时的红外光谱:用重蒸馏水冲洗附件实验板上的锗化锌晶体,并用99.7%乙醇擦拭干净,实验板置于800瓦烘干灯下,彻底干燥并冷却后,将试验板放置到红外光谱仪测试室,点击测试软件的“collect sample”按钮,检测无样本时的红外光谱;(2)测试样本红外光谱:吸取少量样本,均匀涂抹在锗化锌晶体上,将试验板放置在红外光谱仪的指定位置,点击测试软件的“collect sample”按钮,进行检测,仪器自带的软件会将第一步测到的背景噪声自动减去。
优选地,所述步骤2中建立真酒分类鉴定模型的过程中,按照酒精度、香型、品牌信息建立分层次的真酒分类鉴定模型。
优选地,所述步骤3中对待测白酒的红外光谱进行分类鉴别的具体过程如下:(1)利用红外光谱仪对待测白酒采集K次,得到K条红外光谱,其中K≥10;(2)将前述采集到的K条光谱分别带入建立的真酒分类鉴定模型中,得到每条光谱的鉴定结果,所得到的鉴定结果为两种情况:a,鉴定结果为真酒库中的某种白酒;b,鉴定结果为未知类型;(3)对所有光谱的鉴定结果进行统计,将结果类型占总体数目75%以上的结果,作为待测白酒的鉴定结果;(4)当待测白酒的鉴定结果为未知类型时,再将前述采集到的K条光谱分别带入建立的假酒窝点溯源模型中,得到每条光谱的溯源结果;对所有光谱的溯源结果进行统计分析后,获知该待测白酒是否为假酒库中的某种造假白酒。
本发明相对于现有技术,有益效果如下:
1、鉴定速度快;
2、鉴定时对同一样本采集多个光谱(≥10)进行综合分析,提高了鉴定结果的鲁棒性;
3、鉴定真伪准确性高;
4、能有效检测多种造假手段制造的假酒,进行溯源,使假酒案件并案处理,节省监管、办案部门的人力物力。
附图说明
图1为本发明实施例中通过红外光谱对待测白酒进行鉴定及溯源的方法流程示意图;
图2为本发明实施例中真酒分类鉴定模型的分层次结构示意图;
图3为本发明实施例中为待测白酒分析鉴定的流程示意图;
图4为本发明实施例中待测白酒采用真酒分类鉴定模型进行鉴定的结果示意图;
图5为本发明实施例中待测白酒采用假酒窝点溯源模型进行鉴定的结果示意图。
具体实施方式
本发明的核心思想是:利用红外光谱仪采集市售真酒样本和公安机关查获的假酒样本的红外光谱,建立真酒红外光谱库(简称真酒库)和假酒红外光谱库(简称假酒库);利用最小二乘支持向量机对真酒库中的白酒光谱按酒精度、香型和品牌信息建立分层次的真酒分类鉴定模型,对假酒库中的白酒光谱按造假窝点信息建立假酒窝点溯源模型。对于待测白酒,首先利用红外光谱仪多次采集该酒的红外光谱(大于等于10次),得到多条待测光谱;然后利用建立好的真酒分类鉴定模型及假酒窝点溯源模型对这多条光谱进行鉴定,最后综合分析这些光谱的鉴定结果得到综合分析结果。通过综合分析结果鉴定样本是否是假酒。若是假酒,又是何种类型的假酒,来自哪个造假窝点,实现假酒窝点的溯源和假酒案件的串并案,为公安等监管部门提供线索。参见图1,该图为本发明中对白酒进行鉴定及溯源的方法流程示意图。
本发明对白酒进行鉴定及溯源的方法详细过程如下:
第一部分,光谱数据的采集和真假酒库的建立
(1)光谱数据的采集:
选用仪器:美国尼高力仪器公司Nexus670,附件Nexus smart APK。参数设置:波数:4000-650cm;分辨率:8cm-1;重复扫描次数16次。
采集红外光谱的具体过程为:测试分为两步,第一步需要测试无样本时的光谱数据,这是背景噪声。需要从样本数据中减去。第二步放置样本进行测量。测试无样本时的红外光谱:用重蒸馏水冲洗附件实验板上的锗化锌晶体,并用99.7%乙醇,擦拭干净,实验板置于800瓦烘干灯下。彻底干燥并冷却后,将试验板放置到红外光谱仪测试室,点击测试软件的“collect sample”按钮,检测无样本时的红外光谱。测试样本红外光谱:用一次性吸管吸取少量样本,均匀涂抹在锗化锌晶体上,将试验板放置在红外光谱仪的指定位置,点击测试软件的“collect sample”按钮,进行检测。仪器自带的软件会将第一步测到的背景噪声自动减去。一个样本检测完之后,保存数据。将试验板从仪器中取出,重复蒸馏水冲洗-无水乙醇擦拭-烘干-涂抹样本-测试这几个步骤。在不更改实验参数的条件下,背景噪声的测量只需要在试验开始时检测一次即可。
(2)真假酒库的建立:利用(1)中的光谱采集方法分别采集真酒和假酒的红外光谱,建立真酒红外光谱库和假酒红外光谱库,要求每种类型的真酒或假酒至少采集30条光谱。
第二部分,真酒分类鉴定模型和假酒窝点溯源模型的建立
(1)真酒分类鉴定模型的建立:本发明提出一种层次化的真酒分类鉴定模型,首先对真酒库中的白酒按酒精度建立分类模型,然后对每种酒精度按香型进行分类,接着对同一酒精度和香型中的白酒按品牌分类,最后再分别对同一品牌内进行分类。参见图2,该图为真酒分类鉴定模型的分层次结构示意图。
对每一层最小二乘支持向量机分类模型建立的具体做法为:以酒精度分类模型为例,假设真酒库中共有n条白酒红外光谱,有m种不同的酒精度类型,则这n条光谱的酒精度标签可以表示为向量Fni=[f1i … fni],i=1,…,m;那么可以通过求解以下优化模型获得分类器:
(2)假酒分类鉴定模型的建立:针对假酒库中假酒的窝点信息利用最小二乘支持向量机,对假酒库中来自各个不同窝点的假酒直接建立假酒窝点溯源模型。
第三部分,样本分析鉴定
参见图3,该图为待测白酒分析鉴定的流程示意图。对于某种其标识的白酒类型在真酒库中存在的待测白酒样本(待测白酒的标识类型在真酒库中存在才能使用本方法进行鉴定,否则无法使用本方法进行鉴定)利用红外光谱仪对其采集K次(K≥10),得到K条该待测白酒的红外光谱。然后对采集到的K条光谱进行综合分析,其具体过程如下:
(1)采集到的K条光谱分别带入前述建立好的真酒分类鉴定模型中,得到每条光谱的鉴定结果,每条光谱的鉴定结果有2种可能:1、鉴定结果为真酒库中的某种白酒;2、鉴定结果为未知类型(表明待测白酒标识的类型与真酒不相符)。
(2)由于分类鉴别模型客观上存在一定分类误差,并且光谱采集过程也会受到各种因素的干扰而导致每条光谱不完全一致,因此每条光谱的鉴定结果不一定相同。因此,需要统计占最多数的鉴定结果,获取占总体数目75%以上的鉴定结果,作为待测白酒在真酒库中的最终鉴定结果。此时,最终鉴定结果有以下三种可能:1、鉴定结果与白酒标识相符,此时鉴定结果是该白酒为真酒;2、鉴定结果为真酒库中的某种白酒,但与白酒标识不符,此时说明该白酒是以次充优的高仿假酒,其造假的原料也被找到。3、鉴定结果为未知类型白酒,此时需要进入假酒分类鉴定模型进行鉴定。若占最多数的鉴定结果没有占总体数目的80%以上,则也视作假酒,也需要进入假酒分类鉴定模型进行进一步鉴定。
(3)若在真酒鉴别模型中鉴定结果为假酒,则将这K条样本光谱分别带入假酒窝点溯源模型,得到每条光谱的溯源结果,每条光谱的溯源结果同样有二种可能:1、溯源结果为假酒库中的某窝点白酒;2、鉴定结果为未知窝点(表明假酒库不存在该白酒)。
(4)这时,也需要统计占最多数的鉴定结果,若其占总体数目的75%以上,则其为待测白酒在假酒库中的最终溯源结果。此时假酒库最终鉴定结果有一下二种可能:1、溯源结果为假酒库中的某个造假窝点的白酒,此时实现了假酒的溯源。2、鉴定结果为未知窝点,此时说明假酒库中不存在该种假酒。
本发明与现有技术的不同点在于:1、利用中红外光谱做分析;2、利用最小二乘支持向量机建立层次化的白酒多分类鉴别模型;3、将真酒库与假酒库建立的分类鉴别模型结合起来,分析结果更细致。
本发明相对于现有技术的创造性在于:1、提出利用红外光谱对白酒进行真伪鉴定及溯源方法;2、提出通过建立白酒红外光谱真酒库,利用真酒库建立真酒分类鉴别模型,以真鉴假;3、提出了一种酒精度香型品牌最终白酒类型的层次化的真酒分类鉴别流程,提高了分析的准确度;4、提出通过建立白酒红外光谱假酒库,保存公安机关已查获的假酒光谱及其造假窝点信息,为公安机关打击造假提供更便捷的方法。
下面通过具体实施例对本发明作进一步说明。
真酒库样本为分别来自迎驾、泸州老窖、白云边、杏花村、黄鹤楼这五个品牌的共计15个品种,其中对每个品种的酒采集30个红外光谱样本,总计450个光谱样本,这15种酒的信息如表1所示。
表1真酒库样本信息
酒名 | 酒精度数 | 香型 | 品牌 | 样本数 |
迎驾娇子酒(4星) | 45% | 浓香 | 迎驾娇子 | 30 |
迎驾娇子酒(3星) | 42% | 浓香 | 迎驾娇子 | 30 |
泸州老窖头曲 | 52% | 浓香 | 泸州老窖 | 30 |
泸州老窖6年陈曲 | 45% | 浓香 | 泸州老窖 | 30 |
白云边12年陈酿 | 42% | 浓酱兼香型 | 白云边 | 30 |
白云边9年陈酿 | 42% | 浓酱兼香型 | 白云边 | 30 |
白云边6年陈酿 | 42% | 浓酱兼香型 | 白云边 | 30 |
白云边5年陈酿 | 42% | 浓酱兼香型 | 白云边 | 30 |
白云边3年陈酿 | 53% | 浓酱兼香型 | 白云边 | 30 |
杏花村清酒10年年陈酿 | 52% | 清香型 | 杏花村 | 30 |
杏花村福酒5年年陈酿 | 52% | 清香型 | 杏花村 | 30 |
黄鹤楼15年陈酿 | 42% | 浓酱兼香型 | 黄鹤楼 | 30 |
黄鹤楼12年陈酿 | 42% | 浓酱兼香型 | 黄鹤楼 | 30 |
黄鹤楼10年陈酿 | 42% | 浓酱兼香型 | 黄鹤楼 | 30 |
黄鹤楼8年陈酿 | 42% | 浓酱兼香型 | 黄鹤楼 | 30 |
假酒库样本为公安机关查获的来自A、B和C个窝点的3种类型的假酒,其具体信息见表2。
表2假酒库样本信息
仿冒酒名 | 造假窝点 | 样本数 |
白云边12年陈酿 | 窝点A | 30 |
黄鹤楼12年陈酿 | 窝点B | 30 |
白云边12年陈酿 | 窝点C | 30 |
待测白酒样本为市售的一瓶标明为白云边5年陈酿酒。表3是这瓶白酒的信息。
表3待测酒样本信息
酒名 | 酒精度数 | 香型 | 品牌 |
白云边5年陈酿 | 42% | 浓酱兼香型 | 白云边 |
对待测白酒的鉴定过程为:(1)选用仪器美国尼高力仪器公司Nexus670,附件Nexus smart APK;(2)红外光谱仪参数设定:波数:400-3080cm-1;分辨率:8cm-1;重复扫描次数16次;(3)用一次性吸管吸取少量待测样本,均匀涂抹在锗化锌晶体上,将试验板放置在红外光谱仪的指定位置,进行检测。一个样本检测完之后,将试验板从仪器中取出,重复蒸馏水冲洗-无水乙醇擦拭-烘干-涂抹样本-测试这几个步骤,采集真假酒以及待测白酒;(4)利用采集到的真假酒光谱数据初始化真假酒库;(5)利用采集到的真假酒光谱样本分别建立真酒分类鉴定模型和假酒窝点溯源模型;(6)利用建立的真酒分类鉴定模型和假酒窝点溯源模型分析待测样本。
参见图4,该图为待测白酒采用真酒分类鉴定模型进行鉴定的结果示意图。该图是根据本发明所述方法编写的演示程序。从图4可以看出:待测酒样本共10条光谱,其中有8条鉴定结果为“未知类型”,2条鉴定结果为“黄鹤楼8年陈酿”,因此利用真酒分类鉴定模型鉴定的结果为:未知类型。
由于真酒分类鉴定模型给出的鉴定结果为:未知类型,因此还需用假酒窝点溯源模型进行假酒窝点溯源。参见图5,该图为待测白酒采用假酒窝点溯源模型进行鉴定的结果示意图。从图5可以看出:除了2条光谱结果为“未知窝点”,其余8条光谱的鉴定结果为“造假窝点C”,因此该待测白酒的最终鉴定结果为:来自造假窝点C的假酒。
以上详细描述了本发明的较佳具体实施例。应当理解,本技术领域技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在本发明的保护范围内。
Claims (5)
1.一种基于红外光谱的白酒鉴定及溯源方法,其特征在于该方法包括如下步骤:
(1)利用红外光谱仪采集真酒样本和公安机关查获的假酒样本的红外光谱,分别建立真酒红外光谱库和假酒红外光谱库;
(2)利用最小二乘支持向量机分别对前述建立的真酒红外光谱库建立分层次的真酒分类鉴定模型,对前述建立的假酒红外光谱库建立假酒窝点溯源模型;
(3)利用红外光谱仪采集待测白酒的红外光谱,利用前述建立的真酒分类鉴定模型和假酒窝点溯源模型对待测白酒的红外光谱进行分类鉴别,通过对结果进行综合分析,实现待测白酒的真伪鉴定及溯源。
2.根据权利要求1所述的基于红外光谱的白酒鉴定及溯源方法,其特征在于:所述利用红外光谱仪采集白酒红外光谱的过程为:
(1)测试无样本时的红外光谱:用重蒸馏水冲洗附件实验板上的锗化锌晶体,并用99.7%乙醇擦拭干净,实验板置于800瓦烘干灯下,彻底干燥并冷却后,将试验板放置到红外光谱仪测试室,点击测试仪的“collect sample”按钮,检测无样本时的红外光谱;
(2)测试样本红外光谱:吸取少量样本,均匀涂抹在锗化锌晶体上,将试验板放置在红外光谱仪的指定位置,点击测试仪的“collectsample”按钮,进行检测,仪器自带的软件会将第一步测到的背景噪声自动减去。
3.根据权利要求1所述的基于红外光谱的白酒鉴定及溯源方法,其特征在于:所述步骤2中建立真酒分类鉴定模型的过程中,按照酒精度、香型、品牌信息建立分层次的真酒分类鉴定模型。
5.根据权利要求1所述的基于红外光谱的白酒鉴定及溯源方法,其特征在于:所述步骤3中对待测白酒的红外光谱进行分类鉴别的具体过程如下:
(1)利用红外光谱仪对待测白酒采集K次,得到K条红外光谱,其中K≥10;
(2)将前述采集到的K条光谱分别带入建立的真酒分类鉴定模型中,得到每条光谱的鉴定结果,所得到的鉴定结果为两种情况:a,鉴定结果为真酒库中的某种白酒;b,鉴定结果为未知类型;
(3)对所有光谱的鉴定结果进行统计,将结果类型占总体数目75%以上的结果,作为待测白酒的鉴定结果;
(4)当待测白酒的鉴定结果为未知类型时,再将前述采集到的K条光谱分别带入建立的假酒窝点溯源模型中,得到每条光谱的溯源结果;对所有光谱的溯源结果进行统计分析后,获知该待测白酒是否为假酒库中的某种造假白酒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410082742.3A CN103822897A (zh) | 2014-03-07 | 2014-03-07 | 一种基于红外光谱的白酒鉴定及溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410082742.3A CN103822897A (zh) | 2014-03-07 | 2014-03-07 | 一种基于红外光谱的白酒鉴定及溯源方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103822897A true CN103822897A (zh) | 2014-05-28 |
Family
ID=50758066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410082742.3A Pending CN103822897A (zh) | 2014-03-07 | 2014-03-07 | 一种基于红外光谱的白酒鉴定及溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103822897A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104977296A (zh) * | 2015-06-30 | 2015-10-14 | 江苏大学 | 一种新型的酒精度的检测方法及装置 |
CN105334242A (zh) * | 2014-07-07 | 2016-02-17 | 北京大学深圳研究生院 | 一种基于液体饮品特征值识别液体饮品真伪的方法 |
CN106198436A (zh) * | 2016-08-18 | 2016-12-07 | 深圳市大帝酒检信息***有限公司 | 一种呼气酒精红外探测***及方法 |
CN106442376A (zh) * | 2016-08-31 | 2017-02-22 | 聚光科技(杭州)股份有限公司 | 化验数据质量的评估方法 |
CN107132200A (zh) * | 2017-05-17 | 2017-09-05 | 劲牌有限公司 | 应用近红外光谱技术鉴别真伪中国劲酒的方法 |
CN108960844A (zh) * | 2017-05-25 | 2018-12-07 | 中科遥感(深圳)卫星应用创新研究院有限公司 | 谱纹溯源平台 |
CN109060712A (zh) * | 2018-08-29 | 2018-12-21 | 贵州国台酒业有限公司 | 一种用红外光谱分析鉴定白酒的方法 |
CN112161949A (zh) * | 2020-09-16 | 2021-01-01 | 贵州国台酒业股份有限公司 | 一种基于红外光谱技术鉴别酱香型白酒酿造工艺的方法 |
CN114018899A (zh) * | 2021-11-08 | 2022-02-08 | 哈尔滨工业大学 | 从透光包装瓶外鉴别酒类商品的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076317A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 白酒年份鉴别方法 |
CN103134767A (zh) * | 2013-01-30 | 2013-06-05 | 华中科技大学 | 一种红外光谱校正鉴定白酒品质的方法 |
-
2014
- 2014-03-07 CN CN201410082742.3A patent/CN103822897A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076317A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 白酒年份鉴别方法 |
CN103134767A (zh) * | 2013-01-30 | 2013-06-05 | 华中科技大学 | 一种红外光谱校正鉴定白酒品质的方法 |
Non-Patent Citations (2)
Title |
---|
杨国强等: "基于近红外透射光谱的汾阳王酒快速鉴别", 《农业机械学报》 * |
王义峰等: "LSSVM 在酒类近红外光谱检测中的应用", 《信息技术》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105334242A (zh) * | 2014-07-07 | 2016-02-17 | 北京大学深圳研究生院 | 一种基于液体饮品特征值识别液体饮品真伪的方法 |
CN104977296A (zh) * | 2015-06-30 | 2015-10-14 | 江苏大学 | 一种新型的酒精度的检测方法及装置 |
CN106198436A (zh) * | 2016-08-18 | 2016-12-07 | 深圳市大帝酒检信息***有限公司 | 一种呼气酒精红外探测***及方法 |
CN106442376A (zh) * | 2016-08-31 | 2017-02-22 | 聚光科技(杭州)股份有限公司 | 化验数据质量的评估方法 |
CN106442376B (zh) * | 2016-08-31 | 2020-01-31 | 聚光科技(杭州)股份有限公司 | 化验数据质量的评估方法 |
CN107132200A (zh) * | 2017-05-17 | 2017-09-05 | 劲牌有限公司 | 应用近红外光谱技术鉴别真伪中国劲酒的方法 |
CN108960844A (zh) * | 2017-05-25 | 2018-12-07 | 中科遥感(深圳)卫星应用创新研究院有限公司 | 谱纹溯源平台 |
CN109060712A (zh) * | 2018-08-29 | 2018-12-21 | 贵州国台酒业有限公司 | 一种用红外光谱分析鉴定白酒的方法 |
CN112161949A (zh) * | 2020-09-16 | 2021-01-01 | 贵州国台酒业股份有限公司 | 一种基于红外光谱技术鉴别酱香型白酒酿造工艺的方法 |
CN112161949B (zh) * | 2020-09-16 | 2023-07-18 | 贵州国台酒业集团股份有限公司 | 一种基于红外光谱技术鉴别酱香型白酒酿造工艺的方法 |
CN114018899A (zh) * | 2021-11-08 | 2022-02-08 | 哈尔滨工业大学 | 从透光包装瓶外鉴别酒类商品的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103822897A (zh) | 一种基于红外光谱的白酒鉴定及溯源方法 | |
CN101701916B (zh) | 一种玉米品种快速鉴定、鉴别方法 | |
CN104568778B (zh) | 一种基于高光谱成像的纺织品成分鉴别方法 | |
CN102183500B (zh) | 基于荧光特征参量欧氏距离的白酒鉴别方法 | |
CN104316491B (zh) | 基于同步‑异步二维近红外相关谱检测牛奶掺尿素的方法 | |
CN101692052B (zh) | 基于超光谱图像技术的名优茶真伪鉴别方法及装置 | |
CN103076317B (zh) | 白酒年份鉴别方法 | |
CN104502320A (zh) | 一种三维荧光光谱结合pca-svm鉴别浓香型白酒的方法 | |
CN105866056A (zh) | 一种基于近红外光谱的杂交种纯度鉴别方法 | |
CN102023137A (zh) | 一种白酒鉴别方法 | |
CN104062262A (zh) | 一种基于近红外光谱的作物种子品种真实性鉴别方法 | |
Kalogiouri et al. | Liquid chromatographic methods coupled to chemometrics: A short review to present the key workflow for the investigation of wine phenolic composition as it is affected by environmental factors | |
CN103914707B (zh) | 基于支持向量机的绿色通道产品辅助判别方法 | |
CN103674885B (zh) | 一种应用红外光谱技术无损快速鉴别真伪卷烟的方法 | |
CN105181678A (zh) | 基于激光诱导击穿光谱的水稻品种鉴别方法 | |
CN105181650A (zh) | 一种使用近红外光谱技术快速鉴别茶叶品种的方法 | |
CN115905881A (zh) | 黄珍珠分类的方法以及装置、电子设备、存储介质 | |
CN103760139B (zh) | 一种基于三维荧光光谱与稳健马氏距离鉴别市售橙汁饮品的方法 | |
Holt et al. | Separating morphologically similar pollen types using basic shape features from digital images: A preliminary study1 | |
CN112098361A (zh) | 一种基于近红外光谱的玉米种子鉴别方法 | |
Tu et al. | AIseed: An automated image analysis software for high-throughput phenotyping and quality non-destructive testing of individual plant seeds | |
Zhang et al. | IDENTIFYING PHYTOPLANKTON IN SEAWATER BASED ON DISCRETE EXCITATION‐EMISSION FLUORESCENCE SPECTRA 1 | |
CN109060712A (zh) | 一种用红外光谱分析鉴定白酒的方法 | |
CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 | |
CN113642629B (zh) | 一种基于随机森林提高谱学分析可信度的可视化方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140528 |