CN104111234A - 基于近红外光谱技术的生物质基础特性在线检测方法及装置 - Google Patents
基于近红外光谱技术的生物质基础特性在线检测方法及装置 Download PDFInfo
- Publication number
- CN104111234A CN104111234A CN201410366229.7A CN201410366229A CN104111234A CN 104111234 A CN104111234 A CN 104111234A CN 201410366229 A CN201410366229 A CN 201410366229A CN 104111234 A CN104111234 A CN 104111234A
- Authority
- CN
- China
- Prior art keywords
- near infrared
- biomass
- infrared spectrum
- basic characteristic
- spectrum
- 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
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了生物质基础特性的近红外光谱在线检测方法及装置。在线检测方法包括如下步骤:采集至少50个生物质样品的近红外光谱;按照理化方法,测定生物质样品的基础特性,得到各基础特性的值;然后利用最小二乘法建立生物质样品的近红外光谱信号与基础特性之间的校正模型;对待测生物质进行光谱扫描,采集待测生物质的近红外光谱;将获得的近红外光谱信号输入至近红外光谱信号与基础特性之间的校正模型,即得到待测生物质的基础特性。本发明将基于近红外光谱的光学检测手段应用于生物质基础特性的检测过程中,具有检测精度高、结果一致性好、自动化程度高的优点,具有很好的实用性和经济性,为生物质的高效综合规模化利用创造了条件。
Description
技术领域
本发明涉及一种生物质基础特性在线检测方法及装置,具体涉及一种基于近红外光谱技术的生物质基础特性在线检测方法及装置。
背景技术
生物质储量大、分布广泛,是仅次于煤、石油、天然气的第四大能源,同时也是安全、可再生、零污染的清洁能源。通过化学、物理和生物转化方法,可以实现生物质能源化、饲料化、基料化、材料化、肥料化的综合高效利用。在生物质综合利用过程中,其基础特性的检测必不可少。传统的实验室化学检测方法费时费力,最重要的是无法实现在线检测,远远无法满足生物质综合高效利用中的快速高效检测需求。
近红外光谱技术(Near Infrared Spectroscopy,简称NIRS)是一种快速、高效、无损、绿色和适合在线分析的检测方法,近红外光谱主要反映了样品中有机分子含氢基团(C-H、O-H、N-H、S-H等)的特征信息。相关研究表明,近红外光谱技术可以对生物质的基础特性,如水分、灰分、挥发分、固定碳、纤维素、半纤维素、木质素、粗蛋白、可溶性糖、热值等进行有效预测,但现有研究还停留在实验室研究阶段。因此有必要研制出一种基于近红外光谱分析技术的生物质基础特性在线检测方法和装置,以满足生物质综合高效利用规模化发展的需求。
发明内容
本发明的目的是提供一种基于近红外光谱技术的生物质基础特性在线检测方法及装置,本发明通过对待测生物质进行近红外光谱扫描,由检测器接收的光谱信号传入至电脑,然后将这些含有待测生物质基础特性信息的光谱信号输入已建立的相关模型,可快速、实时得到被检测生物质的水分、灰分、挥发分、固定碳、纤维素、半纤维素、木质素、粗蛋白、可溶性糖、热值等基础特性数据,以实现生物质基础特性的在线检测。
本发明所提供的生物质基础特性的近红外光谱在线检测方法,包括如下步骤:
采集至少50个生物质样品的近红外光谱;按照标准化理化方法,测定所述生物质样品的基础特性,得到各基础特性的值;然后利用最小二乘法建立生物质样品的近红外光谱信号与基础特性之间的校正模型;
在与建立所述校正模型相同的光谱条件下,对待测生物质进行光谱扫描,采集待测生物质的近红外光谱;将获得的近红外光谱信号输入至所述近红外光谱信号与基础特性之间的校正模型,即得到待测生物质的基础特性。
上述的近红外光谱在线检测方法中,所述生物质为农作物秸秆,所述农作物秸秆为玉米秸秆、小麦秸秆或水稻秸秆等。
上述的近红外光谱在线检测方法中,所述基础特性包括水分、灰分、挥发分、固定碳、纤维素、半纤维素、木质素、粗蛋白、可溶性糖和热值等。
本发明近红外光谱检测方法中,在波数为4000~12000cm-1的光谱范围内采集待测生物质的近红外光谱,需要对采集参数进行优化,包括样品传送速度、采集窗口到样品表面的距离、扫描次数等;建模过程包括对光谱数据和各基础特性值进行预处理,如15点平滑、一阶导数(2,3)、自动标尺缩放等优化处理。
本发明近红外光谱在线检测方法中,所述校正模型对于近红外光谱信号和生物质基础特性参数指标之间具有高度相关性。
本发明近红外光谱在线检测方法中,所采用的理化方法为现有技术中各种基础特性的标准化理化方法,如测定可溶性糖的蒽酮硫酸比色法、水分的热风干燥法(ASTME1756-08)、粗蛋白的凯氏定氮法等。
本发明同时提供了实现上述检测方法的检测装置,它包括光谱采集***和计算机;
所述光谱采集***包括近红外光谱仪、传送带、传送带支架和检测探头支架;所述传送带设于所述传送带支架上;所述检测探头支架用于固定所述近红外光谱仪的检测探头,所述检测探头用于采集所述传送带上运输的待测样品的近红外光谱,并将采集得到的近红外光谱信号通过所述近红外光谱仪的主机传输至所述计算机中;
所述计算机中设有所述近红外光谱信号与基础特性之间的校正模型,所述校正模型是按照如下步骤得到的:采集至少50个生物质样品的近红外光谱;按照理化方法,测定所述生物质样品的基础特性,得到各基础特性的值;然后利用最小二乘法建立生物质样品的近红外光谱信号与基础特性之间的校正模型。
所述的近红外光谱在线检测装置中,所述近红外光谱仪的检测探头和主机之间通过光纤束传输光谱信号。
所述的近红外光谱在线检测装置中,所述主机包括依次连接的分光仪、检测器和电子***,
所述分光仪,用于把复合光分解为单一波长的单色光;
所述检测器,用于接收光谱仪的光谱信号,并将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计算机;
所述电子***,用于控制整个检测装置的各个部分协同工作,包括光源***的发光状态、分光仪的分光工作、检测器的数据采集及A/D转变。
所述的近红外光谱检测装置中,所述检测探头包含光源及内置参比,其中,
所述光源,发射出的光直接照射在待测生物质表面,确保光具有一定的能量强度,从而保证生物质样品的信号强度;
所述内置参比,用于扣除环境等背景影响。
本发明中,所述光源可选择卤素灯光源,由两个具有一定角度的灯组成,两个灯照在生物质上的光斑基本重合,接收光谱信号的接收器在两个灯中间。检测探头到生物质表面的距离已经在前期实验中优化。由卤素灯光源发出的复合光直接打在生物质表面,与生物质作用之后的反射光,经接收器收集,通过光纤束传输到主机里的分光仪,将复合光分解为单一波长的单色光,之后被检测器接收并转变为电信号,再通过A/D转变为数字信号输入电脑。这里从光源发射出来的光,先照射到样品,再进行分光,可以避免一部分杂散光的影响。
本发明中,所述近红外光谱仪的分光方式为后分光式,即由光源发出的光直接照射在样品表面,与生物质作用之后的反射光,经接收器收集,通过光纤束传输到主机里的分光仪,将复合光分解为单一波长的单色光,之后被检测器接收并转变为电信号,再通过A/D转变为数字信号输入电脑。
所述检测器为铟镓砷检测器。
所述计算机中安装载有近红外光谱信号与基础特性之间的校正模型的检测软件,主要用于设置光谱采集参数、控制背景光谱采集、控制生物质样品光谱采集、生物质样品光谱图的显示和生物质基础特性参数预测值的显示。
工作时,首先接通近红外光谱仪和计算机的电源,然后打开检测软件,设置近红外光谱仪参数,选择所需光谱范围、分辨率和积分时间,设置检测探头到样品表面的距离,设置传送带的速度,预热光谱仪30分钟后,开始扫描待测生物质样品的光谱,把检测器得到的光谱信号代人模型计算得到待测生物质样品的基础特性,并把相应基础特性预测数据显示在软件界面,每次测试的结果则同时保存到电脑硬盘。
利用本发明检测装置进行生物质样品测试的步骤如下:
1、首先对检测装置各附件的参数进行设置。如设置光谱仪的光谱范围、分辨率和积分时间,设置检测探头到样品表面的距离和传送带的速度等。
2、测定生物质样品时,首先把样品平铺在传送带上,当样品运行到检测探头下面时,开始采集光谱,待设定的积分时间完成为一次检测,之后进入下一次积分即下一次检测。卤素灯光源发出的光直接照射到被检测生物质样品表面上,与样品进行相关作用后,漫反射出来的光被检测探头收集,并通过光纤束传输到光谱仪主机里的分光仪,分光仪将复合光分解为单一波长的单色光,之后被检测器接收,由检测软件将这个光谱信号代人模型计算,得到生物质相应的基础特性参数,并显示在软件***界面上,至此,生物质样品的一次检测完成。
3、随着传送带的运动,每次检测同样完成第二步的操作,以此类推,逐次完成传送带上所有生物质样品的基础特性参数检测。
本发明具有如下有益效果:
本发明为生物质的规模化综合利用中基础特性的快速高效检测提供了技术支持,与目前的理化分析及近红外光谱技术实验室静态检测相比,快速、高效并实现了自动化。本发明检测装置可以实现生物质基础特性参数的在线检测,可以实时记录传送带上生物质样品的基础特性参数,对于控制生产工艺和及时处理问题提供了技术支持。
本发明将基于近红外光谱的光学检测手段应用于生物质基础特性的检测过程中,快速、高效、无损,既具有检测精度高、结果一致性好、自动化程度高的优点,又解放了劳动力,节省了多台专用分析仪器设备的巨额投资,具有很好的实用性和经济性,为生物质的高效综合规模化利用创造了条件。
附图说明
图1是本发明检测方法的流程图。
图2是本发明检测装置的结构示意图。
其中,1计算机;2主机;3光纤束;4检测探头支架;5检测探头;6生物质样品;7传送带;8传送带速度调节器;9传送带电机;10传送带支架。
具体实施方式
下述实施例中所使用的实验方法如无特殊说明,均为常规方法。
下述实施例中所用的材料、试剂等,如无特殊说明,均可从商业途径得到。
本发明以玉米秸秆可溶性糖含量的近红外光谱在线预测为例,说明本发明的检测方法。
本发明检测方法所采用的检测装置的结构示意图如图2所示,它包括光谱采集***和计算机1,其中,光谱采集***包括近红外光谱仪、传送带7、传送带支架10和检测探头支架4。传送带7设于传送带支架10上,由传送带电机9提供动力,并由传送带速度调节器8进行调速。检测探头支架4用于固定近红外光谱仪的检测探头4,检测探头4用于采集传送带7上运输的待测样品的近红外光谱,并将采集得到的近红外光谱信号通过近红外光谱仪的主机2传输至所述计算机1中。该近红外光谱仪的检测探头4和主机2之间通过光纤束3传输光谱信号。
图2中,箭头表示光路,复合光从检测探头4中的卤素灯光源发出,然后直接打在生物质样品6的表面,与生物质作用之后的反射光,经接收器收集,通过光纤束3传输到主机里的分光仪,将复合光分解为单一波长的单色光,之后被检测器接收并转变为电信号。
近红外光谱仪中,主机2包括依次连接的分光仪、检测器和电子***,分光仪用于把复合光分解为单一波长的单色光;检测器为铟镓砷检测器,用于接收光谱仪的光谱信号,并将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计算机;电子***,用于控制整个***的各个部分协同工作,包括光源***的发光状态、分光仪的分光工作、检测器的数据采集及A/D转变。
本发明检测探头包含光源及内置参比,其中,光源发射出的光直接照射在待测生物质表面,确保光具有一定的能量强度,从而保证生物质样品的信号强度;内置参比用于扣除环境等背景影响。
计算机1中安装载有近红外光谱信号与基础特性之间的校正模型的检测软件。
本发明检测方法的流程图如图1所示。
先采集一批玉米秸秆(本实例中为162个)用来建立模型,样品经过自然风干后,采用四分法将样品分为两部分,一部分粉碎至小于5cm,待光谱扫描,另一部分粉碎至过20目筛,用于实验室化学值分析。用图2所示检测装置对玉米秸秆进行光谱扫描,把采集得到的光谱信号值保存到计算机中。本实例中所用光谱采集参数为优化后参数:光谱范围为4000-12000cm-1;分辨率为8cm-1;扫描次数为30次;传送带速度为20cm/s;采集窗口距离样品表面距离为10cm。
玉米秸秆的可溶性糖含量参照经典文献(McDonald&Henderson,1964)规定的蒽酮硫酸比色法测定。本实例测得的玉米秸秆可溶性糖含量范围为8.55-191.45g/kg,平均值为65.90g/kg。
然后,借助最小二乘法建立光谱信号值与生物质可溶性糖含量之间的关联模型。建模选用波长范围为4440-8000cm-1。建模时使用了优化后的光谱预处理方法:15点平滑、一阶导数(2,3)、自动标尺缩放。根据需要,化学值也同时进行了自动标尺缩放预处理。校正模型的决定系数(Rc2)为0.86,校正集标准误差(RMSEC)为14.08g/kg,***偏差(Bias)为2.84×10-14g/kg,采用的变量数为5个,同时采用内部交互验证(venetian blinds w/10splits)检验模型稳定性,交互验证的决定系数(Rcv2)为0.82,交互验证标准误差(RMSECV)为15.71g/kg。把建好的模型导入到近红外生物质基础特性参数检测软件。
对未知玉米秸秆的可溶性糖含量进行在线测定。
将玉米秸秆放在传送带6上,打开检测探头开关和检测软件,当玉米秸秆运行到检测探头下方后,开始采集光谱数据;卤素灯光源发出的光直接照射到玉米秸秆表面,与玉米秸秆作用后的漫反射光被检测探头收集,进入近红外光谱仪主机2的分光仪,被分解为单一波长的近红外光后,被检测器接收,检测器将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计算机;计算机接收到此光谱信号值并把此光谱信号值代人模型计算,在软件***界面上即可显示该玉米秸秆的可溶性糖含量预测值,相应的结果立即储存在计算机硬盘上。随着传送带的前进和样品光谱的采集,完成一次积分,得到一次预测值,以此类推,完成传送带上所有玉米秸秆的在线测定。本实例以完成10次检测为例。利用本发明检测方法得到的玉米秸秆的可溶性糖含量值与利用标准理化方法得到的值如表1中所示。由表1可知,本发明检测方法得到的玉米秸秆的可溶性糖含量的预测值与标准理化方法得到的检测值之间的相对误差都小于5%,满足实际需求。
表1本发明检测方法检测结果统计
上述实施例仅用于说明本发明,其中各部件的结构、连接方式等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (7)
1.一种生物质基础特性的近红外光谱在线检测方法,包括如下步骤:
采集至少50个生物质样品的近红外光谱;按照理化方法,测定所述生物质样品的基础特性,得到各基础特性的值;然后利用最小二乘法建立生物质样品的近红外光谱信号与基础特性之间的校正模型;
在与建立所述校正模型相同的光谱条件下,对待测生物质进行光谱扫描,采集待测生物质的近红外光谱;将获得的近红外光谱信号输入至所述近红外光谱信号与基础特性之间的校正模型,即得到待测生物质的基础特性。
2.根据权利要求1所述的近红外光谱在线检测方法,其特征在于:所述基础特性包括水分、灰分、挥发分、固定碳、纤维素、半纤维素、木质素、粗蛋白、可溶性糖和热值。
3.一种生物质基础特性的近红外光谱在线检测装置,其特征在于:
所述检测装置包括光谱采集***和计算机;
所述光谱采集***包括近红外光谱仪、传送带、传送带支架和检测探头支架;所述传送带设于所述传送带支架上;所述检测探头支架用于固定所述近红外光谱仪的检测探头,所述检测探头用于采集所述传送带上运输的待测样品的近红外光谱,并将采集得到的近红外光谱信号通过所述近红外光谱仪的主机传输至所述计算机中;
所述计算机中设有所述近红外光谱信号与基础特性之间的校正模型,所述校正模型是按照如下步骤得到的:采集至少50个生物质样品的近红外光谱;按照标准化理化方法,测定所述生物质样品的基础特性,得到各基础特性的值;然后利用最小二乘法建立生物质样品的近红外光谱信号与基础特性之间的校正模型。
4.根据权利要求3所述的近红外光谱在线检测装置,其特征在于:所述近红外光谱仪的检测探头和主机之间通过光纤束传输光谱信号。
5.根据权利要求3或4所述的近红外光谱在线检测装置,其特征在于:所述主机包括依次连接的分光仪、检测器和电子***。
6.根据权利要求3-5中任一项所述的近红外光谱在线检测装置,其特征在于:所述近红外光谱仪的分光方式为后分光式。
7.根据权利要求3-6中任一项所述的近红外光谱在线检测装置,其特征在于:所述检测器为铟镓砷检测器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410366229.7A CN104111234A (zh) | 2014-07-29 | 2014-07-29 | 基于近红外光谱技术的生物质基础特性在线检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410366229.7A CN104111234A (zh) | 2014-07-29 | 2014-07-29 | 基于近红外光谱技术的生物质基础特性在线检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104111234A true CN104111234A (zh) | 2014-10-22 |
Family
ID=51708110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410366229.7A Pending CN104111234A (zh) | 2014-07-29 | 2014-07-29 | 基于近红外光谱技术的生物质基础特性在线检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104111234A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104374736A (zh) * | 2014-10-24 | 2015-02-25 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中可燃体的新型快速检测方法 |
CN104390927A (zh) * | 2014-10-24 | 2015-03-04 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中灰分的新型快速检测方法 |
CN104390936A (zh) * | 2014-10-24 | 2015-03-04 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中挥发分的新型快速检测方法 |
CN104515749A (zh) * | 2014-10-24 | 2015-04-15 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中内水的新型快速检测方法 |
CN104535525A (zh) * | 2014-10-24 | 2015-04-22 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中固定碳的新型快速检测方法 |
CN104528304A (zh) * | 2014-12-04 | 2015-04-22 | 中国农业大学 | 一种基于近红外光谱的秸秆特性循环在线分析装置 |
CN104542878A (zh) * | 2014-12-05 | 2015-04-29 | 中国农业大学 | 一种用于腐败肉在线检测与剔除***及方法 |
CN104568811A (zh) * | 2014-10-24 | 2015-04-29 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中发热量的新型快速检测方法 |
CN104568821A (zh) * | 2014-10-24 | 2015-04-29 | 中华人民共和国黄埔出入境检验检疫局 | 一种同时快速检测煤炭内多个品质项目的近红外方法 |
CN104819954A (zh) * | 2015-04-21 | 2015-08-05 | 曾安 | 免标记物近红外检测样品中生物物质含量的方法 |
CN105628647A (zh) * | 2015-12-31 | 2016-06-01 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定农产品中可溶性糖的方法 |
CN106018321A (zh) * | 2016-05-11 | 2016-10-12 | 中国农业大学 | 玉米单粒种子蛋白质检测模型的构建方法及其应用 |
CN107314989A (zh) * | 2017-09-01 | 2017-11-03 | 合盛硅业股份有限公司 | 一种室温硫化甲基硅橡胶挥发分含量的测定方法 |
CN107446972A (zh) * | 2017-09-07 | 2017-12-08 | 长沙理工大学 | 一种双酶法生产海藻糖的监控方法 |
CN108982409A (zh) * | 2018-08-08 | 2018-12-11 | 浙江工业大学 | 一种基于近红外光谱快速检测大型褐藻木质纤维素三组分含量的方法 |
CN109632411A (zh) * | 2018-11-27 | 2019-04-16 | 中国农业大学 | 一种栽培基质前处理及成分快速光谱检测一体化*** |
CN113804647A (zh) * | 2021-09-18 | 2021-12-17 | 中国农业大学 | 一种液态有机肥在线和离线检测方法及*** |
CN114112989A (zh) * | 2021-12-03 | 2022-03-01 | 四川启睿克科技有限公司 | 基于复合视觉的近红外检测方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040195714A1 (en) * | 2002-11-14 | 2004-10-07 | Mbachu Reginald A. | Spectroscopic monitoring of resin-application prior to assembly of composite wood veneer product |
WO2007097955A2 (en) * | 2006-02-17 | 2007-08-30 | Arclin Canada Ltd./Arclin Canada Ltee | Methods for monitoring binder mix loading of fiber glass mats |
CN101216418A (zh) * | 2008-01-21 | 2008-07-09 | 浙江大学 | 瓶装黄酒品质指标在线检测的方法和装置 |
JP2010190746A (ja) * | 2009-02-18 | 2010-09-02 | Institute Of National Colleges Of Technology Japan | キチン結晶化度測定装置 |
CN102539375A (zh) * | 2012-01-10 | 2012-07-04 | 江苏大学 | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 |
-
2014
- 2014-07-29 CN CN201410366229.7A patent/CN104111234A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040195714A1 (en) * | 2002-11-14 | 2004-10-07 | Mbachu Reginald A. | Spectroscopic monitoring of resin-application prior to assembly of composite wood veneer product |
WO2007097955A2 (en) * | 2006-02-17 | 2007-08-30 | Arclin Canada Ltd./Arclin Canada Ltee | Methods for monitoring binder mix loading of fiber glass mats |
CN101216418A (zh) * | 2008-01-21 | 2008-07-09 | 浙江大学 | 瓶装黄酒品质指标在线检测的方法和装置 |
JP2010190746A (ja) * | 2009-02-18 | 2010-09-02 | Institute Of National Colleges Of Technology Japan | キチン結晶化度測定装置 |
CN102539375A (zh) * | 2012-01-10 | 2012-07-04 | 江苏大学 | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 |
Non-Patent Citations (3)
Title |
---|
田海清: "西瓜品质可见/近红外光谱无损检测技术研究", 《中国博士学位论文全文数据库 农业科技辑》 * |
皇才进等: "基于近红外光谱技术的秸秆工业分析", 《光谱学与光谱分析》 * |
谢庚楠: "基于NIRS的水稻和油菜秸轩干物质和可溶性糖快速测定方法及模型建立", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104568811B (zh) * | 2014-10-24 | 2017-08-25 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中发热量的新型快速检测方法 |
CN104390927A (zh) * | 2014-10-24 | 2015-03-04 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中灰分的新型快速检测方法 |
CN104390936A (zh) * | 2014-10-24 | 2015-03-04 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中挥发分的新型快速检测方法 |
CN104515749A (zh) * | 2014-10-24 | 2015-04-15 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中内水的新型快速检测方法 |
CN104535525A (zh) * | 2014-10-24 | 2015-04-22 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中固定碳的新型快速检测方法 |
CN104374736A (zh) * | 2014-10-24 | 2015-02-25 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中可燃体的新型快速检测方法 |
CN104568811A (zh) * | 2014-10-24 | 2015-04-29 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中发热量的新型快速检测方法 |
CN104568821A (zh) * | 2014-10-24 | 2015-04-29 | 中华人民共和国黄埔出入境检验检疫局 | 一种同时快速检测煤炭内多个品质项目的近红外方法 |
CN104515749B (zh) * | 2014-10-24 | 2017-11-03 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中内水的快速检测方法 |
CN104390927B (zh) * | 2014-10-24 | 2017-11-03 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中灰分的快速检测方法 |
CN104535525B (zh) * | 2014-10-24 | 2017-10-20 | 中华人民共和国黄埔出入境检验检疫局 | 煤炭样品中的固定碳的快速检测方法 |
CN104528304A (zh) * | 2014-12-04 | 2015-04-22 | 中国农业大学 | 一种基于近红外光谱的秸秆特性循环在线分析装置 |
CN104542878A (zh) * | 2014-12-05 | 2015-04-29 | 中国农业大学 | 一种用于腐败肉在线检测与剔除***及方法 |
CN104819954B (zh) * | 2015-04-21 | 2018-04-17 | 曾安 | 免标记物近红外检测样品中生物物质含量的方法 |
CN104819954A (zh) * | 2015-04-21 | 2015-08-05 | 曾安 | 免标记物近红外检测样品中生物物质含量的方法 |
CN105628647A (zh) * | 2015-12-31 | 2016-06-01 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定农产品中可溶性糖的方法 |
CN106018321A (zh) * | 2016-05-11 | 2016-10-12 | 中国农业大学 | 玉米单粒种子蛋白质检测模型的构建方法及其应用 |
CN107314989A (zh) * | 2017-09-01 | 2017-11-03 | 合盛硅业股份有限公司 | 一种室温硫化甲基硅橡胶挥发分含量的测定方法 |
CN107446972B (zh) * | 2017-09-07 | 2021-03-12 | 长沙理工大学 | 一种双酶法生产海藻糖的监控方法 |
CN107446972A (zh) * | 2017-09-07 | 2017-12-08 | 长沙理工大学 | 一种双酶法生产海藻糖的监控方法 |
CN108982409A (zh) * | 2018-08-08 | 2018-12-11 | 浙江工业大学 | 一种基于近红外光谱快速检测大型褐藻木质纤维素三组分含量的方法 |
CN109632411A (zh) * | 2018-11-27 | 2019-04-16 | 中国农业大学 | 一种栽培基质前处理及成分快速光谱检测一体化*** |
CN109632411B (zh) * | 2018-11-27 | 2021-01-15 | 中国农业大学 | 一种栽培基质前处理及成分快速光谱检测一体化*** |
CN113804647A (zh) * | 2021-09-18 | 2021-12-17 | 中国农业大学 | 一种液态有机肥在线和离线检测方法及*** |
CN113804647B (zh) * | 2021-09-18 | 2023-02-21 | 中国农业大学 | 一种液态有机肥在线和离线检测方法及*** |
CN113804647B8 (zh) * | 2021-09-18 | 2023-05-02 | 中国农业大学 | 一种液态有机肥在线和离线检测方法及*** |
CN114112989A (zh) * | 2021-12-03 | 2022-03-01 | 四川启睿克科技有限公司 | 基于复合视觉的近红外检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104111234A (zh) | 基于近红外光谱技术的生物质基础特性在线检测方法及装置 | |
Jin et al. | Determination of hemicellulose, cellulose and lignin content using visible and near infrared spectroscopy in Miscanthus sinensis | |
Gamon | Reviews and Syntheses: optical sampling of the flux tower footprint | |
CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
CN101382488B (zh) | 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 | |
Ye et al. | Fast classification and compositional analysis of cornstover fractions using Fourier transform near-infrared techniques | |
CN101210875A (zh) | 基于近红外光谱技术的无损测量土壤养分含量的方法 | |
CN104897607A (zh) | 便携式近红外光谱食品建模与快速检测一体化方法和*** | |
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
Wei et al. | Application of terahertz spectrum and interval partial least squares method in the identification of genetically modified soybeans | |
CN102636454A (zh) | 近红外光谱快速测定食用油中低碳数脂肪酸含量的方法 | |
CN102539375A (zh) | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 | |
CN108279217A (zh) | 一种基于太赫兹时域光谱的煤岩判别方法 | |
CN100357725C (zh) | 近红外技术快速检测牛肉嫩度的方法和装置 | |
CN103983606A (zh) | 便携式近红外食用油品质快速检测仪 | |
CN102841063B (zh) | 一种基于光谱技术的生物炭溯源鉴别方法 | |
Wang et al. | Onsite nutritional diagnosis of tea plants using micro near-infrared spectrometer coupled with chemometrics | |
CN104034691A (zh) | 一种甜菜品质的快速检测方法 | |
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 | |
CN105115910A (zh) | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 | |
Sun et al. | Water content detection of potato leaves based on hyperspectral image | |
Zgouz et al. | Dataset of visible-near infrared handheld and micro-spectrometers–comparison of the prediction accuracy of sugarcane properties | |
Mishra et al. | A short note on achieving similar performance to deep learning with practical chemometrics | |
Jie et al. | Determination of Nitrogen Concentration in Fresh Pear Leaves by Visible/Near‐Infrared Reflectance Spectroscopy |
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 |
Application publication date: 20141022 |
|
RJ01 | Rejection of invention patent application after publication |