CN109374574A - 一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法 - Google Patents
一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法 Download PDFInfo
- Publication number
- CN109374574A CN109374574A CN201811560622.4A CN201811560622A CN109374574A CN 109374574 A CN109374574 A CN 109374574A CN 201811560622 A CN201811560622 A CN 201811560622A CN 109374574 A CN109374574 A CN 109374574A
- Authority
- CN
- China
- Prior art keywords
- wax
- tobacco leaf
- sense
- near infrared
- wax sense
- 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
- 241000208125 Nicotiana Species 0.000 title claims abstract description 108
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000001228 spectrum Methods 0.000 title claims abstract description 15
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 15
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000002835 absorbance Methods 0.000 claims description 9
- 238000004611 spectroscopical analysis Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 2
- 235000019504 cigarettes Nutrition 0.000 claims 1
- 239000001993 wax Substances 0.000 description 83
- 230000000694 effects Effects 0.000 description 5
- 238000012850 discrimination method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Classifications
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法,其特征在于:通过近红外光谱仪采集不同蜡质感类型程度烟叶的近红外光谱信息,首先采用连续投影算法筛选出对烟叶蜡质感贡献大的特征波长,然后利用提取的特征波长建立烟叶蜡质感定量分析模型,最后对待测烟叶样本进行近红外光谱的采集和特征波长的提取,代入建立的烟叶蜡质感定量分析模型计算蜡质感值,再根据蜡质感值的大小判断该待测烟叶样本蜡质感的类型及其程度。本发明避免了现有技术中主要依赖于烟叶外观鉴定专家进行鉴别所存在的主观性强、时效性低、重现性差的弊端,提高了蜡质感鉴别的客观性、快速性和准确性。
Description
技术领域
本发明属于烟叶外观特征检测技术领域,尤其是涉及一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法。
背景技术
烤烟烟叶蜡质感指烤烟烟叶表面蜡质在视觉上的反映,烤烟烟叶蜡质感分为强、中、弱3种类型,强是指烟叶表面蜡质较厚、蜡质感明显,中是指烟叶表面有蜡质、蜡质感一般,弱是指烟叶表面少蜡质、蜡质感弱,烤烟烟叶蜡质感3种类型在我国烟叶产区存在显著的区域性分布,烤烟烟叶蜡质感的鉴别是烤烟烟叶分型的主要外观特征依据,对于烤烟烟叶原料的定向化生产和均值化加工、模块化使用具有重要的意义。目前烤烟烟叶蜡质感的鉴别方法为烟叶外观专家鉴定法,即通过烟叶外观专家对烟叶蜡质感进行定性鉴定(蜡质感类型为强、中、弱)和定量(蜡质感强为0.0~3.5分、中为3.5~6.5分、弱为6.5~10.0分)鉴定,但烟叶外观专家鉴定法依赖于烟叶外观鉴定专家的主观认知,存在主观性强、时效性低、重现性差等弊端,因此,研究建立一种客观、快速、准确的烤烟烟叶蜡质感鉴别方法具有重要的意义。
发明内容
本发明的目的正是为了克服上述现有烟叶蜡质感鉴别方法存在的主观性强、时效性低、重现性差等技术问题而专门提供的一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法。
本发明的目的通过如下技术方案实现:
一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法,具体步骤如下:
(1)蜡质感烟叶样本的选取和专家感官鉴定: 选取代表不同产地、不同等级、不同蜡质感类型程度的烤烟烟叶样本(样本数量至少200个);由烟叶外观鉴定专家对烟叶蜡质感进行定性、定量感官鉴定。
(2)近红外光谱的采集:通过近红外光谱仪分别采集各个烟叶样本的近红外光谱,作为各烟叶样本的原始光谱信息;近红外光谱仪的主要工作参数为:光谱扫描范围950nm~1650nm,分辨率2nm,扫描时间5秒,扫描位置垂直距离烟叶叶中4cm处。
(3)原始光谱信息的特征波长提取:采用连续投影算法从各烟叶样本的原始光谱信息中筛选出对蜡质感贡献大的特征波长,筛选出的特征波长点为11210nm、1340nm、1360nm、1430nm、1470nm、1500nm和1540nm。
(4)烟叶蜡质感定量分析模型的建立与验证:利用提取的特征波长,采用多元线性回归方法建立的烟叶蜡质感定量分析模型为:Y蜡质感=8.803+479.170 A1210-1551.630 A1340+1123.735 A1360-150.416 A1430-84.428 A1470-473.218 A1500+ 664.735A1540,其中Y蜡质感代表蜡质感值,A1210、A1340、A1360、A1430、A1470、A1500、A1540分别代表1210nm、1340nm、1360nm、1430nm、1470nm、1500nm、1540nm波长点的吸光度值,并验证模型具有较强的预测能力。
(5)待测烟叶样本蜡质感的鉴别:对待测烟叶样本进行近红外光谱的采集和特征波长的提取,将特征波长点的吸光度值,代入烟叶蜡质感定量分析模型,计算蜡质感值;根据蜡质感值的大小判断该待测烟叶样本蜡质感的类型及其程度, 蜡质感值6.5~10.0时蜡质感类型为弱,蜡质感值3.5~6.5时蜡质感类型为中,蜡质感值0.0~3.5时蜡质感类型为强;蜡质感值越小,蜡质感程度越高。
本发明的有益效果如下:建立了基于近红外光谱分析技术的烤烟烟叶蜡质感的鉴别方法,避免了现有技术中主要依赖于烟叶外观鉴定专家进行鉴别所存在的主观性强、时效性低、重现性差的弊端;本发明方法的鉴别值与真实值(专家鉴定值)平均相对误差为6.01%,提高了蜡质感特征鉴别的客观性、快速性和准确性。
附图说明
图1为本发明所采集的近红外光谱图。
图2为烟叶蜡质感特征波长个数确定图。
图3为烟叶蜡质感特征波长点提取图。
图4为预测组样本的烟叶蜡质感预测效果图。
具体实施方式
本发明以下结合实施例(附图)做进一步描述:
一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法,按照如下步骤进行:
(1)蜡质感烟叶样本的制备和专家感官鉴定: 选取301个来自于福建、湖南、江西、四川、湖北、云南、贵州、重庆、陕西、辽宁、吉林、黑龙江、河南、山东、安徽15个不同产地、不同等级、不同蜡质感类型程度的烤烟烟叶样本;由烟叶外观鉴定专家按照蜡质感弱型为6.5~10.0分、蜡质感中型为3.5~6.5分、蜡质感强型为0.0~3.5分的打分标准对烟叶蜡质感进行定性、定量感官鉴定,其中弱型蜡质感烟叶样品70个,中型蜡质感烟叶样品166个,强型蜡质感烟叶样品65个。
(2)近红外光谱的采集:通过近红外光谱仪分别采集各个烟叶样本的近红外光谱,作为各烟叶样本的原始光谱信息;近红外光谱仪的主要工作参数为:光谱扫描范围950nm~1650nm,分辨率2nm,扫描时间5秒,扫描位置垂直距离烟叶叶中4cm处,图1为本发明所采集的近红外光谱图。
(3)原始光谱信息的特征波长提取:采用连续投影算法从各烟叶样本的原始光谱信息中筛选出对蜡质感贡献大的特征波长,提取7个波长变量时交叉验证均方根误差RMSE最小;筛选出的特征波长点为1210nm、1340nm、1360nm、1430nm、1470nm、1500nm和1540nm,图2、图3为烟叶蜡质感特征波长提取图。
(4)烟叶蜡质感定量分析模型的建立与验证:将301个所有烟叶样本随机分为训练组和预测组,其中训练组241个烟叶样本用于模型的建立,预测组60个烟叶样本用于模型预测效果的验证。利用筛选出来的特征波长,采用多元线性回归方法建立的烟叶蜡质感定量分析模型为:Y蜡质感=8.803+479.170 A1210 -1551.630 A1340+1123.735 A1360-150.416 A1430-84.428 A1470-473.218 A1500+ 664.735A1540,其中Y蜡质感代表蜡质感值,A1210、A1340、A1360、A1430、A1470、A1500、A1540分别代表1210nm、1340nm、1360nm、1430nm、1470nm、1500nm、1540nm波长点的吸光度值。使用验证集烟叶样本验证模型的有效性,对预测组样本的烟叶蜡质感预测效果见图4,模型的验证决定系数R2=0.9837、验证均方根误差RMSE=0.3905,表明模型具有较强的预测能力。
(5)待测烟叶样本蜡质感的鉴别:对待测烟叶样本进行近红外光谱的采集和特征波长的提取,将特征波长点的吸光度值,代入烟叶蜡质感定量分析模型,计算蜡质感值;根据蜡质感值的大小判断该待测烟叶样本蜡质感的类型及其程度, 蜡质感值6.5~10.0时蜡质感类型为弱,蜡质感值3.5~6.5时蜡质感类型为中,蜡质感值0.0~3.5时蜡质感类型为强;蜡质感值越小,蜡质感程度越高。图4为预测组样本的烟叶蜡质感预测效果图,结果表明,本发明方法的鉴别值与真实值(专家鉴定值)平均相对误差为6.01%,提高了蜡质感特征鉴别的客观性、快速性和准确性。
本发明的应用实例如下:
应用实例1
福建三明X2F等级烤烟烟叶样本1份,经近红外光谱的采集,其1210nm、1340nm、1360nm、1430nm、1470nm、1500nm、1540nm波长点的吸光度值分别为0.27、0.27、0.27、0.34、0.36、0.35、0.34,代入烟叶蜡质感的定量分析模型,得出其蜡质感预测值为7.5,其烟叶外观专家鉴定的分值为7.8,相对误差为2.90%。
应用实例2
云南文山C2F等级烤烟烟叶样本1份,经近红外光谱的采集,其1210nm、1340nm、1360nm、1430nm、1470nm、1500nm、1540nm波长点的吸光度值分别为0.23、0.23、0.24、0.33、0.36、0.35、0.33,代入烟叶蜡质感的定量分析模型,得出其蜡质感预测值为5.7,其烟叶外观专家鉴定的分值为5.8,相对误差为0.37%。
应用实例3
河南许昌B2F等级烤烟烟叶样本1份,经近红外光谱的采集,其1210nm、1340nm、1360nm、1430nm、1470nm、1500nm、1540nm波长点的吸光度值分别为0.26、0.26、0.27、0.36、0.39、0.37、0.36,代入烟叶蜡质感的定量分析模型,得出其蜡质感预测值为3.4,其烟叶外观专家鉴定的分值为3.5,相对误差为3.68%。
Claims (5)
1.一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法,其特征在于:该方法步骤如下:
(1)蜡质感烟叶样本的选取: 选取代表不同产地、不同等级、不同蜡质感类型程度的烤烟烟叶样本;
(2)近红外光谱的采集:通过近红外光谱仪分别采集各个烟叶样本的近红外光谱,作为各烟叶样本的原始光谱信息;
(3)原始光谱信息的特征波长提取:采用连续投影算法从各烟叶样本的原始光谱信息中筛选出对烟叶蜡质感贡献大的特征波长;
(4)烟叶蜡质感定量分析模型的建立与验证:利用提取的特征波长,采用多元线性回归方法建立烟叶蜡质感定量分析模型,并使用验证集烟叶样本验证模型的有效性;
(5)待测烟叶样本蜡质感的鉴别:对待测烟叶样本进行近红外光谱的采集和特征波长的提取,将特征波长点的吸光度值,代入烟叶蜡质感定量分析模型,计算蜡质感值;根据蜡质感值的大小判断该待测烟叶样本蜡质感的类型及其程度, 蜡质感值6.5~10.0时蜡质感类型为弱,蜡质感值3.5~6.5时蜡质感类型为中,蜡质感值0.0~3.5时蜡质感类型为强;蜡质感值越小,蜡质感程度越高。
2.如权利要求1所述的一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法,其特征在于:步骤(2)中近红外光谱仪的主要工作参数为:光谱扫描范围950nm~1650nm,分辨率2nm,扫描时间5秒,扫描位置垂直距离烟叶叶中4cm处。
3.如权利要求1所述的一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法,其特征在于:步骤(3)中烟叶蜡质感特征波长的提取采用连续投影算法,筛选出的特征波长点为1210nm、1340nm、1360nm、1430nm、1470nm、1500nm和1540nm。
4.如权利要求1所述的一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法,其特征在于:步骤(4)中烟叶蜡质感的定量分析模型为Y蜡质感=8.803+479.170 A1210-1551.630 A1340+1123.735 A1360-150.416 A1430-84.428 A1470-473.218 A1500+ 664.735A1540,其中Y蜡质感代表蜡质感值,A1210、A1340、A1360、A1430、A1470、A1500、A1540分别代表1210nm、1340nm、1360nm、1430nm、1470nm、1500nm、1540nm波长点的吸光度值,并验证模型具有较强的预测能力。
5.如权利要求1所述的一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法,其特征在于:步骤(1)中烤烟烟叶样本的选取数量不低于200个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811560622.4A CN109374574A (zh) | 2018-12-20 | 2018-12-20 | 一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811560622.4A CN109374574A (zh) | 2018-12-20 | 2018-12-20 | 一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109374574A true CN109374574A (zh) | 2019-02-22 |
Family
ID=65370837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811560622.4A Pending CN109374574A (zh) | 2018-12-20 | 2018-12-20 | 一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109374574A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562235A (zh) * | 2020-05-18 | 2020-08-21 | 迟衡 | 基于近红外光谱快速鉴别烟叶黑暴病害及感染程度的方法 |
CN117809070A (zh) * | 2024-03-01 | 2024-04-02 | 唐山市食品药品综合检验检测中心(唐山市农产品质量安全检验检测中心、唐山市检验检测研究院) | 一种用于蔬菜农药残留检测的光谱数据智能处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100029729A1 (en) * | 2008-06-20 | 2010-02-04 | Jose Luis Castro Pineiro | Compounds |
CN104713849A (zh) * | 2015-03-31 | 2015-06-17 | 云南同创检测技术股份有限公司 | 一种基于近红外光谱分析技术的烟叶霉变的快速预测方法 |
CN107491784A (zh) * | 2017-08-09 | 2017-12-19 | 云南瑞升烟草技术(集团)有限公司 | 基于深度学习算法的烟叶近红外光谱定量建模方法及应用 |
CN107543795A (zh) * | 2017-09-20 | 2018-01-05 | 中国烟草总公司郑州烟草研究院 | 一种烤烟产地的判别方法 |
CN107677638A (zh) * | 2017-09-29 | 2018-02-09 | 贵州大学 | 一种基于近红外光谱技术的初烤把烟含梗率快速检测方法 |
CN108181263A (zh) * | 2017-12-29 | 2018-06-19 | 浙江中烟工业有限责任公司 | 基于近红外光谱的烟叶部位特征提取及判别方法 |
-
2018
- 2018-12-20 CN CN201811560622.4A patent/CN109374574A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100029729A1 (en) * | 2008-06-20 | 2010-02-04 | Jose Luis Castro Pineiro | Compounds |
CN104713849A (zh) * | 2015-03-31 | 2015-06-17 | 云南同创检测技术股份有限公司 | 一种基于近红外光谱分析技术的烟叶霉变的快速预测方法 |
CN107491784A (zh) * | 2017-08-09 | 2017-12-19 | 云南瑞升烟草技术(集团)有限公司 | 基于深度学习算法的烟叶近红外光谱定量建模方法及应用 |
CN107543795A (zh) * | 2017-09-20 | 2018-01-05 | 中国烟草总公司郑州烟草研究院 | 一种烤烟产地的判别方法 |
CN107677638A (zh) * | 2017-09-29 | 2018-02-09 | 贵州大学 | 一种基于近红外光谱技术的初烤把烟含梗率快速检测方法 |
CN108181263A (zh) * | 2017-12-29 | 2018-06-19 | 浙江中烟工业有限责任公司 | 基于近红外光谱的烟叶部位特征提取及判别方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562235A (zh) * | 2020-05-18 | 2020-08-21 | 迟衡 | 基于近红外光谱快速鉴别烟叶黑暴病害及感染程度的方法 |
CN117809070A (zh) * | 2024-03-01 | 2024-04-02 | 唐山市食品药品综合检验检测中心(唐山市农产品质量安全检验检测中心、唐山市检验检测研究院) | 一种用于蔬菜农药残留检测的光谱数据智能处理方法 |
CN117809070B (zh) * | 2024-03-01 | 2024-05-14 | 唐山市食品药品综合检验检测中心(唐山市农产品质量安全检验检测中心、唐山市检验检测研究院) | 一种用于蔬菜农药残留检测的光谱数据智能处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108181263B (zh) | 基于近红外光谱的烟叶部位特征提取及判别方法 | |
CN101692052B (zh) | 基于超光谱图像技术的名优茶真伪鉴别方法及装置 | |
CN105630743A (zh) | 一种光谱波数的选择方法 | |
CN101285768B (zh) | 应用近红外光谱分析技术无损鉴别卷烟真伪的方法 | |
CN105445421B (zh) | 一种通过外观指标预测片烟醇化过程中感官质量的方法 | |
CN112539785B (zh) | 一种基于多维度特征信息的烟叶等级识别***及方法 | |
CN103278609A (zh) | 一种基于多源感知信息融合的肉品新鲜度检测方法 | |
CN105891147A (zh) | 一种基于典型相关系数的近红外光谱信息提取方法 | |
CN108844917A (zh) | 一种基于显著性假设检验和偏最小二乘法的近红外光谱数据分析方法 | |
CN106250896A (zh) | 基于图像采集装置的在线烟叶的正反面的识别方法 | |
CN103674884A (zh) | 基于近红外光谱信息的烟叶风格特征的随机森林分类方法 | |
CN107543795B (zh) | 一种烤烟产地的判别方法 | |
CN111443043B (zh) | 一种基于高光谱图像的核桃仁品质检测方法 | |
CN111257277B (zh) | 一种基于近红外光谱技术的烟叶相似度判定方法 | |
CN109374574A (zh) | 一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法 | |
CN112414967B (zh) | 一种快速实时检测蒲黄炭炮制的近红外质控方法 | |
CN105628708A (zh) | 一种南疆红枣多参量品质快速无损检测方法 | |
CN102937575A (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
CN107966420B (zh) | 一种由近红外光谱预测原油性质的方法 | |
CN109387484A (zh) | 一种结合高光谱和支持向量机分类的苎麻品种识别方法 | |
CN101158657A (zh) | 基于x射线荧光技术的茶叶产地鉴别方法 | |
CN107677619B (zh) | 一种烤烟中部叶和上部叶的判别方法 | |
CN102680427A (zh) | 一种应用近红外光谱分析技术鉴别卷烟表香质量的方法 | |
CN109374575A (zh) | 一种基于近红外光谱分析技术的烤烟烟叶底色的鉴别方法 | |
CN111398208B (zh) | 一种利用近红外技术对传统工艺翡翠进行快速鉴定的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |
|
RJ01 | Rejection of invention patent application after publication |