CN113484272B - 基于近红外光谱采用相似度分析技术快速预测新鲜烟叶中油分的方法 - Google Patents
基于近红外光谱采用相似度分析技术快速预测新鲜烟叶中油分的方法 Download PDFInfo
- Publication number
- CN113484272B CN113484272B CN202110772264.9A CN202110772264A CN113484272B CN 113484272 B CN113484272 B CN 113484272B CN 202110772264 A CN202110772264 A CN 202110772264A CN 113484272 B CN113484272 B CN 113484272B
- Authority
- CN
- China
- Prior art keywords
- oil content
- tobacco
- similarity
- sample
- near infrared
- 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
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 79
- 241000208125 Nicotiana Species 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 18
- 238000005516 engineering process Methods 0.000 title claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims abstract description 31
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 5
- 239000000843 powder Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 108090000623 proteins and genes Proteins 0.000 claims description 5
- 102000004169 proteins and genes Human genes 0.000 claims description 5
- 244000061176 Nicotiana tabacum Species 0.000 claims description 4
- 238000000227 grinding Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 3
- 238000001035 drying Methods 0.000 claims description 2
- 230000008014 freezing Effects 0.000 claims description 2
- 238000007710 freezing Methods 0.000 claims description 2
- 210000003462 vein Anatomy 0.000 claims description 2
- 238000010298 pulverizing process Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 10
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000003595 spectral effect Effects 0.000 description 13
- 239000000126 substance Substances 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 235000014113 dietary fatty acids Nutrition 0.000 description 3
- 150000002148 esters Chemical class 0.000 description 3
- 229930195729 fatty acid Natural products 0.000 description 3
- 239000000194 fatty acid Substances 0.000 description 3
- 150000004665 fatty acids Chemical class 0.000 description 3
- 238000010362 genome editing Methods 0.000 description 3
- 229930182470 glycoside Natural products 0.000 description 3
- 150000002338 glycosides Chemical class 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- TUFYVOCKVJOUIR-UHFFFAOYSA-N 2-hydroxy-3-propan-2-ylcyclohepta-2,4,6-trien-1-one Chemical compound CC(C)C=1C=CC=CC(=O)C=1O TUFYVOCKVJOUIR-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010013911 Dysgeusia Diseases 0.000 description 1
- 238000000944 Soxhlet extraction Methods 0.000 description 1
- 241000218636 Thuja Species 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 238000009864 tensile test Methods 0.000 description 1
- 229940126680 traditional chinese medicines Drugs 0.000 description 1
- 230000009261 transgenic effect Effects 0.000 description 1
- 150000005671 trienes Chemical class 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 235000014101 wine Nutrition 0.000 description 1
Images
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
- G01N21/3563—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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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)
- Manufacture Of Tobacco Products (AREA)
Abstract
本发明公开一种基于近红外光谱采用相似度分析技术快速预测新鲜烟叶中油分的方法，包括如下步骤：步骤(1)、样品的采集及前处理；步骤(2)、近红外扫描；步骤(3)、特征波段的选取；步骤(4)、红外数据前处理；步骤(5)、油分打分处理；步骤(6)、相似度分析；步骤(7)、近红外‑相似度预测模型的建立；步骤(8)新鲜烟叶样品油分的红外预测。本发明利用红外光谱技术，结合光谱相似度分析方法，构建烟草油分快速分析模型及分析方法，用于烟草油分的快速检测评价。预测模型建立过程中，本发明对前处理过程进行了考察，同时确定了油分相关的特征波段，保证依据该数据建立的模型更加准确，进一步保证预测的准确度。
Description
技术领域
本发明涉及一种烟叶化学成分的快速预测方法，具体涉及一种基于近红外光谱-相似度分析技术快速预测新鲜烟叶中油分方法。
背景技术
烟叶是卷烟工业的基础，烟叶质量的优劣直接影响卷烟产品的质量。烟叶化学成份是决定评吸质量的内在因素，二者之间有着密切的关系。烤烟油分与烟叶的韧性、弹性、吸湿性、成熟度以及理化特性、烟气质量密切相关，是一个综合性的品质因素，是烟叶分级中重要指标。油分含量对烟叶感官评吸质量有着深刻影响，烟叶油分多，相应的香气品质更好、杂气量更少、余味舒适性都有提高。
油分的成分复杂，据相关文献报道烟草油分主要包括高级脂肪酸、酯类物质、西柏三烯类物质和糖苷类等，目前，对烟草油分的概念没有准确的界定。现行的烤烟分级标准GB2635-1992，主要是根据烟叶分级工作人员观察、手摸以及与其他相关的外观特征相结合来确定油分的不同档次，具有一定的主观性。
目前较为常用的油分测量方法为超声辅助索氏提取法。该方法结果较为客观准确，但是不足在于过程繁琐、检测时间长，很难用于高通量的快速评价。此外，油分分析新方法还有拉力测试法，视觉图片解析法等，这些方法较为新颖也能初步用于烟叶油分的分析，但是目前都还不成熟，应用较少。
为了解决以上问题，提出本发明。
发明内容
本发明利用红外光谱技术，结合光谱相似度分析方法，构建烟草油分快速分析模型及分析方法，用于烟草油分的快速检测评价。
本发明第一方面提供一种基于近红外光谱采用相似度分析技术快速预测新鲜烟叶中油分的方法，包括如下步骤：
步骤(1)、样品的采集及前处理
选择一定量的烟株样品，采集一片或多片烟叶，去除叶脉取叶片，一半进行冷冻干燥，干燥后，粉碎研磨为40目以上细粉，一半进行烟叶油分打分；
步骤(2)、近红外扫描
新鲜烟叶粉末，采用近红外漫反射光谱扫描；
步骤(3)、特征波段的选取
分析新鲜烟叶中油分的分子结构及其近红外光谱，确定蛋白质的主要特征出峰波段；
步骤(4)、红外数据前处理
对上述步骤(3)所得的光谱，采用平滑(Smooth)、矢量归一化(SNV)、多元散射校正(MSC)、二阶导数(D2)及基线校正(BC)的光谱预处理方法对红外光谱进行处理；
步骤(5)、油分打分处理
每个烟株样品随机抽取3片烟叶，依据《GB2635-1992烤烟》标准逐片评价烟叶的油分，按照表1所示标准，并对其进行量化打分，请多位烟叶专家进行打分，每个样品评价三次，取平均值；
表1烟叶油分量化打分标准
步骤(6)、相似度分析
对上述步骤(4)所得近红外数据与步骤(5)所得的油分含量数据对应后，以油分含量多，即打分值在8-10区间的样本为母本，采用TQ Analyst软件进行相似度分析，得到其相似度值；
步骤(7)、近红外-相似度预测模型的建立
对上述步骤(4)所得近红外数据与步骤(6)所得的样品相似度数据对应后，构建近红外相似度与油分之间线性回归函数关系Y＝0.26127X-17.20868；
步骤(8)新鲜烟叶样品油分的红外预测
对于所需检测的新鲜烟叶样品，按照步骤(1)、步骤(2)、步骤(3)处理后导入步骤(7)所建模型中，即可得到油分的红外预测值。
优选地，步骤(1)中，样品数量不能少于50个，粉碎研磨后样品颗粒的目数不小于80目。
优选地，步骤(2)中，近红外扫描的条件为，把混匀的固体粉末样品放入样品杯中，使用压样器轻压平整，样品厚度≥10mm；扫描次数为64次，分辨率为1nm，扫描范围为4000～12000nm，3次测试求平均值来消除误差；得到原始光谱依次进行吸光度、自动基线校正、归一化处理得相应的标准化光谱。
优选地，步骤(3)中，蛋白质的主要特征出峰波段为：4015～5450和6098～8502。
优选地，步骤(5)中，评吸专家数量不低于5人。
相对于现有技术，本发明具有以下有益效果：
1、红外光谱是一种分子振转光谱，能获得样品的整体化学信息，由于其快速、无损、简便等特点广泛运用于中药、农产品、酒类等质量控制和分析评价中。近红外光谱区与有机分子中含氢基团(O-H、N-H、C-H)振动的合频和各级倍频的吸收区一致，通过扫描样品的近红外光谱，可以得到样品中有机分子含氢基团的特征信息。
光谱相似性度量(spectral similarity)在光谱数据解析领域发挥着重要的作用。该技术的主要目的是：将特定的光谱相似性度量函数分析测试光谱(未知类别光谱)与对照光谱(已知类别光谱)之间的相似性，并根据相似性数值大小对测试光谱的类别属性进行划分。从某种程度上讲，高光谱数据分析的主要研究领域，如地物分类、异常目标检测、混合像元分解等，都是以光谱相似性为基础。
本发明利用红外光谱技术，结合光谱相似度分析方法，构建烟草油分快速分析模型及分析方法，用于烟草油分的快速检测评价。
2、本发明操作时间短，仅需要几分钟就可以快速得到新鲜烟叶的油分含量。
3、本发明所得数据相对国标所用的感官评价方法更为客观准确，保证预测结果的标准性。
4、本发明对前处理过程进行了考察，确定红外数据前处理方法为，采用平滑(Smooth)、矢量归一化(SNV)、多元散射校正(MSC)、二阶导数(D2)及基线校正(BC)的光谱预处理方法对红外光谱进行处理，保证依据该数据建立的模型更加准确，进一步保证预测的准确度。
5、本发明采用油分相关的特征波段，确定蛋白质的主要特征出峰波段为：4015～5450和6098～8502，使得建立的模型的准确度及精度都有明显提高。
6、本发明准确度较高可用于基因编辑烟草素材油分的高通量评价筛选。烟叶的相似度与油分具有一定的相关性，可以用来预测基因编辑素材油分的趋势，用于准确预测油分还有待改进。本发明尤其适用于来源差异较大的烟草样品，以及基因编辑和转基因烟草样品中油分的快速预测分析。
附图说明
图1为光谱建模流程示意图；
图2油分的真实值与不同前处理近红外模型预测值的散点图；
图3油分的真实值与不同波段近红外模型预测值的散点图；
图4近红外相似度-油分的真实值拟合曲线图；
具体实施方式
下面结合具体实施例对本发明进行说明，但本发明的实施方式不限于此。实施例中未注明具体条件的实验方法,通常按照常规条件以及手册中所述的条件,或按照制造厂商所建议的条件所用的通用设备、材料、试剂等,如无特殊说明,均可从商业途径得到。以下实施例和对比例中所需要的原料均为市售。
为了构建烟叶油分光谱模型，主要对构建光谱流程中的前处理、波段选择等方面进行优化(如图1)。
1、前处理的影响
为消除光谱信号中的基线漂移与光散射等各种干扰和噪声，充分提取光谱包含的有效特征信息，提高校正模型的预测精度，对光谱进行必要的预处理。实验分别采用一阶导数和二阶导数结合Savitzky.Golay(SG)平滑滤波(段长7；段间距3)和Norris导数滤波(段长5；段间距5)分别对烤后烟叶光谱进行预处理，优化油分的校正模型，结果见下表2(图2)。表明了不同预处理方法对模型的预测结果都有一定的影响。其中近红外二阶导阶导数+norris平滑滤波相对较好。
表2烤后烟叶模型光谱预处理方法的选择
2、波长范围的选择
不同的波长范围所建模型的预测效果不一样，采用全波长光谱建立模型时，包含了仪器噪声和某些信息很弱的谱区，使模型的预测性能变差。为了更好的提取烟叶中油分信息，根据油分的主要组成高级脂肪酸、酯类物质、西柏三烯类物质和糖苷类等得出如表3所示其特征近红外4015～5450和6098～8502cm-1。
表3烤后烟叶模型特征波选择
连续投影算法(successive projection algorithm,SPA)能够从光谱信息中充分寻找含有最低限度冗余信息的变量组，使得变量之间的共线性达到最小，同时能大大减少建模所用变量的个数，提高建模的速度和效率。其提取波长如表3(图3)所示。对上述波段及波长按照全谱建模方法进行建模。
所建立的模型的各项参数如表3所示：模型中油分含量的真实值与预测值之间的相关系数均在0.8以上，这说明模型的预测值和真实值之间具有很好的相关性，也说明所建立模型可以很好地预测烤烟样品的油分含量。而其中特征波段光谱的相关性系数最大，RMSECV最小，可用于油分的近红外光谱建模。
从表3中还可以看出，所选择的特征波长大部分在4000-5000cm-1，6000～8000cm-1范围内，这主要由C—H键，和O—H键的伸缩振动引起，而这些基团主要与烟叶油分中的酯、脂肪酸及糖苷等有关。
3、相似度拟合
光谱相似性度量(spectral similarity)在光谱数据解析领域发挥着重要的作用。该技术的主要目的是：将特定的光谱相似性度量函数分析测试光谱(未知类别光谱)与对照光谱(已知类别光谱)之间的相似性，并根据相似性数值大小对测试光谱的类别属性进行划分。从某种程度上讲，高光谱数据分析的主要研究领域，如地物分类、异常目标检测、混合像元分解等，都是以光谱相似性为基础。
以油分含量多(即打分值8-10)的样本为母本，采用上述所得的前处理方法、以及特征波段，计算单个样本与母本的相似度。通过样本的相似度与油分进行线性拟合，计算出回归方程如图4所示，其中近红外线性回归为Y＝0.26127X-17.20868，R2＝0.81。由图可知其近红外相似度所处区间为0.74-0.99之间，其回归曲线斜率为正表明相似度与油分正相关，即样品与油分含量多的母本越相似，其油分越高。相关性系数为0.8178，表明油分与所计算的近红外相似度有较好的相关性，可以用于建模计算烤烟的油分。
4、模型预测准确度预测
取10个未知烤后烟叶样品，进行近红外光谱扫描，采用本发明的相似度预测模型预测其油分分值，同时依据(《GB2635—92烤烟》和表1给出每个样品的叶片油分赋值，并将预测值与人工赋值进行比较，结果见表4。由于烟叶的油分是对烟叶外观质量性状的一种定性描述，其分值是根据人的感官评价赋予的，肯定存在一定的误差，而在烟叶分级中10％的误差认为是准确的，由表可知本发明的相对偏差为16.96％，表明本发明方法的预测准确度较好。
表4烤烟油分模型预测数据ID
Claims (3)
1.一种基于近红外光谱采用相似度分析技术快速预测新鲜烟叶中油分的方法，其特征在于：包括如下步骤：
步骤1、样品的采集及前处理
选择一定量的烟株样品，采集一片或多片烟叶，去除叶脉取叶片，一半进行冷冻干燥，干燥后，粉碎研磨为40目以上细粉，一半进行烟叶油分打分；
步骤2、近红外扫描
新鲜烟叶粉末，采用近红外漫反射光谱扫描；
步骤3、特征波段的选取
分析新鲜烟叶中油分的分子结构及其近红外光谱，确定蛋白质的主要特征出峰波段；
步骤4、红外数据前处理
对上述步骤3所得的光谱，采用平滑、矢量归一化、多元散射校正、二阶导数及基线校正的光谱预处理方法对红外光谱进行处理；
步骤5、油分打分处理
每个烟株样品随机抽取3片烟叶，依据《GB2635-1992烤烟》标准逐片评价烟叶的油分，按照表1所示标准，并对其进行量化打分，请多位烟叶专家进行打分，每个样品评价三次，取平均值；
表1烟叶油分量化打分标准
步骤6、相似度分析
对上述步骤4所得近红外数据与步骤5所得的油分含量数据对应后，以油分含量多，即打分值在8-10区间的样本为母本，采用TQ Analyst软件进行相似度分析，得到其相似度值；
步骤7、近红外-相似度预测模型的建立
对上述步骤4所得近红外数据与步骤6所得的样品相似度数据对应后，构建近红外相似度与油分之间线性回归函数关系Y＝0.26127X-17.20868；其中，所述X为相似度，所述Y为油分含量；
步骤8新鲜烟叶样品油分的红外预测
对于所需检测的新鲜烟叶样品，按照步骤1、步骤2、步骤3、步骤4、步骤5、步骤6处理后导入步骤7所建模型中，即可得到油分的红外预测值。
2.根据权利要求1所述的方法，其特征在于，步骤1中，样品数量不能少于50个，粉碎研磨后样品颗粒的目数不小于80目。
3.根据权利要求1所述的方法，其特征在于，步骤3中，蛋白质的主要特征出峰波段为：4015～5450和6098～8502cm-1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110772264.9A CN113484272B (zh) | 2021-07-08 | 2021-07-08 | 基于近红外光谱采用相似度分析技术快速预测新鲜烟叶中油分的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110772264.9A CN113484272B (zh) | 2021-07-08 | 2021-07-08 | 基于近红外光谱采用相似度分析技术快速预测新鲜烟叶中油分的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113484272A CN113484272A (zh) | 2021-10-08 |
| CN113484272B true CN113484272B (zh) | 2022-08-19 |
Family
ID=77937504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110772264.9A Active CN113484272B (zh) | 2021-07-08 | 2021-07-08 | 基于近红外光谱采用相似度分析技术快速预测新鲜烟叶中油分的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113484272B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101285768A (zh) * | 2008-05-29 | 2008-10-15 | 红云烟草(集团)有限责任公司 | 应用近红外光谱分析技术无损鉴别卷烟真伪的方法 |
| CN108226092A (zh) * | 2017-12-29 | 2018-06-29 | 广州讯动网络科技有限公司 | 基于近红外光谱相似度的模型界外样本识别方法 |
| CN109425679A (zh) * | 2017-08-24 | 2019-03-05 | 湖南中烟工业有限责任公司 | 一种基于等权相似度分析仿制烟用香精指纹图谱相似度的方法 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0640069B2 (ja) * | 1989-04-30 | 1994-05-25 | 株式会社ニレコ | 近赤外線による食味値推定方法 |
| CA2271221C (en) * | 1999-05-05 | 2007-12-18 | Kvaerner Canada Inc. | Determination of ionic species concentration by near infrared spectroscopy |
| US6424859B2 (en) * | 1999-06-17 | 2002-07-23 | Michael Jackson | Diagnosis of rheumatoid arthritis in vivo using a novel spectroscopic approach |
| BRPI0801639B1 (pt) * | 2008-06-03 | 2018-04-10 | Petróleo Brasileiro S.A. - Petrobras | Método para determinar o número de acidez total e o número de acidez naftênica de petróleos, cortes de petróleo e emulsões de petróleo do tipo água-em-óleo, por espectroscopia no infravermelho médio |
| CN101368905B (zh) * | 2008-09-08 | 2011-01-12 | 淮阴工学院 | 红外光谱非线性建模定量分析方法 |
| JP5748897B1 (ja) * | 2013-12-20 | 2015-07-15 | 築野食品工業株式会社 | 近赤外分光法を用いた植物油脂またはその原料中の遊離脂肪酸の定量方法 |
| CN104062260B (zh) * | 2014-06-19 | 2016-08-17 | 广东省中医药工程技术研究院 | 一种含有柚皮苷中药生产过程中的近红外在线检测方法 |
| CN104596976A (zh) * | 2015-01-30 | 2015-05-06 | 云南中烟工业有限责任公司 | 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 |
| CN106501208A (zh) * | 2016-09-20 | 2017-03-15 | 广西中烟工业有限责任公司 | 一种基于近红外光谱特征的烟叶风格相似性分类方法 |
| CN108489929B (zh) * | 2018-05-09 | 2021-01-01 | 夏永刚 | 人参、三七和西洋参三种法定基源人参属多糖的鉴别方法 |
| JP2020112478A (ja) * | 2019-01-15 | 2020-07-27 | 直富商事株式会社 | 脂肪酸エステル含有量の推定方法 |
| CN111537457A (zh) * | 2020-05-18 | 2020-08-14 | 云南中烟工业有限责任公司 | 一种基于紫外可见光相似度的色差分析方法 |
| CN112801300A (zh) * | 2021-01-27 | 2021-05-14 | 福建中烟工业有限责任公司 | 预测烟草样品香气量的方法、装置和计算机可读取介质 |
| CN113030007B (zh) * | 2021-02-10 | 2023-04-18 | 河南中烟工业有限责任公司 | 基于相似度学习算法快速检验烟用香精质量稳定性的方法 |
-
2021
- 2021-07-08 CN CN202110772264.9A patent/CN113484272B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101285768A (zh) * | 2008-05-29 | 2008-10-15 | 红云烟草(集团)有限责任公司 | 应用近红外光谱分析技术无损鉴别卷烟真伪的方法 |
| CN109425679A (zh) * | 2017-08-24 | 2019-03-05 | 湖南中烟工业有限责任公司 | 一种基于等权相似度分析仿制烟用香精指纹图谱相似度的方法 |
| CN108226092A (zh) * | 2017-12-29 | 2018-06-29 | 广州讯动网络科技有限公司 | 基于近红外光谱相似度的模型界外样本识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113484272A (zh) | 2021-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107796782B (zh) | 基于烟叶特征光谱一致性度量的复烤质量稳定性评价方法 | |
| JP6339244B2 (ja) | Ｆｔ−ｉｒスペクトルデータの多変量統計分析を用いた果実の糖度及び酸度の予測方法 | |
| CN105181642A (zh) | 一种花生品质的近红外检测方法及应用 | |
| CN106501208A (zh) | 一种基于近红外光谱特征的烟叶风格相似性分类方法 | |
| CN109374548A (zh) | 一种利用近红外快速测定大米中营养成分的方法 | |
| CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
| WO2020248961A1 (zh) | 一种无参考值的光谱波数选择方法 | |
| CN110346445A (zh) | 一种基于气体分析质谱及近红外光谱分析烟叶霉变的方法 | |
| CN113030007B (zh) | 基于相似度学习算法快速检验烟用香精质量稳定性的方法 | |
| CN113484275B (zh) | 基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法 | |
| CN105223140A (zh) | 同源物质的快速识别方法 | |
| CN110672578A (zh) | 针对煎炸油极性组分检测的模型通用性及稳定性验证方法 | |
| CN113484272B (zh) | 基于近红外光谱采用相似度分析技术快速预测新鲜烟叶中油分的方法 | |
| Kamal et al. | Comparison of principal component and partial least square regression method in NIRS data analysis for cocoa bean quality assessment | |
| CN115718081B (zh) | 基于光谱指纹的琥珀产地溯源模型的构建方法及应用 | |
| CN112362608A (zh) | 基于红外光谱技术鉴别香精斑烟、料斑烟污染源的方法 | |
| CN110596038A (zh) | 一种红薯淀粉含量快速测定的方法 | |
| CN110887809B (zh) | 一种基于近红外光谱技术测定烟丝中梗含量的方法 | |
| CN113049526B (zh) | 一种基于太赫兹衰减全反射的玉米种子水分含量测定方法 | |
| Dong et al. | Nondestructive method for analysis of the soybean quality | |
| CN113125378A (zh) | 基于近红外光谱的不同部位驼肉中营养成分的快速检测方法 | |
| CN109324017B (zh) | 一种提高近红外光谱分析技术建模光谱质量的方法 | |
| CN114136887A (zh) | 一种基于近红外光谱技术快速检测冬瓜口感决定因子苹果酸的方法 | |
| CN111289451A (zh) | 复杂光谱组分浓度定量计算的方法 | |
| CN110320174A (zh) | 应用polynomial net结构人工神经网络快速预测远安黄茶闷黄时间的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |