-
公开(公告)号：CN108645841B
公开(公告)日：2020-11-03
申请号：CN201810978035.0
申请日：2018-08-24
Applicant: 武汉轻工大学
IPC: G01N21/65
Abstract: 本发明公开了一种拉曼光谱小波融合的芝麻油多元掺伪检测方法，包括：向芝麻油样品中掺入一定量的大豆油和菜籽油，得到多元掺伪油样；采集多元掺伪油样在1050～1350 cm‑1范围的拉曼光谱图，得到一次拉曼光谱图；采集多元掺伪油样在1400～1700 cm‑1范围的拉曼光谱图，得到二次拉曼光谱图；将多元掺伪油样的一次拉曼光谱图和二次拉曼光谱图进行小波融合，得到小波融合光谱图；对多元掺伪油样的小波融合光谱图进行预处理，得到预处理融合光谱图；根据多元掺伪油样的预处理融合光谱图，采用掺伪优化定量模型预测所述多元掺伪油样的掺伪量。该拉曼光谱小波融合的芝麻油多元掺伪检测方法，安全快速、检测便捷，预测准确率高。
-
公开(公告)号：CN108051394B
公开(公告)日：2020-10-02
申请号：CN201810120414.6
申请日：2018-02-07
Applicant: 武汉轻工大学
IPC: G01N21/3577 , G01N21/359
Abstract: 本发明公开了一种基于近红外光谱的芝麻油掺伪检测方法，包括：向芝麻油样中掺入一定量的大豆油，得到掺伪油样，并采用近红外光谱仪采集所述掺伪油样的近红外光谱图；对所述掺伪油样的近红外光谱图进行预处理，得到掺伪油样的预处理光谱图；采用连续投影算法对所述掺伪油样的预处理光谱图进行一次特征变量提取，得到掺伪油样的一次光谱图特征变量；采用稀疏字典学习对所述掺伪油样的一次光谱图特征变量进行二次特征变量提取，得到掺伪油样的光谱图特征变量；根据所述掺伪油样的光谱图特征变量，采用掺伪定量模型预测所述掺伪油样的掺伪量。该基于近红外光谱的芝麻油掺伪检测方法，安全快速、检测便捷，鉴别准确率高。
-
公开(公告)号：CN108645841A
公开(公告)日：2018-10-12
申请号：CN201810978035.0
申请日：2018-08-24
Applicant: 武汉轻工大学
IPC: G01N21/65
Abstract: 本发明公开了一种拉曼光谱小波融合的芝麻油多元掺伪检测方法，包括：向芝麻油样品中掺入一定量的大豆油和菜籽油，得到多元掺伪油样；采集多元掺伪油样在1050～1350 cm-1范围的拉曼光谱图，得到一次拉曼光谱图；采集多元掺伪油样在1400～1700 cm-1范围的拉曼光谱图，得到二次拉曼光谱图；将多元掺伪油样的一次拉曼光谱图和二次拉曼光谱图进行小波融合，得到小波融合光谱图；对多元掺伪油样的小波融合光谱图进行预处理，得到预处理融合光谱图；根据多元掺伪油样的预处理融合光谱图，采用掺伪优化定量模型预测所述多元掺伪油样的掺伪量。该拉曼光谱小波融合的芝麻油多元掺伪检测方法，安全快速、检测便捷，预测准确率高。
-
公开(公告)号：CN108362659B
公开(公告)日：2021-03-30
申请号：CN201810120412.7
申请日：2018-02-07
Applicant: 武汉轻工大学
IPC: G01N21/3577 , G01N21/359 , G01N21/65
Abstract: 本发明公开了一种基于多源光谱并联融合的食用油种类快速鉴别方法，包括：选取至少一个种类的若干食用油样品；分别采集若干所述食用油样品的近红外光谱图和拉曼光谱图；分别对若干所述食用油样品的近红外光谱图和拉曼光谱图进行预处理，得到若干所述食用油样品的预处理近红外光谱图和预处理拉曼光谱图；分别对若干所述食用油样品的的预处理近红外光谱图和预处理拉曼光谱图进行特征变量提取，得到若干所述食用油样品的近红外光谱图特征变量和拉曼光谱图特征变量；定性模型建立；种类鉴别。该基于多源光谱并联融合的食用油种类快速鉴别方法，安全快速、检测便捷，鉴别准确率高，具有较强的实用价值和推广价值。
-
公开(公告)号：CN109142265B
公开(公告)日：2021-02-19
申请号：CN201810979776.0
申请日：2018-08-24
Applicant: 武汉轻工大学
IPC: G01N21/3577 , G01N21/359
Abstract: 本发明公开了一种近红外光谱小波融合的食用油种类快速鉴别方法，包括：选取待鉴别的未知种类的食用油样品；采集未知种类的食用油样品在1350～1450nm范围的近红外光谱图，得到一次近红外光谱图；采集未知种类的食用油样品在1700～1800nm范围的近红外光谱图，得到二次近红外光谱图；分别对采集得到的一次近红外光谱图和二次近红外光谱图进行预处理；将预处理一次近红外光谱图和预处理二次近红外光谱图进行小波融合；根据小波融合光谱图，采用优化定性模型对所述未知种类的食用油样品进行种类鉴别。该近红外光谱小波融合的食用油种类快速鉴别方法，安全快速、检测便捷，鉴别准确率高。
-
Patent Agency Ranking
公开(公告)号：CN108051394A
公开(公告)日：2018-05-18
申请号：CN201810120414.6
申请日：2018-02-07
Applicant: 武汉轻工大学
IPC: G01N21/3577 , G01N21/359
Abstract: 本发明公开了一种基于近红外光谱的芝麻油掺伪检测方法，包括：向芝麻油样中掺入一定量的大豆油，得到掺伪油样，并采用近红外光谱仪采集所述掺伪油样的近红外光谱图；对所述掺伪油样的近红外光谱图进行预处理，得到掺伪油样的预处理光谱图；采用连续投影算法对所述掺伪油样的预处理光谱图进行一次特征变量提取，得到掺伪油样的一次光谱图特征变量；采用稀疏字典学习对所述掺伪油样的一次光谱图特征变量进行二次特征变量提取，得到掺伪油样的光谱图特征变量；根据所述掺伪油样的光谱图特征变量，采用掺伪定量模型预测所述掺伪油样的掺伪量。该基于近红外光谱的芝麻油掺伪检测方法，安全快速、检测便捷，鉴别准确率高。
-
公开(公告)号：CN109001148B
公开(公告)日：2020-10-09
申请号：CN201810979570.8
申请日：2018-08-24
Applicant: 武汉轻工大学
IPC: G01N21/359
Abstract: 本发明公开了一种近红外光谱典型相关分析融合的茶籽油多元掺伪检测方法，包括：向茶籽油样品中掺入一定量的大豆油和菜籽油，得到多元掺伪油样；采集多元掺伪油样在1350～1450nm范围的近红外光谱图，得到一次近红外光谱图；采集多元掺伪油样在1700～1800nm范围的近红外光谱图，得到二次近红外光谱图；将一次近红外光谱图和二次近红外光谱图进行典型相关分析融合，得到融合近红外光谱图；采用稀疏字典学习对融合近红外光谱图进行特征变量提取，得到融合特征变量；根据融合特征变量，采用掺伪优化定量模型预测所述多元掺伪油样的掺伪量。该近红外光谱典型相关分析融合的茶籽油多元掺伪检测方法，安全快速、检测便捷，预测准确率高。
-
公开(公告)号：CN109142265A
公开(公告)日：2019-01-04
申请号：CN201810979776.0
申请日：2018-08-24
Applicant: 武汉轻工大学
IPC: G01N21/3577 , G01N21/359
CPC classification number: G01N21/3577 , G01N21/359
Abstract: 本发明公开了一种近红外光谱小波融合的食用油种类快速鉴别方法，包括：选取待鉴别的未知种类的食用油样品；采集未知种类的食用油样品在1350～1450nm范围的近红外光谱图，得到一次近红外光谱图；采集未知种类的食用油样品在1700～1800nm范围的近红外光谱图，得到二次近红外光谱图；分别对采集得到的一次近红外光谱图和二次近红外光谱图进行预处理；将预处理一次近红外光谱图和预处理二次近红外光谱图进行小波融合；根据小波融合光谱图，采用优化定性模型对所述未知种类的食用油样品进行种类鉴别。该近红外光谱小波融合的食用油种类快速鉴别方法，安全快速、检测便捷，鉴别准确率高。
-
公开(公告)号：CN110255229B
公开(公告)日：2024-02-20
申请号：CN201910699739.9
申请日：2019-07-30
Applicant: 武汉轻工大学
IPC: B65G69/04
Abstract: 本发明公开一种平粮执行装置，包括安装部、壳体、螺旋杆以及螺旋驱动机构，安装部用以被设置为可在螺旋式平粮设备的旋转驱动机构驱动下沿上下向轴线旋转，壳体设于安装部的下端，壳体在水平向相邻的两侧分别设有进粮口和出粮口，螺旋杆对应进粮口和出粮口可转动地安装于壳体，用以将自进粮口进入的粮食输送至出粮口，螺旋驱动机构驱动连接螺旋杆，用以驱动螺旋杆转动。本发明提供的技术方案中，平粮执行装置为可旋转设置，这样在平粮过程中，可对应旋转调节平粮执行装置，使得平粮执行装置的进粮口和平粮执行装置的移动方向保持一致，故不存在平粮空行程，从而大大提升了平粮时的工作效率。
-
公开(公告)号：CN109001181B
公开(公告)日：2020-11-03
申请号：CN201810979738.5
申请日：2018-08-24
Applicant: 武汉轻工大学
IPC: G01N21/65
Abstract: 本发明公开了一种拉曼光谱典型相关分析融合的食用油种类快速鉴别方法，包括：选取待鉴别的未知种类的食用油样品；采集样品在1050～1350 cm‑1范围的拉曼光谱图，得到一次拉曼光谱图；采集样品在1400～1700 cm‑1范围的拉曼光谱图，得到二次拉曼光谱图；分别对采集得到的一次拉曼光谱图和二次拉曼光谱图进行特征提取，得到一次拉曼特征变量和二次拉曼特征变量；将一次拉曼特征变量和二次拉曼特征变量进行典型相关分析融合，得到融合拉曼光谱变量；根据样品的融合拉曼光谱变量，采用优化定性模型对所述未知种类的食用油样品进行种类鉴别。该拉曼光谱典型相关分析融合的食用油种类快速鉴别方法，安全快速、检测便捷，鉴别准确率高。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.027 seconds)
