-
公开(公告)号:CN113324941A
公开(公告)日:2021-08-31
申请号:CN202110503813.2
申请日:2021-05-10
Applicant: 华中农业大学
IPC: G01N21/3577 , G06K9/62
Abstract: 本发明属于奶品分析技术领域,具体涉及原料牛奶保存时间的快速鉴定技术。本发明的领域与中红外光谱分析领域有关。本发明的主要步骤为:获得不同保存时间的原料牛奶样品中红外光谱数据,对原始中红外光谱进行预处理,去除异常值,将预处理后的数据集分为训练集和测试集,对训练集进行光谱波段选择,在训练集上构建预测模型,使用测试集和验证集对模型进行评估。所述的检测应用:用模型预测原料牛奶是否保存时间超过1天。本发明具有测试速度快、对样品无损、可同时大批量检测等突出优点。
-
公开(公告)号:CN115824999A
公开(公告)日:2023-03-21
申请号:CN202211112326.4
申请日:2022-09-13
Applicant: 河北省畜牧良种工作总站(河北省种畜禽质量监测站) , 河南省奶牛生产性能测定有限公司 , 南京农业大学 , 新疆生产建设兵团第八师畜牧兽医工作站 , 湖北省畜禽育种中心 , 华中农业大学
Inventor: 倪俊卿 , 张震 , 蔡亚非 , 何开兵 , 王贵强 , 周扬 , 马亚宾 , 李春芳 , 闫磊 , 王海童 , 操礼军 , 胡永青 , 陈芳慧 , 秦则平 , 任小丽 , 李广 , 吴喜娟 , 夏振海 , 郝磊晓 , 邹慧颖
IPC: G01N21/3577
Abstract: 本发明属于奶牛性能测定和牛奶品质检测领域,公开了牛奶中饱和脂肪酸的中红外光谱快速批量检测方法。在特征波段的选择方面,打破了常用的使用算法筛选特征,而是使用人工手动选择+多次遍历的方法。最终选取用于建模的特征波段,特别是筛选出了包含部分水的吸收区域,并证明了增加部分水吸收波段可以提升模型的准确性。选取了饱和脂肪酸模型建立的最优预处理与算法组合,确定了最优参数,提高了模型的准确性。实现了原料奶中饱和脂肪酸含量的快速、准确、低成本的检测,实现了快速批量检测。
-
公开(公告)号:CN116067908A
公开(公告)日:2023-05-05
申请号:CN202211098287.7
申请日:2022-09-08
Applicant: 华中农业大学 , 河南省奶牛生产性能测定有限公司 , 南京农业大学 , 新疆生产建设兵团第八师畜牧兽医工作站 , 湖北省畜禽育种中心
Inventor: 张淑君 , 樊懿楷 , 张震 , 蔡亚非 , 何开兵 , 王贵强 , 闫磊 , 操礼军 , 胡永青 , 陈芳慧 , 吴喜娟 , 任小丽 , 夏振海 , 李春芳 , 秦则平 , 李广 , 张依 , 向世馨
IPC: G01N21/3577
Abstract: 本发明属于奶牛性能测定和牛奶品质检测领域,公开了牛奶中多不饱和脂肪酸的中红外光谱快速批量检测方法。在特征波段的选择方面,打破了常用的使用算法筛选特征,而是使用人工手动选择+多次遍历的方法。最终选取用于建模的特征波段,特别是筛选出了包含部分水的吸收区域,并证明了增加部分水吸收波段可以提升模型的准确性。选取了多不饱和脂肪酸模型建立的最优预处理与算法组合,确定了最优参数,提高了模型的准确性。实现了原料奶中多不饱和脂肪酸含量的快速、准确、低成本的检测,实现了快速批量检测。
-
公开(公告)号:CN113310933A
公开(公告)日:2021-08-27
申请号:CN202110503812.8
申请日:2021-05-10
Applicant: 华中农业大学
IPC: G01N21/3577 , G06K9/62
Abstract: 本发明属于奶品分析技术领域,具体涉及原料水牛奶保存天数的光谱鉴定方法。本发明的领域与中红外光谱分析领域相关。本发明的主要步骤为:获得不同保存时间的原料水牛奶样品中红外光谱数据,对原始中红外光谱进行预处理,去除异常值,将预处理后的数据集分为训练集和测试集,对训练集进行光谱波段选择,在训练集上构建预测模型,使用测试集和验证集对模型进行评估。所述的检测应用:用模型预测原料水牛奶保存时间是否超过1天。本发明具有测试速度快、对样品无损、可同时大批量检测等突出优点。
-
公开(公告)号:CN112666112A
公开(公告)日:2021-04-16
申请号:CN202011403061.4
申请日:2020-12-02
Applicant: 华中农业大学
IPC: G01N21/3577 , G01N1/44 , G06K9/62 , G06N3/08
Abstract: 本发明属于奶品分析领域,具体涉及骆驼奶与马奶的批量鉴别模型和方法。本发明与中红外光谱分析有关。步骤为:1)取新鲜马奶和骆驼奶样品;2)在中红光谱范围内,对样品进行扫描,获得中红外光谱数据;3)对原始中红外光谱进行预处理,去除异常值;4)将预处理后的数据集按照分层抽样的原则划分为训练集和测试集;5)对训练集进行降维处理,以提高模型训练速度;6)在训练集上,使用最近邻等算法,通过10折交叉验证建立区分马奶和骆驼奶的模型,使用准确性、特异性、灵敏度和AUC对模型进行评估和筛选;7)预估最优模型的泛化性能。
-
-
-
-