-
公开(公告)号：CN114166781B
公开(公告)日：2024-02-13
申请号：CN202111356647.4
申请日：2021-11-16
Applicant: 华中农业大学
IPC: G01N21/3577
Abstract: 本发明属于奶牛性能测定和牛奶品质检测领域，公开了牛奶中游离的牛磺酸含量的中红外快速批量检测方法。申请人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。经过比较确认选用了同一个牛奶样本测定第一次的MIR进行建模效果更好，选取了牛磺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。实现了原料奶中牛磺酸含量的快速、准确、低成本的检测，实现了快速批量检测。
-
公开(公告)号：CN112525850A
公开(公告)日：2021-03-19
申请号：CN202011411882.2
申请日：2020-12-02
Applicant: 华中农业大学
IPC: G01N21/3577 , G01N1/38 , G01N1/44
Abstract: 本发明属于奶品分析领域，具体涉及奶牛奶、马奶、骆驼奶、山羊奶和水牛奶的光谱指纹识别方法。与中红外光谱分析有关。步骤为：1)取新鲜奶牛奶、马奶、骆驼奶、山羊奶和水牛奶样品；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奶牛奶、马奶、骆驼奶、山羊奶和水牛奶的模型，使用使用准确性、平衡精度和Kappa系数对模型进行评估和筛选；7)预估最优模型的泛化性能。
-
公开(公告)号：CN114184573B
公开(公告)日：2022-12-13
申请号：CN202111284883.X
申请日：2021-11-01
Applicant: 华中农业大学
IPC: G01N21/3577 , G01N30/02
Abstract: 本发明属于奶牛性能测定和牛奶品质检测领域，公开了牛奶中总酪蛋白的中红外光谱快速批量检测方法。申请人在特征波段的选择时使用人工手动选择+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，同时选用了同一个牛奶样本第二次测定的光谱MIR进行建模，提升了第一次光谱测定数据建模的模型精准性。最终筛选出了数据预处理方法与模型算法的最优组合，并确定了最优参数，提高了模型的准确性。本发明的方法实现了原料奶中κ‑酪蛋白含量的快速、准确、低成本的检测，将可广泛应用于奶牛性能测定和牛奶质量品质检测。
-
公开(公告)号：CN114184573A
公开(公告)日：2022-03-15
申请号：CN202111284883.X
申请日：2021-11-01
Applicant: 华中农业大学
IPC: G01N21/3577 , G01N30/02
Abstract: 本发明属于奶牛性能测定和牛奶品质检测领域，公开了牛奶中总酪蛋白的中红外光谱快速批量检测方法。申请人在特征波段的选择时使用人工手动选择+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，同时选用了同一个牛奶样本第二次测定的光谱MIR进行建模，提升了第一次光谱测定数据建模的模型精准性。最终筛选出了数据预处理方法与模型算法的最优组合，并确定了最优参数，提高了模型的准确性。本发明的方法实现了原料奶中κ‑酪蛋白含量的快速、准确、低成本的检测，将可广泛应用于奶牛性能测定和牛奶质量品质检测。
-
公开(公告)号：CN113310930A
公开(公告)日：2021-08-27
申请号：CN202110503725.2
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，具体涉及高温灭菌奶、巴氏杀菌奶和掺加高温灭菌奶的巴氏杀菌奶的光谱鉴定方法。发明步骤为：1)取巴氏杀菌牛奶和高温灭菌牛奶及巴氏杀菌牛奶模拟掺假不同比例作样本；2)在中红光谱范围内对样本扫描，获中红外光谱数据；3)原始中红外光谱预处理，去除异常值；4)将预处理后数据集按分层抽样分为训练集和测试集；5)筛选建模光谱波段；6)使用最近邻等算法在训练集上通过10折交叉验证检测样本鉴别模型，使用准确性、kappa系数对模型评估和筛选；7)对最优模型进行验证。本发明用更少的波点建模，减少运算成本，提高了鉴别的速率和准确性。
-
Patent Agency Ranking
公开(公告)号：CN112666114A
公开(公告)日：2021-04-16
申请号：CN202011403074.1
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，具体涉及利用光谱识别水牛奶与马奶的方法。与中红外光谱分析有关。步骤为：1)取新鲜马奶和水牛奶样品；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水牛奶的模型，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。
-
公开(公告)号：CN112666110A
公开(公告)日：2021-04-16
申请号：CN202011403046.X
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，具体涉及奶牛奶和山羊奶的光谱鉴别模型及方法。与中红外光谱分析有关。步骤为：1)取新鲜山羊奶和奶牛奶样品；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奶牛奶的模型，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。
-
公开(公告)号：CN115508305B
公开(公告)日：2025-03-21
申请号：CN202211139015.7
申请日：2022-09-19
Applicant: 河北省畜牧良种工作总站(河北省种畜禽质量监测站) , 中国奶业协会 , 北京奶牛中心 , 宁夏回族自治区畜牧工作站 , 山东省农业科学院畜牧兽医研究所 , 广东省农业技术推广中心 , 华中农业大学
Inventor： 马亚宾 , 陈绍祜 , 刘林 , 温万 , 李建斌 , 颜远义 , 张淑君 , 仲跻峰 , 闫青霞 , 倪俊卿 , 邹杨 , 蒋桂娥 , 李委奇 , 刘建营 , 郭建超 , 李春芳 , 周佳敏 , 李彦芹 , 蔡高占 , 南良康 , 张静静 , 丁磊
IPC: G01N21/3577 , G06F17/18
Abstract: 本发明属于奶牛性能测定和牛奶品质检测领域，公开了牛奶中单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。选取了单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。实现了原料奶中单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：CN114184571B
公开(公告)日：2024-02-13
申请号：CN202111283548.8
申请日：2021-11-01
Applicant: 华中农业大学
IPC: G01N21/3577 , G01N30/02
Abstract: 本发明属于奶牛性能测定和牛奶品质检测领域，公开了牛奶中总酪蛋白的中红外光谱快速批量检测方法。申请人在特征波段的选择时使用人工手动选择+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，同时选用了同一个牛奶样本第二次测定的光谱MIR进行建模，提升了第一次光谱测定数据建模的模型精准性。最终筛选出了数据预处理方法与模型算法的最优组合，并确定了最优参数，提高了模型的准确性。本发明的方法实现了原料奶中总酪蛋白含量的快速、准确、低成本的检测，将可广泛应用于奶牛性能测定和牛奶质量品质检测。
-
公开(公告)号：CN114166782B
公开(公告)日：2024-02-13
申请号：CN202111356678.X
申请日：2021-11-16
Applicant: 华中农业大学
IPC: G01N21/3577
Abstract: 本发明属于奶牛性能测定和牛奶品质检测领域，具体涉及牛奶中游离的缬氨酸含量的中红外光谱快速批量检测方法。申请人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。最终选取了缬氨酸的特征吸收波段。经过比较确认选用了同一个牛奶样本测定第一次的MIR进行建模效果更好，提供了参考依据。选取了缬氨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。实现了原料奶中缬氨酸含量的快速、准确、低成本的检测，将可广泛应用于奶牛性能测定和牛奶质量品质检测。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.016 seconds)
