一種基于遺傳算法的龍井茶品質(zhì)檢測產(chǎn)地模型中傳感器的選擇方法
【專利摘要】一種基于遺傳算法的龍井茶品質(zhì)檢測產(chǎn)地模型中傳感器的選擇方法，在于對(duì)產(chǎn)地模型的傳感器響應(yīng)圖譜經(jīng)過3輪遺傳算法后，針對(duì)楊梅嶺和梅家塢產(chǎn)地模型，選出LY2/G、LY2/AA、T30/1、P10/1、P40/1、T70/2、PA/2這七根傳感器，剔除LY2/LG、LY2/GH、LY2/gCTL、LY2/gCT、P10/2、P30/1、P40/2、P30/2、T40/2、T40/1、TA/2這11根被使用頻率低的傳感器。
【專利說明】一種基于遺傳算法的龍井茶品質(zhì)檢測產(chǎn)地模型中傳感器的選擇方法
【技術(shù)領(lǐng)域】
[0001]本申請(qǐng)涉及一種基于遺傳算法的龍井茶品質(zhì)檢測產(chǎn)地模型中傳感器的選擇方法?！颈尘凹夹g(shù)】
[0002]長期以來感官品評(píng)是評(píng)定茶葉品質(zhì)優(yōu)劣的重要方法，但該方法需要有豐富的茶學(xué)知識(shí)和審評(píng)經(jīng)驗(yàn)。除非是專業(yè)茶葉審評(píng)員、經(jīng)銷商或制造商，一般購茶者很難分辨茶葉質(zhì)量的優(yōu)劣，沒有相當(dāng)經(jīng)驗(yàn)的積累，難以得到可靠的結(jié)果。并且培養(yǎng)一名茶葉評(píng)審員不僅要精心挑選，投入大量費(fèi)用，而且訓(xùn)練周期也比較長。況且即便是專業(yè)品茶師，其感覺器官的靈敏度也易受外界因素的干擾而改變，從而影響評(píng)價(jià)結(jié)果的準(zhǔn)確性、客觀性和一致性。如人的嗅覺分辨力易受外界異雜氣味的干擾；人的味覺敏感度易受其它刺激性食物及其溫度的影響；人的視覺涉及到光學(xué)、視覺生理、視覺心理等諸多因素，不同人的辨色能力會(huì)存在一定的差別。審評(píng)人員感覺器官的靈敏度還受其它因素的影響，如地域差異、性別差別、精神狀態(tài)及身體狀況等因素。此外，感官審評(píng)需在對(duì)照實(shí)物標(biāo)準(zhǔn)樣的基礎(chǔ)上進(jìn)行，而實(shí)物標(biāo)準(zhǔn)樣的制作受到各種條件的限制，難以保持幾年連續(xù)一致。并且標(biāo)準(zhǔn)樣采用前一年度或前幾年度的生產(chǎn)性產(chǎn)品作原料，不可能不受天時(shí)、氣候、地理?xiàng)l件的影響，所以事實(shí)上標(biāo)準(zhǔn)樣品質(zhì)很難達(dá)到絕對(duì)的標(biāo)準(zhǔn)。
[0003]本發(fā)明對(duì)不同采摘期、不同樹種、不同產(chǎn)區(qū)的龍井茶從理化指標(biāo)和感官指標(biāo)出發(fā)，結(jié)合智能化感官分析、多元統(tǒng)計(jì)和現(xiàn)代儀器分析的集成技術(shù)，全方位的解析龍井茶特征，分析茶葉各指標(biāo)的內(nèi)在關(guān)系，建立定性、定量評(píng)價(jià)龍井茶品質(zhì)的數(shù)學(xué)模型，對(duì)龍井茶質(zhì)量進(jìn)行準(zhǔn)確的特征識(shí)別、等級(jí)評(píng)定，為建立統(tǒng)一的綠茶評(píng)價(jià)體系標(biāo)準(zhǔn)提供強(qiáng)有力的依據(jù)。這些研究在理論上將為我國其它茶葉的質(zhì)量評(píng)價(jià)提供基礎(chǔ)和支撐，在實(shí)踐中對(duì)于提高我國茶葉質(zhì)量的穩(wěn)定性，通過標(biāo)準(zhǔn)化手段強(qiáng)化我國茶葉的分等分級(jí)，實(shí)現(xiàn)茶葉的優(yōu)質(zhì)優(yōu)價(jià)，打破我國出口茶葉的高質(zhì)低價(jià)傳統(tǒng)，消除發(fā)達(dá)國家對(duì)我國產(chǎn)品優(yōu)質(zhì)低價(jià)的質(zhì)疑，對(duì)于維護(hù)國內(nèi)市場秩序和保障消費(fèi)者的切身利益，積極捍衛(wèi)我國茶葉產(chǎn)品的國際聲譽(yù)，促進(jìn)國際貿(mào)易等具有重要的意義和顯著的社會(huì)效益、經(jīng)濟(jì)效益。
[0004]近年來隨著現(xiàn)代儀器分析技術(shù)的發(fā)展，茶葉的理化研究也得到了相應(yīng)的進(jìn)展。茶葉香氣物質(zhì)分離和分析技術(shù)已逐步從常規(guī)的氣相色譜(GC)或氣相色譜-質(zhì)譜聯(lián)用(GC-MS)過渡到氣相色譜-嗅辨(GC-O)方法。目前已檢測出七百多種的茶葉香氣成分，包括脂肪類衍生物、萜烯類衍生物、芳香族衍生物和含氮氧雜環(huán)類化合物。但即便如此，單純從成分的角度也難以反應(yīng)茶葉香氣的整體特征信息和香氣品質(zhì)。對(duì)茶葉呈味物質(zhì)的儀器分析技術(shù)主要有液相色譜法、光譜法、質(zhì)譜法、核磁共振法等。目前，已明確茶葉中含有機(jī)化學(xué)成分多達(dá)六百余種，無機(jī)礦物元素亦達(dá)四十多種。但由于各種滋味之間存在著相互作用，如味覺的對(duì)t匕、變調(diào)、協(xié)調(diào)和相殺等現(xiàn)象，所以測得的化學(xué)特性參數(shù)并不能真實(shí)全面地反映出樣品的味覺特征。
[0005]智能感官分析技術(shù)的出現(xiàn)進(jìn)一步推動(dòng)了茶葉品質(zhì)檢測水平，它是基于對(duì)人體感官感知過程模仿的技術(shù)。傳感器相當(dāng)于生物系統(tǒng)中的感覺器官，對(duì)被測樣品某方面的屬性產(chǎn)生響應(yīng)信號(hào)；信號(hào)采集器如同神經(jīng)系統(tǒng)對(duì)響應(yīng)信號(hào)進(jìn)行傳輸和簡單處理；電腦如同人腦對(duì)信號(hào)數(shù)據(jù)進(jìn)行復(fù)雜處理和分析識(shí)別，形成綜合、整體的判斷。智能感官分析技術(shù)具有檢測時(shí)間短、重復(fù)性好、不需要復(fù)雜的樣品預(yù)處理過程、不發(fā)生感官疲勞和檢測結(jié)果客觀可靠等特點(diǎn)，更重要的是可以在一定程度上模擬人的感官給出有關(guān)茶葉香氣、滋味和外質(zhì)的評(píng)判結(jié)果和指紋信息，是目前茶葉品質(zhì)檢測研究的熱點(diǎn)和發(fā)展趨勢。目前針對(duì)茶葉中的色、香、味、形等感官屬性，所采用的智能感官分析技術(shù)主要有機(jī)器視覺、電子鼻和電子舌技術(shù)，其工作流程主要包括傳感器產(chǎn)生響應(yīng)信號(hào)、對(duì)響應(yīng)信號(hào)進(jìn)行預(yù)處理、提取樣品特征信息、建立相關(guān)模型并進(jìn)行模式識(shí)別。其中模式識(shí)別是智能感官系統(tǒng)的重要組成部分。目前應(yīng)用的主要方法有主成分分析、人工神經(jīng)網(wǎng)絡(luò)和模糊識(shí)別等。主成分分析用于信號(hào)處理，抑制多維傳感器響應(yīng)信號(hào)噪聲和壓縮信號(hào)數(shù)據(jù)。人工神經(jīng)網(wǎng)絡(luò)對(duì)處理后的信號(hào)進(jìn)行學(xué)習(xí)和訓(xùn)練，建立網(wǎng)絡(luò)模型。模糊識(shí)別則以模糊推理對(duì)復(fù)雜事物進(jìn)行模糊識(shí)別、模糊定量。
[0006]采用智能感官技術(shù)模擬人感官審評(píng)的功能和特征,結(jié)合多算法研究處理智能感官檢測中所蘊(yùn)含的豐富的產(chǎn)品品質(zhì)信息，進(jìn)而抽取出相對(duì)應(yīng)的計(jì)算模型和方法。以解決終端問題為目的的算法，在多個(gè)智能傳感器對(duì)象和多個(gè)產(chǎn)品指標(biāo)互相關(guān)聯(lián)的情況下分析它們的統(tǒng)計(jì)規(guī)律，很適合食品科學(xué)研究的特點(diǎn)。采用多算法、智能感官分析技術(shù)和現(xiàn)代儀器分析技術(shù)等集成技術(shù)，能夠克服多指標(biāo)綜合評(píng)價(jià)帶來的統(tǒng)計(jì)和分析的麻煩，同時(shí)也能夠充分利用實(shí)驗(yàn)數(shù)據(jù)信息得到與茶葉特征品質(zhì)相關(guān)的隱含細(xì)節(jié)，使得茶葉特征品質(zhì)的統(tǒng)計(jì)分析和模式判別可以同時(shí)完成，既迅速又準(zhǔn)確。由此，為建立我國茶葉的特征品質(zhì)數(shù)據(jù)庫和智能化品質(zhì)評(píng)價(jià)系統(tǒng)，實(shí)現(xiàn)對(duì)茶葉品質(zhì)快速、準(zhǔn)確、全面的分析，為我國茶葉特征品質(zhì)的科學(xué)評(píng)價(jià)、合理界定提供借鑒和指導(dǎo)，為我國茶葉的品質(zhì)保證、特色保護(hù)、真?zhèn)舞b別提供核心的技術(shù)支撐。
[0007]電子鼻作為20世紀(jì)90年代發(fā)展起來的新型氣味掃描儀，目前已廣泛應(yīng)用于食品、飲料、化妝品、環(huán)境檢測以及農(nóng)產(chǎn)品加工過程控制等領(lǐng)域。與普通的化學(xué)分析方法相比，電子鼻利用其對(duì)多種氣體的交叉敏感性，綜合評(píng)價(jià)氣體的整體信息，與人的嗅覺相比，測定結(jié)果更加客觀、可靠。
[0008]電子舌技術(shù)是20世紀(jì)80年代中期發(fā)展起來的一種分析、識(shí)別液體味道的新型檢測手段，現(xiàn)已被應(yīng)用于食品、醫(yī)藥、化妝品、化工、環(huán)境監(jiān)測等領(lǐng)域。與普通的化學(xué)分析方法相比，電子舌輸出的并不是樣品滋味成分的分析結(jié)果，而是一種與樣品有關(guān)的信號(hào)模式，經(jīng)過具有模式識(shí)別能力的軟件系統(tǒng)分析后，可得出對(duì)樣品味覺特征有關(guān)的總體評(píng)價(jià)。
[0009]綜上所述，智能感官分析技術(shù)(機(jī)器視覺技術(shù)、電子鼻技術(shù)和電子舌技術(shù))在茶葉品質(zhì)檢測中已取得了較好結(jié)果，并顯示了較好的應(yīng)用前景。但目前這些技術(shù)離實(shí)際應(yīng)用還有一定差距，尚有一些關(guān)鍵性問題需要解決。如:
(I)電子鼻、電子舌的關(guān)鍵技術(shù)研究:機(jī)器視覺技術(shù)已經(jīng)在實(shí)際中廣泛應(yīng)用，但電子鼻、電子舌尚處于研發(fā)階段，因此要構(gòu)建綜合的智能感官系統(tǒng)，需要對(duì)電子鼻、電子舌進(jìn)行深入研究，解決其關(guān)鍵問題。
[0010](2)特異性傳感器的研制與篩選:由于不同類型的樣品具有其特定的物質(zhì)體系，導(dǎo)致不同類型的傳感器對(duì)不同物質(zhì)的響應(yīng)都不同。因此，需進(jìn)一步深入研究，針對(duì)特定的物質(zhì)體系建立響應(yīng)快、敏感度高、壽命長、清洗方便、經(jīng)濟(jì)適用的傳感器陣列。
[0011](3)樣品的代表性和采樣的科學(xué)性:目前的研究報(bào)道中，其結(jié)果大都顯示對(duì)茶葉分類或分級(jí)的判別率較高。但這些研究中，茶葉樣品的代表性不夠強(qiáng)，樣品數(shù)也不夠全，在采集樣品信息時(shí)，基本都是平行樣，即每個(gè)等級(jí)的茶葉檢測都重復(fù)很多次，使得模型的穩(wěn)定性不佳，使用范圍不廣。只有建立科學(xué)的樣品采集方法和樣品代表性的判別原則，才能保證后續(xù)模型的順利建立。
[0012](4)信號(hào)的漂移和去噪:由于儀器測量參數(shù)、測量方法、測量環(huán)境、樣品來源等因素變化，容易導(dǎo)致傳感器響應(yīng)曲線的漂移，引起智能感官檢測的誤差，使其不能適應(yīng)工業(yè)化的長時(shí)間連續(xù)作業(yè)，因此需要加強(qiáng)有關(guān)減小響應(yīng)信號(hào)漂移、信號(hào)噪聲分析處理技術(shù)的研究。
[0013](5)模型的魯棒性:有些研究在建立判別模型時(shí)，未對(duì)模型進(jìn)行詳細(xì)討論，也未使用獨(dú)立的預(yù)測樣本來檢驗(yàn)?zāi)Ｐ偷聂敯粜?。此外，品質(zhì)判別中所建模型的穩(wěn)定性不足，需要加強(qiáng)算法的研究及改進(jìn)，以提高模式識(shí)別的效力。
[0014]電子鼻系統(tǒng)屬于多根傳感器的陣列組合，由于茶葉香氣成分復(fù)雜，使得每個(gè)傳感器對(duì)很多香氣都有響應(yīng)，而每個(gè)香氣成分又在很多傳感器上有響應(yīng)，使得傳感器指紋圖譜陣列能最大程度的保留香氣信息，但又容易引入大量冗余信息，導(dǎo)致品質(zhì)建模計(jì)算量大、耗費(fèi)時(shí)間長、所建模型復(fù)雜不穩(wěn)定。其主要原因?yàn)?(1)由于智能感官指紋圖譜中，有些傳感器的樣品響應(yīng)信息很弱，直接影響模型的預(yù)測精度；(2)由于電子鼻儀器噪聲的影響，一些傳感器的樣品信息信噪比(SNR)較低；同時(shí)，外界的干擾因素(如溫度、濕度等)對(duì)樣品品質(zhì)在某些傳感器處的指紋響應(yīng)特性影響較大，從而降低了模型的穩(wěn)健性；(3)茶葉香氣中含有多種組分，每一種組分都會(huì)在某一個(gè)或幾個(gè)傳感器中有較強(qiáng)的響應(yīng)，而作為茶葉香氣整體信息的檢測，需要優(yōu)化組合對(duì)不同香氣有特殊響應(yīng)的傳感器陣列，才能綜合有效的特征香氣指紋信息。
[0015]通過傳感器的合理選擇與組合，不僅可以剔除不相關(guān)或非線性的嗅聞傳感器，去除冗余傳感器數(shù)據(jù)信息，提取最有效的香氣智能嗅聞指紋圖譜信息，使校正模型具有更好的預(yù)測能力，簡化運(yùn)算。而且可以省去那些對(duì)模式識(shí)別效果沒有顯著影響甚至有負(fù)面影響的傳感器，從而對(duì)降低電子鼻的制造成本，提高系統(tǒng)穩(wěn)定性都有一定的積極意義。
[0016]傳感器選擇就是實(shí)踐中經(jīng)常遇到的一種優(yōu)化問題。目前所采用的優(yōu)化組合法雖然在一定程度上使用了組合的理念，但這個(gè)組合是在初步剔除的基礎(chǔ)上，對(duì)分組后的傳感器陣列進(jìn)行組合，并未達(dá)到全局優(yōu)化組合的效果。而Loading值法雖然避免了冗余傳感器的加入，但并未分析被選傳感器的響應(yīng)性能，即同一傳感器對(duì)同一樣品響應(yīng)的重復(fù)性和對(duì)不同樣品響應(yīng)的區(qū)分性。遺產(chǎn)算法(Genetic Algorithms，縮寫為GA)是以達(dá)爾文的適者生存和優(yōu)勝劣汰的生物進(jìn)化理論為基礎(chǔ)，模擬生物界的遺傳和進(jìn)化過程而建立的一種優(yōu)化方法，具有非導(dǎo)數(shù)、隨機(jī)全局優(yōu)化、避免陷入局部極小點(diǎn)和易實(shí)現(xiàn)等特點(diǎn)。

【發(fā)明內(nèi)容】

[0017]一種基于遺傳算法的龍井茶品質(zhì)檢測產(chǎn)地模型中傳感器的選擇方法，其特征在于:包括如下步驟:
西湖龍井茶的等級(jí)模型的校正集預(yù)測集的樣本劃分；
不同等級(jí)茶葉的電子鼻響應(yīng)圖譜分析；
全體等級(jí)樣品的主成分得分變化趨勢分析；
全體等級(jí)樣品的主成分載荷分析； 根據(jù)相似分類法建立等級(jí)建模的主成分?jǐn)?shù)選擇；
茶葉的相似分類法的等級(jí)模型建立與預(yù)測。
[0018]其中，所述電子鼻采用法國Alpha MOS公司生產(chǎn)帶有頂空自動(dòng)系統(tǒng)的Fox 4000型電子鼻，其包括18根傳感器，用于茶葉等級(jí)鑒別的樣品共617個(gè)，其中隨機(jī)選擇三分之二作校正集樣品，剩下的三分之一用作預(yù)測集樣品，所述遺傳算法的實(shí)現(xiàn)主要包括5個(gè)基本要素:參數(shù)編碼、變量的選取、群體的初始化、適應(yīng)度函數(shù)設(shè)計(jì)、遺傳操作設(shè)計(jì)和收斂判據(jù)，其中作為重要環(huán)節(jié)的遺傳操作包括三個(gè)算子:選擇、交叉和變異。
[0019]所述的選擇方法，其特征在于對(duì)產(chǎn)地模型的傳感器響應(yīng)圖譜經(jīng)過3輪遺傳算法后，針對(duì)楊梅嶺和梅家塢產(chǎn)地模型，選出LY2/G、LY2/AA、T30/1、P10/1、P40/1、T70/2、PA/2這七根傳感器，剔除 LY2/LG、LY2/GH、LY2/gCTL、LY2/gCT、P10/2、P30/1、P40/2、P30/2、T40/2、T40/1、TA/2這11根被使用頻率低的傳感器。
[0020]所述的選擇方法，其特征在于對(duì)產(chǎn)地模型的傳感器響應(yīng)圖譜經(jīng)過3輪遺傳算法后，針對(duì)虎跑后山、龍塢和翁家山產(chǎn)地模型，發(fā)現(xiàn)LY2/LG、PA/2、P30/1、TA/2四根傳感器在每次遺傳過程中被使用的頻率最低，因此剔除這四根傳感器。對(duì)留下的LY2/G、LY2/AA、LY2/GH、LY2/gCTL、LY2/gCT、T30/1、P10/1、P10/2、P40/1、T70/2、P40/2、P30/2、T40/2、T40/1 這14根傳感器進(jìn)行三個(gè)產(chǎn)地模型的建立。
【專利附圖】

【附圖說明】
[0021]圖1異常樣本剔除前的PCA得分圖(a)與馬氏距離值殘差圖(b)。
[0022]圖2不同樣品在電子鼻傳感器特征響應(yīng)點(diǎn)的信號(hào)圖。
[0023]圖3異常樣本LLJ剔除后的PCA得分圖(a)與馬氏距離值殘差圖(b)。
[0024]圖4四個(gè)等級(jí)龍井茶的電子鼻傳感器響應(yīng)信號(hào)強(qiáng)度圖。
[0025]圖5異常樣品剔除后不同等級(jí)茶葉電子鼻傳感器響應(yīng)平均值圖。
[0026]圖6異常樣品剔除后前四個(gè)主成分下的載荷圖。
[0027]圖7等級(jí)模型中PRESS值與模型主成分?jǐn)?shù)之間的關(guān)系。
[0028]圖8遺傳算法運(yùn)行流程圖。
[0029]圖9交叉算法。
[0030]圖10變異算法。
[0031]圖11四個(gè)等級(jí)樣品在主成分一、二下的載荷圖。
[0032]圖12產(chǎn)地模型中茶葉傳感器響應(yīng)平均值圖。
[0033]圖13產(chǎn)地模型的主成分得分圖(PC1-PC2)。
[0034]圖14產(chǎn)地模型LHT-LMT (a)和LYJ-LWJ (b)在主成分一、二下的載荷圖。
[0035]圖15樹種模型中茶葉傳感器響應(yīng)平均值圖。
[0036]圖16樹種模型主成分得分圖(PC1-PC2)。
【具體實(shí)施方式】
[0037]I茶葉樣品收集與處理
本發(fā)明收集來自杭州西湖龍井產(chǎn)區(qū)當(dāng)?shù)夭柁r(nóng)的2011年西湖龍井茶樣，具體包括4個(gè)等級(jí)，2個(gè)樹種，5個(gè)產(chǎn)地。為了便于茶樣間的區(qū)分，對(duì)每種茶樣進(jìn)行了合理編號(hào)和區(qū)分，具體信息見表1。為了保證同種茶樣品質(zhì)的一致性，將茶樣置于一 4°c以下的冷庫內(nèi)，按照實(shí)驗(yàn)用量每次取小袋進(jìn)行實(shí)驗(yàn)。
【權(quán)利要求】
1.一種基于遺傳算法的龍井茶品質(zhì)檢測產(chǎn)地模型中傳感器的選擇方法，其特征在于:包括如下步驟: A西湖龍井茶的等級(jí)模型的校正集預(yù)測集的樣本劃分； B不同等級(jí)茶葉的電子鼻響應(yīng)圖譜分析； C全體等級(jí)樣品的主成分得分變化趨勢分析； D全體等級(jí)樣品的主成分載荷分析； E根據(jù)相似分類法建立等級(jí)建模的主成分?jǐn)?shù)選擇； F茶葉的相似分類法的等級(jí)模型建立與預(yù)測； 其中，所述電子鼻采用法國Alpha MOS公司生產(chǎn)帶有頂空自動(dòng)系統(tǒng)的Fox 4000型電子鼻，其包括18根傳感器，用于茶葉等級(jí)鑒別的樣品共617個(gè)，其中隨機(jī)選擇三分之二作校正集樣品，剩下的三分之一用作預(yù)測集樣品，所述遺傳算法的實(shí)現(xiàn)主要包括5個(gè)基本要素--參數(shù)編碼、變量的選取、群體的初始化、適應(yīng)度函數(shù)設(shè)計(jì)、遺傳操作設(shè)計(jì)和收斂判據(jù)，其中作為重要環(huán)節(jié)的遺傳操作包括三個(gè)算子:選擇、交叉和變異。
2.根據(jù)權(quán)利要求1所述的選擇方法，其特征在于對(duì)產(chǎn)地模型的傳感器響應(yīng)圖譜經(jīng)過3輪遺傳算法后，針對(duì)楊梅嶺和梅家塢產(chǎn)地模型，選出LY2/G、LY2/AA、T30/1、P10/1、P40/1、T70/2、PA/2 這七根 傳感器，剔除 LY2/LG、LY2/GH、LY2/gCTL、LY2/gCT、P10/2、P30/1、P40/2、P30/2、T40/2、T40/1、TA/2這11根被使用頻率低的傳感器。
3.根據(jù)權(quán)利要求1所述的選擇方法，其特征在于對(duì)產(chǎn)地模型的傳感器響應(yīng)圖譜經(jīng)過3輪遺傳算法后，針對(duì)虎跑后山、龍塢和翁家山產(chǎn)地模型，發(fā)現(xiàn)LY2/LG、PA/2、P30/1、TA/2四根傳感器在每次遺傳過程中被使用的頻率最低，因此剔除這四根傳感器；對(duì)留下的LY2/G、LY2/AA、LY2/GH、LY2/gCTL、LY2/gCT、T30/1、P10/1、P10/2、P40/1、T70/2、P40/2、P30/2、T40/2、T40/1這14根傳感器進(jìn)行三個(gè)產(chǎn)地模型的建立)。
【文檔編號(hào)】G01N27/12GK103499616SQ201310323318
【公開日】2014年1月8日 申請(qǐng)日期:2013年7月30日 優(yōu)先權(quán)日:2013年7月30日
【發(fā)明者】趙鐳, 史波林, 支瑞聰, 汪厚銀, 裴高璞, 劉寧晶, 解楠, 張璐璐 申請(qǐng)人:中國標(biāo)準(zhǔn)化研究院