刘渊根
- 作品数：3 被引量：26H指数：3
- 供职机构：安徽省烟草公司更多>>
- 发文基金：中央高校基本科研业务费专项资金中国烟草总公司郑州烟草研究院院长基金更多>>
- 相关领域：化学工程理学农业科学轻工技术与工程更多>>
- 分散液液微萃取/气相色谱-质谱法同时测定烟用添加剂中8种烷基苯类香味有害物被引量：18
- 2012年
- 建立了超声溶剂提取和分散液液微萃取(DLLME)相结合的提取、净化前处理技术,采用气相色谱-质谱法分析了烟用添加剂中的黄樟素、侧柏酮、龙蒿脑、胡薄荷酮、甲基丁香酚、香豆素、6-甲基香豆素和7-甲氧基香豆素8种烷基苯类香味有害物。对分散液液微萃取溶剂及其体积、分散剂及其体积、萃取时间等条件进行了优化。在最佳实验条件下,8种有害物的线性范围为0.4～928μg/L(r2≥0.998 9),检出限为0.04～0.24μg/L,定量下限为0.13～0.80μg/L,富集倍数为140～208倍,方法的加标回收率为90%～100%,相对标准偏差为2.4%～6.7%。与行业推荐的测定方法相比,该方法具有灵敏度高、富集效果好、回收率高等优点。
- 朱晓兰洪深求李盼盼高芸刘渊根
- 关键词：烷基苯分散液液微萃取气相色谱-质谱烟用添加剂
- 烟草中痕量重金属检测技术研究被引量：3
- 2010年
- 本文从样品处理和检测方法两方面,分别阐述了目前烟草痕量重金属检测技术的概况,并从各种检测方法的技术性和经济性角度进行分析比较,为建立统一的检测标准提供一定的借鉴。
- 刘渊根
- 关键词：烟草重金属
- 基于深度学习技术的烟梗形态分类与识别被引量：5
- 2021年
- 为解决打叶复烤中人工分选纯烟梗、梗头及梗含叶检测效率低、识别误差大等问题,基于深度学习方法建立了一种烟梗在线分类识别模型。首先,基于数字图像处理方法对采集到的烟梗图像进行目标提取,制作烟梗数据集;其次,根据烟梗图像特征对原始YOLOv3模型进行改进,构建新的网络结构;然后,使用制作好的烟梗数据对改进后YOLOv3模型进行训练,生成深度学习烟梗分类识别模型;最后,将模型加载于烟梗在线分类识别系统对其性能进行验证。结果表明:所建立模型在测试集上的表现良好,烟梗识别精确度达到95.01%,相比原始YOLOv3模型提高5.97百分点,召回率提高4.76百分点,且均优于SSD与Mask R-CNN等模型;针对不同复杂场景,模型抗干扰能力强,可有效识别出烟梗位置及类别,能够满足烟梗快速分类识别需求。该方法可为提高烟梗分类效率和识别精度提供支持。
- 肖雷雨王澍刘渊根张龙王玲堵劲松徐大勇
- 关键词：打叶复烤烟梗
