基于嗅觉指纹信息的黄酒酒龄和产地鉴别

为了找出一种快速、准确鉴别黄酒酒龄和产地的方法,本研究采用超快速气相色谱电子鼻采集不同酒龄和产地黄酒样品的嗅觉指纹信息,采用主成分分析对嗅觉指纹信息进行降维处理,并采用判别因子分类法建立黄酒酒龄和产地鉴别模型。经主成分分析降维后的1年陈和3年陈基酒样品点落在相近的区域内,7年陈和9年陈基酒样品点落在相近的区域内,陈酿时间5年是基酒风味变化的一个转折点;判别因子分类法所建黄酒酒龄鉴别模型的鉴别正确率为100%。主成分分析降维后,绍兴黄酒与上海黄酒、浙江嘉善黄酒和江苏南通黄酒差异明显,进一步采用判别因子分类,4个产地黄酒的鉴别正确率均为100%。研究表明,超快速气相色谱电子鼻结合化学计量学方法建立的模型可以较好地应用于黄酒酒龄和产地的鉴别。     

基于气相离子迁移谱黄酒产地识别的研究

为建立一种快速、准确的黄酒产地鉴别方法,本研究运用气相-离子迁移谱(Gas Chromatography-Ion Mobility Spectrometry,GC-IMS)对不同产地的黄酒中的挥发性有机成分进行分析,构建黄酒产地信息的气味指纹图谱,并对不同产地的黄酒样品进行了判别和分类。采用二维差谱方法筛选16个有效特征峰作为表征黄酒产地差异信息的特征变量,采用主成分分析(Principal Component Analysis,PCA)和线性判别分析(Linear Discriminate Analysis,LDA)方法建立判别模型。结果表明,选取的特征变量经PCA处理后前两个主成分的累积贡献率为96.07%,不同产地的黄酒样品在主成分分析图中均有对应的归属区域,以前2个主成分得分结合LDA方法可以有效的区分不同产地的黄酒样品,预测集中识别率高达94.44%。研究表明,GC-IMS技术结合化学计量学方法能够快速、准确、直观地区分不同产地的黄酒样品,为黄酒的鉴别和原产地保护提供了一种新的检测方法。     

基于高效液相色谱指纹图谱结合化学计量学及机器学习的黑茶产地识别

目的 建立广西、湖南、四川、陕西和西藏产地黑茶高效液相色谱(high performance liquid chromatography, HPLC)指纹图谱, 并结合化学计量学与机器学习对黑茶进行产地识别研究。方法 采用高效液相色谱-二极管阵列检测器(high-performance liquid chromatography-diode array detection, HPLC-DAD)检测48份不同产地黑茶的化学成分并建立指纹图谱; 利用没食子酸、表没食子儿茶素、表儿茶素没食子酸酯、表儿茶素、儿茶素、咖啡碱和L-茶氨酸7种对照品对图谱共有峰进行指认; 结合化学计量学和不同机器学习算法建立黑茶产地识别模型, 并使用准确率（Accuracy)、精确率（Precision)、召回率（Recall)及F1 分数（F1 Score)作为机器学习产地识别模型的评价指标。结果 黑茶指纹图谱共识别出8个共有峰, 指认其中7个成分; 基于指纹图谱8个共有峰峰面积建立的化学计量学和机器学习的产地识别模型中显示, PLS-DA模型能识别部分产地黑茶, 并筛选出4个差异标志物, 其预测准确率为54.2%, 逻辑回归（Logistic Regression, LR)、反向传播神经网络（Back Propagation neural network, BPNN)、支持向量机（Support Vector Machine, SVM)、随机森林（Random Forest, RF)和决策树（Decision Tree, DT)算法模型预测准确率分别为66.7%、80.0%、80.0%、90.0%和90.0%, 其评价指标表明SVM模型的产地识别效果最好。结论 我国不同产地黑茶化学成分含量存在一定差异, HPLC指纹图谱结合GA-SVM能够较好对黑茶产地进行溯源研究。     

多元素含量分析结合化学计量学对陈皮进行产地溯源

目的 研究不同地区陈皮中多种元素含量的差异, 结合化学计量学对其进行产地溯源。方法 从四川、广西、广东等产地收集110个样品, 超级微波消解处理样品, 电感耦合等离子体质谱法(inductively coupled plasma mass spectrometry, ICP-MS)和电感耦合等离子体发射光谱法(inductively coupled plasma optical emission spectrometry, ICP-OES)测定40种元素的含量, 结合主成分分析(principal component analysis, PCA)、层次聚类分析(hierarchical cluster analysis, HCA)和正交偏最小二乘法-判别分析(orthogonal partial least-squares discriminant analysis, OPLS-DA)对检测数据进行分析, 建立了陈皮的产地溯源模型。结果 不同产地陈皮样品中20种元素存在显著性差异, 产地溯源模型自变量拟合指数(Rx2)为0.669, 因变量拟合指数(Ry2)为0.879, 模型预测指数(Q2)为0.806, 可实现陈皮样品的产地判别, 对实际样品的准确率达96.67%。结论 研究表明多元素含量分析结合化学计量学可以作为陈皮产地溯源的有效方法。     

基于仿生嗅觉特征的黄酒产地判别研究

采用GC-Flash型电子鼻结合化学计量学方法对不同产地的黄酒进行区分判别。以主成分分析和判别因子分析法建立了产地判别模型。分析结果表明,在主成分分析判别模型中,绍兴原产地（地理标志）、非原产地（非地理标志）与绍兴以外地区的黄酒样品分别占据着不同位置;绍兴原产地和非原产地各自有较大的相对集中分布区间,存在一定的边缘交集,但是他们与绍兴以外地区的黄酒样品分界明显。判别因子法所建产地判别模型中,绍兴原产地、绍兴非原产地和绍兴以外地区的黄酒样品得到正确判别。研究表明,电子鼻结合化学计量学方法可较好地用于黄酒产地的判别。     

近红外漫反射光谱技术对小米产地的快速检测

为实现对小米产地溯源的快速检测,保护优质小米的品牌效益,维护消费者的合法权益,采用近红外漫反射光谱技术结合化学计量学,对来自肇源及肇州两地区的144份小米样品进行产地溯源研究。结果表明,采用因子化法建立的鉴别分析模型对肇源及肇州地区的小米样品鉴别正确率均为100%;采用欧氏距离法建立的聚类分析模型对两地区小米样品的鉴别正确率分别为95.65%和100%;采用偏最小二乘法建立的定量分析模型对两地区小米样品的鉴别正确率分别为95.65%和91.67%。由此可知,近红外漫反射光谱法是一种快速、高效、无损的小米产地溯源判别技术。     

基于拉曼光谱的大米快速分类判别方法

以拉曼光谱技术为手段,结合化学计量学方法,对来自黑龙江、江苏、湖南3个产地共123份大米样品的光谱数据进行采集,并对得到的拉曼图谱进行主成分分析(PCA)和偏最小二乘判别分析(PLSDA),建立大米快速分类判别方法。应用主成分分析对不同种类、产地和品种的大米进行粗分类鉴别;选择不同种类、品种和产地的稻米样本建立相应的偏最小二乘判别分析模型,其中2/3的样本作为建模训练集,1/3的样本作为建模校正集,按照种类、产地、品种建立的模型其训练集样本正确判别率均为100%,校正集样本正确判别率分别为100%,100%,94.12%。因此,研究所建立的拉曼光谱技术结合化学计量学方法可以快速、有效地鉴别大米种类、品种及产地。     

基于三维荧光光谱快速识别冷榨一级核桃油品牌和产地

为寻找一种能快速识别核桃油品牌和产地的方法,以来自4个品牌3个产地的冷榨一级核桃油为研究对象,分批次收集了300个样品,用荧光检测仪进行样品扫描,分两个时间段采集三维荧光光谱,间隔为1个月。对收集的共600组光谱数据运用主成分分析（PCA）进行特征提取,同品牌或同产地的样品分别选取主成分1组成新的数据集,达到数据降维,再结合偏最小二乘判别（PLS-DA）和人工神经网络判别（BP-ANN）化学模式识别方法,对应构建核桃油的品牌识别模型和产地识别模型。结果表明：PLS-DA和BP-ANN对核桃油的品牌和产地的识别率都能达到100%。因此,三维荧光光谱与PLS-DA和BP-ANN方法结合,可用于快速识别核桃油的品牌和产地。     

基于荧光法的牛奶中单诺沙星的快速检测

采用荧光法结合化学计量学来建立牛奶中单诺沙星(DANO)残留的快速检测方法 先利用加标法制备含有不同浓度的DANO(0～56μg/L)的全脂奶作为校正集,除蛋白后经扫描得到荧光光谱,利用化学计量学技术对其进行主成分分析(PCA)并建立偏最小二乘法(PLS)和判别分析(PLSDA)模型.采用加入不同浓度DANO的4种品牌的超高温杀菌和巴氏杀菌牛奶作为预测集,验证了两种模型的准确性.实验结果表明,定性模型可以准确地将阴性与阳性样品区分,定量模型预测出的样品回收率在88％ ～ 114.4％,预测误差在可接受范围内.     

近红外光谱法快速鉴别成安草莓

为实现对成安草莓的快速鉴别,本文采集了不同产地草莓样品的近红外吸收光谱,选择不同的光谱范围,经二阶导数、一阶导数+矢量归一化、最小-最大归一化等预处理,利用因子化法、合格性测试和主成分分析法(PCA)建立了成安草莓的鉴别模型,并取样对该模型进行验证。结果表明:三种模式识别方法对于其他产地草莓的识别正确率高于93.3%,因此认为,采用近红外光谱结合模式识别技术可快速、准确地鉴别成安草莓的真伪。     

基于近红外光谱技术的赣南茶油掺假快速鉴别北大核心CSCD

为了探索基于近红外光谱技术快速无损鉴别掺假油茶籽油的可行性,以赣南茶油为研究对象,通过掺入不同植物油如玉米油、花生油、菜籽油、葵花籽油和大豆油等制备掺假油茶籽油,应用近红外光谱技术采集其光谱特征信息,对比不同预处理方法和主成分数,并结合线性和非线性建模方法建立油茶籽油掺假鉴别模型,以识别准确率(纯油茶籽油样品和掺假油茶籽油样品被正确判别的比例)、灵敏度(纯油茶籽油样品被正确判别为纯油茶籽油的比例)、特异性(掺假油茶籽油样品被正确判别为掺假油茶籽油的比例)作为模型的评价指标,优选出最佳模型。结果表明:二阶微分联合线性判别分析(SD-LDA)模型为最优线性模型,标准正态变量变换联合人工神经网络(SNV-ANN)模型为最优非线性模型,两个模型的识别准确率、灵敏度、特异性分别为97.58%、100%、97.33%和98.99%、100%、98.88%。SNV-ANN模型鉴别效果优于SD-LDA模型,说明非线性模型更适于油茶籽油掺假判别,该模型能更准确地鉴别油茶籽油是否掺假。     

气相色谱法测定脂肪酸含量判定山茶油纯度

利用气相色谱法,对山茶油掺入大豆油、菜籽油、玉米油和葵花籽油的掺伪油进行脂肪酸组成分析。结果表明:油酸、亚油酸和亚麻酸可作为鉴别山茶油中掺伪大豆油和菜籽油的特征脂肪酸,棕榈酸、油酸和亚油酸可作为鉴别山茶油中掺伪玉米油和葵花籽油的特征脂肪酸;回归预测模型相关系数(R^2)较高(> 0. 99),可分别检出掺伪量4%的大豆油和菜籽油,掺伪量8%的玉米油和葵花籽油,回收率在96. 56%~112. 88%之间。该方法灵敏度高,定量准确,可为掺伪山茶油纯度鉴别及调和山茶油配比的定量分析提供科学依据。     

GC和LF-NMR结合化学计量学方法检测掺假油茶籽油

为了对油茶籽油品质控制及评价提供支撑,以纯油茶籽油和掺假油茶籽油(分别掺入菜籽油、花生油、棕榈油和高油酸花生油)为试验材料,采用气相色谱法(GC)分析其脂肪酸组成,采用低场核磁共振技术(LF-NMR)测定其横向弛豫特性数据,结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和偏最小二乘分析(PLS)等化学计量学方法建立油茶籽油掺假的定性和定量分析模型。结果表明：5种植物油的脂肪酸组成和LF-NMR横向弛豫特性数据存在显著区别;油茶籽油和其他4种植物油在PCA得分图上可清晰区分;PLS-DA模型可有效区分油茶籽油和掺假油茶籽油,判别正确率均可达100%;建立的油茶籽油中掺入菜籽油、花生油、棕榈油、高油酸花生油的PLS定量预测模型,真实值与预测值的相关系数(R²)分别为0.994 1、0.998 6、0.997 6、0.978 1。综上,GC和LF-NMR结合PCA、PLS-DA以及PLS等化学计量学方法可用于油茶籽油掺假类别判定及掺假量分析。     

茶油品质鉴别的透射和透反射模式分析比较

采用近红外光谱透射模式与透反射模式结合化学计量学方法对茶油进行品质鉴别。对收集的139个样品,分别用透射和透反射模式扫描,采用全光谱10 000～4 000cm-1波段,对光谱不做任何预处理,采用判别分析(discriminant a-nalysis,DA)建立油茶籽油(包括原茶油)和其它油的分类模型,真假茶油分类模型及原茶油和精炼茶油分类模型。透反射和透射模式都能够得到满意的结果,两种光谱采集方法的分类准确率均达到92%以上,透反射采集模式要优于透射采集模式。结果表明,近红外光谱可作为一种简单、快速、无损、可靠的方法用于鉴别茶油品质。     

基于红外光谱快速鉴别压榨油茶籽油与浸出油茶籽油的研究

为规范油茶籽油市场、维护消费者权益,建立了快速、准确鉴别压榨油茶籽油和浸出油茶籽油的方法。通过傅里叶变换红外光谱仪对大量压榨油茶籽油和浸出油茶籽油样品进行扫描,提取特征波段数据,运用Savitzky-Golay平滑(SG)、多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导数(FD)和二阶导数(SD)方法进行预处理,然后结合偏最小二乘法(PLS)、支持向量机(SVM)和BP人工神经网络(BPANN)建立鉴别模型。结果表明,偏最小二乘法和BP人工神经网络建模时,SG平滑预处理方法最好,得到的SG-PLS和SG-BPANN两模型的验证集相关系数、验证集均方根误差、鉴别准确率分别为0. 767 9和0. 921 2、0. 322 6和0. 205 9、88. 46%和100%;支持向量机建模宜采用SNV预处理,建立的SNV-SVM模型验证集相关系数、验证集均方根误差和鉴别准确率分别为0. 761 4、0. 882 1、88. 46%。因此,红外光谱技术用于鉴别压榨油茶籽油和浸出油茶籽油是可行的。     

茶油掺伪的数学回归模型研究

以纯茶油中掺伪不同比例大豆油、花生油和菜籽油中任意两种植物油脂来建立茶油掺伪模型,通过气质联用技术测得各样品脂肪酸的含量,并通过相关性、显著性分析来筛选出合适的标志性脂肪酸建立茶油掺伪的多元回归方程模型。结果表明:某些脂肪酸含量在茶油掺伪模型中变化显著,且与茶油掺伪模型间具有高的相关性,选取该部分脂肪酸建立的相应回归模型方程的相关系数(R~2值)均较高,说明本实验获得的回归方程模型真实、可靠。研究结果可以为茶油的产品质量监控和掺假检测提供借鉴。     

荧光寿命分析法鉴别食用植物油品种的可行性研究

本文通过时间相关单光子计数法,采用HORIBA Scientific时间分辨荧光光谱仪对食用植物油品种鉴别做了研究,结合DAS6和OriginPro 8.5数据处理软件,实现对山茶油、花生油和葵花籽油的种类鉴别。通过非线性最小二乘法对数据进行拟合,从拟合优度x2和残差分布两个角度确定最佳的拟合方法,从而得到3种食用植物油的荧光寿命,结果发现,山茶油的平均荧光寿命最长,花生油的荧光寿命最短,而葵花籽油的荧光寿命与花生油的荧光寿命相差0.11 ns,并通过山茶油-花生油-葵花籽油混合油样进行了掺杂对比试验,从而证明了荧光寿命分析法识别植物油种类的方案具有可行性。此方法的优点在于利用荧光寿命分析法可以避免光源波动、外界杂散光的影响,因此荧光寿命分析法对植物油的种类鉴别表现出更好的检测精度和准确度,检测结果准确可靠,为植物油品种鉴别提供了一种新思路。     

茶油掺伪检测技术研究进展

茶油是我国特有的高端木本食用植物油。本文分析了茶油品质特点与茶油的主要掺伪方式,总结现有相关标准中对茶油真实性的要求。从茶油及其他异质油的理化特性与特征成分出发,重点总结了基于理化参数的分析技术、色谱与质谱技术以及光谱学技术3个用于茶油掺伪检测技术的特点与局限性。说明了基于多个理化参数集合并结合算法模型、筛选茶油特异性成分、扩大样品的光谱数据库对茶油掺伪检测方法构建的重要性,并提出采用多指标逐步判别分析是实现茶油掺伪实际检测的重要途径。     

基于脂肪酸谱法分析山茶油掺伪

为了更好的检测市售山茶油中的掺混,本研究基于气相色谱-质谱联用技术(GC-MS)建立了一种检测山茶油中掺入其他低值植物油的方法。实验采用GC-MS检测了市售山茶油、芝麻油、花生油以及玉米油的脂肪酸组成,并对其脂肪酸成分进行比较,建立鉴别山茶油中掺混这几种植物油的方法以及掺假比例的预测与验证。结果表明,GC-MS检测出上述几种植物油的脂肪酸组成,其中主要的脂肪酸为棕榈酸、硬脂酸、油酸与亚油酸,其中山茶油的油酸含量高达78.8058%,实验检测山茶油中掺入低值油比例为10%、20%、30%、45%的掺假油,且根据特定的油酸的含量建立的回归方程的相关系数均大于0.98。因此根据该方法可以用于山茶油中掺入一种低值植物油的检测,最低检测掺入量为10%,且方法快速方便、且方法的准确率高于97%,较为灵敏。     

贵州茶油气相色谱脂肪酸标准指纹图谱构建及其鉴别

目的 基于气相色谱法(gas chromatography,GC)构建油茶籽油脂肪酸的气相指纹图谱。方法 以贵州产油茶籽为研究对象，采用气相分析不同产地、品种及加工方式共计34批次油茶籽油的脂肪酸组成。结果 确定棕榈酸、硬脂酸、油酸、亚油酸、花生一烯酸和亚麻酸为油茶籽油的主要脂肪酸。通过“中药色谱指纹图谱相似度评价系统”建立了油茶籽油气相色谱标准指纹图谱，并与菜籽油、葵花籽油、芝麻油、玉米油、米糠油、花生油、棕榈油和高油酸花生油等8种植物油进行相似度比较，除菜籽油和高油酸花生油因相似度大于0.95而无法与油茶籽油进行区分外，其余6种油脂均可识别为非油茶籽油。结论 通过对贵州产油茶籽油脂肪酸组成和标准指纹图谱的建立，可为纯茶油的真伪鉴别提供了一定的试验数据支撑