元素含量分析应用于进口四产区香米产地鉴别

利用元素分析建立四个产地香米的鉴别方法。利用电感耦合等离子体质谱法和电感耦合等离子体光谱法对来自泰国、越南、柬埔寨、巴基斯坦四个地区的220份香米进行包括钙、铁、钾、镁、锌、硼、铝、铬、锰、钴、镍、铜、砷、锶、硒、镉、铯、钡、铅19种元素在内的含量分析。通过判别分析建立判别模型。判别模型自校验交叉校验准确率100%,拥有极高的准确率。     

基于矿物元素分析对进口泰国、越南、柬埔寨香米产地的鉴定

目的 探讨泰国、越南、柬埔寨3国香米矿物元素含量差异,并对产地进行鉴别。方法 通过电感耦合等离子体质谱法(inductively coupled plasma mass spectrometry, ICP-MS)测定泰国、越南、柬埔寨3国75份香米中Cr、Ni、Cu、Zn、As、Se、Cd、Hg和Pb 9种矿物元素含量,对测定结果进行差异性分析、相关性分析、主成分分析和Fisher判别。结果 所有样本均未检出Pb,其中Ni、Cu、Zn、As、Se、Cd6种元素在不同国家之间有显著性差异(P<0.05),并且Cu在3个国家之间均存在极显著差异(P<0.01),6种元素相互之间存在一定的相关性。主成分分析中选取了前2个主成分,累计方差贡献率为71.334%。确定Cu、Ni和Se元素是造成不同产地香米矿质元素差异的特征因素。通过Fisher判别建立溯源模型,对越南训练集和验证集判别准确率为100%,而对柬埔寨和泰国的训练集判别准确率达到70%以上,验证集的判别准确率达到80%以上。结论 通过Fisher判别法可较为有效地鉴别泰国、越南、柬埔寨3个国家的香米。     

基于矿物元素指纹差异的榴莲产地甄别

为保护高值热带作物榴莲的原产地信息,采集马来西亚、泰国、柬埔寨和越南共4 个产区73 份不同品种榴莲样本,利用电感耦合等离子体质谱法测定榴莲果核与榴莲果肉中28 种矿物元素含量,结合方差分析、主成分分析、Fisher逐步判别分析和BP人工神经网络,建立基于矿物元素的榴莲产地判别模型并验证其准确率。结果表明,榴莲果核和果肉中分别有16 种和13 种矿物元素在4 个产区存在显著差异;主成分分析中前6 个主成分累计贡献率为85.207%,代表矿物元素含量的主要信息;将有显著差异的元素代入Fisher逐步判别方程,结果发现单一榴莲果核及榴莲果肉判别准确率较低,榴莲果核和榴莲果肉耦合指标显著提高判别准确率,筛选出果核中Li、Be、Mg、Mn、Rb元素和果肉中Be、Ag、Ba元素8 项指标构建榴莲产地溯源模型,模型的初始验证准确率为91.8%,交叉验证准确率为90.4%;将有显著差异的元素代入BP人工神经网络模型,榴莲果核As、Ag、Al、Rb和果肉中Ag元素为BP人工神经网络前5重要元素,模型训练验证准确率为96.1%,检验验证准确率为95.5%。初步证明利用矿物元素指纹特征结合化学计量学方法对东南亚产地榴莲判别具有可行性。     

基于矿物元素指纹图谱技术的松江大米产地溯源

采用电感耦合等离子体质谱技术分析180件松江大米与非松江大米样本中40种矿物元素含量,并结合多元统计方法(方差分析、相关性分析、因子分析和判别分析)分析矿物元素指纹特征,建立判别模型以溯源大米样品的松江与非松江产地。结果表明,大米样本的矿物元素含量在松江与非松江地域间具有显著性差异,元素之间具有显著相关性,因而将筛选后16种元素降维至5个公因子,公因子得分散点图能够明确判别大米产地;以筛选后的B、Na、Fe、Co、Ni、Zn、As和Se共8种矿物元素指标建立的溯源模型对训练集大米产地的整体判别正确率为93.0%,灵敏度为95.2%,特异性为86.8%,交叉检验判别正确率为84.2%~95.2%。验证集样本验证已建立的溯源模型准确度,发现松江与非松江大米产地整体判别正确率为92.1%,灵敏度为96.0%,特异性为84.6%。该模型对训练集与验证集的判别统计学参数基本一致,证明该溯源模型具有优异的判别正确率、灵敏度、特异性和溯源稳定性,因此在判别松江大米与非松江大米的产地上具有切实可行性。结果表明,大米样本的矿物元素含量在松江与非松江地域间具有显著性差异。     

东海经济鱼类的多元素分析及产地判别

采用电感耦合等离子体质谱和原子吸收光谱测定东海4种经济鱼类中25种矿物元素,用多元统计分析元素组成,判断经济鱼类的地理起源。结果显示,主成分分析可以判别鱼类的产地,揭示在地理多样性中起重要作用的元素。用偏最小二乘判别分析和概率神经网络建立的判别模型,可准确地判别鱼类的产地。进一步分析显示,偏最小二乘判别分析和概率神经网络建立的判别模型在不考虑鱼种的情况下,准确率分别达到97.92%和100%。基于矿物元素指纹信息的产地判别技术可应用于近海3个产地的4种经济鱼类的产地判别。     

我国多产区羊肉中无机元素含量特征及其在溯源研究中的应用

目的 研究我国多个产区所产羊肉中多种无机元素含量的特征,探索元素含量差异在羊肉产地溯源研究中的应用。方法 收集在地域和喂养方式上具有一定代表性的产区所产羊肉样本,采用电感耦合等离子体质谱法检测羊肉中无机元素含量。结合方差分析、主成分分析、聚类分析、判别分析多种统计方法对各元素含量特征进行分析。结果 通过单因素方差分析,确定了18种元素在产地间存在显著差异。通过主成分分析确定了5个主成分,可以大致将4个产地的样品区分开。通过聚类分析,可以将牧区的样品大致与农饲区样品区分开。通过判别分析建立判别函数,对样品的交叉判别正确率为82.0%。结论 研究表明无机元素可以作为羊肉产地溯源的指标。本研究初步建立了国内4个羊肉产地的溯源模型,为国产羊肉产地溯源研究提供依据。     

基于多元素分析的冬枣产地鉴别方法

为了探讨利用产地间差异性元素进行产地判别的可行性,测定了不同产地冬枣样本中10种元素的含量,并对数据进行了差异性分析、聚类分析、Fisher判别分析和偏最小二乘判别分析(partial least squares discrimination analysis,PLS-DA)。结果表明,不同产地冬枣中Mg、B、Mn、Fe、Zn元素存在显著差异,是具有产地特征的指纹元素。R型系统聚类分析也证实B、Mn、Fe和Zn元素具有共同特征。基于产地特征元素和Q型聚类、Fisher判别和PLS-DA建立的冬枣产地鉴别模型正确率均高于基于全部元素的分析结果,其中利用特征元素建立的PLS-DA模型鉴别正确率最高,回代检验和交叉检验正确率均为94.0%,Q型聚类模型的判别能力最差,最高的判别正确率为84.06%。本研究证实了产地间差异性元素是有效的产地判别因子,具有监督模式的Fisher判别和PLS-DA算法准确率远高于无监督模式的系统聚类法,更适于产地鉴别分析。     

基于矿物元素指纹图谱技术的芸豆产地溯源研究

探讨矿物元素指纹分析技术对芸豆产地溯源的可行性,筛选出判别芸豆产地溯源的有效指标。利用电感耦合等离子体质谱仪(ICP-MS)测定来自依安县和拜泉县2个地域54份芸豆样品中31种矿物元素的含量,对数据进行方差分析、主成分分析、聚类分析和判别分析。研究表明,芸豆中25种矿物元素含量在地域间存在显著性差异,通过逐步判别分析筛选出Ca、As、Mg和Pt 4项元素指标建立芸豆产地判别模型,所建立的模型对芸豆产地整体交叉检验判别率为94.4%。因此,矿物元素指纹图谱技术可用于判别芸豆产地来源。     

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。     

基于机器学习方法的吉林大米产地确证模型研究

吉林地理标志大米因其品质优,口感好,营养价值高,在市场上享有较高的声誉,研究地理标志大米产地确证技术具有重要意义。以吉林省柳河县和辉南县为研究区域,分别采集柳河地理标志大米样本62个,辉南地理标志大米样本58个,共120个样本。通过检测大米样本中矿物质元素[铜(Cu)、锌(Zn)、铁(Fe)、锰(Mn)、钾(K)、钙(Ca)、钠(Na)、镁(Mg)、铅(Pb)、镉(Cd)],利用反向传播人工神经网络(BackPropagation Artificial Neural Network,BP-ANN)、随机森林(Random Forest,RF)和支持向量机(Support Vector Machines,SVM)三种机器学习方法建立确证模型,并通过F评分(F-score)方法对矿物质元素进行特征提取,采用10次10折交叉验证和混淆矩阵对研究区域建立的产地确证模型进行评估比较。结果表明:单个Cu元素可作为代表该地区空间特征的典型变量。三种机器学习方法建立的产地确证模型均达到了良好的预测性能,其中BP-ANN方法使用Cu元素和Zn元素建立的分类模型准确率为99. 7%; SVM方法使用Cu元素、Zn元素和Pb元素建立的分类模型准确率为100%; RF方法使用Cu、Zn、Pb、Ca、Cd、K 6种元素建立的分类准确率为100%。RF模型和SVM模型整体分类效果优于BP-ANN模型,模型更稳定,更适合建立研究区域的产地确证模型。     

基于产地、品种和年份影响矿物元素含量的大米判别

通过分析品种、年份与产地及其交互作用对大米矿物元素含量造成的差异,筛选有效特征指标,结合统计分析进行产地判别。以连续3?a（2016—2018年）在查哈阳、五常和建三江地区种植9?个品种的90?份田间试验样本为研究目标,采用电感耦合等离子体质谱仪测定样品的52?种元素。结果表明：Mg、Ca、Cr、Mn、Zn、As、Rb、Sr、Ag、Cd、Ba、La、Sm、Dy、Ho、Er、Pb、U受产地影响较大;Na、Mg、Al、Ca、Pb、U、V受年份影响较大;Na、Cr、Co、Ni、Tl、U、Mg、Al、La、Ho受品种影响较大。实验对筛选到与产地直接相关的18?种元素进行主成分分析和判别分析。6?个主成分累计贡献率80.333%。建立的判别模型对3?个产地的判别正确率均为100%,交叉验证率为100%。说明由这些元素组成的模型可以对样本实现正确判别。     

大米理化指标指纹在产地溯源的探究

为了比较不同地域来源大米理化指标含量差异,分析各理化指标对大米产地的判别效果,探讨理化指标指纹分析技术对大米产地鉴别的可行性。通过对来自查哈阳、建三江和五常3个产区89份大米样品的蛋白质、直链淀粉、脂肪和灰分的含量进行测定,对数据进行单因素方差分析、多重比较分析和判别分析。结果表明:不同产地大米的理化指标有显著差异。建三江大米样品的蛋白质含量最高,直链淀粉和脂肪含量最低;五常大米样品的脂肪含量最高,蛋白质和灰分含量最低;查哈阳大米样品的各指标含量均处于中间状态。进一步利用蛋白质、直链淀粉、脂肪和灰分的含量对大米产地进行判别分析,交叉检验正确判别率为95.5%,说明不同地域来源的大米有其独特的品质特征,理化指标指纹分析是鉴别大米产地的一种潜在技术。     

基于ICP-MS的甘肃不同产地小米矿物元素含量特征及判别分析

通过分析不同主产区小米矿物元素含量特征,结合化学统计学建立小米产地判别模型。该研究以甘肃省陇中地区、陇东地区和河西地区的主栽小米品种为研究对象,采用电感耦合等离子体质谱(ICP-MS)法测定了小米中18种矿物元素含量,利用方差分析、主成分分析(PCA)、正交偏最小二乘判别分析(OPLS-DA)、线性判别分析(LDA)和聚类分析(HCA)对数据进行统计分析。结果表明:小米样品18种矿物元素中有13种元素含量在3个主产区间存在显著差异(P<0.05),不同主产区小米矿物元素含量具有独特的地域分布特征;18种矿物元素之间存在较强的相关性;PCA分析共提取4个主成分,累计方差贡献率为75.82%;基于LDA和OPLS-DA的判别模型对小米产地判别正确率均为100%,基本可以实现甘肃省不同区域小米产地的精准判别,通过OPLS-DA模型确定了小米产地判别的特征元素(V、Fe、Cu、Cd、Se、Pb);基于特征元素的HCA分析可以成功地对小米产地进行判别。研究证明基于小米矿物元素含量构建的判别模型可以有效区分甘肃省不同产区的小米,为小米产地溯源和质量控制提供了科学依据。     

Geographical origin traceability of foxtail millet based on the combination of multi-element and chemical composition analysis

The potential approach of classifying foxtail millet according to geographical origin was investigated using mineral element and chemical composition analysis of samples from various provinces in China. Total 16 mineral elements and five chemical compositions of foxtail millets were analyzed. There were significant differences in 12 elements of millets from different regions. Notable differences were also observed for chemical composition, with Hebei samples showing higher protein content, Henan samples showing higher fat and ash contents and Shandong samples showed higher dietary fiber and amylose contents. Based on the combination of both methods, discriminant analysis provided optimal discrimination among the various geographical origins with a 95.2% classification rate. Our study provides an effective tool to trace the foxtail millet geographic origin through a combination of multi-element and chemical composition analysis.     

The Correlation of Inorganic Anion Contents in Rice and Its Soils Based on Four Geographical Origin

The determination of the geographical origin of foodstuffs is becoming of increasing interest to consumers and producers since it may be used as a criterion to certify quality and typicality. The correlation of inorganic anion contents in rice and its origin soils was studied in this paper, and the inorganic anion contents were used to identification the rice geographical origin. The contents of F^?, Cl^?, NO₂ ^?, NO₃ ^?, and SO₄ ^2? in rice samples and soil samples from four provinces of China were analyzed by ion chromatography. The result of variance analysis and correlation analysis demonstrated that there is significant difference in the contents for F^?, Cl^?, NO₂ ^?, NO₃ ^?, and SO₄ ^2? in the rice samples from four provinces, and the anions in rice are closely connected with the anions in soil. The predictions of geographic origin made by linear discriminant analysis (LDA) based on anions gave an overall correct classification rate of 100 % and cross-validation rate of 96.9 %. The correct rate of Q-type hierarchical cluster analysis (Q-type CA) was 81.3 %. These results demonstrate the usefulness of multi-anion fingerprints as indicators for authenticating the geographical origin of the four famous brand rices.     

基于近红外光谱技术对多年际建三江、五常大米产地溯源

研究多年际地理标志大米产地溯源判别技术,保护地理标志大米的品牌效益。利用近红外漫反射光谱技术对试验田样品进行与产地有关的特征波段筛选,并在其范围内对2013—2015年来自建三江地区及五常地区的291?份大米样品进行产地溯源研究。结果表明,试验田样品在波段为5?136～5?501?cm－1范围内产地因素差异显著。在此范围内利用因子化法建立的定性分析模型及聚类分析模型对建三江大米及五常大米的正确判别率均高于97.00%。利用偏最小二乘法建立的定量分析模对两地区大米的正确判别率分别为95.83%、94.00%。因此,应用该技术对多年份大米的产地溯源进行判别具有一定的可行性。     

在普洱茶产地溯源中化学计量学工具的应用研究

目的基于不同产地茶叶中微量元素差异应用化学计量学工具构建云南不同产地普洱茶产地溯源模型。方法采用电感耦合等离子体质谱对两个主产区的普洱茶中21种微量元素和15种稀土元素进行检测,应用化学计量学工具对数据进行筛选、主成分分析和产地鉴别模型的构建,与常用Fisher判别方法(Fisher linear discriminant analysis,FLD)比较,对构建模型所采用的决策树算法C5.0(decision tree C5.0,C5.0)、树扩展朴素贝叶斯算法(tree augmented Bayes network,TAN)和反向传播人工神经网络算法(back-propagation artificial neural network,BP-ANN)3种算法进行了评价。结果 C5.0、TAN和BP-ANN 3种算法构建的模型均适用于不同地域普洱茶的产地溯源。利用构建的模型经过外部样品预测集验证,以决策树算法C5.0构建的普洱茶产地溯源模型判别率达83.33%。结论化学计量学工具构建的普洱茶产地溯源模型将为普洱茶溯源工作提供技术保障,从而促进普洱茶产业的健康发展。