掺假燕窝的元素组成分析及鉴别研究

采用ICP-MS测定各类真品燕窝和掺假燕窝样品的元素组成,利用主成分分析构建燕窝鉴别的综合评价模型,通过逐步判别方法建立判别函数鉴别掺假种类。主成分分析结果表明,前3个主成分提取了原来14个指标74.34%的信息;各掺假样品的主成分得分随着掺假比例的增大,有明显程度的降低,且都小于真品燕窝的得分;逐步判别分析结果显示在剔除5种元素变量的情况下,保留Na、Mg、Fe、Mn、Ni和Cu等9种元素变量即可实现对燕窝掺假种类的准确鉴别。说明以燕窝的各元素含量作为分析变量,结合主成分分析法和逐步判别分析,可以实现掺假燕窝真假鉴别和掺假种类鉴别。     

基于近红外光谱技术的咖啡掺假快速鉴别方法

本文研究了利用近红外光谱技术结合AdulterantScreen算法建立的咖啡快速鉴别方法。采用傅里叶变换近红外光谱仪采集咖啡样品光谱,建立标样(材料光谱)光谱数据库,采集掺假物光谱数据,建立掺假物光谱数据库,建立了咖啡分类模型及掺假物模型,运用Adulterant Screen算法技术对模型的主成分及掺假成分进行计算分析,建立了咖啡掺假快速鉴别模型。本咖啡快速鉴别方法对含量在2%、5%、10%、15%、20%、30%及40%巴西莓果粉和5%、10%、15%、20%、30%及40%大麦掺假咖啡可以实现有效的掺假鉴别,最低识别咖啡中巴西莓果粉及大麦掺假含量分别为2%及5%。利用近红外光谱技术结合Adulterant Screen算法建立咖啡快速鉴别模型可以鉴别咖啡中巴西莓果粉和大麦等掺假物,为咖啡样品掺假鉴别提供了一种快速、可靠、无损的检测方法,能有效的运用于咖啡样品掺假鉴别的日常检测工作中。     

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。     

掺伪茶油的化学模式识别方法研究

为研究掺伪茶油的定性鉴别方法,选取折光率、碘值、皂化值、色泽和酸价等5个理化指标作为变量,对31个茶油掺菜籽油、大豆油、米糠油、玉米油和棕榈油的样品进行测定。采用主成分分析和判别分析两种方法处理数据。结果表明,主成分分析中,样品前三个主成分的累计贡献率为95.55%,已含样本的大部分信息,前三个主成分构成的三维得分图(PC1-PC2-PC3)显示,31个样品在三维空间内按照掺伪种类的不同被分为5个区域,从而对油样进行识别。通过判别分析方法推测单一样品属于各个掺伪总体的概率,可实现掺伪茶油中掺杂其它植物油的鉴别,准确率达97%。     

基于矿物元素技术的品种、产区葡萄酒的判别分析

通过分析宁夏贺兰山东麓不同品种,不同产区葡萄酒中矿物元素含量差异,结合多元统计分析,筛选有效的溯源指标,构建葡萄酒品种和原产地判别模型。该研究采集了宁夏贺兰山东麓产区6个单品葡萄酒样品54份,甘肃武威产区和河北沙城产区葡萄酒样品10份,利用电感耦合等离子体质谱仪(inductively coupled plasma mass spectrometry, ICP-MS)测定了样品中58种矿物元素含量,结合方差分析、主成分分析和Fisher判别分析方法建立了葡萄酒品种和产地判别模型。结果表明,不同品种葡萄酒中有35种矿物元素含量存在显著差异;经过主成分分析,从58种矿物元素可提取出10个主成分,代表了总指标80.64%的信息;通过Fisher判别分析,回代检验的整体正确判别率为100%,但交叉检验的整体正确判别率仅为38.9%,说明基于矿物元素的差异性不能有效鉴别不同品种的葡萄酒。结合武威和沙城产区样品,经Fisher判别分析,回代检验和交叉检验的整体正确判别率分别为100.0%和98.4%,基本实现了不同产区葡萄酒的判别。研究证明矿物元素技术可用于葡萄酒的原产地判别。     

主成分和判别分析在清香型白酒产地溯源中的应用

采用气相色谱法分析不同产地清香型白酒中乙酸乙酯、乳酸乙酯、乙酸等12种主体香味成分的含量,利用SPSS22.0软件对数据进行主成分和判别分析,可以将12个指标提取3个主成分,建立3个判别典型函数。利用建立判别函数可以对5个不同产地的78个白酒样品100%进行正确判别。该方法为不同产地白酒的溯源和真伪鉴别提供一条新的途径。     

基于脂肪酸组成的进口大豆鉴别技术研究

目的建立进口大豆及进口大豆掺假鉴别方法。方法采用气相色谱-质谱法测定进口大豆、国产大豆和掺假大豆的脂肪酸组成,利用主成分分析、系统聚类分析对进口大豆和国产大豆样品进行了聚类分析,随机森林方法建立了进口大豆与国产大豆、掺伪大豆与国产大豆间的判别模型。结果进口大豆与国产大豆油酸、亚麻酸、棕榈酸、棕榈油酸等脂肪酸相对含量存在极显著差异(P0.01);主成分分析和系统聚类分析结果显示利用脂肪酸组成可实现进口和国产大豆正确聚类;随机森林交互检验预测正确率均为100%,模型可有效区分进口大豆与国产大豆、掺假大豆与国产大豆间。结论大豆脂肪酸组成结合主成分分析、随机森林等化学计量学方法,建立的判别模型可有效鉴别进口大豆及其掺假,为保护我国大豆产业和保障消费者合法权益提供了重要的技术支撑。     

基于矿质元素指纹分析的陈皮产地溯源研究

通过分析不同产地陈皮中矿质元素含量的差异,结合多元统计分析,筛选基于矿质元素指纹分析技术的有效产地溯源指标,构建陈皮不同产地鉴别的判别模型。该研究采集了广东、福建、重庆3个不同产地的206份陈皮样品,利用电感耦合等离子体质谱仪（ICP-MS）和电感耦合等离子体发射光谱仪（ICP-AES）测定了32种矿质元素含量,结合方差分析、主成分分析和线性判别分析、正交-偏最小二乘法判别分析方法建立了陈皮产地判别模型。结果表明,陈皮样品的32种矿质元素中有26种元素含量在广东与其他两个产地间存在显著差异,而其中11种元素在3个不同产地间存在显著差异。经过主成分分析,从32种矿质元素可提取出4个主成分,代表了总指标70.0%的信息。基于主成分分析,陈皮样品可根据其来源进行初步聚类。其中前2个主成分的主要变量为Dy、Sm、Gd、Pr、Nd、Y、La、Fe、Be、V、Ce、Sc、Co、P、Mo、As、Pb、B这18种元素。通过线性判别分析确定了K、P、Ca、Co、Cu、Mn、Mo、V、Ni、B、Li、Pb、As、Sr、Ti、Th、Gd、Sc、Nd、Pr、Y这21种矿质元素为陈皮的有效溯源指标,基于正交-偏最小二乘法判别分析方法建立的判别模型确定了Sc、B、Y、Co、Nd、La、Pr、Be、Gd、Dy、Sm、Mo、Fe这13种元素的重要性。2种判别分析方法构建的判别模型的交叉验证和外部样品验证的整体正确判别率均达到100%,基本实现了陈皮的产地判别,研究证明矿质元素指纹分析技术可用于陈皮的产地溯源判别。     

低场核磁技术结合化学计量学法快速检测掺假牛奶

应用低场核磁共振技术结合主成分分析法(PCA)、偏最小二乘判别法(PLS-DA)、线性判别法(LDA)对掺水、食盐、尿素和蔗糖的牛奶及纯牛奶进行测定。结果表明:在主成分得分图中,不同掺假牛奶随掺假物质的掺假比例呈一定规律性分布,并得到了很好的区分。利用PLS-DA和LDA方法建立不同掺假牛奶的判别模型,对掺水、掺尿素牛奶的判别准确率均为100%,掺食盐牛奶的判别准确率分别为83.33%和100%,掺蔗糖牛奶的判别准确率分别为73.33%和76.67%。可见PCA法、PLS-DA法、LDA法可用于快速处理分析低场核磁共振数据,并且LDA法鉴别准确率最高。     

基于特征氨基酸指纹图谱的白燕窝识别掺假模型建立与验证

测定各类燕窝和掺假样品的氨基酸组成,通过主成分分析构建白燕窝鉴别的综合评价模型,运用多变量统计分析方法,初步建立燕窝掺假模型,并进行验证。结果表明,前两个主成分提取了原来18个指标87.75%的信息;利用综合评价模型计算出各类样品的主成分得分,燕窝样品在主成分得分图中分布的位置较集中,掺假燕窝样品则较分散;以掺假物质含量作为自变量,综合评价得分作为因变量,进行线性回归分析,单一物质掺假的线性模型和混合掺假线性模型的线性系数R20.98。模型验证误差平均值为3.25%,说明氨基酸指纹图谱指纹谱图鉴别法是一种有效且可靠性高的鉴别白燕窝的方法。     

原料肉中掺大豆蛋白的近红外检测技术的研究

探讨了利用近红外光谱技术快速、准确地进行原料肉中是否掺大豆蛋白鉴别的可行性。首先以原料肉和掺假肉为原料,利用近红外光谱仪测定样品的漫反射光谱曲线,再应用Fisher线性判别分析和偏最小二乘法对试验数据进行了多元统计分析。分析结果表明,利用Fisher判别分析建立的判别模型的正确判别率达到100%,对未知样进行检验,正确判别率达到86.1%;最后利用偏最小二乘法(PLS)建立大豆蛋白掺入量的定量检测模型,校正模型决定系数(R2)为93.4%,内部交叉验证均方根差(RMSECV)为2.45%,对此模型进行验证,预测集相关系数(R2)为84.1%,预测标准偏差(RMSEP)为3.59%。说明应用近红外光谱技术对原料肉中掺大豆蛋白进行快速、准确的的鉴别是可行的。     

基于可见—近红外光谱的花生油二元掺伪体系鉴别研究

为了建立一种简便有效的花生油掺伪的定性和定量鉴别方法,采集花生油中分别掺伪0~90%大豆油、棕榈油和棉籽油样品的可见—近红外光谱图,结合主成分分析、判别分析、改进偏最小二乘法,建立花生油掺伪的定性鉴别和定量预测模型。结果表明,在定性鉴别中,对花生油中分别掺入大豆油、棕榈油和棉籽油的整体正确判别率分别达到了100%、96.1%和85.3%。在定量分析中,对MPLS法建立的花生油二元掺伪定标模型进行验证,结果表明,掺入大豆油、棉籽油和棕榈油的预测相关系数R_p~2分别为0.998、0.997和0.995,相对标准差RSD分别为2.33%、3.04%和3.83%,相对分析误差RPD分别为3.542、2.642和2.581,说明这三种掺假花生油所建立的最优定标模型的预测精度高,其中花生油中掺入大豆油的预测精度最高,检测花生油中掺入棉籽油与棕榈油的最低掺假量为3%。为花生油二元掺伪模式提供了一种简便、快速、有效的分析方法。     

气相色谱结合化学计量在核桃油、菜籽油掺伪混合物含量判别分析中的应用

目的：识别核桃油中同时掺入多种其他植物油的多元掺伪。方法：采用气相色谱技术分析核桃油、菜籽油掺伪混合物中脂肪酸含量,结合化学计量方法对气相色谱数据进行建模,并对不同比例核桃油、菜籽油混合物进行判别分析。结果：主成分分析法（PCA）能快速鉴别出纯核桃油和掺伪核桃油,并在一定程度上反映样本的掺伪比例;Bayes判别分析将83.33%的样品归入正确的分类;偏最小二乘判别分析法（PLS-DA）的判别准确率达87.50%;基于BP神经网络模型的判别分析,其训练集的正确率为84.21%,测试集的正确率为80.00%;基于遗传算法优化支持向量机（SVM-ga）的判别分析,其训练集和测试集的正确率均为100%。结论：多种分析模型均能不同程度地识别核桃油、菜籽油掺伪比例,其中SVM-ga模型的预测精度最佳。     

基于化学计量方法实现水牛乳中掺水和尿素鉴伪研究

以水牛乳7个主要理化指标结合化学计量学为基础,建立了水牛乳中掺水和掺尿素定性和定量模型。聚类分析法较好地区分未掺假乳和掺假乳。Fisher判别分析中典则判别函数能够直观地区分不同掺假含量的样品,线性判别函数能够对未知掺伪乳样品进行定性判别,判别效果良好。多元逐步线性回归法构建的定量模型实测值和预测值的相关系数Rp分别为0.9956、0.9934、0.9937、0.9938、0.9986、0.9991,模型预测值接近于真实值,可实现水牛乳掺假的定量鉴别。     

基于特征脂肪酸和不同等价碳数甘油三酯的油茶籽油掺伪鉴别模型的建立

基于特征脂肪酸,棕榈酸/硬脂酸、油酸/硬脂酸、亚油酸/油酸以及不同等价碳数甘油三酯的含量等14个指标,运用主成分分析和Fisher判别分析方法,建立油茶籽油掺伪棕榈油、葵花籽油、米糠油、大豆油、花生油和棉籽油的掺伪鉴别模型。结果表明:所建模型都能完全准确识别掺伪20%及以上的掺伪油脂的掺伪量和种类,判别准确率为96. 22%。研究表明基于植物油在特征脂肪酸和不同等价碳数甘油三酯的含量的差异,运用PCA建立的掺伪鉴别模型具有一定的可行性。     

近红外光谱法检测奶粉中三聚氰胺的方法探讨

目的建立近红外光谱法快速鉴别奶粉中三聚氰胺的掺假。方法应用奶粉的脂肪、蛋白质、水分、乳糖和灰分5个理化指标建立奶粉的近红外鉴别模型。应用Spectrum软件的PLS1算法对样品进行计算,并对待鉴别奶粉进行定量分析。结果本方法能有效识别三聚氰胺质量比在0.05%~0.08%的掺假奶粉,但不能准确识别有何种掺杂物;对0.1%以上的掺假奶粉能正确识别出掺假物是三聚氰胺。对样品的脂肪、蛋白质、水份、乳糖和灰分5项理化指标进行定量分析的实际值与样品在模型中的计算值相对误差在10%以内。结论该方法快速、有效,可适用于奶粉三聚氰胺掺假的快速筛选和掺假鉴别。     

氢核磁共振结合正交偏最小二乘法对油菜蜜中果葡糖浆掺假的判别分析

利用氢核磁共振(1H nuclear magnetic resonance,1H NMR)谱图结合正交偏最小二乘(orthogonal partial least squares,OPLS)法对油菜蜂蜜和果葡糖浆掺假蜂蜜进行判别分析。采集了303个油菜蜜样品和180个按照不同比例配制的果葡糖浆掺假蜂蜜样品的1H NMR谱图,并对油菜蜜主要糖类成分和部分低含量化合物进行了信号归属。采用OPLS对训练集数据进行分析,建立蜂蜜果葡糖浆掺假判别模型。通过排列实验法对模型进行可靠性检验。结果显示,油菜蜜和果葡糖浆掺假蜂蜜样品在OPLS得分图中能明显区分。训练集和测试集样品的总体判别正确率分别为98.40%和98.24%。因此,1H NMR与OPLS相结合可以实现油菜蜜中果葡糖浆掺假的快速鉴别。该方法是基于对蜂蜜成分的整体分析,避免了仅仅分析个别成分指标的检验方法中存在的缺陷,为蜂蜜质量监控提供了一种新思路。     

基于HPLC-ELSD和偏最小二乘判别分析法的蜂蜜掺假鉴别

为了实现蜂蜜掺假的简便、快速识别,应用高效液相色谱技术和化学计量学手段建立了一种蜂蜜掺假检测的新方法。该研究收集了中国不同品种、不同地域的典型天然蜂蜜样品,根据目前市场上常见的蜂蜜掺假手段、掺假物质及相对含量情况模拟制备系列掺假蜂蜜样品,利用HPLC-ELSD对样品中糖类物质进行分离测定,并采用PLS-DA统计学方法进行蜂蜜掺假识别研究。研究结果表明:掺入质量分数10%以上果葡糖浆和麦芽糖浆的掺假蜂蜜样品均能利用本方法予以鉴别,其校正集的正确判别率达到92.5%,验证集的正确判别率为100%。     

基于氢核磁共振与偏最小二乘法对酸枣仁及其掺伪品的鉴别

采用氢核磁共振(1H nuclear magnetic resonance,1H NMR)代谢组学技术对酸枣仁、理枣仁以及不同比例的掺伪粉末进行对比,结合多元统计分析建立一种快速鉴别酸枣仁粉末及其掺伪品的方法。主成分分析显示掺伪比例较低的样品与酸枣仁有部分的重叠。偏最小二乘法-判别分析(partial least squares-discriminant analysis,PLS-DA)显示,当掺伪比例不低于40%时,酸枣仁粉和掺伪品沿t[1]轴完全分开。在此基础上,采用PLS对酸枣仁及其不同掺伪比例粉末样品训练集数据进行回归分析,并建立掺伪判别模型。1H NMR与PLS相结合的模型预测结果准确性较高,可实现酸枣仁中理枣仁掺假的快速鉴别。该方法为酸枣仁及含酸枣仁的保健食品、复方制剂质量评价提供了一条新途径。     

超高效液相色谱-高分辨质谱组学技术鉴别咖啡掺假

目的 采用超高效液相色谱-高分辨质谱法(ultra performance liquid chromatography-high resolution mass spectrometry,UPLC-HRMS)对咖啡及其掺假物建立高分辨质谱数据库,建立一种基于组学技术对咖啡掺假进行鉴别的方法。方法 咖啡及其掺假物经甲醇-水(7:3,V:V)超声提取后,经BEH C18色谱柱(2.1 mm×100 mm,1.7μm)分离,电喷雾电离(electrospray ionization,ESI)离子源,在高分辨质谱Full MS/dd MS2扫描模式下采集数据,建立咖啡及掺假物黑玉米、黑豆、大麦的高分辨质谱数据。采用Compound Discoverer 3.3 (CD 3.3)组学软件对UPLC-HRMS数据进行主成分分析(principal component analysis,PCA)和火山图差异分析,根据咖啡及掺假物中差异化合物的精准分子质量数、母离子同位素组成及碎片离子信息质量信息检索mzCloud和Chem Spider在线数据库,对差异成分进行匹配鉴定。结果 PCA结果表明咖啡与掺...