可见-近红外光谱结合化学计量学认证有机胡萝卜、绿色胡萝卜和无公害胡萝卜

在快速发展的中国,有机食品、绿色食品和无公害食品在产地环境、生产规程、加工、包装,尤其是生产资料的使用等方面都有严格区分,导致检验和认证需要花费大量的人力、物力、财力和时间。因此我们需要一种方便、精确的检测技术。基于化学计量学,本研究首次利用可见-近红外反射光谱快速检测有机胡萝卜、绿色胡萝卜和无公害胡萝卜。选择最佳区间（650-700 nm）,三种分类模型包括主成分分析结合 k 均值聚类、主成分分析结合线性判别分析、反向传播神经网络鉴别126个胡萝卜样本的准确率分别为93．65％、100％,和98．41％。结果表明,可见-近红外光谱结合化学计量学技术可以有效地验证有机胡萝卜、绿色胡萝卜和无污染胡萝卜。为质量检验机构提供了一个可行的检测方法,从而促进包括有机食品、绿色食品、无公害食品等安全食品的发展。     

近红外光谱技术在食品产地溯源中的应用进展

食品产地溯源是食品安全追溯制度的重要工作。近红外光谱技术(near infrared spectroscopy,NIRS)作为一种兼具快速、简便、不破坏试样、分析过程无试剂消耗等优点的新兴绿色检测技术,近年来被逐步应用于食品产地溯源的研究中。简要介绍了应用于食品产地溯源研究中近红外光谱技术常用的化学计量学技术及软件平台,同时概述了近年来该技术在国内外食品产地溯源中的研究进展,分析了在目前产地溯源研究中的优势和存在的问题,以期为近红外光谱溯源技术的进一步发展提供参考。     

有机食品、绿色食品和无公害食品

介绍了有机食品、绿色食品和无公害食品的内涵及标准体系,并进行了分析比较。     

圈养高山麝种群年龄组的粪便光谱判别

提出了一种利用粪便可见-近红外反射光谱进行圈养高山麝种群年龄组分析的新方法.以FieldSpec~((R))3地物光谱仪采集了145份高山麝粪便(成体麝粪样45份,亚成体和幼体各50份)的光谱数据,将其随机分成训练集(100份)和检验集(45份).光谱经S.Golay平滑和一阶导数处理后以主成分分析法(PCA)降维.以前6个主成分(含原始光谱95.00%的特征信息)作为新变量,利用训练集样本,分别以Fisher线性判别、Bayes逐步判别以及BP-神经网络(BP-ANN)3种方法建立高山麝种群年龄组的分析模型.对检验集45个未知样的预测表明,BP-ANN模型判别的准确率最高,为84.44%.3种方法所建的模型对幼麝粪样判别的准确率最高,可达93.33%.分析发现亚成体粪样具有过渡性质,但幼麝粪样与成体粪样易于判别.结果表明,利用粪便的可见-近红外反射光谱进行高山麝年龄组的快速、非接触性判别是可行的,且PCA 结合BP-ANN判别是一种优选方法.     

基于主成分分析和聚类分析的野生战骨红外指纹图谱比较研究

利用傅里叶变换红外光谱仪检测不同产地战骨的红外光谱,并通过主成分分析模型,聚类分析以及主成分载荷因子等化学计量学方法,对不同产地样本进行鉴别,找出不同产地样本化学组成的差异.结果表明:(1)在主成分分析模型检测产地中广西平果县和扶绥县产地相距最近,在三维图上的距离也最近,广西天峨县与扶绥县和田阳县相距较远,在散点图上的...     

紫外指纹图谱结合化学计量学对黄精基原植物的鉴别

运用紫外光谱技术结合化学计量学,建立快速鉴别不同基原黄精的方法。通过单因素实验确定黄精最佳提取溶剂、时间和用量,制备测试液,采用紫外光谱技术建立3种基原黄精的紫外指纹图谱,光谱数据转化后进行主成分(PCA)和系统聚类分析(HCA)。该方法重现性、精密度、稳定性较好,结果表明不同种类黄精紫外指纹图谱具有指纹特性,3种基原植物黄精紫外光谱图在210 nm、220 nm、280 nm附近差异明显;聚类分析和主成分分析三维投影图反映出不同种类黄精的化学成分积累具有差异,能较好地区分滇黄精(Polygonatumkingianum)、黄精(P.sibiricum)与多花黄精(P.cyrtonema)。紫外光谱结合化学计量学能快速鉴别不同种类黄精,可作为黄精的鉴别和质量控制新方法,为黄精临床应用、资源开发及黄精属植物分类提供辅助方法。     

近红外光谱技术快速检测原料乳中掺杂物

采用近红外光谱技术结合化学计量学方法,对原料乳中常见的2种掺杂物——大豆分离蛋白与植脂末进行定量分析研究。先通过不同光谱预处理方法结合偏最小二乘法（PLS）建模评价不同预处理方法的效果,结果表明通过平滑处理结合多元散射校正（MSC）进行光谱预处理效果最佳,大豆分离蛋白PLS定量模型相关系数（R2）与交叉验证均方差（RMSECV）分别为0.980 9、0.127 5,植脂末PLS模型分别为0.972 2、0.130 8。随后比较了不同建模方法的效果,结果发现：采用径向基神经网络（RBF）对大豆分离蛋白的建模效果最佳,R2为0.999 4,测试集均方根误差为0.003 1;采用广义回归神经网络（GRNN）方法对植脂末建模效果最佳,R2为0.998 9,测试集均方根误差为0.004 5。因此,合理结合近红外光谱技术与化学计量学方法可快速、准确检测原料乳中大豆分离蛋白和植脂末这2种掺杂物含量。     

基于近红外漫反射光谱快速测定淫羊藿蛋白质含量

采用近红外漫反射光谱技术对淫羊藿(Epimedium)的蛋白质含量进行快速且无损检测。近红外漫反射光谱经二阶导数处理、标准多元离散校正及主成分分析聚类处理后, 采用改进最小二乘法回归得到的定标模型预测效果最佳, 定标决定系数、交互验证标准差及交互验证相关系数分别为0.923、0.554和0.717。近红外光谱分析法的测定结果与用凯氏定氮法所得结果无显著差异, 两种方法测定值的相关性较高(R²=0.933 9)。重复性实验表明, 近红外光谱分析法的相对标准偏差为0.937%。该研究首次采用近红外光谱分析法测定了8种淫羊藿的蛋白质含量。该方法简便、精确, 在淫羊藿资源开发利用和药材质量控制方面具有参考意义。     

基于拉曼光谱和化学计量学方法判别大米分类的研究

本文利用拉曼光谱和化学计量学方法,建立快速分类模型对大米进行区分。在使用最小二乘法对离散拉曼光谱进行多项式拟合去除荧光背景的前提下,利用在第一次迭代过程去除大型拉曼峰和计算噪声电平的方法,并且保留数据维数在原来的50%以下。获取精确的拉曼信号。再用主成分分析法(Principal component Analysis,PCA)对3种大米全波段的拉曼光谱进行降维分析,线性判别方法 (Linear discrimination analysis,LDA)对样品进行分类,结果显示采用前两个主成分能达到93.8%的正确分类,采用前三个主成分能达到97.9%的正确分类。优化之后的模型对于大米的判别分析具有很好的效果。     

绿色食品与普通食品有何区别?

问 :绿色食品与普通食品有何区别 ?答 :绿色食品是无污染的安全、优质和营养类食品的总称。食品所受污染主要有 :工业“三废”污染农田、水源和大气 ;大量化肥和农药的使用 ;食品加工中不适当地使用合成色素、化学添加剂等。这些因素造成化学物质在食品中积聚 ,严重威胁人们的身体健康。1 989年农业部研究制定农业经济与社会发展“八五规划”和2 0 0 0年设想时 ,认为开发无公害污染的食品是一项推动农业经济发展、满足人民需要、治理环境污染的战略措施。由于与环境保护有关的事物都冠之以“绿色”的称号 ,因而将无公害污染的食品定名为“绿…     

偏好异质性约束下质量认证标签信任对消费者食品购买行为的影响——以猪肉产品为例

以猪肉产品为例,利用在陕西省西安市调查的392份消费者问卷,通过构建二元Logit模型定量分析了偏好异质性约束下消费者的质量认证标签信任水平对其猪肉购买行为影响的差异。研究发现：79.08%的受访者至少知道绿色食品、有机食品或无公害农产品中的一种,31.63%的受访者购买过通过绿色食品、有机食品或无公害农产品认证的猪肉;消费者对带有绿色食品、有机食品或无公害农产品标签猪肉的质量安全信任水平较高,但对这3种质量认证标签的认知水平有待进一步提高;消费者的猪肉偏好呈现出差异,质量安全偏好型消费者对质量认证标签的质量安全信任水平显著影响质量认证猪肉购买行为,而其他偏好类型消费者对质量认证标签的质量安全信任水平并不显著影响质量认证猪肉购买行为。最后在研究结论基础上提出相关对策建议。     

波长选择SCARS和偏最小二乘法建立香菇中多糖含量预测的近红外光谱模型

为实现香菇多糖含量的快速测定,利用近红外光谱漫反射技术采集了60个香菇粉末样本在12000~3800 cm-1范围内的光谱数据,利用紫外可见光谱法测定了香菇粉末样品的多糖含量。采用多种化学计量学方法,剔除掉四个异常样本后,考察了不同的光谱预处理方法以及波长选择对模型的影响,用留一交互检验法建立了偏最小二乘(PLS)模型,并用所建立的校正模型对独立预测集样本进行了预测。结果表明,当采用二阶导数及变量稳定性的竞争自适应加权抽样法(SCARS)选择的波长对光谱进行处理时,所建立的模型预测效果最佳,在隐变量数为10时,模型相关系数为0.9906,校正均方根误差(RMSEC)为0.0523 g/100 g,预测相关系数Rp=0.9781,预测均方根误差(RMSEP)=0.0577 g/100 g,该模型具有较好的预测能力,可用于香菇多糖含量的近红外光谱快速检测。     

HPLC特征图谱结合化学计量学评价独一味药材及其与独一味胶囊的一致性

采用HPLC方法建立独一味药材及独一味胶囊的特征指纹图谱,运用相似度评价药材质量;并结合化学计量学对独一味药材进行分类,以相对保留时间对独一味药材和独一味胶囊进行成分一致性评价。结果显示,独一味药材含共有峰23个,独一味胶囊含共有峰24个;10批独一味药材的相似度均大于0.85,可见药材来源较为单一;同时结合化学计量学中聚类分析和主成分分析对10批药材进行分类,可将其分为4类,且分类结果一致,可见以该法评价独一味药材可行;并对以同一HPLC特征图谱方法建立的独一味药材及独一味胶囊特征图谱进行比较,可知独一味胶囊很好的保留了独一味药材的诸多药效成分。     

基于近红外光谱法的枳实含量测定

本文应用近红外漫反射光谱法快速测定枳实中辛弗林与醇浸出物的含量。采用高效液相色谱法测定辛弗林的含量,以热浸法测定醇浸出物的含量,运用近红外光谱技术结合化学计量学方法建立枳实中辛弗林与醇浸出物的定量分析模型。并用未知样品验证该模型。结果表明辛弗林与醇浸出物的定量分析模型的内部交叉验证相关系数(R2)分别为0.98052、0.98489,校正均方差(RMSEC)分别为0.00915、0.153,预测均方差(RMSEP)分别为0.0119、0.188,验证集的预测相关系数(r)分别为0.9106、0.9484。该方法简便、快速、准确,可用于枳实中辛弗林与醇浸出物含量的快速测定。     

基于化学计量学结合HPLC指纹图谱评价桔梗药材质量

建立了桔梗药材HPLC指纹图谱检测方法,并基于化学计量学对不同产地桔梗药材进行了分析,为科学评价桔梗药材质量提供参考。收集11个省份的22批次桔梗药材,建立HPLC-ELSD指纹图谱,确定了9个共有峰,并对其中4个共有峰进行了明确的化学成分指认;应用化学计量学的聚类分析(cluster analysis,CA)、主成分分析(principal component analysis,PCA)和偏最小二乘-判别分析(partial least squares discriminant analysis,PLS-DA)多种分析方法对不同批次桔梗药材的指纹图谱进行评价。结合产地气候特征发现,温带季风气候更适于桔梗药材生长,所含药效化学成分丰富,质量更佳。本研究所建立的桔梗药材指纹图谱方法快速准确、灵敏度高、重复性好,结合化学计量学分析,可以对不同产地的桔梗药材质量进行评价,可为该桔梗药材的质量控制提供科学依据。     

滁菊的HPLC指纹图谱制作及其化学计量学分析

建立滁菊的HPLC指纹图谱,结合化学计量学手段对不同滁菊的指纹图谱进行分析研究,以期为滁菊的质量控制和产地追溯提供依据。采用HPLC法建立指纹图谱,并用中药色谱指纹图谱相似度评价系统(2012版)和系统聚类、主成分分析2种化学计量学法对指纹图谱和特征峰进行分析。分析结果发现样品有27个共有峰,12个滁菊样品具有较高的相似度,杭菊与滁菊的相似度较差,聚类分析与主成分分析结果和相似度分析结果一致。将HPLC指纹图谱与化学计量学结合可对滁菊进行鉴别和质量评价,为其质量控制和追溯提供了理论参考。     

基于近红外光谱法的枳实含量测定北大核心CSCD

本文应用近红外漫反射光谱法快速测定枳实中辛弗林与醇浸出物的含量。采用高效液相色谱法测定辛弗林的含量,以热浸法测定醇浸出物的含量,运用近红外光谱技术结合化学计量学方法建立枳实中辛弗林与醇浸出物的定量分析模型。并用未知样品验证该模型。结果表明辛弗林与醇浸出物的定量分析模型的内部交叉验证相关系数(R2)分别为0.98052、0.98489,校正均方差(RMSEC)分别为0.00915、0.153,预测均方差(RMSEP)分别为0.0119、0.188,验证集的预测相关系数(r)分别为0.9106、0.9484。该方法简便、快速、准确,可用于枳实中辛弗林与醇浸出物含量的快速测定。     

MC‐UVE波长选择法在近红外光谱鉴别茯苓产地中的应用研究

利用近红外光谱鉴别云南不同产区药用真菌茯苓。采用光谱标准偏差法(SSD)和蒙特卡罗无信息变量消除法(MC-UVE)逐步筛选光谱信息,利用K-S算法将白茯苓和茯苓皮划分训练集和验证集,并结合偏最小二乘判别分析法(PLS-DA)分别构建不同产区白茯苓和茯苓皮的分类模型,进一步建立不同产区茯苓的Fisher判别方程。结果表明:(1)通过主成分-马氏距离(PCA-MD)分析,白茯苓和茯苓皮的近红外光谱在主成分得分空间内呈现出较大差异,构建不同产区茯苓鉴别模型应将白茯苓及茯苓皮分开。(2)最优主成分数为5时,采用SSD筛选的886个变量(7 501.74–4 088.35cm~(-1))构建的白茯苓和茯苓皮的分类模型,其R~2、RMSECV和RMSEP分别为0.986、0.988;0.320、0.283;0.425、0.395;采用MC-UVE法分别筛选出白茯苓和茯苓皮光谱信息(34个、22个变量)建立的分类模型,其R~2、RMSECV和RMSEP分别为0.993、0.991;0.224、0.255;0.298、0.355。采用MC-UVE结合PLS-DA法建立的分类模型,有效降低了冗余信息,白茯苓和茯苓皮的R~2均有所提升,RMSECV和RMSEP均有所降低,预测正确率分别由85.71%和83.33%,提高至100%。(3)进一步采用逐步判别分析法筛选出白茯苓(6个)和茯苓皮(4个)光谱变量,建立Fisher判别方程,回代验证正确率均大于85.7%,交叉验证正确率均大于66.7%,表明所建立的Fisher判别方程能较好地鉴别不同产区的茯苓。     

傅立叶变换红外光谱技术对两株大肠杆菌的鉴别

【目的】应用傅立叶变换红外光谱(Fourier transform infrared spectroscopy,FT-IR)技术对两株不同来源的大肠杆菌进行鉴别。【方法】用FT-IR技术对两株不同来源的大肠杆菌进行指纹图谱数据采集,用化学计量学分析方法对光谱进行分析。【结果】建立了基于主成分分析(Principal component analysis,PCA)和分级聚类分析(Hierarchical cluster analysis,HCA)两种聚类分析模型,均可将两株大肠杆菌进行成功区分。【结论】傅立叶变换红外光谱分析方法简便、快速、易操作,结果重现性好,可用于区分不同来源的同种细菌。     

TLC-NIRS联用技术快速检测保健品中非法添加性保健类化学药物研究

建立保健品中非法添加性保健类化学药物薄层色谱(TLC)-近红外光谱(NIRS)检测模型,用于保健品中添加违禁化学药物快速定性定量分析。采用高效液相色谱(HPLC)建立违禁化学药物含量测定法,作为参考值。采用TLC法,以三氯甲烷-甲醇-氨水(10∶1∶0.1)为添加违禁化学药物的展开剂,紫外灯下检视标记,利用NIRS仪分别采集TLC上化学药物斑点的NIRS,采用偏最小二乘法(PLS)结合交叉验证法分别建立化学药物最优定性定量分析模型,并进行模型验证。所建立的HPLC含量测定方法分离度好、线性范围宽、准确度高。建立的西地那非、那红地那非TLC-NIRS快速定性定量检测模型经方法学验证线性范围宽、专属性强、模型稳定性好、预测结果好。建立的西地那非、那红地那非TLC-NIRS定量分析模型的决定系数(R~2)、验证均方差(RMSECV)、预测均方差(RMSEP)分别为0.984、0.085、0.081和0.982、0.098、0.087。应用TLC-NIRS模型在10批性保健品中检测出9批添加了西地那非,检出率90%;西地那非、那红地那非含量预测值的平均相对偏差分别为1.86%、1.96%。结果表明,建立TLC-NIRS定性定量分析模型通用性强、操作简便,可用于市场上保健品中非法添加上述性保健类化学药物快速检测,为保健品非法添加快速检测研究提供科学思路。