近红外光谱技术法快速鉴别茶油掺伪

[目的]采用近红外光谱技术法,快速鉴别茶油掺伪。[方法]基于近红外光谱技术,比较马氏距离聚类分析法与反向传播神经网络,建立茶油与掺有菜籽油、棕榈油掺伪茶油的模式识别模型。[结果]采用马氏距离聚类分析法建模时,参数如下:光谱一阶导数处理后,结合SNV、Norris Derivative滤波方法,经主成分分析法,提取8个主成分,模型对预测集样本的准确率达100%;采用反向传播神经网络建模时,参数如下:输入向量为前8个主成分的33个吸收峰,隐含层神经元个数为15,训练学习速度为0.1,训练220步时,模型对预测集样品识别准确率亦为100%。[结论]反向传播神经网络方法更加具有较快的运算速度和较好的收敛性,可为茶油品质评价与检测提供一种新方法。     

气相色谱—质谱法鉴定油茶籽油掺杂的方法研究

分析了常见食用植物油脂肪酸组成,确定油茶籽油掺杂后变化显著的特征成分,通过设置不同比例的掺杂量,采用气相色谱—质谱法,研究建立了油茶籽油中掺杂棕榈油、菜籽油、棉籽油、花生油和大豆油等5种植物油后的特征组分含量与掺杂量的回归方程,相关系数099以上,总体准确率101%。本方法可以用于油茶籽油掺杂的定性鉴定和定量检测。     

11种食用植物油的脂肪酸组成及主要营养成分含量

【目的】探明不同食用植物油的脂肪酸组成及主要营养成分含量,为消费者针对性地选择食用植物油提供指导,并为油脂加工企业生产推广食用油提供数据参考。【方法】采用气相色谱法测定普通菜籽油、双低菜籽油、橄榄油、大豆油、山茶油、玉米油、葵花油、棕榈油、调和油、花生油和冷榨紫苏油11种常见食用植物油中脂肪酸、甾醇含量,采用液相色谱法测定维生素E含量。【结果】棕榈油的饱和脂肪酸含量为45.32%,属饱和脂肪酸类食用油;山茶油、橄榄油、普通菜籽油、双低菜籽油、花生油的单不饱和脂肪酸含量分别为81.9%、76.21%、66.90%、64.57%、44.74%,属单不饱和脂肪酸类食用油;葵花油、玉米油、大豆油、调和油ω-6的类亚油酸含量分别为56.53%、56.82%、54.00%、45.58%,属多不饱和脂肪酸亚油酸类食用油;冷榨紫苏油ω-3的亚麻酸含量为65.89%,属多不饱和脂肪酸亚麻酸类食用油。冷榨紫苏油的维生素E含量最高,达91.30mg/100g;玉米油的植物甾醇含量最高,为749mg/100g;棕榈油、橄榄油以及花生油甾醇含量均低于92.70mg/100g。【结论】双低菜籽油、普通菜籽油单不饱和脂肪酸含量高于64%,且ω-6与ω-3 比例接近2︰1,是11种植物油中脂肪酸组成最均衡的食用油。冷榨紫苏油属于低亚油酸高亚麻酸类食用油,其维生素E和甾醇含量相对丰富,配合其他食用油使用可解决我国膳食油脂肪酸组成及营养不均衡问题。     

棕榈油与常见食用油脂肪酸组分的比较分析

[目的]比较棕榈油与常见食用油脂肪酸组分的差异,为其作为优质食用油的品质改良提供参考依据.[方法]利用气相色谱检测6种市售食用油及20份新鲜油棕果提取的棕榈油,比较各油脂的脂肪酸组分差异,并分析新鲜油棕果提取的棕榈油脂肪酸组分间的相关性.[结果]6种食用油的油酸含量均较高,最高的是油茶油,油酸含量高达74.34%,最低的是葵花籽油,为15.25%;亚油酸含量则以葵花籽油最高(60.92%),油茶油最低(7.08%);棕榈油中棕榈酸占脂肪酸总量的40.96%,其次为油酸,所占比例为35.31%;各食用油中的月桂酸、肉豆蔻酸和硬脂酸含量均较低.芝麻油、油茶油、菜籽油、花生油和葵花籽油中的不饱和脂肪酸含量均较高,在76.00%以上.对20份新鲜的油棕果进行脂肪酸组分分析,发现部分油榈种质油酸含量较高,可达53.48%,亚油酸含量最高为16.64%;棕榈酸与油酸呈较强的负相关,相关系数为-0.58.[结论]棕榈油中脂肪酸组分与其他常见食用油的脂肪酸组分含量差异明显,其棕榈酸含量较高,油脂饱和度也较高,但棕榈酸与油酸呈负相关,可在育种工作中培育高油酸、低棕榈酸的油榈品种,使其成为优质的食用油源.     

基于指纹图谱相似度的玉米胚芽油掺伪检测技术研究

为快速准确对玉米胚芽油进行掺伪定量检测,将棕榈油、棉籽油、菜籽油、大豆油、花生油、茶籽油、葵花籽油等常见食用油掺入纯玉米油,通过气相色谱法测定C14:0、C16:0、C16:1、C17:0、C17:1、C18:0、C18:1、C18:2、C18:3、C20:0、C20:1、C22:0、C22:1的含量,利用向量夹角余弦法计算纯玉米油与混合玉米油的相似度,分别建立了其他油掺入量与玉米油指纹图谱相似度的线性模型。结果表明:该模型可用于玉米混合油中掺伪油脂的定量分析,也可用于鉴定玉米油的纯度;当玉米油中混入棕榈油、大豆油、葵花籽油时,检测误差较小;掺入菜籽油时,可结合芥酸的一元线性分析法提高检测精确度;掺入花生油时,可结合山嵛酸(C22:0)等一元线性分析法提高检测精确度;掺入棉籽油,可结合C16:0、C18:1等综合分析。     

近红外光谱法对食用植物油品种的快速鉴别

以食用植物油为研究对象,建立了一种用近红外光谱技术鉴别食用植物油品种的方法。分别采用系统聚类法、主成分分析法、BP人工神经网络法进行了4个常用品种食用植物油的鉴别研究。结果表明,系统聚类法和主成分分析法均只能鉴别出4种植物油中的大豆油和花生油,不能识别玉米油和芝麻油,鉴别率仅为31.2%;利用BP人工神经网络法将60个校正集样品的11个主成分数据作为BP网络输入变量,建立的3层BP人工神经网络鉴别模型对4种植物油品种的鉴别效果最优,鉴别率为100%,表明BP人工神经网络法具有很好的分类和鉴别常用食用植物油品种的效果。     

震荡观察法快速鉴别油茶籽油中掺杂菜籽油

依据油茶籽油与菜籽油亲水性不同的特点,通过震荡观察法观察纯油茶籽油、纯菜籽油以及混合标准油(油茶籽油中掺入5%菜籽油)与水混合震荡后所呈现的特征现象,以期鉴别油茶籽油中是否掺有菜籽油,并与电子鼻和醋酸酐-浓硫酸法的测定结果进行比较。试验结果表明:只需使用水、亚甲基蓝及试管等廉价材料即可在16 min内完成对油茶籽油是否掺伪的鉴别,其灵敏度可满足人们日常检测的需要;另外,此法对商品油掺杂鉴定的结果与电子鼻法和醋酸酐-浓硫酸法的检测结果基本一致,证明了此法的可行性和准确性。     

小波去噪对近红外光谱鉴别转基因菜籽油的影响分析

【目的】建立基于近红外光谱的转基因菜籽油定性鉴别模型,研究小波去噪对光谱的预处理对鉴别准确率的影响。【方法】利用前期已收集的鲁花、金龙鱼等6种品牌的瓶装或桶装的菜籽油共计117份样品,其中转基因菜籽油样品53份、非转基因菜籽油样品64份,采用德国BRUKER公司的MATRIX-F型傅里叶近红外光谱仪对这些样品进行全谱段的光谱采集;利用小波分析对菜籽油光谱数据进行预处理,选用db3小波对光谱进行软阈值去噪;在菜籽油样品近红外光谱数据的基础上,采用判别偏最小二乘法(DPLS)建立转基因菜籽油定性鉴别模型。【结果】对比小波去噪预处理前后转基因菜籽油鉴别的准确率,DPLS鉴别模型的准确率从96.43%提升到了100%。【结论】小波去噪预处理可以有效地提高近红外光谱转基因菜籽油鉴别模型的准确率。     

稳定同位素技术在林产品产地溯源和掺假鉴别中的应用研究进展

稳定同位素技术能够有效应用于林产品的产地溯源和掺假鉴别。利用碳、氢、氧、氮同位素技术,结合线性判别-主成分分析,能够较好地追溯中华猕猴桃Actinidia chinensis,樱桃Cerasus pseudocerasus,橄榄Canarium album油等林产品的产地;采用单一的同位素比例质谱,或者结合高效液相色谱、气相色谱,能够鉴别果汁饮料、保健品、香精香料的掺假;利用氮同位素能认证有机产品。基于国内外学者在林产品溯源、鉴别、有机产品认证等方面的研究工作,总结了稳定同位素技术的基本原理及其在林产品产地溯源和掺假鉴别中的应用研究进展,以期推动稳定同位素技术的更广泛应用,及完善中国林产品的检测技术并构建产品溯源体系。     

不同脂肪源对鲫鱼生长性能的影响

选择鱼油、豆油、花生油、亚麻籽油、菜籽油作为鲫鱼饵料脂肪源，配成5种等能等氮的饵料，探究不同脂肪源对鲫鱼生长性能的影响。结果表明：鱼油组鲫鱼的试验末重、增重率、特定生长率、蛋白质效率显著高于豆油组、花生油组、亚麻籽油组和菜籽油组（P<0.05），亚麻籽油组鲫鱼的试验末重、增重率和特定生长率最低，显著低于豆油组、花生油组。和菜籽油组（P<0.05）。鱼油组鲫鱼的饵料系数显著低于豆油组、花生油组、亚麻籽油组和菜籽油组（P<0.05）。研究表明，使用不同脂肪源饵料会产生不同的影响，生长性能效果最好的是鱼油，最差的是亚麻籽油。