典型掺假蜂蜜的电子鼻信息变化特征及判别能力

为建立蜂蜜掺假快速检测方法,该文利用电子鼻并结合主成分分析（principal component analysis,PCA）数据处理方法研究了掺入10%、20%、30%、40%、50%、60%、70%油菜蜜和大米糖浆的掺假蜂蜜的电子鼻信息变化特征,并以掺假蜂蜜的电子鼻信息变化特征为指导,结合判别因子分析（linear discriminant analysis,LDA）模式识别算法研究了电子鼻对掺假蜂蜜的定性识别分析能力。结果表明,掺假蜂蜜的电子鼻信息呈现线性变化,并且电子鼻对掺假蜂蜜有较强的敏感力。LDA模式识别算法可以将纯蜂蜜样品与掺假蜂蜜样品很好的区分开,LDA掺假判别模型正确识别率为94.7%,该技术可以为蜂蜜掺假鉴别提供技术支撑。     

羊肉纯度电子舌快速检测方法

为实现掺假羊肉的快速、客观评价,利用电子舌对混入不同比例鸡肉的掺假羊肉糜进行检测及定性和定量分析。3种浸提溶液分别浸提,样品量均对电子舌传感器的响应影响极显著;以数据点重复性和聚类效果为依据,采用主成分分析方法确定了电子舌检测羊肉糜样品的较佳条件为0.1 mol/L KCl溶液浸提15 g肉糜样品。在此较佳条件下,对混入不同比例鸡肉的掺假羊肉进行检测,结果表明：采用主成分分析和典则判别分析,前2个主成分累积贡献率均超过80%,电子舌均能很好地区分混入不同比例鸡肉的羊肉糜样品;采用多元线性回归分析和偏最小二乘回归分析建立的定量预测模型能有效预测混入的鸡肉比例（R2>0.99,RMSE<3%）。试验表明：电子舌在羊肉掺入鸡肉的鉴别中具有可行性,研究结果可为羊肉掺假鉴别提供参考。     

基于太赫兹时域光谱技术的掺假川贝母检测

目前川贝母粉掺假现象层出不穷，严重影响了中药材市场的健康发展，因此对川贝母真伪进行检测意义重大。该研究以纯品川贝母粉以及5种含不同掺假物的川贝母粉样品为研究对象，探究太赫兹时域光谱技术在检测川贝母品质方面应用的可行性。先利用偏最小二乘判别（Partial Least Squares Discriminant Analysis, PLS-DA）对纯品川贝母粉以及掺假川贝母粉建立原始光谱的二分类模型。为了同时对多种含不同掺假物的川贝母样品进行鉴别，先对原始光谱采用多种单一预处理方法以及多种复合预处理方法进行处理，再利用主成分分析（Principal Component Analysis, PCA）对数据进行降维，最后建立支持向量机（Support Vector Machine, SVM）多分类模型。建立SVM多分类模型时，采用网格搜索（Grid Search）与粒子群（Particle Swarm Optimization, PSO）算法两种参数优化方式，对SVM的惩罚参数（c）与核参数（g）进行优化。结果显示：6个二分类模型的鉴别正确率均为100%，表明纯品川贝母粉与掺假样品的太赫兹时域光谱存在差异，归一化-MSC-PSO-SVM多分类模型效果较为理想，预测正确为95.67%，均方根误差为0.432。该研究可为检测分析川贝母品质提供一种理论经验借鉴。     

电子鼻在牦牛肉和牛肉猪肉识别中的应用

为了探索电子鼻对肉类掺假识别的可行性,利用电子鼻对牦牛肉、牛肉和猪肉样品进行了分析。通过对所获得的数据进行主成分分析（principal component analysis,PCA）、判别因子分析（discriminant factor analysis,DFA）和偏最小二乘回归分析（partial least-squares analysis,PLS）。结果表明：几种肉类在电子鼻传感器上有不同的特征性响应图谱,电子鼻能够有效识别猪、牛肉;同时电子鼻能够识别不同部位的牦牛肉和普通牛肉;但不能识别不同部位的猪肉。在牛肉馅中掺入不同比例的猪肉馅时,电子鼻也能进行识别。采用偏最小二乘回归分析对数据进行处理,电子鼻响应信号和猪肉馅掺入比例之间有很好的相关性（决定系数R2为0.9762）,PLS模型预测误差在1.27%～7.00%之间。试验证明电子鼻可用于肉类的识别。     

高光谱图像技术在掺假大米检测中的应用

为了有效判别出优质大米中是否掺入劣质大米,该文研究了一种针对大米掺假问题的快速、无损检测方法。从市场上购买了东北长粒香大米和江苏溧水大米,按纯东北长粒香大米、3∶1、2∶2、1∶3和纯江苏溧水大米共5个掺合水平进行大米试验样本的制备。利用可见-近红外高光谱图像采集系统(390~1050 nm)获取了200个大米样本的高光谱图像。采用ENVI软件确定高光谱图像的感兴趣区域(region of interest,ROI),并提取出所有样本在ROI内的平均高光谱数据。采用支持向量机(support vector machine,SVM)建立全光谱波段下的大米掺假判别模型,径向基(radial basis function,RBF)核函数模型交叉验证准确率为93%、预测集正确率为98%。由于高光谱信息量大、冗余性强且受噪声的影响较大,该文采用主成分分析方法(principal component analysis,PCA)分别对大米高光谱图像和高光谱数据进行处理,从特征选择和特征提取2个角度对原始高光谱数据进行处理,通过主成分权重系数图选择了531.1、702.7、714.3、724.7、888.2和930.6 nm 6个特征波长,通过留一交叉验证法(leave-one-out cross-validation,LOOCV)确定并提取出PCA降维后的最优主成分数(number of principal component,PCs)为9。最后分别将优选出的特征波长和提取出的最优主成分数作为模型的输入,建立SVM模型。试验结果表明,基于特征波长SVM模型的交叉验证准确率为95%、预测集正确率为96%,基于最优主成分数SVM模型的交叉验证准确率为94%、预测集正确率为98%。该研究结果表明,该文建立的基于特征波长和基于最优主成分数的SVM模型均具有较优的预测性能,且利用高光谱图像技术对大米掺假问题进行检测是可行的。     

不同灭酶处理对燕麦气味和品质的影响

为选择合适的灭酶处理方法,通过电子鼻、感官评价和快速黏度分析等方法,对5种灭酶处理（焙炒、常压蒸煮、高压蒸煮、远红外处理和微波加热）对燕麦粉的气味、色泽和糊化特性的影响进行了研究。研究表明：燕麦粉的电子鼻主成分分析（PCA）二维和三维指纹图谱均可将不同灭酶处理的样品明显区分开来;样品的感官评价气味值由高到低依次为：焙炒组,红外组,高压蒸煮组,常压蒸煮组,微波组;样品白度检测结果由高到低依次为：红外组,微波组,焙炒组,蒸煮组,与色泽的感官评价结果基本一致,微波组和红外组的色泽明显优于其他3组的色泽。样品的糊化特性指标中,除糊化温度外,其他6项快速黏度分析（RVA）特征值均差异显著。由此说明,不同灭酶处理对燕麦粉的气味、色泽和糊化特性均有不同影响,应结合燕麦粉的不同用途选用不同的灭酶处理。     

基于近红外光谱技术的蜂蜜掺假识别

为了实现蜂蜜掺假的快速识别,应用近红外光谱结合模式识别方法对蜂蜜掺假现象进行了识别分析。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配制了掺假蜂蜜样品,利用傅立叶近红外光谱仪采集其透反射近红外光谱,分别采用偏最小二乘判别分析（PLS-DA）,独立软模式法（SIMCA）,误差反向传播神经网络（BP-ANN）和最小二乘支持向量机（LS-SVM）等模式识别方法,进行蜂蜜掺假识别研究。研究结果表明：利用这4种方法在蜂蜜中掺入果葡糖浆和果葡糖水的情况下均能很好地识别出掺假蜂蜜样品,其中对于掺入果葡糖浆的掺假情况,校正集的正确判别率均达到95%以上,验证集的正确判别率均达到87%以上,对于掺入果葡糖水的掺假蜂蜜校正集的正确判别率均达到93%以上,验证集的正确判别率均达到84%以上。通过比较4种不同的识别算法,发现采用LS-SVM时,对两种掺假情况下校正集和验证集的正确判别率均达到了100%,表明基于近红外光谱的蜂蜜掺假快速准确识别是可行的。     

鱼粉中肉骨粉的可见-近红外光谱快速定性判别方法（简报）

为了能更加快速准确的定性判别鱼粉中是否掺有肉骨粉（MBM）,该文收集中国常用的鱼粉和肉骨粉,制备定标集样品201个,其中111个为掺有不同肉骨粉质量分数（1%～33%）的样品,90个为纯鱼粉,并独立制备113个验证集样品,其中74个为掺有不同肉骨粉质量分数（1%～33%）的样品,39个为纯鱼粉。在400～2 498 nm波长范围内进行光谱扫描,选择合适的光谱预处理方法和光谱范围,采用DPLS方法建立判别分析模型。建立的判别分析模型：数学预处理方法为2-8-6-1,散射校正方法为变量标准化处理（SNV）,光谱范围为全谱（408～ 2 492 nm）,定标模型的正确判断率为95.7%,外部验证正确判断率为95.6%,对于掺入量≥5%MBM时,正确判断率为100%。研究结果证明近红外反射光谱可以提供一种快速鉴别鱼粉中MBM的方法。     

基于氨基酸组成的黄酒酒龄电子舌鉴别

该研究采用电子舌结合化学计量学方法用于黄酒酒龄的快速鉴别。为确证黄酒样品酒龄,采用氨基酸分析仪分析了1年陈、3年陈和5年陈黄酒中20种氨基酸,并利用主成分分析（principal component analysis,PCA）对氨基酸数据进行了分析。采用电位型电子舌采集了不同酒龄黄酒样品的味觉指纹信息,并采用判别分析（discriminant analysis,DA）方法结合味觉指纹信息建立黄酒酒龄快速鉴别模型。采用偏最小二乘法（partial least squares regression,PLSR）建立电子舌响应信号与氨基酸含量之间的相关关系。氨基酸数据结合PCA分析表明所有样品均标注正确;电子舌结合DA所建黄酒酒龄鉴别模型可将3个年份预测集样品正确区分;异亮氨酸（Ile）、天门冬氨酸（Asp）、酪氨酸（Tyr）和缬氨酸（Val）与电子舌相关性高,模型的相对分析误差（Residual predictive deviation, RPD）高于2。研究表明电位型电子舌结合判别分析是黄酒龄鉴别的稳健方法。     

乳制品中水牛乳成分的实时荧光PCR检测技术

水牛奶制品因其良好的营养功效备受国内外消费者的青睐,而在国内外,乳制品掺假行为,却常有发生.我国作为水牛奶酪等乳制品的进口国,迫切需要一种准确的水牛成分的检测方法,来避免这种掺假行为对我国的进出口贸易造成损失.根据水牛Bubalus bubalus)线粒体细胞色素b(Cytb)基因的保守序列,设计一对特异性引物和TaqMan-MGB探针,建立了水牛乳成分的实时荧光PCR检测方法.运用实时荧光PCR方法对5种乳水牛样品和47种常见的非水牛动植物样品进行检测,5种水牛乳样品均产生荧光信号,其余非水牛样品均不产生荧光信号,表明该检测方法具有特异性.该检测方法的重量检测灵敏度为0.01％水牛奶(W/W),DNA浓度检测灵敏度为0.001 ng/μL水牛DNA.对市售的水牛奶制品进行实际样品检测,结果表明,该方法能很好地检出水牛乳成分.本研究表明,该方法具有特异性好、灵敏度高的优点,可作为乳制品中水牛乳成分鉴别检测的有效方法.     

Potential of SPME-GC and chemometrics to detect adulteration of soft fruit purées

The potential of combining solid-phase microextraction (SPME) with gas chromatography and chemometric data analysis to differentiate between pure strawberry samples (Fragraria ananassa) and strawberry samples adulterated with 10, 40, and 70% (v/v) apple purée was investigated. The method involved the extraction of aroma volatiles from the headspace of the purée samples using a SPME fiber followed by GC analysis with flame ionization detection. The principal component analysis (PCA) data matrix consisted of the relative percent peak areas of 37 compounds deemed to be significant in the differentiation of the samples on the basis of adulteration. The PCA results clearly showed that differentiation of the adulterated and unadulterated samples was possible, particularly at the higher levels of adulteration. Partial least-squares regression (PLSR) using a dummy set of Y variables (set to 0 for unadulterated and 1 for adulterated samples) resulted in clear discrimination between unadulterated purées and those containing 40 and 70% (v/v) apple. PLSR using a second set of Y variables, consisting of the actual level of adulteration, enabled quantification of apple purée with a standard error of prediction of 11.6%, implying a minimum detectable level of 25% (v/v) apple. GC-MS analysis enabled identification of the compounds with the greatest influence on sample differentiation. These compounds were identified as hexanoic acid, 2-hexenal, and alpha-farnesene, all of which are key aroma compounds in apples.     

二维相关光谱结合偏最小二乘法测定牛奶中的掺杂尿素

为了检验牛奶中是否掺杂尿素并将其量化测定,配置含有尿素质量浓度范围为1～20g/L之间40个牛奶样品,以掺杂物尿素浓度为外扰,分别研究了掺杂尿素牛奶的二维相关(近红外-近红外,中红外-中红外,近红外-中红外)光谱特性,在此基础上,分别选择随浓度变化大的4200～4800cm-1和1400～1704cm-1为建模区间,采用偏最小二乘方法建立定量分析模型。研究结果表明:4200～4800cm-1建模分析效果优于1400～1704cm-1建模结果,其交叉验证均方根误差为0.266g/L,对未知样品集预测相关系数达到0.999,预测均方根误差为0.219g/L,这表明所建模型具有较好的预测效果。该方法无需样品处理,成本低,为快速判别牛奶是否掺杂提供了一种新的可能的方法。     

基于DNA条形码ITS2的高分辨率熔解曲线鉴定市售核桃乳真伪

市场上核桃乳掺杂使假现象层出,急需建立一种快捷、准确、高效的真伪鉴定方法。本研究选取核桃基因组间隔区ITS2、叶绿体基因组编码区rbcL以及非编码区psbA-trnH作为候选DNA条形码基因。综合扩增、测序、比对成功率以及生物信息学结果,筛选得到ITS2是区分核桃、花生等不同坚果的最适DNA条形码。利用高分辨率熔解曲线(HRM)技术对市售核桃乳、山核桃乳进行目的种源(核桃、山核桃)及常见掺假物种(花生、大豆)成分鉴定。并通过构建核桃、花生不同比例混合标准品,检测核桃乳、山核桃乳掺假浓度。结果表明,通过测序比对和HRM分析,在9种不同品牌的核桃乳中,有1款核桃乳成分比对为花生,1款山核桃乳比对结果为核桃,这两款属于标签不符、以次充好的造假产品。研究表明基于ITS2序列的HRM技术,无需测序,一管式闭合分析,能实现对核桃乳、山核桃乳快速、准确的真伪鉴定,为植物蛋白饮料食品标签标识的符合性检验提供了一定的科学依据。     

基于脂肪酸组成特征的沙丁鱼油掺伪检测

为了解决鱼油原料市场日益突出的掺伪问题,本研究采用气相色谱法测定沙丁鱼及5种可能掺伪海水鱼的鱼油脂肪酸组成,并运用主成分分析（PCA）探究鱼油中各脂肪酸的变化规律,筛选出可能掺伪的海水鱼鱼油;运用偏最小二乘判别分析（PLS-DA）和多元逐步线性回归分析建立沙丁鱼油的掺伪鉴别模型。结果表明,5种鱼油与沙丁鱼油的脂肪酸组成有不同程度的差异,其中鳀鱼油与沙丁鱼油脂肪酸组成最为接近。PCA分析的总贡献率为89.8%,说明分析结果具有良好的代表性,鳀鱼油可以拟作沙丁鱼的掺伪油。PLS-DA分析认为沙丁鱼掺伪油的6种特征脂肪酸分别是二十碳五烯酸（EPA）、二十二碳六烯酸（DHA）、棕榈酸、棕榈油酸、二十二碳烯酸和油酸。沙丁鱼油掺伪鉴别模型所得相关系数（R2）分别为0.927、0.963、0.987、0.991,各模型平均误差分别为2.20%、1.38%、1.19%、0.83%,表明模型准确性较好。因此,该模型可实现鳀鱼油掺伪沙丁鱼油的定量识别,在鉴别沙丁鱼油掺伪上具有一定的可行性。     

A method for obtaining the relationship between the amount of DNA and the fine root weight from mixtures of fine roots and soil particles

Fine root biomass can be estimated from the quantity of DNA of a target plant extracted from fine root samples using regression analysis. However, the application of this method to fine root samples mixed with soil particles (mixed samples) is difficult due to the high DNA adsorption capacity of some clay minerals. Our aim in this study was to clarify the enhancement level of the DNA extraction efficiency of an improved method, and to obtain a regression line between the amount of DNA and the root biomass from a mixed sample with similar reliability as for fine roots alone (pure root sample). We examined the amount of DNA extracted from a mixture of Zea mays L. fine roots and highly adsorbent Kanuma soil using various concentrations of a skim milk solution, which acts as an adsorption competitor for the soil particles during the DNA extraction process. The amount of DNA of Zea mays extracted from the mixed sample using 0% skim milk was lower than from the pure root sample. However, the amount of DNA extracted from the mixed sample increased with increasing concentrations of skim milk, reaching the same level as for the pure root samples and resulting in a regression line that was similar to the pure root samples. Optimal DNA extraction levels were obtained with the addition of 20?µL of a 20% skim milk solution to 30?mg of a mixed sample. We also discuss the applicability of this method to other plant species and soil types.     

基于Elastic Net特征变量选择的黄山毛峰茶等级评价

为简化茶叶化学检测分析过程,实现茶叶高精度等级评价,该研究以黄山毛峰茶为研究对象,结合茶叶中茶多酚、儿茶素、咖啡碱、没食子酸及氨基酸成分检测,提出基于Elastic Net特征变量选择的茶叶等级评价方法,建立基于特征成分的黄山毛峰茶等级评价模型。试验选取6个不同等级共96个黄山毛峰茶叶样品,并分析了全部样品的19个成分,通过ElasticNet选取了9个特征成分(没食子酸、表儿茶素没食子酸酯、儿茶素、表儿茶素、没食子酸儿茶素没食子酸酯、表没食子儿茶素、谷氨酸、精氨酸和儿茶素苦涩味指数)建立等级评价模型,并与主成分分析(Principal Components Analysis, PCA)进行对比。100次蒙特卡罗试验结果表明,相比于PCA预测集准确率平均值为70.79%,基于Elastic Net特征变量选择的黄山毛峰茶等级评价准确率更高为78.72%。在此基础上,构建Elastic Net特征变量雷达图,实现黄山毛峰茶等级多变量综合评价可视化。研究结果表明所提方法可有效选择茶叶特征成分,提高黄山毛峰茶等级评价准确率,为茶叶高精度等级评价提供参考。     

电子舌预测不同体积分数牛奶的表观黏度

该文为建立牛奶的电子舌响应信号与其表观黏度的关系,在单因素方差分析和主成分分析的基础上,提出了比较多元线性回归、逐步多元线性回归和偏最小二乘回归3种模型对牛奶表观黏度的预测效果的方法。结果显示,单因素方差分析表明体积分数对牛奶的表观黏度和各个传感器响应信号都具有极显著性的影响;主成分分析（PCA）可以用来区分牛奶的5种不同体积分数;偏最小二乘回归模型预测效果最好,模型预测值与实际值的相关系数R达到0.9659,平均相对误差（MRE）和预测均方根误差（RMSEP）分别为4.5499%和8.4645×10-5,建模最佳主成分数为3。研究结果表明,偏最小二乘回归模型是电子舌预测牛奶表观黏度的有效方法,该方法为牛奶表观黏度的科学研究提供参考。     

Honey protein as internal standard for stable carbon isotope ratio detection of adulteration of honey

Using the difference in stable carbon isotope ratio between a honey and its protein fraction permits objective evaluation of possible adulteration of honey with small amounts (7-20%) as well as larger amounts of corn or cane sugar. The present uncertainty in interpretation of results from pure honey with delta 13C values outside the generally accepted limits for pure honey of -27.5% to -23.5% is eliminated; likewise TLC testing to resolve questionable samples with delta 13C values between -23.5 and -21.5% is not needed. Fifty certified samples of pure honey were used to establish criteria for purity, and 38 other samples with delta 13C values in the "questionable" or "adulterated" range for the AOAC official method were tested. A difference of 1.0% or more between honey and protein fractions is proposed to indicate adulteration.