一、胡椒粉掺假的鉴别研究(论文文献综述)
魏枭[1](2021)在《基于太赫兹光谱的大豆转基因、产地鉴别和蛋白质等定量检测方法研究》文中研究表明大豆是我国最主要的油料作物和高蛋白饲料原料,也是我国需要大量进口的农产品。鉴于我国已在采用转基因大豆作为食品、饲料等加工原料,转基因大豆的安全管理将需要不断加强,大豆溯源性监管也是将来发展的必然趋势。同时,传统的蛋白质、酸价、过氧化值和维生素E定量检测方法多存在成本高、效率低和操作复杂等问题。因此,需要研究一种针对大豆转基因、产地鉴别和蛋白质等定量检测的方法。相比于传统的大豆转基因、产地鉴别和蛋白质等定量检测方法,近年来出现的太赫兹(Terahertz,THz)光谱技术更有其独特的优势。分子的振动和转动以及分子间的相互作用如氢键等在THz频段都有很多特征吸收峰,这些吸收特性是这些物质独一无二的指纹吸收谱,所以THz光谱技术对探测物质结构存在的微小差异和变化非常灵敏,可以用于这些物质的鉴别和定量检测。因此,有必要研究基于THz光谱的大豆转基因、产地的快速且准确的鉴别方法。同时,如何实现THz光谱定量检测大豆中蛋白质、酸价、过氧化值和维生素E仍然是一个非常值得研究的问题。目前,对于不同化学成分THz吸收光谱的研究还处在初级阶段,对于不同化学成分在THz频段的吸收峰位置了解也非常有限。从微观的角度,如何通过密度泛函理论(Density functional theory,DFT)和THz吸收光谱模拟出大豆中维生素E的吸收峰位置,并且根据吸收峰位置进行大豆中维生素E定量检测的特征谱区选择还处在一个探索阶段。为了监控转基因大豆的进口,确定大豆产地,完善大豆中蛋白质等定量检测方法,建立基于THz光谱的大豆转基因、产地鉴别和蛋白质等定量检测方法成为现今最迫切的任务。本论文主要基于THz光谱对大豆的转基因、产地鉴别和蛋白质等定量检测方法进行了研究,论文主要分为三大部分,分别是:基于THz频域光谱的大豆转基因、产地鉴别方法研究,基于THz吸收光谱的大豆中蛋白质、酸价和过氧化值定量检测方法研究,基于DFT和THz吸收光谱的大豆中维生素E定量检测特征谱区选择方法研究。本文的主要研究内容和结论如下:(1)基于THz频域光谱的转基因和非转基因大豆鉴别模型及其优化算法研究。利用THz频域光谱对转基因和非转基因大豆样品进行鉴别,分析样品的THz频域光谱特性和差异,建立基于THz频域光谱的转基因和非转基因大豆鉴别模型(简称转基因鉴别模型)。之后,再对基于THz频域光谱和光谱谱区优化算法的转基因与非转基因大豆鉴别方法进行研究。实验结果表明,基于THz频域光谱鉴别转基因和非转基因大豆是可行性的。与其它两种转基因鉴别模型相比,灰狼优化-支持向量机转基因鉴别模型结合一阶导数预处理可以获得较好的验证结果。其总鉴别正确率为96.49%(其中转基因正确率为100%,非转基因正确率为93.55%),鉴别所需时间为33.87秒。光谱谱区优化算法对通过THz频域光谱鉴别转基因和非转基因大豆的总准确率和速度均有很大程度的提升。经过优化谱区范围和均值中心化预处理后,网格搜索-支持向量机转基因鉴别模型的总鉴别正确率为98.25%(其中转基因正确率为96.15%,非转基因正确率为100%)。这说明此方法是一种快速准确的鉴别转基因和非转基因大豆的手段。(2)基于THz频域光谱的大豆产地鉴别方法研究。研究不同产地实验样品的THz频域光谱差异,对样品THz频域光谱进行分析,选取最优的建模谱区范围,充分利用光谱数据内含有的相关信息有效地进行产地鉴别,提出一种基于THz频域光谱的大豆产地鉴别方法。实验结果表明,经过区间偏最小二乘法(interval partial least squares,i PLS)优化选取谱区范围(选谱)后的THz频域光谱结合化学计量学鉴别3种典型产地(阿根廷、美国和中国)大豆是可行的。经过i PLS选谱和标准化预处理后,人工蜂群算法-支持向量机大豆产地鉴别模型总鉴别正确率达到94.74%。这说明经过i PLS选谱和合适的光谱预处理后,THz频域光谱结合化学计量学可以用于鉴别大豆产地。(3)基于THz吸收光谱的大豆中蛋白质定量检测模型及其优化算法研究。分析实验样品的THz吸收光谱,研究大豆中蛋白质含量与THz吸收光谱之间的关系,建立基于THz吸收光谱的大豆中蛋白质定量检测模型,与传统的蛋白质检测方法进行对比。之后,再利用不同的数据降维算法结合THz吸收光谱,降低蛋白质定量检测模型的检测时间,同时保证定量检测模型验证结果的准确性保持不变或有一定的提升。实验结果表明,经过合适的光谱预处理和蛋白质定量检测建模算法后,可以使用THz吸收光谱定量检测大豆中蛋白质。通过标准正态变量结合二阶导数预处理后,基于THz吸收光谱的人工蜂群算法-支持向量回归大豆中蛋白质定量检测模型的预测集相关系数(Related coefficient of prediction set,Rp),预测集的均方根误差(Root mean square error of prediction set,RMSEP),相对标准偏差(Relative standard deviation,RSD)为0.9659,1.3085%,3.5334%。经过合适的数据降维算法后,使用THz吸收光谱快速准确的定量检测大豆中蛋白质是可行的。数据降维算法相较于光谱预处理在结合THz吸收光谱后,定量检测大豆中蛋白质更快速更准确。反向传播神经网络(Back propagation neural network,BPNN)定量检测模型结合线性判别分析(Linear discriminant analysis,LDA)降维后的Rp,RMSEP,RSD和运算所需时间分别是0.9677,1.2467%,3.3664%,53.51秒。这表明此方法对THz吸收光谱快速准确的定量检测农产品和食品中蛋白质具有重要意义。(4)基于THz吸收光谱的大豆中酸价和过氧化值定量检测方法初步研究。建立了基于THz吸收光谱和数据降维算法的大豆中酸价和过氧化值定量检测模型。分析各酸价和过氧化值定量检测模型的预测结果,解释验证结果出现问题的可能原因,分别找出酸价和过氧化值最佳的定量检测模型和数据降维算法。实验结果表明,通过LDA降维后,基于THz吸收光谱的BPNN大豆中酸价和过氧化值定量检测模型仍能取得最佳的验证结果。大豆中酸价定量检测模型最佳的校正集的相关系数(Related coefficient of correction set,Rc),Rp和RMSEP分别为0.8029,0.7421和0.3605 mg/g,大豆中过氧化值定量检测模型最佳的Rc,Rp和RMSEP分别为0.8945,0.7633和0.5297 mmol/Kg。虽然基于THz吸收光谱的大豆中酸价和过氧化值定量检测模型可以快速检测大豆的酸价和过氧化值,但该定量检测模型的准确性还需要进一步提升。此方法对THz吸收光谱定量检测农产品与食品中酸价和过氧化值有一定参考价值。(5)基于DFT和THz吸收光谱的大豆中维生素E定量检测特征谱区选择方法研究。分析基于DFT和THz吸收光谱模拟某种化学成分吸收峰位置的可行性,同时确定模拟水平参数和吸收峰位置的相对误差。其次,通过DFT和THz吸收光谱模拟大豆中维生素E(α、γ、δ-生育酚)的吸收峰位置。之后,探索基于吸收峰位置的大豆中维生素E定量检测特征谱区选择方法。最终,建立定量检测模型并进行结果验证和分析。实验结果表明,通过DFT和THz吸收光谱模拟某种化学成分吸收峰位置是可行的,同时也确定了模拟水平参数为B3LYP/6-31+g(d,p)和吸收峰位置实际相对误差为2.3155%。通过DFT和THz吸收光谱模拟出大豆中维生素E的吸收峰位置,发现在0.1-1.5 THz频段有四个较明显的吸收峰,位置分别为0.8862、0.9367、1.0296和1.1429 THz。通过本文提出的基于吸收峰位置的大豆中维生素E定量检测特征谱区选择方法对大豆THz吸收光谱进行选取。最终,经二阶导数预处理后,ABC-SVR大豆中维生素E定量检测模型的Rp和RMSEP为0.8241和1.3562 mg/g。该结果准确性虽有一定提升,但若想应用于实际,其准确性还需提升。虽然如此,此方法还是对定量检测混合物中某种化学成分(具有具体分子式)的相关研究有一定的帮助。本论文围绕转基因和非转基因大豆鉴别问题,提出了基于THz频域光谱结合谱区优化算法快速准确鉴别转基因和非转基因大豆的方法;为了解决大豆产地鉴别问题,提出了一种基于THz频域光谱的大豆产地鉴别的新方法;对于大豆中蛋白质定量检测的问题,提出了一种基于THz吸收光谱的大豆中蛋白质定量检测方法,通过结合数据降维算法将定量检测时间进一步缩短,同时保证定量检测模型验证结果的准确性保持不变或有一定的提升;针对大豆中酸价和过氧化值定量检测问题,以实验样品THz吸收光谱和数据降维算法为切入点,对基于THz吸收光谱的大豆中酸价和过氧化值定量检测方法进行了初步研究;对于大豆中维生素E定量检测的问题,先以酒石酸为例分析基于DFT和THz吸收光谱模拟某种化学成分吸收峰位置的可行性,同时确定模拟水平参数和吸收峰位置的相对误差。然后,通过DFT和THz吸收光谱模拟出大豆中维生素E的吸收峰位置。最终,提出一种基于吸收峰位置的大豆中维生素E定量检测特征谱区选择方法并建立定量检测模型进行结果验证和分析。
黄华,祝诗平,卓佳鑫,刘广昊,朱洁,吴习宇,于丽敏[2](2020)在《高光谱成像识别白胡椒粉末中掺杂的面粉》文中指出白胡椒粉末与面粉颜色非常接近,因此在白胡椒粉末中掺入少量的面粉很难通过人的视觉或嗅觉判别。高光谱成像不仅可以获得物质的光谱信息,还可以获得物质的空间位置信息,因此利用高光谱成像识别白胡椒粉末中掺入面粉的含量及其掺入位置成为可能。按照1%~60%的配比和1%的梯度将纯面粉掺入到纯白胡椒粉末中,再加上纯胡椒粉末和纯面粉共制备62份样品;每份样品单独进行高光谱扫描,共获得62份光谱数据;随机选择其中42份样品用于偏最小二乘法建模,余下20份用于测试。将每份样品的平均光谱经一阶微分预处理后,利用偏最小二乘法建立预测白胡椒粉末中面粉含量定量分析建模,其校正集的均方根误差为0.83%,预测集的均方根误差为2.73%,校正集与预测集的相关系数分别为RC=0.99和RP=0.98。为了在掺杂的白胡椒粉末中定位面粉的具体掺入位置,提出了相关系数法和最大最小判别准则。计算掺杂样品与纯白胡椒粉末和面粉的相关系数分别记为R1和R2,若某位置点为纯面粉则R1达到最大R2达到最小。将R1与R2的差值R按由小到大的次序排列,以PLSR回归模型的预测结果为门限将R中小于等于门限值的位置点判别为面粉,然后在掺假样品中标记出掺入面粉的位置,以便直观显示。本研究为实现快速、无损和可视化鉴别白胡椒粉末真假提供一种参考方法。
孙宗保,王天真,李君奎,邹小波,梁黎明,刘小裕[3](2020)在《高光谱成像的牛肉丸掺假检测》文中研究指明牛肉丸是一种口感独特的肉类深加工食品。不法商贩为了谋取利益,在牛肉中掺入猪肉、鸡肉等廉价肉制作肉丸冒充纯牛肉丸售卖。传统的肉品掺假检测方法费时费力,成本高昂。高光谱成像技术具有快速无损、低成本等优点,因此对牛肉丸中掺假猪肉和鸡肉进行高光谱成像检测。首先分别制作纯牛肉丸和混有掺假肉猪肉和鸡肉的牛肉丸,掺假肉占原料肉质量比例分别为5%, 10%, 15%, 20%, 25%。采集所有肉丸样本的高光谱信息并提取光谱数据。分别采用1st Der, 2nd Der, MC, MSC, SG和SNVT六种预处理方法对所提取光谱进行预处理,建立全波段下偏最小二乘(PLS)掺假含量预测模型,并比较模型预测效果得出最佳预处理方法。对最佳预处理方法处理后的光谱数据进行特征波长的筛选,筛选方法有:连续投影法(SPA)、竞争性自适应重加权算法(CARS)、联合区间偏最小二乘法(siPLS),并创新性地联用siPLS与CARS的联合区间偏最小二乘-竞争性自适应重加权算法(siPLS-CARS)。最后比较不同波长筛选方法下的模型预测效果。研究表明,牛肉丸掺猪肉和鸡肉PLS预测模型最佳预处理方法分别为MSC和1st Der。SPA, CARS和siPLS-CARS分别筛选了掺猪肉样品光谱中的13, 51和32个特征波长, siPLS将全光谱分为14个子区间,联合第1, 3, 7, 13子区间进行建模,其中CARS筛选波长后的PLS预测模型效果最好,RC和RP分别为0.981 4和0.972 1, RMSECV和RMSEP分别为0.016 3和0.020 3。SPA, CARS和siPLS-CARS分别筛选了掺鸡肉光谱中的15, 61和28个特征波长, siPLS将全光谱分为15个子区间,联合第7, 8, 11, 12子区间进行建模,最佳波长筛选方法也是CARS,此时PLS预测模型RC和RP分别为0.990 2和0.987 8, RMSECV和RMSEP分别为0.012 3和0.012 6。siPLS-CARS相比于siPLS不仅缩减了特征波长数量,且提高了模型预测的精度;相比于CARS筛选出的波长更少,但精度略低。掺鸡肉样品预测模型效果整体优于掺猪肉样品。研究结果表明高光谱成像技术可以实现牛肉丸中掺假的含量预测,为牛肉丸掺假快速检测提供理论基础。
周梦月,邢冉冉,王楠,葛毅强,陈颖[4](2021)在《6种食用香辛料基因组DNA提取方法比较》文中指出采用TIANGEN植物基因组DNA提取试剂盒法、TIANGEN DNAsecure新型植物基因组DNA提取试剂盒法、QIAGEN DNeasy plant kit法、Nucleospin?Food kit法、改良十六烷基三甲基溴化铵(cetyltrimethylammonium bromide,CTAB)法和十二烷基硫酸钠(sodium dodecyl sulfate,SDS)-CTAB法6种方法对来自植物根、茎、叶、花蕾、果实及种子的19种常见食用香辛料的DNA进行提取,并比较各方法的提取效果。结果表明,QIAGEN DNeasy plant kit法和TIANGEN植物基因组DNA提取试剂盒法所得DNA的聚合酶链式反应(polymerase chain reaction,PCR)扩增成功率最高,但QIAGEN DNeasy plant kit法提取的DNA质量浓度低,不利于后续研究。本研究建议将TIANGEN植物基因组DNA提取试剂盒法作为食用香辛料基因组DNA提取的优选方法,并用该方法进行市售香辛料粉的DNA提取。结果显示,所有市售香辛料粉的DNA质量浓度、纯度及PCR扩增效率均符合实验要求。表明TIANGEN植物基因组DNA提取试剂盒法适合食用香辛料DNA提取,而对于皮类及坚硬的食用香辛料应增加样品量及裂解时间。
黄小万[5](2020)在《基于电子鼻定性定量分析八角茴香精油的研究》文中指出本文旨在研究一个具有定性分析精油性质和定量分析精油中组分含量的电子鼻(Electronic nose,E-Nose)分析方法,故以此为目的展开以下研究,首先,以八角茴香精油(Star anise essential oil,SAEO)为样品,研究了电子鼻检测SAEO的最佳测试条件并在此条件下进行方法学考察;然后研究了电子鼻、气相色谱-质谱联用(Gas chromatography-mass spectrometry,GC-MS)和气相色谱离子迁移谱(Gas chromatography ion migration spectrum,GC-IMS)三种仪器应用于四种方式提取的SAEO的定性分析方法,同时研究了电子鼻对不同储藏条件下SAEO的品质的变化进行表征,以及对植物油掺假和硫熏掺假的SAEO进行定性鉴别,最后研究了电子鼻对SAEO中茴香脑含量的定量估计。为电子鼻应用于精油的定性定量研究的可行性提供参考。对SAEO的最佳测试条件的研究,结果发现其最佳测试条件为:顶空平衡时间50min,进样量2m L,顶空平衡温度20℃。在此条件下进行方法学考察,结果表明,在重复性上,各传感器的响应值相对标准偏差(RSD)均小于3.5%;在稳定性上,各传感器除S1的响应值RSD为3.71%,其余各传感器的响应值RSD均小于3.0%。说明本方法下电子鼻各传感器稳定性良好,能够满足对SAEO的定性定量检测的需求。采用电子鼻、GC-MS和GC-IMS三种仪器对四种方式(水蒸气蒸馏、乙醇萃取、超临界CO2萃取和亚临界萃取)提取的SAEO的进行定性检测,结果表明,这三种仪器结合主成分分析(Principal component analysis,PCA)或线性判别分析(Linear discriminant analysis,LDA)分析都可以对四种方式提取的SAEO进行较为准确的区分,都可以作为一种快速检测区分不同方式提取的SAEO的方法,但电子鼻和GC-IMS较GC-MS在操作上较为简单,分析速度更快,成本更低,因此更适合应用于对不同方式提取的SAEO的快速鉴别。采用电子鼻对在不同储藏条件(室温敞口自然光、室温闭口自然光、室温敞口避光、室温闭口避光、冰箱冷藏-4℃闭口避光)下的SAEO质量的变化进行表征,结果表明,传感器S7和S8对于SAEO在光照条件下较为敏感,SAEO在不同方式的储藏条件下,其香气成分在前30天和后第70天-第90天都有一个明显的变化,此外,我们还可以发现在室温闭口避光和室温闭口自然光的条件下在储藏后期的第70天-第90天,电子鼻分析到SAEO挥发性物质都有一个较明显变化,而在敞口条件下则不存在。通过偏最小二乘回归分析(Partial least squares,PLS)建立了电子鼻测定的不同储藏条件下,不同储藏天数的PLS线性回归图,回归方程的R2值都低于0.87,说明PLS分析模型并不适合作为描述SAEO在不同储藏条件下的储藏天数的预测的分析模型。研究发现,电子鼻对掺入不同植物油的SAEO的响应值差异主要体现在S9号传感器和S7号传感器上,电子鼻结合PCA分析能够很好的区分鉴别掺入不同植物油(葡萄籽油、茶叶籽油、大豆色拉油、小麦胚芽油、甜杏仁油、月见草油和棕榈油)的SAEO,同时也能够很好的鉴别区分硫熏SAEO和未硫熏SAEO。采用电子鼻对SAEO中茴香脑进行检测分析,研究发现,电子鼻传感器S6、S8和S7有利于构建茴香脑和电子鼻响应值的线性关系,偏最小二乘回归方程为:y=0.8329x+8.6104,R2=0.8939,说明电子鼻结合PLS分析对SAEO中的茴香脑可以进行定量估计的研究,但精度不够,仍需在之后的分析中进行改进。
吕洁琼,郭恒斌[6](2020)在《食品企业避免食品欺诈的研究》文中研究说明近年来,随着食品供应链全球化和复杂化,以及商业竞争日趋激烈等原因,食品欺诈事件愈演愈烈。本文简述了食品欺诈的定义和类型,初步分析了食品欺诈的特点及其对食品企业的影响,并就食品企业如何避免食品欺诈提出相关建议。
高锦红[7](2019)在《现代分析技术在调味品鉴别中的应用》文中提出介绍理化分析法(包括常规化学分析法、色谱法和光谱法、电导法)、热分析法等现代分析技术在调味品鉴别中的应用,旨在为调味品的掺假鉴别研究提供综合性的参考。色谱法具有分离效能高、化验速度快和样品用量少等特点,适用于组分定性鉴别和定量分析;光谱法有较低的检出限、灵敏度高和操作简单等特点应用范围较广;热分析技术具有试样微量化、高效和低成本等优点,在食品研究中具有较好的实用性,如脱水脱酸、热稳定性、组分分析。了解调味品的鉴别方法对于调味品的惨假、鉴别以及更合理的进行调味品鉴别研究具有一定的参考意义。
赵孔双,刘媛[8](2019)在《介电谱方法在食品领域中的研究进展》文中研究指明本文评述了近年来食品领域的介电加热技术以及介电谱方法应用于各类食品体系(主要包括水果/蔬菜、食用油、肉鱼、奶及奶制品、蛋、蜂蜜和酒类等)的研究进展。综述了介电加热在食品加工中的优势/局限性,以及介电谱方法在各类食品体系的品质检测及贮藏加工过程的质量监测的可行性,重点介绍介电谱技术分别在各类食品质量检测中的优势差异性,以期该技术能被有效地利用。最后,还对介电谱方法在食品相关领域中的发展趋势进行了评述性展望。
朱映浩,刘波,黄为红[9](2018)在《高效液相色谱法测定胡椒粉中胡椒碱的含量》文中认为建立了高效液相色谱法测定胡椒粉中胡椒碱含量的分析方法。样品用乙醇提取,涡旋2min,超声30min,离心后,0.45μm滤膜过滤。采用Waters Atlantis T3色谱柱分离(250 mm×4.6 mm×5μm),以甲醇∶水(75∶25)作流动相,紫外检测器检测,检测波长343nm,进样量20μL,外标法定量。在此优化的实验条件下,胡椒碱的浓度在0.510μg/mL范围内与峰面积呈良好的线性关系,回归方程分别为Y=12777X-37170(r=0.9998),检出限为25mg/kg,回收率在96.20%98.30%之间,相对标准偏差在1.85%3.12%之间。该方法前处理简便、重现性好,可适用于胡椒粉中胡椒碱含量的测定。
兰教材[10](2018)在《从买主负责到卖主负责:英国1868年制药法的由来及意义》文中研究表明19世纪中期,英国药品掺假泛滥,报刊杂志和有志之士纷纷予以揭露。制药业的行业组织希望通过整顿行业秩序提高药品质量。1868年,在反食品药品掺假者的压力和制药业的支持下,议会经过一场有意义的辩论,对制药业所起草的议案修正后予以通过。1868年制药法有效地抑制了药品掺假,并且改变了英国民事侵权领域的立法原则,而它允许女性成为药剂师的条款打破了男性对这个行业的垄断,为英国女性未来争取更多的工作机会提供了一定的基础。
二、胡椒粉掺假的鉴别研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、胡椒粉掺假的鉴别研究(论文提纲范文)
(1)基于太赫兹光谱的大豆转基因、产地鉴别和蛋白质等定量检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 传统大豆转基因、产地鉴别和成分定量检测方法 |
1.2.2 基于NIRS的农产品与食品转基因、产地鉴别和成分定量检测方法的研究现状 |
1.2.3 基于THz光谱的农产品和食品转基因、产地鉴别方法的研究现状 |
1.2.4 基于THz光谱的农产品和食品成分定量检测方法的研究现状 |
1.2.5 基于DFT和THz光谱分析某种化学成分吸收峰位置的研究现状 |
1.3 研究内容和技术路线以及研究特色 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.3.3 研究的特色 |
1.4 本章小结 |
第2章 太赫兹时域光谱技术和分析方法 |
2.1 THz-TDS技术原理 |
2.1.1 透射式THz-TDS技术 |
2.1.2 其他THz-TDS技术 |
2.2 THz-TDS技术的特点 |
2.3 THz-TDS系统 |
2.3.1 透射式THz-TDS系统 |
2.3.2 反射式THz-TDS系统 |
2.4 光谱预处理方法 |
2.4.1 均值中心化 |
2.4.2 标准化 |
2.4.3 归一化 |
2.4.4 标准正态变量 |
2.4.5 多重散射校正 |
2.4.6 平滑去噪法 |
2.4.7 导数 |
2.4.8 直接正交信号校正 |
2.5 定性鉴别建模算法 |
2.5.1 判别偏最小二乘法 |
2.5.2 极限学习机 |
2.5.3 支持向量机 |
2.5.4 反向传播神经网络 |
2.6 定量检测建模算法 |
2.6.1 偏最小二乘法回归 |
2.6.2 支持向量回归 |
2.6.3 反向传播神经网络 |
2.6.4 径向基神经网络 |
2.7 本章小结 |
第3章 实验材料、实验设备和方法以及光谱采集 |
3.1 实验材料 |
3.2 实验设备和测定方法 |
3.2.1 大豆中转基因成分的筛查方法 |
3.2.2 大豆中蛋白质含量的测定方法 |
3.2.3 大豆中酸价和过氧化值的测定方法 |
3.2.4 大豆中维生素E含量的测定方法 |
3.3 THz-TDS系统与实验样品制备以及THz光谱采集 |
3.3.1 THz-TDS系统 |
3.3.2 实验样品制备 |
3.3.3 THz光谱采集过程中的注意事项和说明 |
3.4 本章小结 |
第4章 基于THz频域光谱的大豆转基因、产地鉴别方法研究 |
4.1 引言 |
4.2 基于THz频域光谱的转基因和非转基因大豆鉴别方法研究 |
4.2.1 实验材料 |
4.2.2 实验设备、样品制备和光谱采集 |
4.2.3 主成分分析、光谱预处理方法和转基因鉴别建模算法 |
4.2.4 实验样品的THz频域光谱分析 |
4.2.5 实验样品THz频域光谱的主成分分析 |
4.2.6 DPLS转基因鉴别模型建立和验证 |
4.2.7 PSO-SVM和GWO-SVM转基因鉴别模型建立和验证 |
4.3 基于THz频域光谱和i PLS的转基因与非转基因大豆鉴别方法研究 |
4.3.1 光谱预处理方法和转基因鉴别建模算法 |
4.3.2 iPLS优化光谱谱区范围 |
4.3.3 实验样品THz频域光谱的主成分分析对比 |
4.3.4 DPLS转基因鉴别模型的建立和验证 |
4.3.5 Grid Search-SVM转基因鉴别模型的建立和验证 |
4.3.6 PCA-BPNN转基因鉴别模型建立和验证 |
4.4 基于THz频域光谱的大豆产地鉴别方法研究 |
4.4.1 实验材料 |
4.4.2 光谱预处理方法和产地鉴别建模算法 |
4.4.3 实验样品的THz频域光谱分析 |
4.4.4 iPLS优化光谱谱区范围 |
4.4.5 实验样品的THz频域光谱分析 |
4.4.6 ELM大豆产地鉴别模型的建立和验证 |
4.4.7 GA-SVM和ABC-SVM大豆产地鉴别模型的建立与验证 |
4.5 本章小结 |
第5章 基于THz吸收光谱的大豆中蛋白质、酸价和过氧化值定量检测方法研究 |
5.1 引言 |
5.2 基于THz吸收光谱的大豆中蛋白质定量检测方法研究 |
5.2.1 实验材料 |
5.2.2 光谱预处理方法和蛋白质定量检测建模算法 |
5.2.3 实验样品的THz吸收光谱分析 |
5.2.4 PLSR大豆中蛋白质定量检测模型的建立和验证 |
5.2.5 PCA-RBFNN与ABC-SVR大豆中蛋白质定量检测模型的建立和验证 |
5.3 基于THz吸收光谱和数据降维算法的大豆中蛋白质定量检测方法研究 |
5.3.1 数据降维算法 |
5.3.2 光谱预处理方法和蛋白质含量检测模型的评判标准 |
5.3.3 实验样品的THz吸收光谱分析 |
5.3.4 PLSR大豆中蛋白质定量检测模型的建立和验证 |
5.3.5 GA-SVR,GWO-SVR和BPNN大豆中蛋白质定量检测模型的建立和验证 |
5.4 基于THz吸收光谱的大豆中酸价和过氧化值定量检测方法初步研究 |
5.4.1 实验材料 |
5.4.2 数据降维算法 |
5.4.3 实验样品的THz吸收光谱分析 |
5.4.4 大豆中酸价和过氧化值定量检测模型的建立与验证 |
5.5 本章小结 |
第6章 基于DFT和THz吸收光谱的大豆中维生素E定量检测特征谱区选择方法研究 |
6.1 引言 |
6.2 量子力学的DFT |
6.3 基于DFT和THz吸收光谱模拟某种化学成分吸收峰位置可行性研究 |
6.3.1 酒石酸 |
6.3.2 酒石酸的THz吸收光谱 |
6.3.3 基于DFT和THz吸收光谱模拟酒石酸的吸收峰位置研究 |
6.4 基于DFT和THz吸收光谱模拟大豆中维生素E吸收峰位置与定量检测特征谱区选择方法初步研究 |
6.4.1 维生素E |
6.4.2 基于DFT和THz吸收光谱模拟 α、γ、δ-生育酚的吸收峰位置研究 |
6.4.3 基于吸收峰位置的大豆中维生素E定量检测特征谱区选择方法初步探索研究 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 论文主要结论 |
7.2 论文主要创新点 |
7.3 论文工作展望 |
参考文献 |
博士期间取得的科研成果 |
致谢 |
(2)高光谱成像识别白胡椒粉末中掺杂的面粉(论文提纲范文)
引 言 |
1 实验部分 |
1.1 试验材料 |
1.2 高光谱图像采集与标定 |
1.3 光谱分析与建模 |
1.3.1 目标区域提取 |
1.3.2 模型建立与评价 |
2 结果与讨论 |
2.1 PLSR预测白胡椒粉末中面粉平均含量 |
2.2 面粉在白胡椒粉末中的识别 |
3 结 论 |
(3)高光谱成像的牛肉丸掺假检测(论文提纲范文)
引 言 |
1 实验部分 |
1.1 样本制备 |
1.2 高光谱图像采集 |
1.2.1 高光谱成像系统 |
1.2.2 高光谱成像数据采集与标定 |
1.3 数据处理方法 |
1.3.1 高光谱成像的光谱数据提取 |
1.3.2 光谱特征波长筛选 |
1.3.3 掺假含量预测模型 |
2 结果与讨论 |
2.1 光谱预处理 |
2.2 牛肉丸中掺假猪肉含量预测模型建立 |
2.2.1 全波段PLS模型 |
2.2.2 特征波长筛选 |
(1) SPA筛选特征波长 |
(2) CARS筛选特征波长 |
(3) siPLS筛选波长 |
(4) siPLS-CARS筛选特征波长 |
2.2.3 特征波长下PLS模型结果 |
2.3 牛肉丸中掺鸡肉含量预测模型建立 |
2.3.1 全波段下PLS模型结果 |
2.3.2 特征波长的筛选 |
2.3.3 特征波长下PLS模型结果 |
3 结 论 |
(4)6种食用香辛料基因组DNA提取方法比较(论文提纲范文)
1 材料与方法 |
1.1 材料、试剂与仪器? |
1.2 方法 |
1.2.1 样品前处理 |
1.2.2 DNA提取 |
1.2.2. 1 TIANGEN-I试剂盒 |
1.2.2. 2 TIANGEN-II试剂盒 |
1.2.2. 3 QIAGEN试剂盒 |
1.2.2. 4 MN试剂盒 |
1.2.2. 5 改良CTAB法 |
1.2.2. 6 SDS-CTAB法 |
1.2.3 DNA质量检测 |
1.2.3. 1 DNA质量浓度和纯度测定 |
1.2.3. 2 DNA完整度检测 |
1.2.3. 3 PCR扩增 |
1.3 数据分析 |
2 结果与分析 |
2.1 DNA完整度分析 |
2.2 DNA质量浓度分析? |
2.3 DNA纯度分析 |
2.4 PCR扩增结果分析 |
2.5 市售香辛料粉中提取DNA的质量浓度及质量分析 |
3 结论 |
(5)基于电子鼻定性定量分析八角茴香精油的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 八角茴香精油的研究现状 |
1.1.1 八角茴香精油的作用 |
1.1.2 八角茴香精油的应用 |
1.1.3 八角茴香精油提取方式 |
1.1.4 八角茴香精油定性定量分析方法 |
1.2 电子鼻概述 |
1.2.1 构成和原理 |
1.2.2 电子鼻分析常用的计量学方法 |
1.2.3 电子鼻的应用 |
1.3 课题的研究目的及意义、主要研究内容以及创新点 |
1.3.1 课题的研究目的及意义 |
1.3.2 主要研究内容及创新点 |
第二章 电子鼻分析测试条件研究 |
2.1 引言 |
2.2 实验材料与方法 |
2.2.1 实验原料 |
2.2.2 实验仪器和设备 |
2.2.3 实验方法 |
2.3 结果与分析 |
2.3.1 单因素方差分析 |
2.3.2 顶空平衡时间对电子鼻响应值的影响 |
2.3.3 进样量对电子鼻响应值的影响 |
2.3.4 顶空平衡温度对电子鼻响应值的影响 |
2.3.5 仪器重复性(精密度)考察 |
2.3.6 仪器稳定性考察 |
2.4 本章小结 |
第三章 探索电子鼻、气相色谱质谱联用和气相离子迁移谱在区分不同方式提取的八角茴香精油的应用 |
3.1 引言 |
3.2 实验材料和方法 |
3.2.1 实验原料和试剂 |
3.2.2 实验仪器和设备 |
3.2.3 实验方法 |
3.3 结果与分析 |
3.3.1 电子鼻结合PCA和 LDA分析不同方式提取的SAEO |
3.3.2 GC-IMS结合PCA分析不同方式提取的SAEO |
3.3.3 GC-MS结合PCA分析SAEO的提取方法 |
3.4 本章小结 |
第四章 应用电子鼻定性分析不同储藏条件下的八角茴香精油 |
4.1 引言 |
4.2 实验材料与方法 |
4.2.1 实验原料 |
4.2.2 实验仪器和设备 |
4.2.3 实验方法 |
4.3 结果与分析 |
4.3.1 电子鼻检测结果 |
4.3.2 PCA分析和LDA分析结果 |
4.3.3 储藏期与电子鼻输出信号之间的对应关系 |
4.4 本章小结 |
第五章 八角茴香精油中人工添加成分的鉴别探究 |
5.1 引言 |
5.2 实验材料与方法 |
5.2.1 实验原料和试剂 |
5.2.2 实验仪器与设备 |
5.2.3 实验方法 |
5.3 结果与分析 |
5.3.1 加入不同挥发性植物油的SAEO电子鼻分析 |
5.3.2 二氧化硫熏蒸掺假电子鼻分析结果 |
5.3.3 二氧化硫熏蒸掺假GC-MS分析结果 |
5.4 本章小结 |
第六章 应用电子鼻定量分析八角茴香精油茴香脑含量 |
6.1 引言 |
6.2 实验材料和方法 |
6.2.1 实验原料和试剂 |
6.2.2 实验仪器和设备 |
6.2.3 实验方法 |
6.3 结果与讨论 |
6.3.1 气相色谱分析 |
6.3.2 电子鼻分析 |
6.4 本章小结 |
结论 |
展望 |
参考文献 |
致谢 |
(6)食品企业避免食品欺诈的研究(论文提纲范文)
1 食品欺诈的定义和类型 |
1.1 食品欺诈的定义 |
1.2 食品欺诈的类型 |
2 食品欺诈的特点及对食品企业的影响 |
2.1 食品欺诈的特点 |
2.2 食品欺诈对食品企业的影响 |
3 如何有效避免食品欺诈 |
3.1 脆弱性评估和关键控制点体系的使用 |
3.2 食品造假漏洞评估工具的使用 |
3.3 食品掺假检测技术的使用 |
3.4 构建科学的供应商管理系统 |
4 结语 |
(7)现代分析技术在调味品鉴别中的应用(论文提纲范文)
1 感观形态鉴别 |
2 理化分析鉴别 |
2.1 常规化学分析法 |
2.2 色谱法 |
2.2.1 高效液相色谱法 |
2.2.2 气相色谱法 |
2.3 光谱分析法 |
2.3.1 原子吸收光谱法 |
2.3.2 紫外可见分光光度法 |
2.3.3 荧光分析法 |
2.3.4 红外光谱法 |
2.3.5 拉曼光谱法 |
2.4 其它技术 |
2.4.1 电导法 |
2.4.2 稳定同位素质谱技术 |
2.4.3 质谱联用法 |
3 热分析鉴别 |
3.1 差热分析法 |
3.2 差示扫描量热法 |
3.3 热重法 |
4 展望 |
(8)介电谱方法在食品领域中的研究进展(论文提纲范文)
1 介电谱方法 |
1.1 介电加热 |
1.2 介电性质测定 |
2 介电性质在食品领域的应用 |
2.1 介电加热 |
2.2 食品质量检测 |
2.2.1 水果和蔬菜 |
2.2.1. 1 介电检测的优势 |
2.2.1. 2 基于介电性质的其他方法 |
2.2.1. 3 蔬菜的宽频介电测量 |
2.2.2 鱼/禽畜肉的熟化和质量检测 |
2.2.2. 1 电参数监测鲜度和熟化程度 |
2.2.2. 2 介电性质判断猪肉等级 |
2.2.2. 3 肉制品含水量的检测 |
2.2.2. 4 肉制品的组分检测 |
2.2.2. 5 冷冻解冻及生鲜食品过冷化 |
2.2.3 禽蛋的鲜度检测和孵化过程监测 |
2.2.4 食用油质量检测及掺假鉴别 |
2.2.4. 1 食用油传感器——FOS |
2.2.4. 2 煎炸油品质评估 |
2.2.4. 3 鉴别掺假食用油 |
2.2.5 乳体系的组分含量及新鲜度检测 |
2.2.5. 1 开端同轴探针法-微波介电性质 |
2.2.5. 2 甄别掺假奶 |
2.2.6 酸奶/奶酪组分含量检测及制备过程中的监测 |
2.2.7 蜂蜜的组分含量检测及种类鉴别 |
2.2.8 酒饮料及液体调味品 |
2.2.8. 1 发酵过程的实时监测 |
2.2.8. 2 酒品质的鉴定 |
3 结语 |
(9)高效液相色谱法测定胡椒粉中胡椒碱的含量(论文提纲范文)
1 材料与方法 |
1.1 仪器和试剂 |
1.2 测定方法 |
1.2.1 高效液相色谱法 |
1.2.2 紫外分光光度法 |
1.3 标准溶液的配制 |
1.4 标准曲线的绘制 |
1.5 样品前处理 |
2 结果与讨论 |
2.1 色谱柱的选择 |
2.2 检测波长的选择 |
2.3 样品提取溶剂的选择 |
2.4 提取方式的选择 |
2.5 线性范围和检出限 |
2.6 回收率和精密度实验 |
2.7 样品测定 |
3 结论 |
(10)从买主负责到卖主负责:英国1868年制药法的由来及意义(论文提纲范文)
一、1868年前英国药品的掺假及对其揭露 |
二、英国近代制药业的发展及其对待药品掺假的态度 |
三、议会对制药业议案的辩论及其意义 |
四、1868年制药法的内容和意义 |
1. 对药品的控制 |
2. 对从事制药业的资格控制 |
3. 对如何处理药品掺假纷争的规定 |
四、胡椒粉掺假的鉴别研究(论文参考文献)
- [1]基于太赫兹光谱的大豆转基因、产地鉴别和蛋白质等定量检测方法研究[D]. 魏枭. 西南大学, 2021
- [2]高光谱成像识别白胡椒粉末中掺杂的面粉[J]. 黄华,祝诗平,卓佳鑫,刘广昊,朱洁,吴习宇,于丽敏. 光谱学与光谱分析, 2020(09)
- [3]高光谱成像的牛肉丸掺假检测[J]. 孙宗保,王天真,李君奎,邹小波,梁黎明,刘小裕. 光谱学与光谱分析, 2020(07)
- [4]6种食用香辛料基因组DNA提取方法比较[J]. 周梦月,邢冉冉,王楠,葛毅强,陈颖. 食品科学, 2021(16)
- [5]基于电子鼻定性定量分析八角茴香精油的研究[D]. 黄小万. 广东工业大学, 2020(02)
- [6]食品企业避免食品欺诈的研究[J]. 吕洁琼,郭恒斌. 现代食品, 2020(05)
- [7]现代分析技术在调味品鉴别中的应用[J]. 高锦红. 食品研究与开发, 2019(20)
- [8]介电谱方法在食品领域中的研究进展[J]. 赵孔双,刘媛. 食品科学, 2019(19)
- [9]高效液相色谱法测定胡椒粉中胡椒碱的含量[J]. 朱映浩,刘波,黄为红. 中国调味品, 2018(07)
- [10]从买主负责到卖主负责:英国1868年制药法的由来及意义[J]. 兰教材. 陕西理工大学学报(社会科学版), 2018(03)