核磁共振波谱技术在食品掺假鉴别中的应用研究

核磁共振波谱技术具有快速无损、操作简单及重复性好等优点,近年来被广泛应用于食品掺假鉴别领域。利用核磁共振技术中的低场核磁、定量核磁以及杂核核磁等技术能够对掺假不同成分的牛乳(掺水、食盐、尿素、豆浆及复原乳等)、掺假低价值油(大豆油、玉米油等)的橄榄油、掺假的高价值米、蜂蜜、红酒等进行检测,结合统计学分析方法,包括主成分分析法、偏最小二乘判别法和相似分类法等可以实现对这些食品掺假成分的有效鉴别。本文就近年来核磁共振技术在国内外食品掺假鉴别中的应用研究进行综述,以推动核磁共振技术在食品质量安全检测领域的进一步应用,并为其它领域的掺假鉴别提供新的思路和方法。     

基于低场核磁共振技术的奶粉品牌快速判别

目的：采用低场核磁共振技术对6个不同品牌的270个奶粉样品进行检测判别。方法：采用主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）、误差反传人工神经网络（BP-ANN）等化学计量学方法对样品数据进行处理。结果：采用PCA方法的主成分三维投影图无法达到对奶粉品牌快速判别的目的;PLS-DA方法的训练集和预测集的正确识别率分别为66.1%,52.2%,可信度较低,也难以实现奶粉品牌的快速判别;BP-ANN方法的训练集和预测集的正确识别率分别为99.4%, 100.0%。结论：低场核磁共振与BP-ANN结合可以很好地识别奶粉品牌。     

GC和LF-NMR结合化学计量学方法检测掺假油茶籽油

为了对油茶籽油品质控制及评价提供支撑,以纯油茶籽油和掺假油茶籽油(分别掺入菜籽油、花生油、棕榈油和高油酸花生油)为试验材料,采用气相色谱法(GC)分析其脂肪酸组成,采用低场核磁共振技术(LF-NMR)测定其横向弛豫特性数据,结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和偏最小二乘分析(PLS)等化学计量学方法建立油茶籽油掺假的定性和定量分析模型。结果表明：5种植物油的脂肪酸组成和LF-NMR横向弛豫特性数据存在显著区别;油茶籽油和其他4种植物油在PCA得分图上可清晰区分;PLS-DA模型可有效区分油茶籽油和掺假油茶籽油,判别正确率均可达100%;建立的油茶籽油中掺入菜籽油、花生油、棕榈油、高油酸花生油的PLS定量预测模型,真实值与预测值的相关系数(R²)分别为0.994 1、0.998 6、0.997 6、0.978 1。综上,GC和LF-NMR结合PCA、PLS-DA以及PLS等化学计量学方法可用于油茶籽油掺假类别判定及掺假量分析。     

基于低场核磁共振的白酒品牌判别分析

为探求一种白酒品牌判别的方法,基于低场核磁共振（LF-NMR）技术,综合运用主成分分析（PCA）、偏最小二乘法-判别分析（PLS-DA）、反向传播人工神经网络（BP-ANN）方法对6种浓香型白酒品牌共300个样本进行模式识别分析,解析了对不同品牌浓香型白酒进行判别的可行性。结果表明,运用PCA方法对样品进行识别,无法区分白酒品牌;运用PLS-DA的方法对白酒样品进行识别,训练集的识别率约为99.5%,预测集识别率约为96.7%;运用BP-ANN的方法对白酒样品进行识别,训练集识别率约为99.5%,预测集识别率约为98.9%。结果表明,PLS-DA方法和BP-ANN方法对浓香型白酒样品的区分成功,表示将低场核磁共振方法应用到浓香型白酒的品牌判别中是可行有效的。     

核磁共振氢谱结合化学计量学快速检测掺假茶油

摘 要：以纯茶油和掺假茶油（掺入大豆油、玉米油）作为核磁共振氢谱检测对象,结合化学计量学方法分析处理核磁数据,建立一种能快速预测茶油掺假的方法。结果表明：纯茶油和掺假茶油在主成分分析得分图上有较好地区分,且掺假样品随掺假比例在图中呈规律性分布,但少部分低体积分数的掺假油与纯茶油重叠。而采用偏最小二乘判别（partial least squares discriminant analysis,PLS-DA）法可以得到更好的分离效果,在该模型中,纯茶油的判别准确率为100%。进一步采用PLS可实现对茶油掺假水平的准确定量测定。该方法可简单、快速地用于茶油的掺假鉴别,在茶油品质控制及评价方面具有很大的应用潜力。     

近红外技术对不同动物来源肉掺假的检测

采用近红外光谱结合主成分分析法(PCA)、判别分析法,分别建立了牛肉和羊肉中掺杂其它动物肉的定性鉴别模型,根据鉴别准确率评价模型的预测性能。采用近红外光谱结合PCA、偏最小二乘法(PLS),建立了掺假物的定量检测模型,根据模型对预测集样品的预测均方差(RMSEP)以及预测值与实测值间的相关系数(r)验证模型的预测能力。结果,牛肉掺猪肉模型对训练集和预测集的鉴别准确率分别为97.86%和91.23%,羊肉掺猪肉模型对训练集和预测集的鉴别准确率分别为98.28%和92.98%,羊肉掺鸭肉模型对训练集和预测集的鉴别准确率分别为99.59%和93.97%,羊肉掺假模型对训练集和预测集的鉴别准确率分别为97.57%和90.76%。牛肉掺假定量模型对训练集的交互验证均方差(RMSECV)和预测集的RMSEP分别为3.87%和4.13%,r分别为0.9505和0.9134;羊肉掺假定量模型对训练集的RMSECV和预测集的RMSEP分别为4.48%和4.86%,r分别为0.9306和0.9082。表明近红外技术结合一定的化学计量学方法可实现不同动物来源肉掺假的鉴别,且能够对掺假物进行定量检测。     

基于电子鼻的花椒油氧化判别分析

以市售的10种花椒油为研究对象,采用电子鼻技术结合主成分分析(principal component analysis,PCA)、聚类分析(cluster analysis,CA)、线性判别分析(linear discriminant analysis,LDA)和判别因子分析(discriminant factor analysis,DFA)对不同氧化程度的花椒油进行定性判别分析,并建立相应的花椒油氧化快速判别模型。利用所建模型对40组验证样品进行判别,将判别结果与国标法所测过氧化值进行比较分析,结果表明,CA、PCA、LDA和DFA的判别正确率分别为95.0%、97.5%、100%和97.5%,说明基于电子鼻技术能够对花椒油氧化进行判别,且LDA法判别效果较好。     

如何检测掺假牛奶

牛奶掺假是某些牛奶不法商的卑劣作法,它不仅使消费者造成经济损失,而且还会损害消费者的身体健康。同时,对于收购牛奶制作乳制品的企业不光是经济损失,还容易造成生产事故。 牛奶掺假主要有几种:掺水、掺米汤、掺淀粉、掺入碳酸钠等。 不法商最常用的掺假法是掺水,掺水可以增加牛奶重量,以此来谋取暴利;对于乳制品生产企业来说,掺     

基于电子鼻技术对羊奶粉中掺假牛奶粉的快速检测

利用电子鼻技术结合多种化学计量学方法,对羊奶粉掺假牛奶粉进行了快速定性判别和定量分析。将牛奶粉按不同比例掺入到羊奶粉中,并按掺假羊奶粉与水为1∶7.2的比例配成溶液,进行电子鼻检测。通过电子鼻采集不同比例掺假奶挥发性成分的响应值,然后利用主成分分析(PCA)、Fisher线性判别分析(FLDA)以及线性回归拟合分析进行定性判别和定量分析,建立基于电子鼻技术检测羊奶粉掺假的方法。结果表明,FLDA及PCA都能够区分出不同比例的掺假奶,且FLDA区分效果优于PCA;线性回归拟合分析的相关系数为94.8%,预测值与实际掺假值呈现一定的线性关系,表明该模型具有较好的泛化能力。因此利用电子鼻实现羊奶粉掺假的快速定性判别和定量分析是可行的。     

电子鼻对不同产地名优绿茶和红茶香气特征的判别研究

采用电子鼻AIRSENSE PEN 3测定不同产地、加工工艺及生产时间的13个名优绿茶和6个红茶的香气组分,利用主成分分析法(PCA)和线性判别分析法(LDA)对香气主成分进行分类判别。电子鼻10个传感器对绿茶和红茶香气组分均有较好的响应,结合PCA分析,从红茶中提取出氮氧化合物、甲烷类、硫化物和有机硫化物4类香气主成分,绿茶还包括醇类和醛酮类,有5类香气主成分;PCA和LDA对绿茶和红茶香气判别率有明显差别,绿茶干茶和茶汤的PCA判别率分别为96.86%和94.71%,高于红茶的87.29%和89.63%,而红茶干茶和茶汤的LDA判别率为92.92%和94.92%,高于绿茶的70.95%和73.75%;绿茶和红茶香气判别分类效果LDA优于PCA,两者基本将茶叶香气按产地、茶树品种、加工工艺、等级及贮存时间区分开。电子鼻应用于茶叶香气检测和判别要与茶叶感官审评、影响茶叶香气因素及其他茶叶香气检测方法相结合,才能更好地对茶叶香气的整体特征进行科学评价与合理鉴别。     

电子鼻结合化学计量法对羊奶中蛋白质掺假的识别

利用电子鼻结合化学计量法对羊奶中的蛋白质掺假进行定性和定量的研究。用电子鼻检测掺入了不同蛋白质物质的羊奶,采用主成分分析、线性判别分析对电子鼻响应值进行定性分析,采用线性回归分析、Fisher判别分析以及K-最邻近值分析对电子鼻响应值进行定量分析。结果表明:主成分分析和线性判别分析都能够区分不同类别的掺假样品。线性回归分析的决定系数为84.5%,表明回归方程估测可靠程度较高。Fisher判别分析的原始分类的正确率达到100.0%,交叉验证的正确率为98.2%,说明其预测结果较好。K-最邻近值分析对训练集的分类正确率达到95.1%,对验证集的分类正确率为97.1%,说明模型的预测结果良好。说明应用电子鼻技术检测羊奶中的蛋白质掺假具有一定的可行性。     

Multispectral image analysis approach to detect adulteration of beef and pork in raw meats

The aim of this study was to investigate the potential of multispectral imaging supported by multivariate data analysis for the detection of minced beef fraudulently substituted with pork and vice versa. Multispectral images in 18 different wavelengths of 220 meat samples in total from four independent experiments (55 samples per experiment) were acquired for this work. The appropriate amount of beef and pork-minced meat was mixed in order to achieve nine different proportions of adulteration and two categories of pure pork and beef. After an image processing step, data from the first three experiments were used for partial least squares-discriminant analysis (PLS-DA) and linear discriminant analysis (LDA) so as to discriminate among all adulteration classes, as well as among adulterated, pure beef and pure pork samples. Results showed very good discrimination between pure and adulterated samples, for PLS-DA and LDA, yielding 98.48% overall correct classification. Additionally, 98.48% and 96.97% of the samples were classified within a ± 10% category of adulteration for LDA and PLS-DA respectively. Lastly, the models were further validated using the data of the fourth experiment for independent testing, where all pure and adulterated samples were classified correctly in the case of PLS-DA, while LDA was proved to be less accurate.     

近红外光谱分析技术快速检测藕粉品质

目的 基于近红外光谱技术鉴别不同产地的藕粉样品与检测藕粉的掺假问题。方法 采集不同产地的藕粉样品的近红外光谱,在光谱预处理后采用相关系数法提取特征波长,以提取的特征波长变量构建偏最小二乘法-判别分析(partial least squares discriminant analysis,PLS-DA)、线性判别分析(linear discriminant analysis,LDA)以及支持向量机(support vector machine,SVM)模型,实现对不同产地藕粉的鉴别分析。同时,采集掺假地瓜粉、玉米粉、木薯粉的藕粉样品的近红外光谱,在样品类别已知情况下,运用K-Means聚类分析鉴别3种掺假类型的藕粉样品,在掺假类别未知下,运用基于局部密度判别的聚类算法进行判别。结果 以相关系数法提取的特征波长变量构建的PLS-DA、LDA和SVM三种模型对于不同产地藕粉样品的判别准确率均为100%。对于不同掺假类型的藕粉检测,在样品类别已知情况下,K-Means聚类分析能有效识别出掺假藕粉,识别精度为98.33%。在样品类别未知的情况下,基于局部密度判别的聚类算法可以有效识别出2%掺假率的藕粉样品。结论 近红外光谱技术能实现不同产地莲藕粉的快速鉴别,同时为隐蔽的藕粉掺假鉴别提供一种快速、高效、无损检测的分析方法,为藕粉的质量控制提供一定的理论基础。     

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。     

应用电子鼻对奶粉掺假快速检测的研究

利用由十个金属氧化物传感器组成的电子鼻对几种不同品牌的奶粉和掺入其他物质的奶粉样品分别进行了测量,并通过PCA和LDA法对数据进行了统计分析。数据分析显示所建立的奶粉电子鼻模型能够用于识别不同品牌的奶粉样品,同时电子鼻也能够鉴别奶粉是否有其他物质的掺入。另外基于电子鼻的灵敏性,其对于奶粉中掺入物的浓度也有一定的鉴定能力。研究结果表明电子鼻技术应用在奶粉掺假的快速检测上是可行的。     

Simultaneous detection for adulterations of maltodextrin,sodium carbonate,and whey in raw milk using Raman spectroscopy and chemometrics

To achieve rapid on-site identification of raw milk adulteration and simultaneously quantify the levels of various adulterants, we combined Raman spectroscopy with chemometrics to detect 3 of the most common adulterants. Raw milk was artificially adulterated with maltodextrin (0.5–15.0%; wt/wt), sodium carbonate (10–100 mg/kg), or whey (1.0–20.0%; wt/wt). Partial least square discriminant analysis (PLS-DA) classification and a partial least square (PLS) regression model were established using Raman spectra of 144 samples, among which 108 samples were used for training and 36 were used for validation. A model with excellent performance was obtained by spectral preprocessing with first derivative, and variable selection optimization with variable importance in the projection. The classification accuracy of the PLS-DA model was 95.83% for maltodextrin, 100% for sodium carbonate, 95.84% for whey, and 92.25% for pure raw milk. The PLS model had a detection limit of 1.46% for maltodextrin, 4.38 mg/kg for sodium carbonate, and 2.64% for whey. These results suggested that Raman spectroscopy combined with PLS-DA and PLS model can rapidly and efficiently detect adulterants of maltodextrin, sodium carbonate, and whey in raw milk.     

电子鼻对芝麻油掺假的检测

使用电子鼻系统PEN3 对芝麻油中掺入大豆油、玉米油、葵花籽油进行检测分析,分别对芝麻油中不同量的掺假进行辨别,用主成分分析(PCA)和线性判别式分析(LDA)两种方法分析。结果表明：电子鼻能够较好的识别芝麻油掺假不同比例的大豆油、玉米油和葵花籽油,而且LDA 方法比PCA 方法的效果好。PCA 方法对掺入大豆油、玉米油超过50% 和葵花籽油超过70% 的芝麻油能明显区分,而LDA 方法对芝麻油中掺入不同量的大豆油、玉米油和葵花籽油均能明显区分。     

电子鼻鉴别核桃油中掺入大豆油、菜籽油及玉米油研究

为了快速简便地鉴别核桃油掺伪,利用电子鼻技术鉴别核桃油中掺入大豆油、菜籽油及玉米油,并采用主成分分析(PCA)和线性判别式分析(LDA)对结果进行分析,研究表明:采用PCA方法可以鉴别核桃油掺入大于20%大豆油、7%菜籽油和7%玉米油;采用LDA方法可以鉴别核桃油中掺入大于1%大豆油、1%菜籽油和7%玉米油,LDA方法比PCA方法能更加有效地鉴别核桃油中掺入大豆油、菜籽油和玉米油的现象。电子鼻技术可以作为鉴别核桃油掺假的一种快速简便的检测技术。