食品掺假检测方法

.食品混入检测方法研究进展，张健，一，为什么混入检测二，混入检测三，实例四，国内外仪器检测技术研究进展五，国内外软件分析技术研究进展一，为什么实施混入检测，生产企业：品牌保障，经济保障消费者：安全保障，经济保障监督部门：依法保障，二， 众所周知，是实施混入检查还是混入物的检查可以通过通常的检查来操作(例如三聚氰胺、合成色素、瘦身精等)，通常的检查无法操作(例如食品中原有的成分)未知的混入物的检查无法通过通常的检查来操作，解决办法：用先进的分析仪器准确地定量食品中的多种成分，并基于此，实例，ANOVA，PCA， sipprincipalcomponentswitheigenvaluesherthan1(Kaiserrule ) thataccountedforonly 70.7 % oftotalvariance wereconsideredcertificatent principal components1(pc1 ) and2(pc2 ) accounted for 24.1 % and 18.1 % resectively offthetotalvariability.cabernetsauvignonwinescanbedescrity v9andv7，merotwineswereassicatwiththeattribtesv 20，v10，v3，v24，v16 v2andv25，andcabernetgernischwinesassociatedwithigherconentsofter SLDA，theresultshaveshortwithonly 11 (v 2，v3，v6，v7，v11，v17，v18) v24，v25，v 27 nddv 28 ) of the 19 initial variables， itispossibletodifferentiatedwinesobtainedfromthethreedifferentities.onlythetwoirstdiscriminantfunctionsarestatisticallysigncers dvalues )，explaing 100 % off variability (71.6 % and 28.4 % resectively ).thecoefficientsofthevariablesinthetworstdiscriminantfunctions (Taal ) revealwhichvariableshaveagreaternfluennthose . therecognitionability accordingtotheaposterioriprobabilityswasof 100 % foralltheconsic diction ability (表3 ) was 100 % forcabernetsauvignonandcabiernetgernischwines，butonly92.31%forMerlotwines . thregrousprepresentingacavarityofwinecanberryobserved . identicationofdiscriminantvolatilecompounds.Applicabilitytest.Conclusion.示例说明、1、食品混入假鉴别不容易2、食品混入假鉴别具有某些特征的成分(例如，挥发性成分)。 酚类物质、同位素比率、光谱吸收、DNA、蛋白质光谱等)需要测定3，食品掺伪鉴别常需要适当的化学计量学方法。三、特征成分检测技术的研究进展1、Spectroscopictechniques2、Chromatographictechniques3、Electronicnose4、DNA-basedtechnology5、immunological technol 热技术、 1、spectroscopictechniques (1) mirandanirspectroscopy (2) Raman spectroscopy (3) NMR spectroscopy (4) snif-nmranirms (3) fluorescent eruv-vis spectroscopy (1) mirndnirspectroscopymir:4000400 cm-1，molecularbendsnir:140004000 cm-1，complementstructractracture 非离散背光聚合物半固态，employedchemometricanalysis，(2)Ramanspectroscopy的特点：对碳碳双键、碳或碳氮三键敏感，对水不敏感报道很少，例如植物油和蜂蜜的混合物。 (3)NMRspectroscopy13CNMR鉴定脂肪酸组成，区别牛奶和牛奶。 1HNMR区分不同品种的咖啡。 应用少，设备昂贵，操作复杂。 (4)SNIF-NMRandIRMSIRMS:同位素比质谱仪可以进行少量样本的同位素测量和划分，以准确测量同位素含量的SNIF-NMR:点特异性天然同位素分馏核磁共振技术可以确定同位素在分子中的具体位置。 这些是目前国际上通用的两种同位素比测量技术，这两种技术的并用可以得到多元素多方位的信息，解决了更复杂的掺假问题。 原理与应用：原理：在人工、天然和生物合成过程中，产物分子具有特殊的同位素比率，即所谓的“同位素符号”。生命科学中常用的是13C/12C、18O/16O、2H/1H、15N/14N，已经成功地进行了许多食品混入检测，是最可靠的检测方法之一。13c/12c:dependntonplantsphysiologyc3plants : cerealsandsmostfruits， use the calvine-bensonpathwaytofixeco2C4 plants : maize (corn )和sugar cane usethehatche-slackpathwayc3plantsfixco2andincorporateless 添加蔗糖、玉米糖化液和玉米果糖浆。 解决方案： IRMS检测CO2添加甜菜糖，如何检测？ 解决方案： SNIF-NMR技术可检测乙醇分子在特定位置重氢的相对浓度。 这种不同植物来源的糖会影响发酵后酒精分子中氘的分布。 研究表明，葡萄酒乙醇分子中甲基(D/H )的含量很大程度上取决于发酵糖的重氢含量，代表糖的植物来源，因此利用核磁共振技术分析了乙醇分子中不同部位2H的含量、实例、18O/16O :通过蒸腾作用，植物中的重同位素变得丰富，植物本身水分子中18O/16O的含量高于自来水、地表水，在酿造期间加水的话，其18O/16O的比率下降，因此通过测定葡萄酒中水分子的18O/16O的比率目前，测量18O/16O比值主要利用IRMS技术。 同位素比质谱仪通过测定CO2中离子质量m/z46(12C16O18O )和m/z44(12C16O16O )的比率的变化，判断水中的18O/16O同位素的含量. 可用于有机食品和一般食品的检查。(5) fluorescendanuvvispectroscopyguimet，f .Ferre，j .Boque，r . k平均聚类法是假定分类数k，任意选择k个点作为初始聚类点，逐个计算其他样本与k个类的重心之间的距离，将距离最小的编入类中，重新计算各类的重心，将其重心作为新的凝聚点，直到各样本被分类为止.判别分析(DA )、判别分析是有监视的模式识别方法，需要在已知类别的样本集中训练，得到判别模型，对未知样本进行类别判定。 判别分析的示例性方法是线性判别(LDA )、k -最近邻(KNN )、简单分类算法(SIMCA )、人工神经网络(ANN )、支持向量机(SVM )。LDA的目标是寻找最能分离2种样本的投影直线，以投影后的样本类别间的离散度与样本类别内的离散度之比最大的形式选择线性变换矩阵。 如果KNN方法的构思是：其中一个样本属于特征空间内的k个最类似样本(即，在特征空间中最接近特征空间)的若干类，则这些样本也属于此类。 在类别确定中，此方法仅基于最接近的样本中的一者或一者以上的类别来确定待归类的样本所属的类别。SIMCA分类法是一种基于主成分分析的识别方法，其基本思路是利用主成分分析的结果得到样本分类的基本印象，对各种样本创建各自的类模型，使用这些类模型来判别分析未知样本，判断其属于哪个类、人工神经网络(ANN )又称神经网络，由于其自我学习、高容错性和高度非线性描述能力等优点，应用于各个领域。 人工神经网络还可分为反向传播神经网络(BackPropagationnetwork )、径向基人工神经网络(RadialBasisFunctionnetwork )和自组织人工神经网