一、真假鱼粉实用快速鉴别技术(论文文献综述)
王文君[1](2019)在《物种特异性和保守性DNA序列筛选及其在畜产品种源成分鉴定中的应用》文中认为动物源性成分是一类来源于动物具有种属代表性的物质,可以是核酸、蛋白,也可以是各种脂类和小分子物质等。近年来,各种畜产品的掺假掺杂事件层出不穷,欧洲―马肉风波‖、中国―假羊肉事件‖等肉类掺假事件,饲料中非法添加反刍动物成分引起的疯牛病全球性传播等,这些畜产品安全问题严重影响肉类市场秩序和畜牧业的健康发展。对食品和饲料中动物源性成分的定性、定量检测是解决这一问题的重要技术手段。目前主要的检测方法是基于线粒体DNA(mtDNA)的PCR方法。然而,由于mtDNA在组织和个体间的拷贝数差异和碱基高变异性,使其易出现假阴性检测结果,且难以实现准确的定量,因而迫切需要筛选新的物种特异性的DNA序列。此外,肉类掺假检测中多物种通用内参的缺乏或保守性差等问题也影响畜产品定量检测的准确性。本研究利用动物全基因组序列和转录组信息,通过比较基因组学分析策略分别筛选物种特异性核DNA序列和多物种保守的核DNA序列,建立肉和饲料中多种动物源性成分的定性、定量检测方法。为满足畜产品安全监管部门对动物源性成分鉴别的系统化、多元化、快速化的迫切需求提供技术支撑。取得的主要结果如下:1.物种特异性DNA序列的筛选及其分子特征分析为了获得新的物种特异性DNA序列,本研究基于物种的全外显子序列,以独创的动态E-value结合Identity%、Quary-cover%为筛选条件,通过与Nt数据库、非目标物种基因组和目标物种基因组的3次本地BLASTN序列比对分析,根据物种的分类地位,在11个科的19个物种中筛选各物种特异性外显子。随后,将各物种的特异性外显子分为完全特异的外显子序列(CESS)和部分特异的外显子序列(PESS),并对其进行分布、结构和序列特征的分析发现:物种的特异性外显子占物种总外显子的比例很低,且与染色体的大小无关。其中的CESS主要分布在CDS区,且序列内部含有大量重复元件;长度较短的、高GC含量的外显子更易发生片段的完全缺失或增加,且其形成与序列上下游的同向重复序列以及序列内部的短重复序列有关。进一步利用各物种特异性DNA序列设计引物,并在19个物种中进行PCR检测,验证了序列和引物的物种特异性,实验结果说明筛选的物种特异性DNA序列可作为种源成分检测的靶标。2.基于物种特异性DNA序列建立肉制品及动物源性饲料中种源成分的定性PCR检测方法为了解决种源检测中靶序列单一匮乏、特异性和保守性差等问题,基于筛选获得的物种特异性DNA序列,建立了肉制品中牛、羊、猪、鸡和鸭源性成分的定性PCR检测方法。通过在线BLAST和ClustalW多序列比对分析,将物种特异性DNA序列分别与包含动物、植物和微生物在内的4个界、11个纲、21个目、36个科、47个属的53个代表性物种的参考基因组进行序列比对分析,发现各序列均具有高度的种间特异性和种内保守性。通过物种特异性引物设计并进行反应体系、反应条件优化,建立了5个物种5对引物相同反应程序(退火温度均为60℃)的PCR检测方法,实现了肉中牛、羊、猪、鸡、鸭成分的同时检测。所建立的PCR检测方法在19个物种中进行验证,结果表明5个物种的种源检测PCR方法具有高度的物种特异性,仅在目标物种中具有扩增产物,其他物种中无任何产物;同时利用5个物种的44个个体进行PCR扩增都得到预期的扩增产物,通过对PCR产物进行测序,在同一物种中的序列具有一致性,说明这些物种特异性序列在物种内具有高度的保守性。所建立的PCR检测方法,灵敏度均可达到0.5ng。进一步对牛肉、羊肉、猪肉、鸡肉和鸭肉的熟肉制品进行检测,得到与产品种源成分一致的检测结果,说明本方法可用于加工肉食中种源成分的检测。针对疯牛病的饲料源性传播问题,筛选了牛科特异性基因TAF4,该基因在牛和羊中存在18bp片段差异,针对该差异片段设计一对牛羊通用引物,但扩增产物大小不同,通过一次PCR反应即可同时检测和鉴别牛(125bp)、羊(107bp)源性成分,并在23个物种中表现出高度的物种特异性。对牛(黄牛、牦牛、瘤牛、水牛)、羊(绵羊、山羊)不同品种进行PCR扩增和测序比对分析,结果表明该序列在牛、羊中都分别具有高度保守性。所建立的PCR检测方法,灵敏度可达到0.2ng DNA。最后,对5份委托制作的动物源性饲料的检测结果说明该方法具有检测饲料样品中牛、羊源性成分的能力,具有重要的应用价值。3.筛选哺乳动物和鸟类中高度保守的单拷贝序列作为多物种通用内参并建立定量检测方法定量检测是对畜产品掺假情况进行准确评估的一个重要方法。而可靠有效的定量内参是解决这一问题的前提。本文从全基因组水平出发,利用11个科的13个哺乳动物和鸟类物种的外显子数据,通过比较基因组学和生物信息学方法筛选了在哺乳动物和鸟类中同源率>95%的高度保守的核DNA序列,并在保守区设计了多物种通用引物。通过在18个动物物种基因组中试验验证发现,该序列具有高度保守性、且为单拷贝序列。基于多物种定量内参,进一步建立和优化了一种种源成分定量检测方法,相对误差(R.E.)和相对标准偏差(R.S.D.)均小于25%。并通过引入基因组当量(GE)和校正系数k的概念,实现了DNA混合样品中牛、兔、狗、狐、貂成分的更加精准的定量检测。为畜产品中种源成分的准确定量提供了可靠的多物种通用的定量内参和检测方法。4.基于多物种通用内参建立肉制品中多种动物源性成分的多重定量检测方法针对欧洲―马肉风波‖问题,结合牛、马的特异性DNA序列和多物种通用内参,建立了牛(223bp)、马(197bp)和动物(129bp)源性成分的三重定性和定量检测方法;针对我国―假羊肉事件‖,结合羊、狐、鼠的特异性DNA序列和多物种通用内参,建立了羊(237bp)、狐(211bp)、鼠(160bp)源性成分的多重定性和定量检测方法。所有物种特异性序列均与包含动物、植物、微生物在内的53个物种的参考基因组进行BLAST和ClustalW序列比对,并在碱基差异区设计物种特异性引物和探针。利用普通PCR和TaqMan荧光PCR在多个物种DNA中对序列、引物和探针的特异性进行验证,并进而验证了各物种特异性序列均为固定拷贝数的序列。多重PCR体系的建立说明各组引物和探针之间不存在交叉互作,确保了单一体系中多种种源成分的同时检测和定量。保守性试验表明各物种特异性序列和引物在各自目标物种内的高度保守性。灵敏度检测结果表明检出限(LOD)为0.05ng DNA,定量限(LOQ)达5%。并通过构建各物种特异性序列和内参序列的标准曲线,建立了GE与Ct值的计算关系,对多组DNA混合样品和不同质量比的混合肉样品进行多重定量检测,R.E.和R.S.D.均小于25%,表明所建立的多重定量检测方法的具有良好的检测准确度和精确度。本研究利用比较基因组学方法筛选物种特异性核DNA序列用于种源成分检测;筛选保守性核DNA序列作为多物种定量内参。进而建立了肉和饲料中牛、羊、猪、马、鸡、鸭、狐等多种种源成分的定性和定量检测方法,为种源成分检测提供了相应的方法和候选素材,为食品和饲料安全提供重要的技术支撑。
潘圆媛[2](2012)在《辣椒品质傅立叶近红外光谱无损检测研究》文中研究说明辣椒的营养成分丰富,尤以维生素C(Vc)含量高居各类蔬菜榜首。辣椒既可鲜食、调味,也可入药,具有重要的经济价值和食疗保健作用。随着消费者对于辣椒的关注度不断提高,为辣椒品质寻找一种快速无损检测方法已成为厂家、商家以及消费者各方面的共同要求。本研究以鲜辣椒和辣椒粉为研究对象,利用傅立叶变换近红外光谱分析技术和化学计量学分析方法,开展鲜辣椒中可溶性固形物(SSC)、维生素C(Vc)的定量检测;辣椒粉及掺杂物傅立叶变换近红外(FT-NIR)分类鉴别研究,并在此基础上建立掺杂物含量快速检测的傅立叶变换近红外光谱检测数学模型。主要研究内容和结果如下:①论文分别对鲜辣椒的可溶性固形物和维生素C无损检测光谱预处理方法、有效波段选择方法和校正模型建立方法进行实验研究。实验通过鲜辣椒样品的漫反射光谱预处理方法对比分析,得出对SSC,经1st D+MSC预处理后获得的校正模型较理想;对Vc,经SNV预处理后获得的校正模型较理想。通过预处理后光谱进行波段选择方法对比分析,得出对SSC和Vc而言,蒙特卡罗无信息变量消除(MC-UVE)方法均优于间隔偏最小二乘法(iPLS)、连续投影算法(SPA)及遗传算法(GA)。采用优化后光谱为输入,通过建模方法对比分析,得出对SSC而言,偏最小二乘(PLS)结合MC-UVE(MC-UVE-PLS)模型的预测效果优于主成分析结合最小二乘支持向量机(PC-LS-SVM)和MC-UVE结合LS-SVM (MC-UVE-LS-SVM)模型,其验证相关系数rp为0.987,验证均方根误差为0.274oBrix;而对Vc,MC-UVE-LS-SVM模型的预测效果优于MC-UVE-PLS和PC-LS-SVM模型,其验证相关系数rp为0.911,验证均方根误差为19.271mg/100g。②论文通过对未知样品的预测,对优化后模型进行精度评价。利用优化模型对预测集的27个未知样品进行预测,结果为:对SSC,其预测相关系数rp为0.971,预测均方根误差为0.382oBrix。而对Vc,其预测相关系数rp为0.899,预测均方根误差为21.022mg/100g。结果表明,FT-NIR光谱检测技术可用于鲜辣椒可溶性固形物含量(SSC)及维生素C(Vc)的定量分析。③论文探讨了不同分类方法在辣椒粉、常见掺杂物及掺杂混合物分类中的应用。分别采用判别分析(DA)、簇类独立软模式分类法(SIMCA)、偏最小二乘法判别分析(PLS-DA)对校正集建立判别模型,并对比不同建模波段及不同的光谱预处理方法对每种定性判别分析方法的判别能力的影响。结果表明,采用DA、SIMCA及PLS-DA三种分类方法,均可有效的对纯辣椒粉与其它三种纯掺杂物粉进行区分。然而,在鉴别掺杂后的混合物时,只有PLS-DA和SIMCA两种方法比较适合,而DA方法校果不明显,且PLS-DA的鉴别能力更强,能够发现更低的掺杂比例的掺杂混合物,其rc为0.989且只有2个掺锯屑混合物被误判成辣椒类。④论文建立了掺杂物含量快速检测的傅立叶变换近红外光谱分析定量数学模型。以所制混合物的比例值为相应的浓度值,建立各种混合物的定量模型。对比不同建模波段、不同的光谱预处理方法及不同建模方法对定量模型精度的影响。结果显示,对掺陈皮辣椒粉中陈皮含量,采用106007500cm-1波段光谱通过SNV预处理,并采用PC-LS-SVM所建立的模型最佳,rp为0.997,RMSEP为0.486%。对掺锯屑辣椒粉中锯屑含量,采用全波段光谱通过SNV预处理,并采用PLS所建立的模型最佳,rp为0.977,RMSEP为0.872%。对掺红砖辣椒粉中红砖粉含量,采用全波段光谱通过SNV预处理,并采用PLS所建立的模型最佳,rp为0.988,RMSEP为0.631%。结果表明,其应用傅立叶变换近红外光谱技术结合化学计量学方法以可以实现掺杂辣椒粉中掺杂物含量的快速检测,取得了较满意的预测精度。
吕二盼[3](2012)在《动物源性食品中各种动物源性肉及肉制品鉴别检验的研究》文中研究说明近年来,动物源性食品掺假、过分添加各种添加剂、使用非食用性原料和成分等各种食品安全问题不断出现。因此,建立快速、准确的检测方法,对食品进行动物源性成分鉴定已经成为一个备受关注的问题。本试验开展了多重PCR技术鉴别检测肉食品中动物源性成分的研究,通过分子生物学手段,研究各类动物源性肉及肉制品的特异性基因,借助聚合酶链式反应的特性,来达到对相应的动物源性肉及肉制品定性和定量检测的目的。用KI法、氯仿-醋酸钠法、酚仿抽提法、试剂盒法和FTA滤膜法5种提取方法分别对新鲜动物组织进行基因组DNA提取,通过1%琼脂糖凝胶电泳检测,所获基因组DNA均呈现亮带,背景清晰,电泳条带整齐均匀,完整性好。用同等样品,KI法和氯仿-NaAc法提取效果最好,试剂盒法次之。紫外分光光度计所测OD260nm/OD280nm值在1.701.93,浓度为0.12.0μg/μL,提取的DNA无RNA和蛋白质或酚的污染。试验过程中通过对Taq DNA聚合酶、dNTPs浓度、Mg2+浓度、引物、循环参数、反应温度、反应时间等参数的优化,确定了PCR的反应体系和反应程序。鸭和猪(引物1)单重PCR反应体系为:预混液25μL,引物终浓度为0.2μmol/L,模板0.5μg,用ddH2O补足体系50μL。鸭成分PCR反应条件为:94℃预变性5 min;94℃变性30 s,56℃退火40 s,72℃延伸60 s,35个循环;最后于72℃延伸5 min。猪成分PCR反应条件为:94℃预变性1 min;94℃变性60 s,54℃退火30 s,72℃延伸30 s,35个循环;72℃延伸5 min。鸭肉DNA扩增后在226 bp位置有明亮条带,猪肉DNA扩增后在149 bp位置有明显亮带,与预期目的条带大小一致,空白对照无条带产生,无非特异条带。KI法最低检出限为0.005%,氯仿-NaAc法检出限为0.01%,试剂盒法检出限为0.1%.鸭和猪(引物1)双重PCR反应体系为:预混液25μL,鸭引物各2μL,猪1引物各0.5μL(引物浓度为20μmol/L),鸭模板1μg,猪模板0.5μg,用ddH2O补足体系50μL。反应条件为:94℃预变性5 min;94℃变性30 s,56℃退火40 s,72℃延伸60 s,35个循环;72℃延伸7 min。结果可同时扩增出两个清晰条带,位置与目的条带一致。用牛、山羊、绵羊、猪、鸡、马、鹿、兔8种动物相应的特异性引物进行多重PCR扩增,从不同物种扩增得到片段大小各不相同的PCR产物。PCR反应体系为:预混液25μL,混合引物6.5μL,模板0.5μg,用ddH2O补足体系至50μL。反应程序为:94℃预变性4 min;94℃变性30 s,58℃左右退火30 s,72℃延伸30 s,35个循环;72℃延伸4 min。经过反复试验,当引物的混合比例为通用上游:牛:山羊:绵羊:猪2:鸡:马:鹿:兔=1:2:3:0.5:1:0.6:2:1.5:1.8(1代表20 pmol/50μL)时,扩增效果最为理想。此方法能同时扩增出8种动物的特异性条带,检测灵敏度达到0.01%.实际样品的检测结果表明,自行混合的引物完全能够扩增出不同种类肉品相应的特异DNA片段,可应用于熟肉制品进行真伪鉴别及掺假成分的判断。本试验建立的方法特异性强、灵敏度高、快速和操作简便,为快速检测食品中动物源性成分构建了一个技术平台,能作为一种推荐性方法被质检部门推广应用。
梁晶[4](2011)在《基于近红外光谱的潲水油快速鉴别方法研究》文中研究表明潲水油是从餐饮业收集潲水经过脱水、脱渣、脱色和脱臭等过程提炼出来的油脂。潲水油可用来加工成工业油脂或有机燃料,但绝不可用作食用油,近年来,食用油掺假的屡禁不止也使得食用油的安全问题日益成为公众关注的焦点。目前市场对潲水油的快速鉴别有迫切的需求,在这种背景下,本文研究了基于近红外光谱的潲水油快速鉴别方法。本文的主要研究内容如下:1、收集了82份食用油样品,采用常规方法鉴别出潲水油样品有37份,合格食用油样品有45份。采用德国BRUKER公司MATRIX-F型傅里叶变换近红外光谱仪对82份样品进行了全谱段的光谱采集。2、研究了基于DPLS的潲水油近红外光谱鉴别方法,并通过数据规范化的预处理方法优化DPLS模型。该方法能较准确地判别油样品是否是潲水油。3、研究了基于SVM的潲水油近红外光谱鉴别方法,采用S型内核函数的支持向量机建立SVM鉴别模型,并针对穷举法在SVM参数选择上的缺陷,使用遗传算法对支持向量机的参数进行选择,获得较佳参数,使所建立的模型能够快速、准确地判别样品的类别。4、研究了基于PCA-BP神经网络的潲水油近红外光谱鉴别方法。针对作为BP网络输入的光谱数据点数过多的问题,采用主成分分析法提取光谱数据的主成分,从而减少输入的神经元数;针对隐含层的节点数的确定问题,分别采用6种BP神经网络训练算法对所建网络进行训练,并比较最终鉴别结果,确定最终的训练算法,从而获得最优的神经网络结构,建立BP神经网络潲水油鉴别模型。5、比较了DPLS, SVM和PCA-BP三种方法建立的潲水油鉴别模型的性能。在选用相同光谱、仪器,相同的校正集(训练集)与测试集的条件下BP-ANN方法建立的模型要优于DPLS和SVM方法建立的模型,鉴别正确率达到94.8%。研究表明,基于近红外光谱的潲水油快速鉴别机理上是可行的,方法上是有效的。
陆月青[5](2007)在《近红外光谱分析技术在饲料分析中的应用研究》文中指出饲料原料的品质是保证饲料产品质量与安全的根本,为了能快速有效地控制原料的品质,本课题采用近红外光谱(NIRS)快速检测的方法,收集了49个纯鱼粉样品,按1%、5%、9%的比例分别向纯鱼粉样品中掺入了尿素、豆粕、麦麸和菜粕,制成12个假鱼粉,市面上售有的4个掺假鱼粉,50个豆粕样本和50个麦麸,分别在950~1650nm范围内进行近红外光谱扫描,采用不同的光谱处理方法分别进行了鱼粉的掺假判别、豆粕尿素酶活性及鱼粉、豆粕、麦麸常规化学成分的近红外光谱定量分析模型的建立,结果如下:1、先用主成分回归(PCR)对56个鱼粉样品(44个纯鱼粉及12个自制的掺假鱼粉)进行分析,可以明显地区分纯鱼粉与掺假鱼粉。由此可知,近红外光谱法可作为鉴别鱼粉的一项新技术。再在此基础上,采用PCR结合马氏距离(Mahalanobis)法,用44个纯鱼粉样品创建了近红外光谱模型,验证结果表明,采用标准化(SNV)处理方式建立的模型在9主成分数下对验证集样品进行预测,误辨数为0,验证效果最好。2、采用一阶导数(SG1)+附加散射(MSC)+中心化(mean center)预处理方法,用偏最小二乘法(PLS)建成了豆粕尿素酶活性测定的校正模型,其校正决定系数R2为0.916,定标标准差(SEC)为0.045,外部验证决定系数R2为0.926,预测标准差SEP=0.035,测量重复变异系数为0.09。结果基本达到了定量分析的要求。3、用偏最小二乘(PLS)定标方法,结合中心化、多元散射、导数处理的方法,对豆粕样品化学成分建立了的定标模型,定标集化学分析值与NIRS预测值之间的决定系数R2和标准差RMSEC分别为:0.9695和0.117(水分),0.9755和0.338(粗蛋白),0.9507和0.271(粗脂肪),0.845和0.076(粗灰分)。0.9384和0.267(粗纤维)。用验证集样本对NIRS定标模型进行了检验,其预测值与化学分析值之间的决定系数R2和标准差RMSEP分别为:0.9327和0.115(水分)、0.9533和0.313(粗蛋白)、0.9847和0.221(粗脂肪)、0.8541和0.078(粗灰分)、0.9009和0.248(粗纤维)。除粗灰分外,其它成分均达到了定量分析的要求。用同样的方法对鱼粉各化学成分建立了定标模型,定标集化学分析值与NIRS定标模型预测值之间的决定系致R2和交互验证标准差RMSECV分别为:0.9559和0.216(水分),0.9651和0.386(粗蛋白),0.9421和0.288(粗脂肪),0.8899和0.249(钙),0.9553和0.085(磷),0.9235和0.135(盐分)。用验证集样品对NIRS定标模型进行了检验,其预测值与化学分析值之间的决定系数R2和标准差RMSEP分别为:0.9395和0.314(水分),0.908和0.827(粗蛋白),0.9101和0.613(粗脂肪),0.8353和0.474(钙),0.83和0.294(总磷),0.9238和0.393(盐分)。除钙、磷验证效果稍差之外,其它成分均达到了定量分析的要求。用相同的处理方法对麦麸样品各化学成分建立了定标模型,定标集化学分析值与NIRS定标模型预测值之间的决定系数R2和交互验证标准差RMSECV分别为:0.9701和0.101(水分),0.9572和0.123(粗蛋白),0.9304和0.109(粗脂肪),0.9814和0.129(粗纤维),0.9582和0.105(粗灰分)。用验证集样品对NIRS定标模型进行了检验,其预测值与化学分析值之间的决定系数R2和标准差RMSEP分别为:0.9477和0.142(水分),0.9517和0.148(粗蛋白),0.8935和0.133(粗脂肪),0.9579和0.161(粗纤维),0.8833和0.114(粗灰分)。各成分定标结果均达到了定量分析的要求。
杨海锋[6](2007)在《植酸酶产品近红外指纹图谱库的构建与应用研究》文中研究指明伴随着生物学、发酵工程等基础学科和应用技术的飞速发展,具有高效、强特异性生理功能的生物酶制剂已成为新型饲料添加剂的研发焦点,其生产使用规模也不断扩大。针对生物制品安全风险具有隐蔽性强、潜伏期长和危害性大等特点,如何确保和提高饲用酶制剂的安全水平,以及如何科学利用饲用酶制剂显着提升饲料工业和畜牧业生产效益空间、推动饲料工业和畜牧业可持续健康发展的技术优势已成为亟待解决的问题。本论文主要收集来自同一生产企业的植酸酶产品,其中喷雾干燥植酸酶样本134个和吸附干燥植酸酶样本121个,在950-1650nm谱区范围内,对试验样本进行了近红外光谱扫描,通过构建植酸酶的近红外光谱指纹图谱库,以及利用其建立的植酸酶产品真伪鉴别模型、植酸酶酶活和水分预测模型,研究探索将近红外光谱指纹图谱库引入植酸酶质量安全管理,发现其不仅利于生产者提高产品质量的稳定性和保护产品品牌,而且利于管理者建立高效的植酸酶可追溯管理体系,确保提高市场植酸酶整体安全水平。同时,本论文还利用高效液相色谱、差示扫描量热仪,以及设计开展植酸酶喷雾干燥实验、恒温恒湿储藏实验,研究分析了不同植酸酶产品的成分组成和功能特性,进一步探讨了植酸酶的近红外光谱信息与监控植酸酶质量安全水平和鉴别区分植酸酶产品的关键指标之间的关系。具体研究结果如下:(1)研究建立了能够清晰区分不同生产企业、不同产品形式植酸酶产品的近红外光谱指纹图谱库,为植酸酶产品的真伪鉴别和品牌保护提供科学合理的技术方法;(2)利用主成分分析定性判别程序,在950-1650nm范围内提取来自不同生产企业,不同形态的植酸酶产品的漫反射近红外光谱的主成分,取主成分1和主成分2作二维图。结果表明,在不同的模式中,前两个主成分对信息量的累积贡献率均在90%以上;相同生产企业,相同形态的植酸酶产品均能很好的聚为一类;采用主成分分析(PCA)所建立的喷雾干燥和吸附干燥植酸酶定性判别模型对15个未知样品进行判别,准确率均达到100%,说明应用主成分分析所建立的定性分析模型可用来定性判别植酸酶产品的真伪,通过马氏距离法结合设定相应的阈值,还可以对其产品质量的好环和稳定性作进一步的判别。(3)在最优的波数范围内,选择MSC做散射校正处理、一阶导数和平滑组合为光谱预处理方法,采用内部交互验证法验证,根据定标集交互验证的标准差RMSECV值,确定了最佳主因子数,采用偏最小二乘法回归的方法(PLS-1)从而建立了植酸酶酶活的NIRS定量分析模型。植酸酶酶活的化学分析值与NIRS定标模型预测值之间的决定系数R2达到0.90以上,相对标准差RSD均小于10%,相对分析误差RPD大于3。喷雾干燥植酸酶的决定系数R2为0.937,相对标准差RSD为5.23%,相对分析误差RPD为3.64;吸附干燥植酸酶的决定系数R2为0.926,相对标准差RSD为6.21%,相对分析误差RPD为3.45。结果表明,利用近红外光谱分析技术能够准确地检测喷雾干燥植酸酶和吸附干燥植酸酶酶活含量。(4)建立了快速跟踪喷雾干燥加工、储藏过程中植酸酶质量变化的近红外光谱分析方法。
黄凌霞[7](2007)在《基于光谱技术的蚕桑相关特性数字化研究》文中研究表明数字农业已经成为21世纪农业信息化发展战略的支撑技术。它从农业生产、农业管理以及农业科学研究的实际出发,将各个环节准确定量并加以数字化,为全方位的农业科学管理、合理决策提供基础技术平台,为农业科学研究提供全新的定量定性研究方法。蚕桑业是我国的传统优势行业,但随着社会、经济和科技的高速发展,现正面临着科学化、信息化、高效化的挑战。光谱技术是实现数字化农业研究的重要技术,近年来在许多农作物的相关特性研究上取得了成功经验,但光谱技术在蚕、桑上的研究则未见报道。为此,本论文就光谱技术在蚕桑行业中的应用进行了一系列的研究与探索,为推进数字蚕桑奠定了一定的基础,取得的主要研究成果如下:(1)对所采用的SPAD502叶绿素仪在桑叶测量时不同叶位、不同品种的影响差异性做了统计分析,发现这两个因素对SPAD的测量结果有显着差异。(2)建立了9个品种桑叶的叶绿素含量与SPAD值之间的关系,并列出了方程。发现9个品种均呈正相关关系,说明采用SPAD仪可以用来对桑叶的营养状况做出简单判断,但是对于不同的品种,其具体数值需要进行校正。采用SPAD502研究了同一叶片、同一植株不同分支处SPAD值的分布情况,并采用ArcView3.2地理信息系统软件中的空间分析模块对其进行了形象、直观化的表达。结果表明,对于同一叶片,测量部位不同,SPAD值也不同;而对于同一植株的SPAD值则基本上遵循从低端向顶端减小的趋势。结合养蚕实际,对春、秋两季荷叶白品种确定的叶位进行了跟踪测量。分析了SPAD值在养蚕期间随生长的变化趋势。(3)根据几何学原理,对试验选用ASD公司的便携式可见-近红外光谱仪进行了参数分析。根据仪器高度、保存次数和扫描次数三因素下蚕种吸光度值的统计分析,发现不同的仪器高度下蚕种的吸光度有极显着差异,而保存次数和扫描次数则差异不显着,根据试验要求,选用了扫描30次,保存3次的参数,对不同蚕品种进行了鉴别,通过偏最小二乘法模型参数比较,发现该光谱仪对蚕种鉴别的高度以8cm为佳,为今后试验的开展选取最佳测试高度奠定了基础。(4)对采集过近红外光谱数据的蚕种样本进行孵化率分析。经过统计分析发现,经过光谱扫描后的样本孵化率与未扫描过的样本孵化率无显着差异。初步证明了近红外光对蚕种的生命力无显着性破坏,为利用该技术在蚕业生产和检验上的实际应用奠定了基础。(5)采用可见-近红外光谱仪对冷藏浸酸种和越年种进行了产地和品种的鉴别。从偏最小二乘法的建模参数来看,对产地的鉴别,冷藏浸酸种的校正模型相关系数在0.946以上,预测模型相关系数在0.872以上,越年种校正模型相关系数都在0.949以上,预测模型的相关系数在0.941以上,说明采用光谱技术可以鉴别蚕种的产地。同样地,对品种鉴别,冷藏浸酸种的校正模型相关系数在0.964以上,预测模型相关系数在0.938以上,而越年种的校正模型相关系数在0.966以上,预测样本模型相关系数在0.968以上,说明采用光谱技术可以鉴别家蚕蚕种的品种。这项研究结果为今后正确、无损、快速地鉴别蚕种的真伪以及是否产自优质生产基地做了基础工作。(6)跟踪调查了主要蚕品种在出库前不同发育阶段的近红外光谱反射特性。通过数学模型可以较准确地鉴别蚕卵的不同胚胎发育阶段,将蚕卵肉眼观察无法得到的胚胎发育状况做了数字化信息转化。对催青后的蚕卵发育情况进行日光谱跟踪测量,发现在不同的胚胎发育期,其光谱的特性也不同,可以通过数学建模加以判断,为日后检测催青胚胎是否正常发育提供了一种新方法。(7)初步建立了蚕、桑相关特性近红外光谱管理系统。系统分网络版和单机版,方便了科研和生产单位、个人的查询和使用,有利于推动近红外光谱技术在蚕桑行业的应用。
徐洁,钱爱萍,陈体强,饶秋华[8](2004)在《利用特征氨基酸组分分析与显微观察鉴别掺假鱼粉》文中指出通过显微镜检观察,发现两类掺假鱼粉中分别含有海泥颗粒或羽毛碎片等杂质。氨基酸分析结果表明,掺假鱼粉的氨基酸总量和蛋氨酸、赖氨酸、苏氨酸、色氨酸等必需氨基酸含量大幅度降低,造成氨基酸组分不平衡;掺入海泥的鱼粉中芳香族氨基酸——酪氨酸含量不到合格鱼粉正常值的1/4,而掺入羽毛粉的鱼粉,丝氨酸、胱氨酸、脯氨酸等含量反而比优质鱼粉的正常含量还要高。分析结果还表明,优质或合格鱼粉中检出丰富的牛磺酸(637.4~746.8 mg·hg-1),而掺假鱼粉中牛磺酸含量只有33.27~43.76 mg·hg-1,不到正常值的1/10,可以作为特征性指标成分进行鱼粉是否掺假的检测分析。采用氨基酸组分分析技术结合显微镜观察可以准确鉴别掺假鱼粉。
朱风华,朱连勤,李华[9](2001)在《真假鱼粉实用快速鉴别技术》文中研究表明
二、真假鱼粉实用快速鉴别技术(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、真假鱼粉实用快速鉴别技术(论文提纲范文)
(1)物种特异性和保守性DNA序列筛选及其在畜产品种源成分鉴定中的应用(论文提纲范文)
摘要 |
Abstract |
缩略词表(Abbreviation) |
第1章 前言 |
1.1 畜产品掺假现状 |
1.1.1 肉类掺假 |
1.1.2 饲料掺假 |
1.2 动物种源成分鉴定方法 |
1.2.1 感官鉴别 |
1.2.2 显微鉴别 |
1.2.3 理化检测法 |
1.2.4 免疫学检测 |
1.2.5 分子生物学检测方法 |
1.2.5.1 PCR-RFLP分析 |
1.2.5.2 RAPD-PCR |
1.2.5.3 物种特异性PCR |
1.2.5.4 荧光PCR |
1.2.5.5 多重PCR |
1.2.5.6 PCR-Sequence |
1.3 动物种源成分鉴定中靶序列的选择 |
1.3.1 线粒体DNA序列 |
1.3.2 核基因组DNA序列 |
1.4 物种特异性DNA序列的筛选方法 |
1.5 外显子可作为物种特异性DNA序列筛选的靶标 |
1.6 研究目的与意义 |
第2章 物种特异性DNA序列的筛选及其分子特征分析 |
2.1 材料 |
2.1.1 各物种序列数据 |
2.1.2 样品 |
2.1.3 数据库 |
2.1.4 主要仪器和设备 |
2.1.5 主要药品及试剂 |
2.2 方法 |
2.2.1 物种特异性DNA序列筛选 |
2.2.2 物种特异性DNA的特征分析 |
2.2.3 物种特异性DNA序列的测序验证和比对分析 |
2.2.4 利用物种特异性DNA序列模拟物种鉴定 |
2.2.5 物种特异性引物设计 |
2.2.6 DNA提取 |
2.2.7 种源成分检测的PCR方法 |
2.3 结果与分析 |
2.3.1 物种特异性DNA序列的鉴别 |
2.3.2 物种特异性DNA的分布和结构特征 |
2.3.3 物种间高GC含量的外显子在物种进化中更易发生片段增加/缺失 |
2.3.4 完全特异的外显子序列(CESS)中含大量重复元件 |
2.3.5 物种特异性外显子的形成机理分析 |
2.3.6 完全特异的外显子序列(CESS)可作为物种鉴定的分子标记物 |
2.3.7 物种特异性DNA可作为种源成分检测的靶标 |
2.4 讨论 |
2.4.1 物种特异性DNA序列筛选方法的创新性 |
2.4.2 物种特异性外显子序列的特征及形成 |
2.4.3 物种特异性DNA序列在种源鉴定中的应用 |
第3章 基于物种特异性DNA序列建立肉制品及动物源性饲料中种源成分的定性PCR检测方法 |
3.1 材料 |
3.1.1 样品 |
3.1.2 仪器 |
3.1.3 试剂 |
3.2 方法 |
3.2.1 样品制备 |
3.2.2 DNA提取 |
3.2.3 DNA序列的比对分析和物种特异性引物的设计 |
3.2.4 PCR体系和条件优化 |
3.2.5 普通PCR反应 |
3.2.6 特异性检测 |
3.2.7 保守性检测 |
3.2.8 测序验证 |
3.2.9 灵敏度测试 |
3.2.10 肉制品和动物源性饲料的检测 |
3.3 结果与分析 |
3.3.1 肉制品中牛、羊、猪、鸡、鸭源性成分的定性PCR检测 |
3.3.1.1 DNA序列的特异性和保守性分析 |
3.3.1.2 最佳反应体系和反应条件的确定 |
3.3.1.3 在19个动物物种中的特异性验证 |
3.3.1.4 在不同品种和个体中的种内保守性验证 |
3.3.1.5 PCR反应的灵敏度测试 |
3.3.1.6 市场中肉制品的抽检 |
3.3.2 一对引物一个反应鉴别动物源性饲料中的牛和羊源性成分 |
3.3.2.1 序列的特异性、保守性分析及跨物种特异性引物设计 |
3.3.2.2 最佳反应体系和反应条件的确定 |
3.3.2.3 物种特异性检测 |
3.3.2.4 灵敏度测试 |
3.3.2.5 科内保守性检测 |
3.3.2.6 测序验证和序列分析 |
3.3.2.7 动物源性饲料样品检测 |
3.4 讨论 |
3.4.1 用于种源成分检测的物种特异性DNA序列的特征 |
3.4.2 PCR方法对加工制品中种源成分的检测 |
第4章 筛选哺乳动物和鸟类中高度保守的单拷贝序列作为多物种通用内参并建立定量检测方法 |
4.1 材料与方法 |
4.1.1 外显子序列数据 |
4.1.2 样品准备和DNA提取 |
4.1.3 筛选多物种通用的DNA序列 |
4.1.4 多物种通用引物设计方法 |
4.1.5 普通PCR反应 |
4.1.6 荧光PCR方法 |
4.1.7 构建多物种通用引物的标准曲线 |
4.1.8 多物种通用序列的拷贝数验证 |
4.1.9 构建物种特异性引物的标准曲线 |
4.1.10 种源成分定量检测的计算方法 |
4.1.11 多物种混合DNA样品的定量PCR检测 |
4.2 结果与分析 |
4.2.1 筛选多物种通用的单拷贝核DNA序列 |
4.2.2 Lco R基因序列广泛存在于18个动物基因组中 |
4.2.3 Lco R基因序列在18个物种中均为单拷贝序列 |
4.2.4 利用多物种通用内参定量检测混合样品中的各动物源性成分 |
4.2.5 通过校正系数k提高混合样品中定量检测的准确性 |
4.3 讨论 |
4.3.1 多物种通用的定量内参的比较 |
4.3.2 校正系数k提高定量检测准确度 |
4.3.3 基于基因组当量的检测优势 |
第5章 筛选哺乳动物和鸟类中高度保守的单拷贝序列作为多物种通用内参并建立定量检测方法 |
5.1 材料 |
5.1.1 样品 |
5.1.2 仪器 |
5.1.3 试剂 |
5.2 方法 |
5.2.1 样品制备 |
5.2.2 DNA提取 |
5.2.3 筛选物种特异性序列 |
5.2.4 设计物种特异性引物和探针 |
5.2.5 普通PCR |
5.2.6 探针法荧光PCR |
5.2.7 标准曲线构建 |
5.2.8 定量检测 |
5.3 结果和分析 |
5.3.1 肉中牛、马源性成分的多重定性、定量PCR检测 |
5.3.1.1 牛、马物种特异性序列的鉴定 |
5.3.1.2 牛、马检测体系的的特异性验证 |
5.3.1.3 牛、马检测体系的种内保守性验证 |
5.3.1.4 牛、马检测体系的定性、定量灵敏度测试 |
5.3.1.5 牛和马的特异性序列均为固定拷贝数序列 |
5.3.1.6 多重定量PCR系统的建立和验证 |
5.3.1.7 在混合肉中牛、马源性成分的多重定量检测 |
5.3.2 肉中羊、鼠、狐源性成分的多重定性、定量PCR检测 |
5.3.2.1 羊、鼠、狐序列的特异性和保守性分析 |
5.3.2.2 特异性验证和拷贝数分析 |
5.3.2.3 种内保守性验证 |
5.3.2.4 多重PCR系统的建立和优化 |
5.3.2.5 多重定量PCR的灵敏度测试 |
5.3.2.6 构建羊、狐、鼠的定量标准曲线 |
5.3.2.7 羊、狐、鼠混合样品的多重定量PCR检测 |
5.4 讨论 |
5.4.1 定量检测靶序列的选择 |
5.4.2 特异性和保守性分析 |
5.4.3 质量比(w/w)与基因组当量比(GE/GE) |
5.4.4 多重定量PCR的优势 |
第6章 全文总结 |
6.1 本研究的主要结果与结论 |
6.2 本研究的创新点与特色 |
6.3 本研究的不足之处与下一步工作建议 |
参考文献 |
附录 |
攻读学位期间撰写论文题录 |
致谢 |
(2)辣椒品质傅立叶近红外光谱无损检测研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究的背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 蔬菜近红外光谱检测研究现状 |
1.2.1 国外研究进展 |
1.2.2 国内研究进展 |
1.3 粉末掺杂近红外光谱检测技术研究现状 |
1.3.1 国外研究进展 |
1.3.2 国内研究进展 |
1.3.3 国内外研究工作总结 |
1.4 研究内容与方法 |
1.4.1 研究目标 |
1.4.2 研究内容 |
1.4.3 主要研究方法 |
1.4.4 技术路线 |
1.5 本章小结 |
第二章 近红外光谱分析技术概述及设备 |
2.1 近红外光谱分析原理 |
2.2 近红外光谱分析方法 |
2.2.1 近红外光谱分析的一般流程 |
2.2.2 近红外光谱的预处理方法 |
2.2.3 近红外光谱的波长选择方法 |
2.2.4 近红外光谱检测的模型建立方法 |
2.2.5 模型的评价 |
2.3 辣椒品质检测的相关设备 |
2.3.1 傅立叶红外光谱仪 |
2.3.2 可溶性固形物测定仪 |
2.3.3 自动电位滴定仪 |
2.3.4 粉碎机及恒温干燥机 |
2.3 本章小结 |
第三章 鲜辣椒可溶性固形物和维生素 C 含量定量检测方法 |
3.1 材料与方法 |
3.1.1 实验材料及预处理 |
3.1.2 光谱采集 |
3.1.3 化学参考值的测定 |
3.1.4 光谱数据的处理及分析 |
3.2 结果与讨论 |
3.2.1 鲜辣椒近红外光谱的解析 |
3.2.2 化学参考值测定 |
3.2.3 最佳光谱预处理方法的确定 |
3.2.4 最佳有效波长选择方法 |
3.2.5 建模方法对比分析 |
3.2.6 未知样品预测 |
3.3 本章小结 |
第四章 辣椒粉掺杂近红外光谱定性和定量检测研究 |
4.1 材料与方法 |
4.1.1 实验材料及预处理 |
4.1.2 样品近红外光谱数据采集 |
4.1.3 光谱数据的处理及分析 |
4.2 结果与分析 |
4.2.1 粉末样品近红外图谱分析 |
4.2.2 粉末定性鉴别分析 |
4.2.3 辣椒粉掺杂的定量检测分析 |
4.3 本章小结 |
第五章 结论与展望 |
5.1 主要研究结论 |
5.2 进一步研究展望 |
参考文献 |
个人简历 在读期间发表的学术论文 |
致谢 |
(3)动物源性食品中各种动物源性肉及肉制品鉴别检验的研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 立项的背景、意义 |
1.2 国内外研究现状和发展趋势 |
1.3 检测方法 |
1.3.1 显微镜为基础的物理方法 |
1.3.2 以免疫学为基础的检测方法 |
1.3.3 以DNA 为基础的分子生物学方法 |
1.3.4 高效液相色谱(HPLC)技术 |
1.3.5 近红外反射光谱学(NIRS)检测方法 |
1.4 PCR 技术 |
1.4.1 PCR 技术原理 |
1.4.2 PCR 分类 |
1.4.3 PCR 反应条件 |
1.4.4 PCR 产物分析方法 |
1.4.5 PCR 法优点 |
1.4.6 PCR 法应用 |
1.5 DNA 琼脂糖凝胶电泳 |
1.6 研究内容和技术路线 |
1.6.1 研究内容 |
1.6.2 技术路线 |
2 材料与方法 |
2.1 试验材料 |
2.1.1 样品来源 |
2.1.2 仪器与设备 |
2.1.3 主要试剂 |
2.1.4 引物设计 |
2.2 试验方法 |
2.2.1 基因组DNA 提取 |
2.2.2 DNA 质量及纯度检测 |
2.2.3 PCR 反应体系和反应条件 |
2.2.4 PCR 反应参数优化 |
2.2.5 引物特异性研究 |
2.2.6 灵敏度检测 |
2.2.7 实际样品检测 |
3 结果与分析 |
3.1 DNA 质量及纯度结果 |
3.2 通用引物PCR 结果 |
3.3 单重PCR 扩增结果 |
3.4 双重PCR 结果 |
3.5 多重PCR 扩增结果 |
3.5.1 鸭和猪的多重PCR |
3.5.2 八重PCR |
3.5.3 混合肉样多重PCR |
3.6 反应参数优化结果 |
3.7 引物特异性结果 |
3.7.1 鸭和猪引物 |
3.7.2 八重PCR 引物 |
3.8 灵敏度结果 |
3.8.1 单重PCR |
3.8.2 鸭和猪多重PCR |
3.8.3 八重PCR |
3.9 实际样品检测结果 |
4 讨论 |
4.1 高质量DNA 提取方法改进 |
4.2 PCR 扩增条件摸索 |
4.2.1 引物 |
4.2.2 Taq DNA 聚合酶及浓度 |
4.2.3 dNTPs 的质量与浓度 |
4.3 内源参照基因的设立 |
4.4 防污染措施 |
4.5 方法学评价 |
4.6 需要进一步研究的内容和工作展望 |
5 结论 |
参考文献 |
读期间发表学术论文 |
作者简历 |
致谢 |
(4)基于近红外光谱的潲水油快速鉴别方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 文献综述 |
1.1 潲水油鉴别方法国内外研究现状 |
1.1.1 潲水油的危害性 |
1.1.2 潲水油鉴别方法国内研究现状 |
1.1.3 潲水油鉴别方法国外研究现状 |
1.2 近红外光谱定性分析方法研究现状 |
1.2.1 近红外光谱技术的发展 |
1.2.2 主要近红外光谱定性分析方法的应用 |
第2章 绪论 |
2.1 课题提出的背景及意义 |
2.2 主要研究内容 |
2.3 研究的目的 |
第3章 近红外光谱定性分析理论基础 |
3.1 近红外光谱分析技术概述 |
3.1.1 近红外光谱分析技术的组成及特点 |
3.1.2 近红外光谱分析仪器种类 |
3.1.3 近红外光谱分析技术的基本原理 |
3.2 近红外光谱分析中常用的化学计量学方法 |
3.3 近红外光谱的预处理方法 |
3.4 近红外光谱定性分析 |
3.4.1 近红外定性分析的一般程序 |
3.4.3 近红外定性分析的方法 |
3.4.4 近红外定性分析的模型评价指标 |
第4章 潲水油样品的收集与原始光谱采集 |
4.1 样品收集 |
4.2 原始光谱数据的采集 |
4.3 样品的常规鉴别 |
第5章 基于近红外光谱的潲水油定性建模实验 |
5.1 DPLS预测模型的建立以及优化 |
5.1.1 建立预测模型 |
5.1.2 优化预测模型 |
5.2 SVM的建立以及优化 |
5.2.1 支持向量机c,g参数选择 |
5.2.2 基于S型核函数的支持向量机模型建立 |
5.3 BP-ANN预测模型的建立以及优化 |
5.3.1 BP神经网络结构设计 |
5.3.2 BP神经网络训练算法比较 |
5.3.3 基于拟牛顿算法的BP神经网络模型建立 |
5.4 DPLS,SVM和BP-ANN预测模型的比较 |
第6章 结论与建议 |
6.1 结论 |
6.2 建议 |
参考文献 |
致谢 |
硕士期间发表论文及参与课题 |
(5)近红外光谱分析技术在饲料分析中的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 前言 |
1.1 近红外光谱技术的发展 |
1.2 近红外光谱技术在我国的发展状况 |
1.3 近红外光谱技术的理论基础 |
1.4 影响近红外光谱分析技术的主要因素 |
1.5 近红外光谱分析技术在饲料工业中的应用 |
1.5.1 近红外光谱技术在饲料分析上的优势 |
1.5.2 近红外光谱技术在营养价值评定上的应用 |
1.5.3 近红外光谱技术在常规分析中的应用 |
1.5.4 近红外光谱分析技术在有毒有害物质检测分析中的应用 |
1.5.5 近红外光谱在定性分析中的应用 |
1.6 本研究的主要内容、目的意义 |
1.6.1 主要内容 |
1.6.2 研究的目的 |
1.6.3 研究的意义 |
第二章 近红外光谱在定性鉴别中的应用 |
摘要 |
2.1 引言 |
2.2 材料与方法 |
2.2.1 材料 |
2.2.2 仪器设备 |
2.2.3.样品光谱采集 |
2.2.4 处理软件及分析方法 |
2.2.5 光谱特征的提取方法 |
2.2.6 光谱预处理方法 |
2.2.7 模式识别(Pattern Recognition)方式 |
2.3 结果与讨论 |
2.3.1 鱼粉的聚类分析 |
2.3.1.1 鱼粉的近红外光谱 |
2.3.1.2 鱼粉样品的聚类分析 |
2.3.2 模型的建立 |
2.3.2.1.光谱预处理方法的确定 |
2.3.3.2 校正及验证结果 |
2.3.3、结论 |
第三章 非常规成分——尿素酶的NIR光谱分析 |
摘要 |
3.1 引言 |
3.2 材料与方法 |
3.2.1 豆粕样品 |
3.2.2 仪器 |
3.2.3 样品近红外光谱扫描 |
3.2.4 尿素酶测定方法 |
3.2.5 建立NIRS数学模型的方法 |
3.2.5.1 化学计量学算法 |
3.2.5.2 光谱预处理方法 |
3.3 结果与分析 |
3.3.1 豆粕样品的近红外光谱 |
3.3.2 尿素酶活性化学分析结果 |
3.3.3 光谱的预处理 |
3.3.4 尿素酶校正模型的建立 |
3.3.4.1 最佳主因子数的确定 |
3.3.4.2 模型的建立 |
3.3.4.3 模型的验证 |
3.4 重复性检验 |
3.5 结论 |
第四章 近红外光谱分析在豆粕常规成分分析中的应用 |
摘要 |
4.1 引言 |
4.2 材料与方法 |
4.2.1 样品的采集与制备 |
4.2.2 仪器 |
4.2.3 样品近红外光谱扫描 |
4.2.4 化学值测定方法 |
4.2.5 建立NIRS数学模型的方法 |
4.3 结果与分析 |
4.3.1 豆粕样品的近红外光谱 |
4.3.2 豆粕样品的化学分析结果 |
4.3.3 光谱的预处理 |
4.3.4 校正模型的建立 |
4.3.4.1 最佳主因子数的确定 |
4.3.4.2 模型的建立 |
4.3.4.3 模型的验证 |
4.4 结论 |
第五章 近红外光谱分析在鱼粉常规成分分析中的应用 |
摘要 |
5.1 引言 |
5.2 材料与方法 |
5.2.1 样品的采集与制备 |
5.2.2 仪器 |
5.2.3 样品近红外光谱扫描 |
5.2.4 化学值测定方法 |
5.2.5 建立NIRS数学模型的方法 |
5.3 结果与分析 |
5.3.1 鱼粉样品的近红外光谱 |
5.3.2 鱼粉样品的化学分析结果 |
5.3.3 光谱的预处理 |
5.3.4 校正模型的建立 |
5.3.4.1 最佳主因子数的确定 |
5.3.4.2 模型的建立 |
5.3.4.3 模型的验证 |
5.4 结论 |
第六章 近红外光谱技术在麦麸常规成分分析中的应用 |
6.1 引言 |
6.2 材料与方法 |
6.2.1 样品的采集与制备 |
6.2.2 仪器 |
6.2.3 样品近红外光谱扫描 |
6.2.4 化学值测定方法 |
6.2.5 建立NIRS数学模型的方法 |
6.3 结果与分析 |
6.3.1 麦麸样品的近红外光谱 |
6.3.2 麦麸样品的化学分析结果 |
6.3.3 光谱的预处理 |
6.3.4 校正模型的建立 |
6.3.4.1 最佳主因子数的确定 |
6.3.4.2 模型的建立 |
6.3.4.3 模型的验证 |
6.4 结论 |
第七章 总论 |
7.1 近红外光谱的定性分析 |
7.2 近红外光谱分析技术在非常规活性成分中的应用 |
7.3 近红外光谱分析技术对常用饲料原料常规成分的分析 |
7.4 创新之处 |
7.5 今后工作 |
参考文献 |
攻读硕士学位期间发表的论文 |
致谢 |
附录1 鱼粉近红外模型的检验结果 |
附录2 豆粕近红外模型的检验结果 |
附录3 麦麸近红外模型检验结果 |
(6)植酸酶产品近红外指纹图谱库的构建与应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 植酸酶在饲料工业中的地位 |
1.2 近红外光谱分析技术及在饲料工业中的应用 |
1.2.1 近红外光谱技术应用发展史 |
1.2.2 近红外光谱分析技术的主要应用领域 |
1.2.3 近红外光谱技术在饲料工业中的应用 |
1.2.4 近红外光谱技术在监控生物发酵过程中的应用 |
1.3 近红外指纹图谱库技术 |
1.3.1 指纹图谱库的原理 |
1.3.2 近红外指纹图谱在农产品和中药安全管理中的应用 |
1.3.3 近红外指纹图谱与饲料产品注册管理 |
1.3.4 近红外指纹图谱与饲用酶制剂质量安全管理 |
1.4 课题的选题意义 |
1.5 本研究的主要内容及预期目标 |
第二章 植酸酶产品特性研究 |
2.1 植酸酶蛋白组成特性研究 |
2.1.1 概述 |
2.1.2 SDS-PAGE 分析植酸酶蛋白组成 |
2.1.3 反相高效液相色谱分析植酸酶蛋白组成 |
2.1.4 小结 |
2.2 植酸酶变性温度特性研究 |
2.2.1 概述 |
2.2.2 差示扫描量热仪分析植酸酶热稳定性 |
2.2.3 小结 |
第三章 植酸酶产品近红外指纹图谱库的建立 |
3.1 近红外光谱分析技术测定原理 |
3.1.1 近红外光谱分析的基础 |
3.1.2 近红外光谱中的化学计量学方法 |
3.1.3 评价数学模型效果的指标 |
3.1.4 奇异点的判别与处理 |
3.1.5 近红外光谱分析技术流程 |
3.2 植酸酶产品近红外指纹分析图谱的构建 |
3.2.1 指纹图谱库的构建原则 |
3.2.2 实验样本的收集 |
3.2.3 近红外反射光谱的采集 |
3.2.4 异常样本的剔除 |
3.2.5 近红外光谱特征信息的提取 |
3.2.6 植酸酶产品指纹图谱库的建立 |
3.3 小结 |
第四章 植酸酶酶活定量分析模型的建立与优化 |
4.1 实验材料、仪器与实验方法 |
4.1.1 实验样品 |
4.1.2 参考分析方法及仪器 |
4.1.3 近红外光谱分析方法 |
4.1.4 数据处理 |
4.2 结果与分析 |
4.2.1 参考方法分析结果 |
4.2.2 近红外光谱采集 |
4.2.3 建模回归方法的确定 |
4.2.4 光谱预处理方法的确定 |
4.2.5 定标模型的建立与验证 |
4.2.6 在校准曲线中加入温度补偿样品 |
4.3 小结 |
第五章 植酸酶产品定性分析模型的建立与优化 |
5.1 实验部分 |
5.1.1 实验仪器和样品 |
5.1.2 光谱采集 |
5.2 结果与分析 |
5.2.1 主成分分析 |
5.2.2 主成分得分结合马氏距离法建模预测 |
5.3 小结 |
5.4 液态植酸酶近红外光谱分析 |
5.4.1 仪器设备 |
5.4.2 样品制备 |
5.4.3 光谱采集及数据处理 |
5.4.4 液态植酸酶近红外光谱分析 |
5.4.5 小结 |
第六章 植酸酶近红外指纹图谱库的应用研究 |
6.1 植酸酶喷雾干燥过程与近红外指纹图谱库 |
6.1.1 概述 |
6.1.2 喷雾干燥实验 |
6.1.3 喷雾干燥过程中近红外光谱信息研究 |
6.1.4 小结 |
6.2 植酸酶储藏过程与近红外指纹图谱库 |
6.2.1 概述 |
6.2.2 恒温恒湿储藏试验 |
6.2.3 恒温恒湿储藏过程中近红外光谱信息研究 |
6.2.4 小结 |
第七章 结论及建议 |
7.1 主要结论 |
7.2 建议 |
参考文献 |
致谢 |
作者简历 |
(7)基于光谱技术的蚕桑相关特性数字化研究(论文提纲范文)
目录 |
摘要 |
ABSTRACT |
缩略语表 |
第一章 绪论 |
1.1 引言 |
1.2 课题研究的背景及意义 |
1.2.1 课题研究的行业背景 |
1.2.2 课题研究意义 |
1.3 光学分析与应用 |
1.4 近红外光谱分析技术 |
1.4.1 近红外光谱概述 |
1.4.2 近红外光谱分析技术原理 |
1.4.3 近红外光谱分析技术组成 |
1.4.4 近红外光谱分析用途分类 |
1.4.4.1 定性分析 |
1.4.4.2 定量分析 |
1.4.5 近红外光谱仪器分类 |
1.4.6 近红外光谱分析的特点 |
1.5 化学计量学方法的介绍 |
1.5.1 化学计量学在近红外光谱分析中的应用 |
1.5.2 几种常用预处理方法的原理 |
1.5.2.1 Savitzky-Golay卷积平滑方法 |
1.5.2.2 附加散射校正(multiplication scatter correction,MSC) |
1.5.2.3 变量标准化(standard normalized variate,SNV) |
1.5.3 几种常用算法的原理 |
1.5.3.1 主成分分析(Principal Component Analysis,PCA) |
1.5.3.2 多元线性回归(Multiple Linear Regression,MLR) |
1.5.3.3 偏最小二乘法(Partial Least Squares,PLS) |
1.6 近红外光谱技术在动植物分析中的应用 |
1.6.1 在作物品质分析中的应用 |
1.6.2 在动植物品种鉴别中的应用 |
1.6.3 在饲料检测中的应用 |
1.6.4 在肉与肉制品中的应用 |
1.6.5 在牛奶与奶制品中的应用 |
1.6.6 在畜禽养殖污染物检测中的应用 |
1.7 光谱技术应用研究存在的问题及论文主要研究内容 |
1.7.1 光谱技术应用研究中存在的问题 |
1.7.2 论文主要研究内容 |
参考文献 |
第二章 试验材料与研究方法 |
2.1 样品准备与试验安排 |
2.1.1 桑园基本情况采集 |
2.1.2 桑叶样本采集 |
2.1.3 蚕种样本采集 |
2.1.4 试验时间安排 |
2.2 试验仪器设备 |
2.2.1 SPAD502叶绿素仪 |
2.2.2 便携式可见-近红外光谱仪 |
2.2.3 卤素灯 |
2.3 分析处理软件 |
2.3.1 Unscrambler |
2.3.2 MATLAB |
2.3.3 DPS(Data Processing System) |
参考文献 |
第三章 基于光谱技术的桑叶和蚕种信息快速采集的响应特性影响因素研究 |
3.1 桑叶SPAD值的影响因素 |
3.2 光谱仪的测量参数选择 |
3.2.1 光谱仪视场的几何原理 |
3.2.2 光谱仪测量高度的分析 |
3.2.3 光谱仪扫描次数的分析 |
3.2.4 光谱仪保存次数的分析 |
3.2.5 适合方案选择 |
3.3 近红外光谱检测对蚕卵孵化率的影响 |
3.4 小结和讨论 |
参考文献 |
第四章 基于光谱技术的桑叶信息快速获取方法 |
4.1 不同品种SPAD与桑叶叶绿素含量关系的研究 |
4.1.1 方法与步骤 |
4.1.2 结果与分析 |
4.2 桑叶SPAD值的时空分布 |
4.2.1 叶片SPAD值的空间分布情况 |
4.2.1.1 材料与方法 |
4.2.1.2 结论与分析 |
4.2.2 不同叶位SPAD分布情况 |
4.2.3 不同时期叶片的SPAD值情况 |
4.3 桑叶片光谱反射率与叶绿素含量之间的关系 |
4.3.1 桑叶片的反射光谱特征 |
4.3.2 叶片光谱反射率与SPAD之间的关系 |
4.4 小结与讨论 |
参考文献 |
第五章 基于可见-近红外光谱技术的蚕种鉴别研究 |
5.1 光谱数据预处理对数学建模的影响 |
5.1.1 原始谱图 |
5.1.2 常用光谱预处理方法对样品谱图的校正 |
5.2 桑蚕一代杂交种产地鉴别 |
5.2.1 冷藏浸酸种不同产地鉴别研究 |
5.2.2 越年种不同产地鉴别研究 |
5.3 桑蚕一代杂交种品种鉴别 |
5.3.1 冷藏浸酸种不同品种鉴别研究 |
5.3.2 越年种不同品种鉴别研究 |
5.4 不同发育阶段鉴别研究 |
5.4.1 出库前发育阶段鉴别研究 |
5.4.2 催青胚胎发育阶段鉴别研究 |
5.5 小结与讨论 |
参考文献 |
第六章 蚕桑相关特性近红外光谱管理系统的研究 |
6.1 基于ASP的网络化蚕桑近红外光谱管理系统的设计与实现 |
6.1.1 相关技术简介 |
6.1.2 功能介绍 |
6.2 单机版蚕桑近红外光谱管理系统的设计与实现 |
6.2.1 相关技术简介 |
6.2.2 功能介绍 |
6.3 功能举例 |
6.3.1 光谱数据处理 |
6.3.2 载荷分析 |
6.3.3 基于特征变量建立BP神经网络模型 |
6.4 小结与讨论 |
参考文献 |
第七章 结论与展望 |
7.1 结论 |
7.2 论文的特点和创新点 |
7.3 展望 |
附表 |
致谢 |
四、真假鱼粉实用快速鉴别技术(论文参考文献)
- [1]物种特异性和保守性DNA序列筛选及其在畜产品种源成分鉴定中的应用[D]. 王文君. 华中农业大学, 2019
- [2]辣椒品质傅立叶近红外光谱无损检测研究[D]. 潘圆媛. 华东交通大学, 2012(02)
- [3]动物源性食品中各种动物源性肉及肉制品鉴别检验的研究[D]. 吕二盼. 河北农业大学, 2012(08)
- [4]基于近红外光谱的潲水油快速鉴别方法研究[D]. 梁晶. 西南大学, 2011(09)
- [5]近红外光谱分析技术在饲料分析中的应用研究[D]. 陆月青. 广西大学, 2007(05)
- [6]植酸酶产品近红外指纹图谱库的构建与应用研究[D]. 杨海锋. 中国农业科学院, 2007(05)
- [7]基于光谱技术的蚕桑相关特性数字化研究[D]. 黄凌霞. 浙江大学, 2007(05)
- [8]利用特征氨基酸组分分析与显微观察鉴别掺假鱼粉[J]. 徐洁,钱爱萍,陈体强,饶秋华. 福建农业学报, 2004(02)
- [9]真假鱼粉实用快速鉴别技术[J]. 朱风华,朱连勤,李华. 河北畜牧兽医, 2001(11)