CN104655678A - 一种贝母品种与川贝母掺假的快速鉴别方法 - Google Patents

一种贝母品种与川贝母掺假的快速鉴别方法 Download PDF

Info

Publication number
CN104655678A
CN104655678A CN201410785019.1A CN201410785019A CN104655678A CN 104655678 A CN104655678 A CN 104655678A CN 201410785019 A CN201410785019 A CN 201410785019A CN 104655678 A CN104655678 A CN 104655678A
Authority
CN
China
Prior art keywords
bulb
fritillary
sample
electronic
bulbus fritillariae
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410785019.1A
Other languages
English (en)
Inventor
谢绍鹏
杨添钧
杨诗龙
杨杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201410785019.1A priority Critical patent/CN104655678A/zh
Publication of CN104655678A publication Critical patent/CN104655678A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开一种贝母品种与川贝母掺假快速鉴别方法，该方法采用电子鼻和电子舌对样品进行检测，在采用PCA和DFA分析方法对样品进行分析鉴别，从而区分不同品种的贝母，同时能鉴别川贝母掺假。本发明识别率高，鉴别速度快。

Description

一种贝母品种与川贝母掺假的快速鉴别方法
技术领域
本发明涉及中药材领域，尤其涉及一种贝母品种与川贝母掺假快速鉴别方法。
背景技术
百合科贝母属是中药的重要来源，如川贝母、浙贝母、平贝母以及伊贝母等。由于其悠久的药用历史以及良好的临床疗效，现已作为一类具有多种药理药效活性的常用中药被中国药典收载。
然而，贝母类中药使用存在混乱的现象。一方面，贝母类中药各品种间外观性状具有很高的相似性，加上大多以粉末为用，粉末皆以类白色或黄白色为主，导致并不易将其进行有效地区分鉴别。另一方面，由于川贝母生长环境独特，人工栽培困难，加上野生资源日益减少，导致川贝母价格高昂，在经济利益的驱动下，在川贝母粉末中掺假的现象严重。
目前有多种方法应用于贝母的鉴别研究，如色谱、显微、PCR-RFLP、FT-IR、2D-IR等。但这些方法存在或工作量大，或时间消耗多，或价格昂贵，或专属性不高的缺点。因此建立一种快速可靠的方法以区分不同品种贝母以及川贝母掺假具有重要意义。
电子鼻是一种用于检测和区分复杂气体的仪器，其传感器阵列由一系列多敏感传感器组成。电子舌是一种人工味觉分析仪器，其由一组特定的传感器组成，用于检测复杂的液体样品。这两类仪器具有高敏感性、效率高、消耗少的特点。目前，作为一种有效的方法，已成功应用于多产品的鉴别区分，但是未见有采用电子鼻或者电子舌进行贝母品种或者川贝母掺假的鉴定。
PCA分析(主成分分析)是一种常用于数据降维，并解决线性问题的多变量统计方法。该方法通过产生新变量代替原始不相关的变量，并通过线性组合数据进行降维，简化了获取数据集中的所有变量信息的任务。通常情况下，一些新的变量，称为主成分(PCs)，能够解释原变量数据信息，因此，只考虑多个主成分，即可将高维数据降低到一个较低的维数，且数据信息损失小。目前这种技术被广泛应用于数据处理当中[22-24]。
DFA分析(判别因子分析)是在基于先验数据分类的基础上，对不同类之间的边界进行计算，使得类间方差最大而各个类内方差最小。所以这种线性组合方式最大化了能够显示群体间最大区别的维度贡献率。用这种方法，能够将同一数据集下具有不同性质意义的数据进行有效区分。目前，这种技术被广泛用于复杂的数据分析。
发明内容
本发明旨在提供一种贝母品种与川贝母掺假快速鉴别方法，该方法采用电子鼻和电子舌进行检测，识别率高，鉴别速度快。
为达到上述目的，本发明是采用以下技术方案实现的：
本发明公开的贝母品种与川贝母掺假快速鉴别方法，包括以下步骤：
S1，样品制作，将原料粉碎成粉末待用；
S2，采用电子鼻检测样品，按预定质量称取样品，测试过程中按预定值分别设定空气流速、进样体积、注射器注射速度、振荡器温度、震荡时间、样品进样间隔时间和电子鼻检测时间；
S3，采用电子舌检测样品，按预定值称取样品量，加水稀释，回流提取，放冷，过滤，取过滤液再次稀释后按照预定的电子舌检测时间进行电子舌检测。
S4，对电子鼻、电子舌的检测结果进行PCA分析，分别以电子鼻和电子舌获得的传感器响应值作为PCA分析的输入，根据电子鼻的PCA分析结果，采用前3个贡献最大的主成分构成第一三维得分图，再根据第一三维得分图与各种贝母品种的重合度确定贝母的品种；根据电子鼻的PCA分析结果，采用前3个贡献最大的主成分构成第二三维得分图，再根据第二三维得分图与各种贝母品种的标准三维得分图的重合度来确定该样品的品种，或者根据第二三维得分图与川贝母的标准三维得分图的重合度来判定该样品是否掺假。
S5，对电子鼻、电子舌的检测结果分别进行DFA分析,分别以电子鼻和电子舌获得的传感器响应值作为DFA模型的输入；根据电子鼻的DFA分析结果，得到第一二维得分图，再根据第一二维得分图与各种贝母品种的重合度确定贝母的品种；根据电子鼻的PCA分析结果，采用前3个贡献最大的主成分构成第二二维得分图，再根据第二二维得分图与各种贝母品种的标准二维得分图的重合度来确定该样品的品种，或者根据第二二维得分图与川贝母的标准二维得分图的重合度来判定该样品是否掺假。
优选的，所述电子鼻为Alpha Mos公司的FOX-4000型电子鼻，所述电子舌为Alpha Mos公司的αAstree型电子舌。
进一步的，在步骤S1中，将所述粉末通过100目的筛网过滤。
优选的，在步骤S2中，所述电子鼻使用17根传感器，分别为T30/1、T40/2、T40/1、TA/2、T70/2、P10/1、P10/2、P40/1、PA/2、P30/1、P40/2，P30/2、LY2/LG、LY2/G、LY2/AA、LY2/GH、LY2/gCTL、LY2/gCT；所述电子舌使用7根传感器，分别为ZZ、AB、GA、BB、CA、DA、JE。
进一步的，在步骤S3中，每次测量之前对传感器进行活化，校准和诊断，以保证数据稳定可靠，在活化和校准阶段，使用0.01mol/L的盐酸对传感器响应的稳定性进行测试，在诊断阶段，分别使用0.01mol/L的盐酸，0.01mol/L氯化钠和0.01mol/L的L-谷氨酸钠对传感器进行测试。
进一步的，在步骤S2中，对样品重复测量3次。
进一步的，在步骤S3中，在检测样品前采用离子水漂洗电子舌，样品检测序列设置为重复测定10圈，取最后3次的数据进行处理分析。
优选的，在步骤S2中，所述预定质量为1.0克、空气流速为150mL/min、进样体积为2000μL、注射器注射速度为2000μL/s、振荡器温度60℃、振荡时间为600s、样品进样间隔时间为600s、电子鼻检测时间为120s。
优选的，在步骤S3中，所述样品量为0.5g，加水80毫升稀释，回流提取时间1小时，放冷，过滤，取过滤液20mL再次稀释至100mL，量取80mL进行电子舌检测，所述电子舌检测时间为120s，取100s和120s间的传感器响应平均值为输出值。
本发明公开的贝母品种与川贝母掺假快速鉴别方法，采用电子鼻和电子舌进行检测，识别率高，鉴别速度快。
附图说明
图1为采用FOX-4000型电子鼻进行贝母品种鉴定的PCA分析的三维得分图；
图2为采用αAstree型电子舌进行贝母品种鉴定的PCA分析的三维得分图；
图3为采用FOX-4000型电子鼻进行贝母品种鉴定的DFA分析的二维得分图；
图4为采用αAstree型电子舌进行贝母品种鉴定的DFA分析的二维得分图；
图5为采用FOX-4000型电子鼻进行川贝母掺假鉴定的PCA分析的三维得分图；
图6为采用αAstree型电子舌进行川贝母掺假鉴定的PCA分析的三维得分图；
图7为采用FOX-4000型电子鼻进行川贝母掺假鉴定的DFA分析的二维得分图；
图8为采用FOX-4000型电子鼻进行川贝母掺假类别鉴定的DFA分析的二维得分图；
图9为采用αAstree型电子舌进行川贝母掺假鉴定的DFA分析的二维得分图；
图10为采用αAstree型电子舌进行川贝母掺假类别鉴定的DFA分析的二维得分图；
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。
取四个品种贝母，包括川贝母(编号，1-10，U1，U2，U3)、浙贝母(编号，11-13和U4)、平贝母(编号14)和伊贝母(编号15)，上述贝母样品信息见表1；所有样品粉碎，过100目筛，备用。
表1不同品种贝母样品信息
人工掺假川贝母粉末，通过在川贝母(NO.1)粉末中以不同比例混合其他贝母粉末以及薏苡仁(CS)粉末和面粉(WF)。所有原料样品粉碎并过100目筛后进行掺假混合。人工掺假信息见表2。
表2人工掺假川贝母粉末样品
贝母品种鉴定
电子鼻采用FOX-4000电子鼻系统(Alpha Mos)，由传感器阵列，空气发生器，HS-100自动进样器和模式识别软件(Alpha M.O.S.,Version 2012.45)组成。18根金属氧化物半导体化学传感器包含三种类型：T(T30/1，T40/2，T40/1，TA/2，T70/2)，P(P10/1，P10/2，P40/1，PA/2，P30/1，P40/2，P30/2)和LY(LY2/LG，LY2/G，LY2/AA，LY2/GH，LY2/gCTL，LY2/gCT)。
称取样品1.0g于20mL顶空瓶，密封，放置于自动进样盘。测试过程中系统空气流速设置为150mL/min；进样体积2000μL，注射器注射速度2000μL/s；振荡器温度60℃，震荡时间600s；样品进样间隔时间设置为600s；检测时间120s。以每根传感器的最大响应值作为输出值。所有样品分别重复测定3次。
电子舌采用Alpha MOS的αAstree型电子舌，包含ZZ，AB，GA，BB，CA，DA和JE 7根交叉敏感电位传感器阵列；Ag/AgCl参比电极(Metrohm,Ltd.)；机械搅拌器(Metrohm,Ltd.)；16位自动进样器；信号处理系统(AlphaMOS)以及模式识别软件(Alpha M.O.S.,Version 2012.45)。
每次测量之前对传感器进行活化，校准和诊断，以保证数据稳定可靠。在活化和校准阶段，使用0.01mol/L的盐酸对传感器响应的稳定性进行测试。在诊断阶段，分别使用0.01mol/L的盐酸，0.01mol/L氯化钠和0.01mol/L的L-谷氨酸钠对传感器进行测试。
称取样品0.5g于塞锥形瓶，加水80毫升，回流提取最后1小时，放冷，过滤，取续滤液20mL稀释至100mL。量取80mL液体置于烧杯中，并加载到自动进样盘。所有样品分析时间设置为120s，取100s和120s间的传感器响应平均值为输出值。每分析完单个样品后用去离子水漂洗，再测量下一个样品。样品测定序列设置为重复测定10圈(在第一圈的所有样品测量结束后，再进行下一圈的测量)。以最后3次的数据进行处理分析。
PCA分析
以电子鼻和电子舌获得的电信号，即传感器响应值(电子鼻的18个变量和电子舌的7个变量)作为主成分分析的输入。
图1为依据电子鼻，采用前3个贡献率最大的主成分(PC1＝97.584％，PC2＝2.057％；PC3＝0.2014％)构成的三维得分图。如图2所示，4个品种样品分成三组，各组间能够明显区分；浙贝母与平贝母分布重合，伊贝母与其他贝母相距较远。根据电子鼻，四个品种贝母彼此存在明显差异；另外，浙贝母与平贝母在气味上具有相似性，伊贝母与其他贝母气味上差异较大。
图2为依据电子舌，采用前3个贡献率最大的主成分(PC1＝95.757％，PC2＝2.714％；PC4＝0.8288％)构成的3维得分图。如图2所示，4个不同品种贝母之间区分明显。图2中，平贝母和伊贝母在PC1上具有相同的坐标，表明电子舌响应特征显示平贝母与伊贝母具有相似的性质。
根据以上分析，电子鼻和电子舌能够呈现四个品种贝母间的相似性或差异，并依据PCA可以实现不同品种贝母的区分。
DFA分析
电子鼻和电子舌的所有变量都作为DFA模型的输入。样品(1号至第15号)作为模型训练组，未知样品(U1到U4)作为测试组。
图3为依据电子鼻传感器响应值为输入的DFA模型(DF1＝80.307％，DF2＝19.146)，总贡献率为99.453％。
图4为依据电子舌传感器响应值为输入的DFA模型(DF1＝96.037％，DF2＝2.925％)，总贡献率为98.962％。这两个模型验证得分为93，模型效果较好。依据建立的DFA模型，四个品种贝母被明显地区分。测试组未知样品识别结果(见表3)良好，四个未知样品均正确识别。
在依据电子鼻数据建立的DFA模型中，未知样品U4被识别为浙贝母，但识别率却为6.8％。可能的原因是浙贝母和平贝母在气味上较为相似，导致识别结果受到影响。
表3不同品种贝母DFA识别结果
川贝母掺假鉴别
PCA分析
图5为依据电子鼻，采用前3个贡献率最大的主成分(PC1＝97.521％，PC2＝1.937％，PC3＝0.336％)构成的三维得分图。图中样品被分成三组(FCB，a1和a2)。a1，该组包含的掺假样品由川贝母与薏苡仁粉和面粉不同比例混合而成；a2，该组包含的掺假样品由川贝母与其他贝母(浙贝母，平贝母和伊贝母)不同比例混合而成。图5中，a1分布在川贝母右上方一侧(PC1的正坐标方向)，而a2分布在川贝母的左侧(PC1的负坐标方向)。表明川贝母与不同掺假样品可以被明显区分。
图6为依据电子舌，采用前3个贡献率最大的主成分(PC1＝97.521％，PC2＝1.937％，PC3＝0.336％)构成的三维得分图。图6中显示的川贝母与掺假样品之间区分明显。
DFA分析
电子鼻
电子鼻的所有变量都作为DFA模型的输入变量。所有掺假样品和FCB(NO.1)作为模型的训练组，并随机选择的7个样品作为测试组样品。
图7为建立的DFA模型以区分识别川贝母是否掺假。DFA结果显示，川贝母与掺假样品区分明显，所有未知样品均得到正确识别。
图8为建立的DFA模型以区分识别川贝母和川贝母具体的掺假样品类别。DFA结果显示，川贝母与掺假样品区分明显，所有未知样品均正确识别。
电子舌
电子舌的所有变量都作为DFA模型的输入变量。所有掺假样品和FCB(NO.1)作为模型的训练组，并随机选择的21个样品作为测试组样品。
图9为建立的DFA模型以区分识别川贝母是否掺假。DFA结果显示，川贝母与掺假样品区分明显，所有未知样品均得到正确识别。
图10为建立的DFA模型以区分识别川贝母和川贝母具体的掺假样品类别。DFA结果显示，川贝母与掺假样品区分明显；未知样品识别结果见表4，从表中可知，四个未知样品(15号，17号，22号，23号)识别率均为100％，但识别的组别不正确，模型的综合识别率为80.95％。上诉样品识别错误可能的原因是浙贝母、伊贝母，薏苡仁粉的分布区域存在重合。此外，四个样品(29号，30号，31号，32号)均正确识别为面粉组，但其在图中的分布并未落在面粉的区域中，导致识别率低。这可能与传感器存在漂移以及数据库还不够大有关。
表4电子舌DFA模型识别川贝母掺假结果
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (9)

1.一种贝母品种与川贝母掺假快速鉴别方法，其特征在于，包括以下步骤：
S1，样品制作，将原料粉碎成粉末待用；
S2，采用电子鼻检测样品，按预定质量称取样品，测试过程中按预定值分别设定空气流速、进样体积、注射器注射速度、振荡器温度、震荡时间、样品进样间隔时间和电子鼻检测时间；
S3，采用电子舌检测样品，按预定值称取样品量，加水稀释，回流提取，放冷，过滤，取过滤液再次稀释后按照预定的电子舌检测时间进行电子舌检测。
S4，对电子鼻、电子舌的检测结果进行PCA分析，分别以电子鼻和电子舌获得的传感器响应值作为PCA分析的输入，根据电子鼻的PCA分析结果，采用前3个贡献最大的主成分构成第一三维得分图，再根据第一三维得分图与各种贝母品种的重合度确定贝母的品种；根据电子鼻的PCA分析结果，采用前3个贡献最大的主成分构成第二三维得分图，再根据第二三维得分图与各种贝母品种的标准三维得分图的重合度来确定该样品的品种，或者根据第二三维得分图与川贝母的标准三维得分图的重合度来判定该样品是否掺假。
S5，对电子鼻、电子舌的检测结果分别进行DFA分析,分别以电子鼻和电子舌获得的传感器响应值作为DFA模型的输入；根据电子鼻的DFA分析结果，得到第一二维得分图，再根据第一二维得分图与各种贝母品种的重合度确定贝母的品种；根据电子鼻的PCA分析结果，采用前3个贡献最大的主成分构成第二二维得分图，再根据第二二维得分图与各种贝母品种的标准二维得分图的重合度来确定该样品的品种，或者根据第二二维得分图与川贝母的标准二维得分图的重合度来判定该样品是否掺假。
2.根据权利要求1所述的贝母品种与川贝母掺假快速鉴别方法，其特征在于：所述电子鼻为Alpha Mos公司的FOX-4000电子鼻，所述电子舌为AlphaMos公司的αAstree电子舌。
3.根据权利要求1所述的贝母品种与川贝母掺假快速鉴别方法，其特征在于：在步骤S1中，将所述粉末通过100目的筛网过滤。
4.根据权利要求2所述的贝母品种与川贝母掺假快速鉴别方法，其特征在于：在步骤S2中，所述电子鼻使用17根传感器，分别为T30/1、T40/2、T40/1、TA/2、T70/2、P10/1、P10/2、P40/1、PA/2、P30/1、P40/2，P30/2、LY2/LG、LY2/G、LY2/AA、LY2/GH、LY2/gCTL、LY2/gCT；所述电子舌使用7根传感器，分别为ZZ、AB、GA、BB、CA、DA、JE。
5.根据权利要求1所述的贝母品种与川贝母掺假快速鉴别方法，其特征在于：在步骤S3中，每次测量之前对传感器进行活化，校准和诊断，以保证数据稳定可靠，在活化和校准阶段，使用0.01mol/L的盐酸对传感器响应的稳定性进行测试，在诊断阶段，分别使用0.01mol/L的盐酸，0.01mol/L氯化钠和0.01mol/L的L-谷氨酸钠对传感器进行测试。
6.根据权利要求1所述的贝母品种与川贝母掺假快速鉴别方法，其特征在于：在步骤S2中，对样品重复测量3次。
7.根据权利要求1所述的贝母品种与川贝母掺假快速鉴别方法，其特征在于：在步骤S3中，在检测样品前采用离子水漂洗电子舌，样品检测序列设置为重复测定10圈，取最后3次的数据进行处理分析。
8.根据权利要求1所述的贝母品种与川贝母掺假快速鉴别方法，其特征在于：在步骤S2中，所述预定质量为1.0克、空气流速为150mL/min、进样体积为2000μL、注射器注射速度为2000μL/s、振荡器温度60℃、振荡时间为600s、样品进样间隔时间为600s、电子鼻检测时间为120s。
9.根据权利要求1所述的贝母品种与川贝母掺假快速鉴别方法，其特征在于：在步骤S3中，所述样品量为0.5g，加水80毫升稀释，回流提取时间1小时，放冷，过滤，取过滤液20mL再次稀释至100mL，量取80mL进行电子舌检测，所述电子舌检测时间为120s，取100s和120s间的传感器响应平均值为输出值。
CN201410785019.1A 2014-12-16 2014-12-16 一种贝母品种与川贝母掺假的快速鉴别方法 Pending CN104655678A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410785019.1A CN104655678A (zh) 2014-12-16 2014-12-16 一种贝母品种与川贝母掺假的快速鉴别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410785019.1A CN104655678A (zh) 2014-12-16 2014-12-16 一种贝母品种与川贝母掺假的快速鉴别方法

Publications (1)

Publication Number Publication Date
CN104655678A true CN104655678A (zh) 2015-05-27

Family

ID=53247059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410785019.1A Pending CN104655678A (zh) 2014-12-16 2014-12-16 一种贝母品种与川贝母掺假的快速鉴别方法

Country Status (1)

Country Link
CN (1) CN104655678A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106932545A (zh) * 2017-04-01 2017-07-07 新时代健康产业（集团）有限公司 一种利用电子鼻鉴别掺蔓菁粉的玛咖粉的方法
CN107561036A (zh) * 2017-07-06 2018-01-09 成都中医药大学 一种白及品种及真伪的检测方法
CN109187860A (zh) * 2018-08-30 2019-01-11 四川辅正药业股份有限公司 一种用电子舌快速鉴别三种基源雪胆的方法
CN110244003A (zh) * 2019-06-17 2019-09-17 宁夏职业技术学院（宁夏广播电视大学） 一种利用电子鼻判别秦艽等级的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030113933A1 (en) * 2001-12-18 2003-06-19 Rasmus Jansson Analysis of components in liquids
US20040191918A1 (en) * 2003-03-28 2004-09-30 Sandrine Isz Evaluation of bitterness of active drugs
CN102866179A (zh) * 2012-09-13 2013-01-09 重庆大学 基于人工智能学习机的电子鼻中非目标干扰气味的在线识别和抑制方法
CN103575765A (zh) * 2013-10-14 2014-02-12 浙江大学 一种快速检测羊肉掺假的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030113933A1 (en) * 2001-12-18 2003-06-19 Rasmus Jansson Analysis of components in liquids
US20040191918A1 (en) * 2003-03-28 2004-09-30 Sandrine Isz Evaluation of bitterness of active drugs
CN102866179A (zh) * 2012-09-13 2013-01-09 重庆大学 基于人工智能学习机的电子鼻中非目标干扰气味的在线识别和抑制方法
CN103575765A (zh) * 2013-10-14 2014-02-12 浙江大学 一种快速检测羊肉掺假的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHILONG YANG ET AL.: "A novel method for rapid discrimination of bulbus of Fritillaria by using electronic nose and electronic tongue technology", 《ANALYTICAL METHODS》 *
汪云伟 等: "基于电子鼻技术区分益智仁的不同炮制品", 《中国实验方剂学杂志》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106932545A (zh) * 2017-04-01 2017-07-07 新时代健康产业（集团）有限公司 一种利用电子鼻鉴别掺蔓菁粉的玛咖粉的方法
CN107561036A (zh) * 2017-07-06 2018-01-09 成都中医药大学 一种白及品种及真伪的检测方法
CN107561036B (zh) * 2017-07-06 2020-02-28 成都中医药大学 一种白及品种及真伪的检测方法
CN109187860A (zh) * 2018-08-30 2019-01-11 四川辅正药业股份有限公司 一种用电子舌快速鉴别三种基源雪胆的方法
CN110244003A (zh) * 2019-06-17 2019-09-17 宁夏职业技术学院（宁夏广播电视大学） 一种利用电子鼻判别秦艽等级的方法

Similar Documents

Publication Publication Date Title
CN104655812A (zh) 一种三七真伪优劣快速鉴别方法
Bougrini et al. Classification of honey according to geographical and botanical origins and detection of its adulteration using voltammetric electronic tongue
CN105158424A (zh) 一种冬虫夏草真伪优劣快速鉴别方法
CN104655678A (zh) 一种贝母品种与川贝母掺假的快速鉴别方法
Li et al. Quality evaluation of fingerprints of herbal medicine with chromatographic data
CN109655532A (zh) 一种对卷烟分类鉴别的方法
Razali et al. Classification of raw stingless bee honeys by bee species origins using the NMR-and LC-MS-based metabolomics approach
CN105574474A (zh) 一种基于质谱信息的生物特征图像识别方法
CN104569062B (zh) 基于分子筛过滤的电子鼻气室
CN106501408A (zh) 一种基于hplc‑elsd和偏最小二乘判别分析法的蜂蜜掺假检测方法
CN107766696A (zh) 基于RNA‑seq数据的真核生物可变剪接分析方法和系统
CN104111274A (zh) 一种利用气体传感器阵列型电子鼻指纹分析系统鉴别杨梅汁产地的方法
CN102053109A (zh) 电子舌传感器阵列及对饮料产品进行质量控制的方法
Beauxis-Aussalet et al. Simplifying the visualization of confusion matrix
CN103364323A (zh) 癌变信息提供装置及信息提供方法
CN104345045A (zh) 一种基于化学模式识别和近红外光谱的相似药材鉴别方法
Fu et al. Authentication of geographical origin in Hainan partridge tea (Mallotus obongifolius) by stable isotope and targeted metabolomics combined with chemometrics
CN111487347A (zh) 枳术颗粒指纹图谱的检测方法
CN107449849B (zh) 一种中药鉴别方法
CN102914564A (zh) 一种水稻稻粒黑粉病菌检测方法
Torres-Silva et al. Biostratigraphy and evolutionary tendencies of Eocene heterostegines in western and central Cuba based on morphometric analyses
CN101368923B (zh) 一种乳中杂质检测设备及其检测方法
CN104198529A (zh) 一种利用电子鼻技术鉴别阿胶的方法
CN108267528A (zh) 基于气味指纹图谱和spss聚类分析鉴别玛咖源产地的方法
CN103048365B (zh) 利用电化学指纹图谱鉴别卷烟的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150527