CN105424660A - 一种定量检测植物油掺伪的方法 - Google Patents
一种定量检测植物油掺伪的方法 Download PDFInfo
- Publication number
- CN105424660A CN105424660A CN201510733688.9A CN201510733688A CN105424660A CN 105424660 A CN105424660 A CN 105424660A CN 201510733688 A CN201510733688 A CN 201510733688A CN 105424660 A CN105424660 A CN 105424660A
- Authority
- CN
- China
- Prior art keywords
- oil
- pseudo
- sample
- vegetable oil
- adulteration
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/03—Edible oils or edible fats
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6417—Spectrofluorimetric devices
Abstract
本发明公开了一种定量检测植物油掺伪的方法,旨在提供一种定量检测食用油掺伪的方法,特别是能够实现以食用植物油掺伪橄榄油简单、快速、无损的定量检测。将装有掺伪油标准样品及装有未知待测油样品的石英比色皿分别斜置于荧光光谱仪的样品架之内,比色皿倾斜放置;以激发与发射光谱的波长差为Δλ,在同步模式下进行扫描;将得到的光谱数据转置后导入Unscrambler软件进行处理;利用Unscrambler软件对掺伪油标准样品的数据进行PLS分析,得到回归方程,保存为定量模型;利用定量模型,对待测油样品进行分析,得到掺伪植物油的掺入量。本发明利用同步前表面荧光光谱法,可以准确可靠的实现以食用植物油掺入橄榄油的定量、无损测定,方法简单实用。
Description
技术领域
本发明涉及食品安全检测技术领域,特别是涉及一种定量检测植物油掺伪的方法。
背景技术
橄榄油是一种通过冷榨新鲜油橄榄果实直接制成的食用油。由于其未经加热和化学处理,保留了天然营养成分,富含单不饱和脂肪酸、多种维生素及抗氧化物等,因而被认为是食用油脂中最适合人体营养的油。其中特级初榨橄榄油是最高级别的橄榄油,其酸度一般不超过0.8%。其高经济价值令其成为了掺伪重灾区:以低级别橄榄油如精炼橄榄油与橄榄果渣油或其它低价格的食用植物油如大豆油、玉米油、葵花籽油等掺入特级初榨橄榄油是橄榄油行业中的一个比较严重的掺伪问题。因此,开发简单、快速、无损的定量检测以其它食用植物油掺伪特级初榨橄榄油的方法具有重要意义。
橄榄油掺伪检测技术多采用紫外—可见、荧光、红外、核磁等各种光谱技术,或气相色谱与液相色谱等色谱技术,一般以氨基酸、脂肪酸、甾醇等物质为特征成份。其中,同步荧光光谱法由于具有选择性好、灵敏度高、干扰少等特点,可用于多组分混合物的同时测定。传统的同步荧光光谱法在检测前同样需要将食用油样品溶解于正己烷等有机溶剂中进行稀释,在扫描过程中使激发波长和发射波长间保持固定的波长间隔,由测得的荧光强度信号与对应的激发波长(或发射波长)构成光谱图。在传统的同步荧光光谱法中,由于激发光与发射光成90°,强吸收样品会产生内滤效应,使这些样品的荧光发生自猝灭。因而对于食品样品,传统方法一般无法实现原位的无损检测,而是需要选择一定溶剂将样品溶解并稀释。这样便破坏了食品样品的基质,改变了食品中荧光物质所处的微环境,无法完整反映出食品中荧光物质的原始信息。由于样品的前处理过程需要进行稀释,不利于环境保护,增加了分析时间与成本、对分析结果的准确性与可靠性也有一定影响。另外,现有的荧光光谱法大多是三维荧光光谱法,对一个样品需要十至几十分钟的分析时间,检测时间长。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷,而提供一种定量检测食用油掺伪的方法,特别是能够实现以食用植物油掺伪橄榄油简单、快速、无损的定量检测。
为实现本发明的目的所采用的技术方案是:
一种定量检测植物油掺伪的方法,包括下述步骤:
(1)将装有掺伪油标准样品及装有未知待测油样品的石英比色皿分别斜置于荧光光谱仪的样品架之内,比色皿倾斜放置,以消除反射激发光的影响;
(2)以激发与发射光谱的波长差为Δλ,在同步模式下进行扫描,检测位于比色皿前表面接受激发光照射的样品所发射出的荧光;
(3)将得到的光谱数据转置后导入Unscrambler软件,采用光谱数据预处理方法对原始数据进行处理;
(4)利用Unscrambler软件对掺伪油标准样品的数据进行PLS分析,选择一定激发波长范围内的数据与PLS成份数,采用留一法交叉验证和外部验证,得到回归方程、回归系数与均方根误差,保存为定量模型;
(5)利用上述定量模型,对待测油样品进行分析,得到掺伪植物油的掺入量,掺入量为零或低于检测限的样品判定为无掺伪的样品。
步骤(1)中掺伪油标准样品为掺有不同比例植物油的橄榄油。
步骤(1)中比色皿倾斜角度约为22.5°。
步骤(2)中激发与发射光谱的扫描范围为250-700nm,检测玉米油所用的激发与发射光谱的波长差Δλ为50-70nm,检测大豆油所用的激发与发射光谱的波长差Δλ为20-40nm,检测葵花籽油所用的激发与发射光谱的波长差Δλ为20-40nm。
步骤(3)中对于玉米油和大豆油的数据处理方法为多元散射校正法(MSC),葵花籽油的数据处理方法为标准正态变量变换法(SNV)。
步骤(4)中对于玉米油所选取的激发波长范围分别为350-400以及580-680nm,大豆油所选取的激发波长范围为310-450以及620-700nm,葵花籽油所选取的激发波长330-470以及580-660nm,对于玉米油、大豆油及葵花籽油PLS所用成份数分别为7、5及5。
大豆油的回归方程为Y=0.9986X+0.0303。
玉米油的回归方程为Y=0.9999X+0.0023。
葵花籽油的回归方程为Y=0.9995X+0.0110。
与现有技术相比,本发明的有益效果是:
1、本发明的方法采用前表面荧光光谱法,通过将比色皿旋转一定角度,最大程度上消除了反射激发光的影响,检测位于比色皿前表面接受激发光照射的样品所发射出的荧光,与激发光与发射光成90°的常规荧光分析法相比,前表面荧光光谱法避免了强吸收样品的内滤效应,在保留更多原始荧光信息的同时,可以直接对食用油样品进行无损测定,方法操作非常简单。而且,由于不需要前处理过程,减少了分析时间与成本,提高了对分析结果的准确性与可靠性,同时,有利于环境保护。
2、本发明的方法利用荧光的同步扫描模式,在短时间内即可得到大量荧光光谱信息,对于单个样品,2分钟之内即可完成扫描,得到数据,分析时间短。
3、本发明的测定方法回归方程线性良好,分析结果准确可靠,RMSE小于1.5%,R2大于0.98。
附图说明
图1所示为特级初榨橄榄油掺入不同量大豆油后同步前表面荧光光谱的变化。
图2所示为得到的特级初榨橄榄油掺入不同量大豆油的预测值对实际值作图。
图3所示为得到的特级初榨橄榄油掺入不同量玉米油的预测值对实际值作图。
图4所示为得到的特级初榨橄榄油掺入不同量葵花籽油的预测值对实际值作图。
具体实施方式
以下结合具体实施例对本发明作进一步详细说明。
实施例1
(1)分别准确量取0.1-5.0mL的大豆油,间隔0.1mL,与特级初榨橄榄油定容至10mL,配制成不同比例(1-50%)的掺伪油标准样品。
(2)将1.5mL配制好的上述掺伪油标准样品与待测油样品分别依次倒入5×10mm的石英比色皿,将比色皿斜置于荧光光谱仪的样品架之内,使激发波长与比色皿前表面呈22.5°,以消除反射激发光的影响。
(3)选择同步荧光光谱模式,激发与发射光谱的波长差Δλ设定为30nm,分别依次对上述掺伪油标准样品与待测油样品同时扫描250-700nm范围内的激发与发射光谱,由于比色皿斜置,所检测的激发与发射光谱为位于比色皿前表面接受激发光照射的样品所发射出的荧光光谱。扫描精度为1nm,每个样品连续扫描三次,得到三次的平均值,保存数据。
(4)上述得到的光谱数据如图1所示,X轴为激发波长,Y轴为荧光强度,将XY轴转置后数据导入Unscrambler软件,选择Unscrambler软件中的MSC光谱数据预处理方法对原始数据进行处理。
(5)再次利用Unscrambler软件对掺伪油标准样品经过上述处理后的数据进行PLS分析(偏最小二乘回归分析),激发波长范围选择310-450以及620-700nm,PLS成份数选择5,采用留一法交叉验证,得到回归方程Y=0.9986X+0.0303,如图2所示,均方根误差RMSE=1.42%,回归系数R2=0.988,保存为定量模型。经外标法统计分析验证,每隔三个样品取一个样品作为外部验证集,如图2所示,共11份样品的测定值与真值的均方根误差为0.54%,说明在统计学上该模型对掺入量的测定准确可靠。方法的检测限采用三倍空白多次测定的标准偏差法计算得到,即连续测定11次纯橄榄油(掺入量为零)的荧光信号值,经数据处理后得到预测掺入量,计算标准偏差,乘以三后代入回归方程,除以斜率得到检测限为1.6%,说明该方法可用于低大豆油搀伪量橄榄油样品的测定。
(6)将待测油样品数据导入Unscrambler软件,采用步骤(5)得到的定量模型进行预测,得到大豆油的预测掺入量,预测掺入量为零或低于检测限的样品判定为无搀伪。以一份掺入5%大豆油的特级初榨橄榄油样品为例,采用步骤(5)得到的定量模型进行预测,计算得到的大豆油掺入量为5.64%,另外一份无搀伪的橄榄油样品,采用步骤(5)得到的定量模型分析后得到搀伪量小于1.6%,确定为无搀伪样品。
实施例2
(1)分别准确量取0.1-5.0mL的玉米油,间隔0.1mL,分别以特级初榨橄榄油定容至10mL,配制成不同比例(1-50%)的掺伪油标准样品。
(2)将1.5mL配制好的上述掺伪油标准样品与待测油样品分别依次倒入5×10mm的石英比色皿,将比色皿斜置于荧光光谱仪的样品架之内,使激发波长与比色皿前表面呈22.5°,以消除反射激发光的影响。
(3)选择同步荧光光谱模式,激发与发射光谱的波长差Δλ设定为60nm,分别依次对上述样品同时扫描250-700nm范围内的激发与发射光谱,由于比色皿斜置,所检测的激发与发射光谱为位于比色皿前表面接受激发光照射的样品所发射出的荧光光谱。扫描精度为1nm,每个样品连续扫描三次,得出三次的平均值,保存数据。
(4)上述得到的光谱数据X轴为激发波长,Y轴为荧光强度,将XY轴转置后数据导入Unscrambler软件,选择Unscrambler软件中的MSC光谱数据预处理方法。
(5)再次利用Unscrambler软件对掺假油标准样品经过上述处理后的数据进行PLS分析,激发波长范围选择350-400以及580-680nm,PLS成份数选择7,采用留一法交叉验证,得到回归方程Y=0.9999X+0.0023,RMSE=0.53%,R2=0.998,保存为定量模型。经外标法统计分析验证,每隔三个样品取一个样品作为外部验证集,如图3所示,共11份样品的测定值与真值的均方根误差为0.56%,说明在统计学上该模型对掺入量的测定准确可靠。方法的检测限采用三倍空白多次测定的标准偏差法计算得到,即连续测定11次纯橄榄油(掺入量为零)的荧光信号值,经数据处理后得到预测掺入量,计算标准偏差,乘以三后代入回归方程,除以斜率得到检测限为1.5%,说明该方法可用于低玉米油搀伪量橄榄油样品的测定。
(6)将待测油样品数据导入Unscrambler软件,采用步骤(5)得到的定量模型进行预测,得到玉米油的预测掺入量,预测掺入量为零或低于检测限的样品判定为无搀伪。以一份掺入5%玉米油的特级初榨橄榄油样品为例,采用步骤(5)得到的定量模型进行分析后,计算得到的玉米油掺入量为4.44%,另外一份无搀伪的橄榄油样品,经步骤(5)得到的定量模型分析后得到搀伪量小于1.5%,确定为无搀伪样品。
实施例3
(1)分别准确量取0.1-5.0mL的葵花籽油,间隔0.1mL,分别以特级初榨橄榄油定容至10mL,配制成不同比例(1-50%)的掺伪油标准样品
(2)将1.5mL配制好的上述掺伪油标准样品与待测油样品分别依次倒入5×10mm的石英比色皿,将比色皿斜置于荧光光谱仪的样品架之内,使激发波长与比色皿前表面呈22.5°,以消除反射激发光的影响。
(3)选择同步荧光光谱模式,激发与发射光谱的波长差Δλ设定为30nm,分别依次对上述样品同时扫描250-700nm范围内的激发与发射光谱,由于比色皿斜置,所检测的激发与发射光谱为位于比色皿前表面接受激发光照射的样品所发射出的荧光光谱。扫描精度为1nm,每个样品连续扫描三次,得到三次的平均值,保存数据。
(4)上述得到的光谱数据X轴为激发波长,Y轴为荧光强度,将XY轴转置后数据导入Unscrambler软件,选择Unscrambler软件中的SNV(标准正态变量变换法)光谱数据预处理方法。
(5)再次利用Unscrambler软件对掺假油标准样品经过上述处理后的数据进行PLS分析,激发波长范围选择330-470以及580-660nm,PLS成份数选择5,采用留一法交叉验证,得到回归方程Y=0.9995X+0.0110,RMSE=0.75%,R2=0.997,保存为定量模型,经外标法统计分析验证,每隔三个样品取一个样品作为外部验证集,如图4所示,共11份样品的测定值与真值的均方根误差为0.87%,说明在统计学上该模型对掺入量的测定准确可靠。方法的检测限采用三倍空白多次测定的标准偏差法计算得到,即连续测定11次纯橄榄油(掺入量为零)的荧光信号值,经数据处理后得到预测掺入量,计算标准偏差,乘以三后代入回归方程,除以斜率得到检测限为2.2%,说明该方法可用于低葵花籽油搀伪量橄榄油样品的测定。
(6)将待测油样品数据导入Unscrambler软件,采用步骤(5)得到的定量模型进行预测,得到葵花籽油的预测掺入量,预测掺入量为零或低于检测限的样品判定为无搀伪。以一份掺入5%葵花籽油的特级初榨橄榄油样品为例,采用步骤(5)得到的定量模型进行分析后,计算得到的葵花籽油掺入量为4.95%,另外一份无搀伪的橄榄油样品,经步骤(5)得到的定量模型分析后得到搀伪量小于2.2%,确定为无搀伪样品。
本发明的表面荧光光谱法通过将比色皿旋转一定角度,与激发光与发射光成90°的常规荧光分析法相比,减少了强吸收样品的内滤效应,在保留更多原始荧光信息的同时,为高浓度样品的直接无损测定变提供了新的途径。
以上所述仅是本发明的优选实施方式,应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种定量检测植物油掺伪的方法,其特征在于,包括下述步骤:
(1)将装有掺伪油标准样品及装有未知待测油样品的石英比色皿分别斜置于荧光光谱仪的样品架之内,比色皿倾斜放置,以消除反射激发光的影响;
(2)以激发与发射光谱的波长差为Δλ,在同步模式下进行扫描,检测位于比色皿前表面接受激发光照射的样品所发射出的荧光;
(3)将得到的光谱数据转置后导入Unscrambler软件,采用光谱数据预处理方法对原始数据进行处理;
(4)利用Unscrambler软件对掺伪油标准样品的数据进行PLS分析,选择一定激发波长范围内的数据与PLS成份数,采用留一法交叉验证和外部验证,得到回归方程、回归系数与均方根误差,保存为定量模型;
(5)利用上述定量模型,对待测油样品进行分析,得到掺伪植物油的掺入量,掺入量为零或低于检测限的样品判定为无掺伪的样品。
2.根据权利要求1所述的定量检测植物油掺伪的方法,其特征在于,步骤(1)中掺伪油标准样品为掺有不同比例植物油的橄榄油。
3.根据权利要求2所述的定量检测植物油掺伪的方法,其特征在于,步骤(1)中比色皿倾斜角度约为22.5°。
4.根据权利要求2所述的定量检测植物油掺伪的方法,其特征在于,步骤(2)中激发与发射光谱的扫描范围为250-700nm,检测玉米油所用的激发与发射光谱的波长差Δλ为50-70nm,检测大豆油所用的激发与发射光谱的波长差Δλ为20-40nm,检测葵花籽油所用的激发与发射光谱的波长差Δλ为20-40nm。
5.根据权利要求2所述的定量检测植物油掺伪的方法,其特征在于,步骤(3)中对于玉米油和大豆油的数据处理方法为多元散射校正法,葵花籽油的数据处理方法为标准正态变量变换法。
6.根据权利要求2所述的定量检测植物油掺伪的方法,其特征在于,步骤(4)中对于玉米油所选取的激发波长范围分别为350-400以及580-680nm,大豆油所选取的激发波长范围为310-450以及620-700nm,葵花籽油所选取的激发波长330-470以及580-660nm,对于玉米油、大豆油及葵花籽油PLS所用成份数分别为7、5及5。
7.根据权利要求2所述的定量检测植物油掺伪的方法,其特征在于,大豆油的回归方程为Y=0.9986X+0.0303。
8.根据权利要求2所述的定量检测植物油掺伪的方法,其特征在于,玉米油的回归方程为Y=0.9999X+0.0023。
9.根据权利要求2所述的定量检测植物油掺伪的方法,其特征在于,葵花籽油的回归方程为Y=0.9995X+0.0110。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510733688.9A CN105424660A (zh) | 2015-11-02 | 2015-11-02 | 一种定量检测植物油掺伪的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510733688.9A CN105424660A (zh) | 2015-11-02 | 2015-11-02 | 一种定量检测植物油掺伪的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105424660A true CN105424660A (zh) | 2016-03-23 |
Family
ID=55503010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510733688.9A Pending CN105424660A (zh) | 2015-11-02 | 2015-11-02 | 一种定量检测植物油掺伪的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105424660A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106370635A (zh) * | 2016-08-31 | 2017-02-01 | 厦门斯坦道科学仪器股份有限公司 | 定量检测食用油中极性组分含量的方法、设备和系统 |
CN106908426A (zh) * | 2017-02-04 | 2017-06-30 | 厦门斯坦道科学仪器股份有限公司 | 特定植物油安全筛查检测方法、设备和系统 |
ES2622336A1 (es) * | 2017-03-30 | 2017-07-06 | Universidad De Alicante | Sensor holográfico para detección de adulterantes en aceites esenciales y método de obtención de dicho sensor |
CN108267433A (zh) * | 2018-01-18 | 2018-07-10 | 上海交通大学 | 一种基于二维内源荧光光谱技术检测黄油掺假的方法 |
CN109001306A (zh) * | 2018-06-01 | 2018-12-14 | 南昌大学 | 一种茶油中角鲨烯和甾醇指标的预测方法 |
CN109060741A (zh) * | 2018-08-01 | 2018-12-21 | 滁州学院 | 一种食用植物油贮藏期间油品检测装置和方法 |
CN109187480A (zh) * | 2018-11-28 | 2019-01-11 | 安徽理工大学 | 一种双激光lif技术的花生油掺杂大豆油判别装置 |
CN111208079A (zh) * | 2018-11-22 | 2020-05-29 | 天津工业大学 | 一种基于紫外可见光谱的四元掺伪葡萄籽油的定量检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59182340A (ja) * | 1983-03-31 | 1984-10-17 | Shimadzu Corp | 分光螢光光度計 |
CN1896724A (zh) * | 2006-06-23 | 2007-01-17 | 厦门大学 | 一种扩大原油线性分析范围的定量荧光录井方法 |
CN101936902A (zh) * | 2010-08-02 | 2011-01-05 | 昆明理工大学 | 一种核桃油真伪鉴别和含量测定的方法 |
CN102749315A (zh) * | 2012-07-18 | 2012-10-24 | 滁州学院 | 一种利用同步荧光光谱快速检测潲水油的方法 |
CN103149187A (zh) * | 2013-02-21 | 2013-06-12 | 江南大学 | 一种快速测定脂肪酸含量的荧光方法 |
-
2015
- 2015-11-02 CN CN201510733688.9A patent/CN105424660A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59182340A (ja) * | 1983-03-31 | 1984-10-17 | Shimadzu Corp | 分光螢光光度計 |
CN1896724A (zh) * | 2006-06-23 | 2007-01-17 | 厦门大学 | 一种扩大原油线性分析范围的定量荧光录井方法 |
CN101936902A (zh) * | 2010-08-02 | 2011-01-05 | 昆明理工大学 | 一种核桃油真伪鉴别和含量测定的方法 |
CN102749315A (zh) * | 2012-07-18 | 2012-10-24 | 滁州学院 | 一种利用同步荧光光谱快速检测潲水油的方法 |
CN103149187A (zh) * | 2013-02-21 | 2013-06-12 | 江南大学 | 一种快速测定脂肪酸含量的荧光方法 |
Non-Patent Citations (3)
Title |
---|
KONSTANTINA I. POULLI 等: "Rapid synchronous fluorescence method for virgin olive oil adulteration assessment", 《FOOD CHEMISTRY》 * |
方晓明 等: "油脂同步荧光光谱检测及橄榄油掺假鉴别", 《中国粮油学报》 * |
许金钩 等: "《荧光分析法》", 31 July 2006 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106370635A (zh) * | 2016-08-31 | 2017-02-01 | 厦门斯坦道科学仪器股份有限公司 | 定量检测食用油中极性组分含量的方法、设备和系统 |
CN106908426A (zh) * | 2017-02-04 | 2017-06-30 | 厦门斯坦道科学仪器股份有限公司 | 特定植物油安全筛查检测方法、设备和系统 |
ES2622336A1 (es) * | 2017-03-30 | 2017-07-06 | Universidad De Alicante | Sensor holográfico para detección de adulterantes en aceites esenciales y método de obtención de dicho sensor |
WO2018178435A1 (es) * | 2017-03-30 | 2018-10-04 | Universidad De Alicante | Sensor holográfico para detección de adulterantes en aceites esenciales y método de obtención de dicho sensor |
CN108267433A (zh) * | 2018-01-18 | 2018-07-10 | 上海交通大学 | 一种基于二维内源荧光光谱技术检测黄油掺假的方法 |
CN109001306A (zh) * | 2018-06-01 | 2018-12-14 | 南昌大学 | 一种茶油中角鲨烯和甾醇指标的预测方法 |
CN109060741A (zh) * | 2018-08-01 | 2018-12-21 | 滁州学院 | 一种食用植物油贮藏期间油品检测装置和方法 |
CN111208079A (zh) * | 2018-11-22 | 2020-05-29 | 天津工业大学 | 一种基于紫外可见光谱的四元掺伪葡萄籽油的定量检测方法 |
CN109187480A (zh) * | 2018-11-28 | 2019-01-11 | 安徽理工大学 | 一种双激光lif技术的花生油掺杂大豆油判别装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105424660A (zh) | 一种定量检测植物油掺伪的方法 | |
Correia et al. | Portable near infrared spectroscopy applied to quality control of Brazilian coffee | |
Gouilleux et al. | High-throughput authentication of edible oils with benchtop Ultrafast 2D NMR | |
Uncu et al. | A comparative study of mid-infrared, UV–Visible and fluorescence spectroscopy in combination with chemometrics for the detection of adulteration of fresh olive oils with old olive oils | |
Basri et al. | Classification and quantification of palm oil adulteration via portable NIR spectroscopy | |
Arslan et al. | Rapid detection of authenticity and adulteration of cold pressed black cumin seed oil: A comparative study of ATR–FTIR spectroscopy and synchronous fluorescence with multivariate data analysis | |
Zou et al. | Rapid authentication of olive oil adulteration by Raman spectrometry | |
El‐Abassy et al. | Visible Raman spectroscopy for the discrimination of olive oils from different vegetable oils and the detection of adulteration | |
Šmejkalová et al. | High-power gradient diffusion NMR spectroscopy for the rapid assessment of extra-virgin olive oil adulteration | |
CN101477051B (zh) | 用于液态奶中三聚氰胺现场快速检测的拉曼光谱法及试剂盒 | |
US20180052144A1 (en) | Method And Technique For Verification Of Olive Oil Composition | |
CN103217411B (zh) | 基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法 | |
Rohman et al. | Monitoring of virgin coconut oil (VCO) adulteration with palm oil using Fourier transform infrared spectroscopy | |
Dankowska et al. | Application of synchronous fluorescence spectroscopy for determination of extra virgin olive oil adulteration | |
CN104316489B (zh) | 一种近红外光谱检测灵芝提取物掺假的方法 | |
CN102749315A (zh) | 一种利用同步荧光光谱快速检测潲水油的方法 | |
CN106153601A (zh) | 一种基于表面增强拉曼光谱检测油脂痕量氧化的方法 | |
CN102221533A (zh) | 一种基于紫外光谱花生油掺伪定量检测的方法 | |
Kou et al. | Efficient detection of edible oils adulterated with used frying oils through PE-film-based FTIR spectroscopy combined with DA and PLS | |
Ou et al. | Advanced detection methods for traceability of origin and authenticity of olive oils | |
CN111189868B (zh) | 一种应用低场核磁共振快速筛查食用油中掺假地沟油的方法 | |
CN101408501A (zh) | 采用近红外光谱-偏最小二乘法定量检测dna碱基的方法 | |
CN101349638A (zh) | 果蔬维生素c含量的光谱快速无损检测方法 | |
Zhou et al. | Rapid and accurate monitoring and modeling analysis of eight kinds of nut oils during oil oxidation process based on Fourier transform infrared spectroscopy | |
CN101303304B (zh) | 一种食品中丙烯酰胺的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160323 |
|
WD01 | Invention patent application deemed withdrawn after publication |