CN108760870B - 基于化学成分的茶类判别方法 - Google Patents

基于化学成分的茶类判别方法 Download PDF

Info

Publication number
CN108760870B
CN108760870B CN201810521734.2A CN201810521734A CN108760870B CN 108760870 B CN108760870 B CN 108760870B CN 201810521734 A CN201810521734 A CN 201810521734A CN 108760870 B CN108760870 B CN 108760870B
Authority
CN
China
Prior art keywords
tea
sample
type
distinguished
compounds
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.)
Active
Application number
CN201810521734.2A
Other languages
English (en)
Other versions
CN108760870A (zh
Inventor
王一君
阚志鹏
宁井铭
章林忠
胡丽珍
李大祥
宛晓春
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.)
Anhui Agricultural University AHAU
Original Assignee
Anhui Agricultural University AHAU
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 Anhui Agricultural University AHAU filed Critical Anhui Agricultural University AHAU
Priority to CN201810521734.2A priority Critical patent/CN108760870B/zh
Publication of CN108760870A publication Critical patent/CN108760870A/zh
Application granted granted Critical
Publication of CN108760870B publication Critical patent/CN108760870B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/62Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode

Landscapes

  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明实施例提供一种基于化学成分的茶类判别方法,包括:S1,建立每个茶叶种类的判别函数;S2,根据每个茶叶种类的判别函数,获得待判别茶叶样品的种类。本发明实施例提供的方法,通过化学方法鉴别茶叶种类,克服感官鉴定中存在的问题,更加客观地、科学地对茶叶进行分类,从而提高了判断结果的准确性和有效性;采用茶叶中多个化合物的离子强度作为指标建立判别函数,判别的正识率高;只需一步即可对单个茶叶样品进行分类或多个茶叶样品进行批量分类处理,无需人工干预,可实现自动化检测鉴别,鉴别简单快捷。

Description

基于化学成分的茶类判别方法
技术领域
本发明实施例涉及食品领域,更具体地,涉及一种基于化学成分的茶类判别方法。
背景技术
茶树是多年生常绿叶用植物,属山茶科(Theaceae)山茶属(Camellia)。茶叶是由茶树鲜叶经过不同的加工工艺制得而成,富含儿茶素类、黄酮醇及黄酮醇苷类、氨基酸和生物碱等多种功能性化学成分。目前的茶叶分类方法通常以加工手段为基础,结合品质特征和外形差异,将茶叶分为绿茶、黄茶、黑茶、白茶、乌龙茶、红茶六大茶类。
目前,茶叶种类的判别主要是感官评审,而感官审评容易受到评审人员的生理条件、工作经验以及环境条件等因素的影响,往往带有主观性,准确率不高,无法准确的对茶类进行划分。同时,感官评审需要专业人员进行,对评审人员的技术要求高,导致判断成本较高。为克服感官评审的缺陷,现阶段有人尝试用化学方法进行茶叶分类。例如,以几种较常见茶树特征性次生代谢物(咖啡碱,茶氨酸,EGCG,EGC,C,EC,ECG等)的含量作为判别因子,通过逐步缩小判断范围的方法进行判别。具体为:首先,根据判别公式将待判茶样分为两类,即红茶和黑茶一类,其他四种茶为一类;然后,改变判别因子权重系数将红茶和黑茶区分,同时相应调整公式将白茶与其他三种茶区分;然后,进一步修改相应判别因子权重系数,将乌龙茶与黄茶、绿茶区分;最后,完善判别因子权重系数,将黄茶与绿茶区分,进而完成判别。但此判别方法存在如下缺陷:首先,可供选择的用作判别因子的化学成分种类有限,判别六大茶类缺乏科学性,判别准确率不高,仅可对部分茶类进行准确判别;其次,需要进行多步判断,代入判别公式数量较多,操作繁琐,不能进行简单有效的一步判别,难以对茶叶进行快速分类。
另外,还有一种方法是根据茶叶标准品和待测样品中的部分代谢物含量,通过主成分分析和聚类分析法对未知类别茶样进行分类。如专利(CN104914190A)使用包括茶氨酸(m/z:175.1077)、没食子酸(m/z:171.0288)、没食子酸儿茶素(m/z:307.0812)、咖啡碱(m/z:195.0876)、茶叶碱(m/z:181.072)、表没食子儿茶素(m/z:307.0812)、儿茶素(m/z:291.0863)、绿原酸(m/z:353.0878)、可可碱(m/z:181.072)、咖啡酸(m/z:181.0495)、对香豆酸(m/z:165.0546)、表儿茶素(m/z:291.0863)、表没食子儿茶素没食子酸酯(m/z:459.0921)、没食子儿茶素没食子酸酯(m/z:459.0921)、表儿茶素没食子酸酯(m/z:443.0972)、芦丁(m/z:611.1606)、阿魏酸(m/z:195.0652)、芥子酸(m/z:225.0757)、杨梅素(m/z:319.0448),槲皮素(m/z:303.050)和山奈酚(m/z:287.055)等21种化合物作为指标,使用液相色谱检测含量,应用主成分分析和聚类分析判断未知类别茶样的类别。这种方法需检测的化合物较多,同时,为检测含量,需要建立21个化合物的标准曲线,对其每一种茶样进行含量检测,检测过程较为繁琐。在判别过程中,由于聚类效果一般,可能存在聚类交叉的情况,判别效果一般,需要通过人工干预才能完成较准确有效的判别。
发明内容
为了解决上述问题,本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于化学成分的茶类判别方法。
根据本发明实施例,提供一种茶叶种类判别方法,参见图1,该方法包括:
S1,建立每个茶叶种类的判别函数;S1包括,
S11,采集每个茶叶种类的样本茶叶样品,对样本茶叶样品进行预处理,预处理包括打磨、离心、取上清和设置内标;
S12,对样本茶叶样品进行检测,获得样本茶叶样品在设定质荷比之间的多个化合物的离子响应强度值;将样本茶叶样品的多个化合物的离子响应强度值分别与内标的样本茶叶样品的化合物的离子响应强度值作商,获得样本茶叶样品的内标归一化离子响应强度值;
S13,根据每个茶叶种类的样本茶叶样品的内标归一化离子响应强度值,计算每个茶叶种类的平均离子强度值及每个茶叶种类的协方差矩阵;
S14,根据每个茶叶种类的平均离子强度值及协方差矩阵,建立每个茶叶种类的判别函数;
S2,根据每个茶叶种类的判别函数,获得待判别茶叶样品的种类;S2包括,
S21,对待判别茶叶样品进行预处理;
S22,对待判别茶叶样品进行检测,获得待判别茶叶样品在设定质荷比之间的多个化合物的离子响应强度值;将待判别茶叶样品的多个化合物的离子响应强度值分别与内标的待判别茶叶样品的化合物的离子响应强度值作商,获得待判别茶叶样品的内标归一化离子响应强度值;
S23,将待判别茶叶样品的内标归一化离子响应强度值代入每个茶叶种类的判别函数,根据每个茶叶种类的判别函数的函数值,获得待判别茶叶样品的种类。
其中,S14包括,根据每个茶叶种类的平均离子强度值和协方差矩阵,估计每个茶叶种类的总体均值和公共协方差矩阵;
根据每个茶叶种类的总体均值和公共协方差矩阵,建立判别函数,判别函数为,
Figure BDA0001674261940000031
式中,
Figure BDA0001674261940000032
为第i个茶叶种类的判别函数,x为内标归一化离子响应强度值,
Figure BDA0001674261940000033
为第i个茶叶种类的总体均值,u(i)为第i个茶叶种类的平均离子强度值;
Figure BDA0001674261940000034
式中,∑为公共协方差矩阵,S(i)为第i个茶叶种类的协方差矩阵,n为样本茶叶样品的总数量,ni为第i个茶叶种类的样本茶叶样品的数量,k为茶叶种类的总数量。
其中,S23包括:将待判别茶叶样品的内标归一化离子响应强度值代入每个茶叶类别的判别函数;
比较各茶叶种类的判别函数的函数值,若第j个茶叶种类的判断函数值满足下式,则获得待判别茶叶样品为第j个茶叶种类,
Figure BDA0001674261940000041
式中,x为内标归一化离子响应强度值,x=(x1,x2,∧,xt),t为化合物的总数量。
其中,设定质荷比之间包括:277.0678~277.0706,112.0747~112.0759,116.0696~116.0708,104.0698~104.0708,181.1208~181.1226,679.4110~679.4178,333.2007~333.2041,132.1007~132.1021,381.0761~381.0799,267.1315~267.1341,335.2163~335.2197,175.1062~175.1080,496.3347~496.3397,291.0839~291.0869,433.1087~433.1131及277.0678~277.0706中的至少一个。
其中,化合物包括以下16个化合物,16个化合物按重要性递减的方式排序,质荷比依次为277.0692,112.0753,116.0702,104.0703,181.1217,679.4144,333.2024,132.1014,381.078,267.1328,335.218,175.1071,496.3372,291.0854,433.1109和535.2675。
其中,茶叶种类包括绿茶、黄茶、黑茶、白茶、红茶和乌龙茶中的至少一种。
其中,对待判别茶叶样品进行检测包括,对待判别茶叶样品的质荷比进行质谱检测。
其中,每个茶叶种类的样本茶叶样品的数量不少于2,并且,每个茶叶种类的样本茶叶样品的数量与待判别茶叶样品的数量之比不小于2:1。
具体地,可以通过检测平台对待判别茶叶样品和样本茶叶样品进行检测,获得质荷比(m/z)依次在277.0678~277.0706,112.0747~112.0759,116.0696~116.0708,104.0698~104.0708,181.1208~181.1226,679.4110~679.4178,333.2007~333.2041,132.1007~132.1021,381.0761~381.0799,267.1315~267.1341,335.2163~335.2197,175.1062~175.1080,496.3347~496.3397,291.0839~291.0869,433.1087~433.1131和277.0678~277.0706之间的16个化合物的内标归一化离子响应强度值,以消除不同批次样品间的误差。
具体地,每个茶叶种类的样本茶叶样品的数量与待判别茶叶样品的数量之比为3:1或2:1或4:1。
本发明实施例提供的方法,通过化学方法鉴别茶叶种类,克服感官鉴定中存在的问题,更加客观地、科学地对茶叶进行分类,从而提高了判断结果的准确性和有效性;采用茶叶中多个化合物的离子强度作为指标建立判别函数,判别的正识率高;只需一步即可对单个茶叶样品进行分类或多个茶叶样品进行批量分类处理,无需人工干预,可实现自动化检测鉴别,鉴别简单快捷。
应当理解的是,以上的一般描述和后文的细节描述是示例性和解释性的,并不能限制本发明实施例。
附图说明
图1为本发明实施例的茶叶种类判别方法的流程示意图。
具体实施方式
下面结合附图和实施例,对本发明实施例的具体实施方式作进一步详细描述。以下实施例用于说明本发明实施例,但不用来限制本发明实施例的范围。
为了解决现有茶叶种类判别方法中存在的缺陷,本发明实施例提出一种基于化学成分的茶叶种类判别方法,具体包括待判别茶叶样品的采集与预处理、选取检测平台和设置平台环境(LC-MS检测)、数据采集与数据预处理以及茶类判别四个步骤。
实施例1
步骤1、样品采集与预处理:选取来自于同一批鲜叶加工而成的六类待判别茶叶样品,每类待判别茶叶样品均为6个茶叶样品,共36个干茶样品打磨成粉;对于每个茶叶样品,精密称取50mg茶叶样品,精密加入800μL 70%甲醇;涡旋摇匀,超声处理;15000g,4℃离心15min,吸取上清和内标(DL-4-氯苯丙氨酸甲醇溶液)于进样瓶用于检测。
步骤2、选取检测平台和设置平台环境:通过LC-MS对步骤1中处理后的茶叶样品进行检测,其中,色谱条件:采用Hypersil Gold色谱柱;流动相0.1%甲酸水(A相)-含0.1%甲酸的乙腈(B相),梯度洗脱(0-2min,5-40%B;2-7min,40-80%B;7-11min,80-95%B;11-15min,95%B);柱温35℃,流速0.3mL/min,进样体积为4μL。质谱条件:采用Q Exactive高分辨组合质谱系统;毛细管温度为350℃,毛细管电压为3.8kV,采集质量范围为m/z:50~1000。
步骤3、数据采集与数据预处理:将采集到的数据,采用Compounds Discoverer2.0软件进行峰识别和峰积分;然后对获得的各组数据进行保留时间校正、峰对齐、背景扣除和去卷积分析,获取各样品的各组峰面积、保留时间、质荷比。为了消除不同批次样品间误差,将16个目标化合物(表1)的离子响应强度值分别除以内标化合物离子响应强度值(内标归一化),形成各个样品所对应的16个目标化合物的离子强度。
表116个目标化合物的信息表
Figure BDA0001674261940000061
Figure BDA0001674261940000071
步骤4、茶类判别:对收集到的36个采用同批鲜叶制成的不同茶叶类别的茶叶样品,按照茶样库中每类样本茶叶样品个数ni与茶样集中每类待判别茶叶样品个数之比为2:1的方式,随机将36个茶叶样品划分为作为样本的茶样库和待判别的茶样集,待判别的茶样集中包含待判别茶叶样本12个。根据茶样库中24个已知茶叶种类的样本茶叶样品的检测数据,得到线性判别函数,将24个已知茶叶种类的样本茶叶样品数据回代检验,所有样本茶叶样品的种类判断结果都正确,正识率100%;代入待判别的茶样集中12个待判别茶叶样本样品的数据,得到12×6的线性判别矩阵,根据上式(1)得到判别结果(表2),所有12个待判别茶叶样本样品的种类判别全部正确,正识率为100%。
表2 12个待判别茶叶样品的线性判别矩阵及预测结果
Figure BDA0001674261940000072
Figure BDA0001674261940000081
实施例2
步骤1、样品采集与预处理:实施例1中所有茶样是通过同一批鲜叶加工而成,为更加接近实际检测,消除实施例1中同一批鲜叶导致的影响,随机收集市场销售的六种茶类中部分茶样,共43个茶叶样品(表3),按实施例1中相同的样品预处理方法及步骤2和3对这43个待判别茶叶样品进行处理。
表3 43个待判别茶叶样品来源信息表
Figure BDA0001674261940000082
Figure BDA0001674261940000091
Figure BDA0001674261940000101
步骤4、茶类判别:按照茶样库中每类样本茶叶样品个数ni与茶样集中每类待判别茶叶样品个数之比为2:1的方式,随机将43个茶叶样品划分为作为样本的茶样库和待判别的茶样集,待判别的茶样集中包含待判别茶叶样本12个。根据茶样库中31个已知茶叶种类的样本茶叶样品的检测数据,得到线性判别函数,将31个已知茶叶类别的样本茶叶样品数据回代检验,所有样本茶叶样本的种类判别结果都正确,正识率100%;代入待判别的茶样集中12个待判别茶叶样本的数据,得到12×6的线性判别矩阵,根据上式(1)得到判别结果(表4),种类判别都正确,正识率为100%。
表4 12个未知样品的线性判别矩阵及判断结果
Figure BDA0001674261940000102
Figure BDA0001674261940000111
本发明实施例提供的方法:通过化学方法鉴别茶叶种类,克服感官鉴定中存在的问题,更加客观地、科学地对茶叶进行分类,从而提高了判断结果的准确性和有效性;采用茶叶中多个化合物的离子强度作为指标建立判别函数,判别的正识率高;只需一步即可对单个茶叶样品进行分类或多个茶叶样品进行批量分类处理,无需人工干预,可实现自动化检测鉴别,鉴别简单快捷。
本领域内普通的技术人员的简单更改(如减小化合物个数并增加茶样库中茶样数据)和替换都是本发明实施例的保护范围之内。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.茶叶种类判别方法,其特征在于,包括:
S1,建立每个茶叶种类的判别函数;所述S1包括,
S11,采集每个所述茶叶种类的样本茶叶样品,对所述样本茶叶样品进行预处理,所述预处理包括打磨、离心、取上清和设置内标;
S12,对所述样本茶叶样品进行检测,获得所述样本茶叶样品在设定质荷比之间的多个化合物的离子响应强度值;将所述样本茶叶样品的多个化合物的离子响应强度值分别与内标的样本茶叶样品的化合物的离子响应强度值作商,获得所述样本茶叶样品的内标归一化离子响应强度值;
S13,根据每个所述茶叶种类的所述样本茶叶样品的内标归一化离子响应强度值,计算每个所述茶叶种类的平均离子强度值及每个所述茶叶种类的协方差矩阵;
S14,根据每个所述茶叶种类的平均离子强度值及协方差矩阵,建立每个所述茶叶种类的判别函数;
S2,根据每个所述茶叶种类的判别函数,获得待判别茶叶样品的种类;所述S2包括,
S21,对所述待判别茶叶样品进行所述预处理;
S22,对所述待判别茶叶样品进行检测,获得所述待判别茶叶样品在所述设定质荷比之间的多个化合物的离子响应强度值;将所述待判别茶叶样品的多个化合物的离子响应强度值分别与内标的待判别茶叶样品的化合物的离子响应强度值作商,获得所述待判别茶叶样品的内标归一化离子响应强度值;
S23,将所述待判别茶叶样品的内标归一化离子响应强度值代入每个所述茶叶种类的判别函数,根据每个所述茶叶种类的判别函数的函数值,获得所述待判别茶叶样品的种类;
所述S14包括,
根据每个所述茶叶种类的平均离子强度值和协方差矩阵,估计每个所述茶叶种类的总体均值和公共协方差矩阵;
根据每个所述茶叶种类的总体均值和公共协方差矩阵,建立所述判别函数,所述判别函数为,
Figure FDA0002679996760000021
式中,
Figure FDA0002679996760000024
为第i个茶叶种类的判别函数,x为内标归一化离子响应强度值,
Figure FDA0002679996760000025
为第i个茶叶种类的总体均值,μ(i)为第i个茶叶种类的平均离子强度值;
Figure FDA0002679996760000022
式中,Σ为公共协方差矩阵,S(i)为第i个茶叶种类的协方差矩阵,n为样本茶叶样品的总数量,ni为第i个茶叶种类的样本茶叶样品的数量,k为茶叶种类的总数量;
所述S23包括:
将所述待判别茶叶样品的内标归一化离子响应强度值代入每个所述茶叶类别的判别函数;
比较各所述茶叶种类的判别函数的函数值,若第j个茶叶种类的判断函数值满足下式,则获得待判别茶叶样品为第j个茶叶种类,
Figure FDA0002679996760000023
式中,x为内标归一化离子响应强度值,x=(x1,x2,∧,xt),t为化合物的总数量,k为茶叶种类的总数量。
2.根据权利要求1所述的方法,其特征在于,所述设定质荷比之间包括:
277.0678~277.0706,112.0747~112.0759,116.0696~116.0708,104.0698~104.0708,181.1208~181.1226,679.4110~679.4178,333.2007~333.2041,132.1007~132.1021,381.0761~381.0799,267.1315~267.1341,335.2163~335.2197,175.1062~175.1080,496.3347~496.3397,291.0839~291.0869,433.1087~433.1131及277.0678~277.0706中的至少一个。
3.根据权利要求2所述的方法,其特征在于,所述化合物包括以下16个化合物,所述16个化合物按重要性递减的方式排序,质荷比依次为277.0692,112.0753,116.0702,104.0703,181.1217,679.4144,333.2024,132.1014,381.078,267.1328,335.218,175.1071,496.3372,291.0854,433.1109和535.2675。
4.根据权利要求1所述的方法,其特征在于,所述茶叶种类包括绿茶、黄茶、黑茶、白茶、红茶和乌龙茶中的至少一种。
5.根据权利要求1所述的方法,其特征在于,所述对所述待判别茶叶样品进行检测包括,对所述待判别茶叶样品的质荷比进行质谱检测。
6.根据权利要求1所述的方法,其特征在于,每个所述茶叶种类的样本茶叶样品的数量不少于2,并且,每个所述茶叶种类的样本茶叶样品的数量与所述待判别茶叶样品的数量之比不小于2:1。
CN201810521734.2A 2018-05-28 2018-05-28 基于化学成分的茶类判别方法 Active CN108760870B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810521734.2A CN108760870B (zh) 2018-05-28 2018-05-28 基于化学成分的茶类判别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810521734.2A CN108760870B (zh) 2018-05-28 2018-05-28 基于化学成分的茶类判别方法

Publications (2)

Publication Number Publication Date
CN108760870A CN108760870A (zh) 2018-11-06
CN108760870B true CN108760870B (zh) 2020-10-30

Family

ID=64006169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810521734.2A Active CN108760870B (zh) 2018-05-28 2018-05-28 基于化学成分的茶类判别方法

Country Status (1)

Country Link
CN (1) CN108760870B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112014516B (zh) * 2020-08-24 2021-06-25 安徽农业大学 一种茶类判别方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4922819B2 (ja) * 2007-05-10 2012-04-25 日本電子株式会社 タンパク質データベース検索法および記録媒体
CN103782166B (zh) * 2011-06-06 2018-01-16 沃特世科技公司 用于定量样品中目标分析物的组合物、方法和试剂盒
CN104569310A (zh) * 2014-12-31 2015-04-29 安徽农业大学 一种基于化学成分的黑茶产地的鉴别方法
CN106560697A (zh) * 2016-10-20 2017-04-12 中国计量大学 联合近红外光谱和微量元素的武夷岩茶产地鉴别方法
CN107917949A (zh) * 2017-10-30 2018-04-17 广东省测试分析研究所(中国广州分析测试中心) 一种茶叶元素指纹图谱的构建方法及其在鉴别茶叶产地中的应用

Also Published As

Publication number Publication date
CN108760870A (zh) 2018-11-06

Similar Documents

Publication Publication Date Title
US20230109241A1 (en) Method and System for Differentiation of Tea Type
CN104914190B (zh) 一种茶叶种类鉴别和21种特征成分含量测定的方法
Courant et al. Development of a metabolomic approach based on liquid chromatography-high resolution mass spectrometry to screen for clenbuterol abuse in calves
Wang et al. Chemical fingerprint analysis for the quality evaluation of deepure instant Pu-erh tea by HPLC combined with chemometrics
CN111721857A (zh) 一种运用广泛靶向代谢组学技术鉴别荔枝品种的方法
CN108760870B (zh) 基于化学成分的茶类判别方法
CN112557545B (zh) 基于非靶向代谢组学的非浓缩还原苹果汁的标志物筛选鉴别及其应用
KR20170044806A (ko) 인삼, 홍삼제품 중 더덕, 도라지, 칡 혼입여부 판별방법
Tian et al. Simultaneous quantitative analysis of nine constituents in six Chinese medicinal materials from Citrus genus by high‐performance liquid chromatography and high‐resolution mass spectrometry combined with chemometric methods
CN105181761A (zh) 一种利用电子鼻快速鉴别茶叶辐照吸收剂量的方法
CN114354814A (zh) 一种用于检测羊乳制品中掺假牛乳的小分子标记物
CN108717078A (zh) 一种基于化学成分的茶类判别方法
KR20080075761A (ko) 근적외선 분광광도계를 이용한 한국산과 일본산 녹차제품의 지리적 원산국 판별 방법
CN113484447B (zh) 基于偏最小二乘法和色谱技术判别茶叶发酵程度及区别茶类的方法
CN108593826B (zh) 一种鉴别蜂花粉来源的方法
CN105510475A (zh) 一种普洱生茶的等级及质量评价方法
CN104407019A (zh) 一种基于dfa和simca模型的烟用包装纸品质判别方法
CN106323903A (zh) 一种普洱茶提取物中红外光谱指纹图谱的建立及检测方法
JP2013210217A (ja) カカオ豆の品質評価方法
CN109490450B (zh) 细叶石仙桃药材指纹图谱的建立方法及其指纹图谱
CN108398512A (zh) 一种齿瓣石斛的质量检测方法
CN114137139A (zh) 一种同时检测11种维生素的方法和试剂盒
WO2019200946A1 (zh) 基于GC-Q-Orbitrap的食用农产品中农药化合物电子身份数据库及检测方法
US12038421B2 (en) Method for rapidly determining grade of black tea
CN104792711A (zh) 一种合成色素的检测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant