CN108802253B - 一种奇楠沉香与惠安系普通沉香的鉴别方法 - Google Patents

一种奇楠沉香与惠安系普通沉香的鉴别方法 Download PDF

Info

Publication number
CN108802253B
CN108802253B CN201711307552.7A CN201711307552A CN108802253B CN 108802253 B CN108802253 B CN 108802253B CN 201711307552 A CN201711307552 A CN 201711307552A CN 108802253 B CN108802253 B CN 108802253B
Authority
CN
China
Prior art keywords
agilawood
sample
huian
fisher
value
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
CN201711307552.7A
Other languages
English (en)
Other versions
CN108802253A (zh
Inventor
贾东宇
伊松林
何正斌
母军
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.)
Beijing Forestry University
Original Assignee
Beijing Forestry University
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 Beijing Forestry University filed Critical Beijing Forestry University
Priority to CN201711307552.7A priority Critical patent/CN108802253B/zh
Publication of CN108802253A publication Critical patent/CN108802253A/zh
Application granted granted Critical
Publication of CN108802253B publication Critical patent/CN108802253B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N30/06—Preparation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
    • G01N30/8679—Target compound analysis, i.e. whereby a limited number of peaks is analysed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
    • G01N2030/8809—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明涉及一种鉴别奇楠沉香与惠安系普通沉香的方法，利用热处理‑气相色谱质谱联用的方法鉴别沉香的类别，对待鉴定沉香粉末进行加热处理，并对收集的沉香加热处理气体进行GC‑MS分析，将样品沉香中的特征指标化学成分的相对含量代入建立的Fisher、Bayes判别分析方程中，计算相应的函数值，并将计算得到的函数值与奇楠沉香、惠安系普通沉香标准品的值进行比较，确定待鉴定样品的类别。本发明方法操作简单，沉香使用量少，避免了现有沉香依靠人工鉴别的技术缺陷，鉴别准确率高，提高了鉴定效率，降低了沉香鉴定的成本，缩短沉香鉴定时间。

Description

一种奇楠沉香与惠安系普通沉香的鉴别方法
技术领域
本发明涉及一种贵重香料产地类别的鉴别方法，特别涉及一种沉香类别的鉴别方法。
背景技术
沉香是指白木香属(Aquilaria spp.)树木在生长过程中形成的由木质部组织及其分泌 物共同组成的混合物质。沉香以其药用价值和芳香气味而著称，广泛应用于中药、香薰、香 水、宗教庆典等领域。
中药沉香，为瑞香科植物白木香Aquilaria spp.含有树脂的木材，分布于广东、海南、广 西、福建等地。具有行气止痛，温中止呕，纳气平喘之功效。常用于胸腹胀闷疼痛，胃寒呕 吐呃逆，肾虚气逆喘急。
奇楠是沉香中最为昂贵和珍贵的一种，主要产于惠安系地区，被认为是市面上最高品质 的沉香，具有神秘的东方香气，与其他普通沉香不同，奇楠不需要点燃既能闻到香味。广泛 认为奇楠和惠安系沉香可以通过香气来区分。
沉香的主要成分由色酮、倍半萜和其他芳香化合物构成，其中倍半萜和其他芳香化合物 是主要发香成分。文献记载，目前发现的色酮物质有80多种，倍半萜有70多种。目前，国 内对沉香成分检测已有研究，成分检测大多集中于色酮物质，而对倍半萜研究相对较少，对 沉香分类研究更是凤毛麟角。
在我国，现行的沉香规范为《中华人民共和国药典》。2015年版《中华人民共和国药典》 (一部)通过对沉香的乙醇抽提物、显色反应、薄层色谱以及液相特征图谱几项测试对药用 沉香的品质加以规范，其中液相特征图谱项目通过对特征峰(沉香四醇以及几种色酮)对沉 香进行判别。在我国尚无对沉香分类的规定。
目前对沉香类别的鉴定主要是人工定级，即定级人员凭借经验通过烘烤、燃烧等方法对 产生的气味进行判别，从而对沉香分类。但是人工辨别容易受主观性和偶然性干扰，且经验 不足者，不能进行判定。即使定级人员进行鉴定，其鉴定的准确性由于受多种主观或客观因 素的影响，鉴定结果的准确性也不高，而且需要消耗大量的沉香，对沉香样品需求量大，导 致鉴定成本高，鉴定时间长。
本发明从气味角度出发，模拟人工香味鉴别过程，对沉香进行分级。通过对气味成分的 分析，用数据取代定级人员的经验，避免主观性干扰，同时无定级经验者亦可以通过该方法 对沉香类别进行鉴定。
本发明首先对沉香进行热处理，即模拟沉香加热/燃烧；并收集产生的气体；接着通过气 相色谱-质谱(GC-MS)联用的方法对气体成分进行分析，根据或依据沉香热挥发成分中的气 味成分及其相对含量，选择沉香中热挥发成分中具有鉴别特征的化学成分(包括倍半萜及其 他芳香族化合物)作为观测值并建立Fisher判别函数、Bayes判别函数；然后将鉴定沉香样 品中的热挥发成分中具有鉴别特征的化学成分分别代入建立的Fisher判别函数、Bayes判别 函数，进行计算；最后根据计算值进行判断。
利用热处理-气相色谱质谱联用对沉香进行分类的方法，更具体地，是指利用气相色谱质 谱联用分析沉香热处理时产生的化学成分，主要针对倍半萜和其他芳香化合物，从而区分沉 香类别。
发明内容
本发明的目的是针对现有沉香类别鉴定中存在的技术缺陷，提供一种奇楠沉香与惠安系 普通沉香的鉴别方法，本发明方法利用微量沉香样品即可对沉香的类别进行鉴定和分类。本 发明方法从气味角度出发，通过模拟人工气味鉴别过程，对沉香进行分级。本发明方法避免 了鉴别过程中人为主观性和偶然性带来的干扰，鉴定结果准确；而且对于气味品鉴无定级经 验者也可以通过本发明的方法对沉香进行分类，避免了沉香鉴别必须需要定级人员进行鉴别 的缺陷，提高了鉴定效率、鉴定的准确性，降低了沉香鉴定的成本，缩短沉香鉴定时间。
为实现本发明的目的，本发明一方面提供一种奇楠沉香与惠安系普通沉香的鉴别方法， 包括如下顺序进行的步骤：
1)将待鉴别沉香样品置于密封的容器中，进行加热处理；
2)对加热处理后的容器内的气体进行气相色谱-质谱分析，并计算特征指标化合物的相 对含量；
3)Fisher判别法
将待鉴别沉香的GC-MS分析的特征指标化合物的相对含量代入惠安系普通沉香与奇楠 沉香的Fisher判别分析方程(即公式FH-Q)中，获得相应的Fisher判别值YFH-Q，然后计算 待测样品的判别值YFH-Q与奇楠、惠安系普通沉香标准品的Fisher判别重心坐标值之间的差 距；
如果待测样品的判别值YFH-Q与奇楠沉香标准品的Fisher判别重心坐标值之间的差值的 绝对值小于待测样品的判别值YFH-Q与惠安系普通沉香标准品的Fisher判别重心坐标值之间 的差值的绝对值，则判定该样品为奇楠沉香；如果待测样品的判别值YFH-Q与奇楠沉香标准 品的Fisher判别重心坐标值之间的差值的绝对值大于待测样品的判别值YFH-Q与惠安系普通 沉香标准品的Fisher判别重心坐标值之间的差值的绝对值，则判定该样品为惠安系普通沉香。
其中，步骤1)中所述加热处理温度为120-180℃，优选为160℃；所述加热处理时间≥ 50min，优选为60min。
特别是，还包括将待鉴定沉香样品研磨成粒度为40-60目的沉香粉末后，再进行所述的 加热处理。
尤其是，进行加热处理的沉香样品的质量为10-30mg，优选为20mg。
特别是，加热处理是时沉香中的热挥发性成分挥发至密闭容器中。
其中，步骤2)中所述特征指标化合物共15种化合物，其编号依次为X1-15,15种化合 物的CAS No(即CAS登录号，即美国化学会的美国化学文摘服务社(Chemical AbstractsService,CAS)化学物质登录号)依次为000104-20-1、000128-37-0、000489-29-2、 000637-69-4、003321-66-2、003691-12-1、005951-61-1、005956-09-2、005956-12-7、 017066-67-0、028976-67-2、071596-72-0、1000192-43-5、1000374-19-7、117066-77-0。
即CAS登录号依次为000104-20-1、000128-37-0、000489-29-2、000637-69-4、003321-66-2、003691-12-1、005951-61-1、005956-09-2、005956-12-7、017066-67-0、028976-67-2、071596-72-0、1000192-43-5、1000374-19-7、117066-77所代表的化合物。
特别是，步骤3)中所述惠安系普通沉香与奇楠沉香的Fisher判别分析方程为：YFH-Q＝-1.306×X1+0.159×X2+8.000×X3+2.890×X4+0.172×X5+9.884×X6+16.271×X7-0.8 45×X8-0.516×X9+0.762×X10-1.102×X11+10.947×X12+38.369×X13+2.749×X14+1.714 ×X15-6.446
(公式FH-Q)
其中，X1-X15为编号依次为1-15的15种化合物GC-MS分析的相对含量。
尤其是，所述奇楠沉香与惠安系普通沉香的Fisher判别分析方程按照如下步骤建立：
3A)将42个沉香标准品分为2组，其中第1组为奇楠沉香组，记为1.00，共有16个沉香标准品；第2组为惠安系普通沉香组，记为2.00，共有26个沉香标准品；
3B)将沉香标准品分别置于密封的容器中，进行加热处理；
3C)对加热处理后的容器内的气体分别进行气相色谱-质谱分析，以追踪到的150种化学 成分作为观测值，并分别计算各化学成分的相对含量；
3D)采用逐步判别法从150种化学成中筛选得到15种特征指标化合物；
3E)对两组沉香标准品中的15种特征指标化合物的相对含量进行Fisher判别分析的计 算，获得所述的惠安系普通沉香与奇楠沉香的Fisher判别分析方程(即公式FH-Q)。
特别是，步骤3B)中将奇楠、惠安系普通沉香标准品分别研磨成粒度为40-60目的沉香 粉末后，再进行所述的加热处理。
尤其是，进行加热处理的沉香标准品的质量为10-30mg，优选为20mg。
其中，步骤3)中所述奇楠沉香标准品的Fisher判别重心坐标值为6.546；所述惠安系普 通沉香标准品的Fisher判别重心坐标值为-4.028。
特别是，步骤3)中所述星洲系标准沉香、惠安系标准沉香的Fisher判别分析方程(即 公式FH-X)按照如下方法获得：
对两组42个沉香标准品，及15种特征指标化合物的相对含量进行Fisher判别分析的计 算，代入Fisher判别分析方程(即公式FH-Q)公式
Figure BDA0001502280530000041
计算，得到所述奇 楠标准沉香、惠安系标准沉香的判别分析方程，其中：a为使Δ(a)达到极大值的列向量(a可 结合定义及拉格朗日乘子法计算出，具体数学表达为
Figure BDA0001502280530000042
式中A为组内离差阵，B为 组间离差阵，λ为A-1B的特征根，a即A-1B的特征向量)，a’为a的行向量(即a的转置)，
Figure BDA0001502280530000043
为 42个样品的总均值(42个样品各特征化合物的相对含量平均值组成的列向量)。
特别是，步骤3)中所述奇楠标准沉香、惠安系标准沉香的Fisher判别重心坐标值按照 如下方法获得：
对两组42个沉香标准品，及15种特征指标化合物的相对含量进行Fisher判别分析的计 算，代入Fisher判别分析法的重心坐标公式
Figure BDA0001502280530000044
计算，分别得到所述 奇楠标准沉香、惠安系标准沉香的重心坐标值，其中：Dj为样品重心坐标值(D1表示奇楠沉 香重心坐标值，D2表示惠安系沉香重心坐标值)，a为使Δ(a)达到极大值的列向量(a可结合定 义及拉格朗日乘子法计算出，具体数学表达为
Figure BDA0001502280530000045
式中A为组内离差阵，B为组间离 差阵，λ为A-1B的特征根，a即A-1B的特征向量)，a’为a的行向量(即a的转置)，
Figure BDA0001502280530000046
为42个 样品的总均值(42个样品各特征化合物的相对含量平均值组成的列向量)，
Figure BDA0001502280530000047
为各组样品的 平均值(即本发明中
Figure BDA0001502280530000051
表示16个奇楠标准沉香样品各特征化合物的相对含量平均值组成的 列向量、
Figure BDA0001502280530000052
表示26惠安系样品各特征化合物的相对含量平均值组成的列向量)。
本发明另一方面提供一种奇楠沉香与惠安系普通沉香的鉴别方法，包括如下顺序进行的 步骤：
1)将待鉴别沉香样品置于密封的容器中，进行加热处理；
2)对加热处理后的容器内的气体进行气相色谱-质谱分析，并计算特征指标化合物的相 对含量；
3)Bayes判别分析法
将待鉴别沉香的GC-MS分析的特征指标化合物的相对含量代入奇楠沉香与惠安系普通 沉香的Bayes判别分析方程(即公式B1H-Q和B2H-Q)中，计算待鉴定样品的YB1、YB2值，如果计算值YB1>YB2，则判定该样品属于第1类，为奇楠沉香；如果计算值YB2>YB1，则 判定该样品属于第2类，为惠安系沉香。
其中，步骤1)中所述加热处理温度为120-180℃，优选为160℃；所述加热处理时间≥ 50min，优选为60min。
特别是，还包括将待鉴定沉香样品研磨成粒度为40-60目的沉香粉末后，再进行所述的 加热处理。
尤其是，进行加热处理的沉香样品的质量为10-30mg，优选为20mg。
特别是，加热处理是使沉香中的热挥发性成分挥发至密闭容器中。
其中，步骤2)中所述特征指标化合物共15种化合物，其编号依次为X1-15,15种化合 物的CAS No(即CAS登录号，即美国化学会的美国化学文摘服务社(Chemical AbstractsService,CAS)化学物质登录号)依次为000104-20-1、000128-37-0、000489-29-2、 000637-69-4、003321-66-2、003691-12-1、005951-61-1、005956-09-2、005956-12-7、 017066-67-0、028976-67-2、071596-72-0、1000192-43-5、1000374-19-7、117066-77-0。
其中，步骤3)中所述奇楠沉香与惠安系普通沉香的Bayes判别函数(即公式B1H-Q和B2H-Q)为：
YB1H-Q＝-15.302×X1+2.720×X2+105.280×X3+39.591×X4+2.261×X5+131.868×X6+202.70 7×X7-10.335×X8-6.704×X9+9.831×X10-12.109×X11+142.119×X12+496.505×X13+35.4 67×X14+22.588×X15-88.193
(公式B1H-Q)
YB2H-Q＝-1.496×X1+1.036×X2+20.684×X3+9.029×X4+0.447×X5+27.344×X6+30.649×X7- 1.404×X8-1.249×X9+1.773×X10-0.460×X11+26.354×X12+90.760×X13+6.393×X14+4.4 66×X15-6.712
(公式B2H-Q)
特别是，步骤3)中所述奇楠沉香与惠安系普通沉香的Bayes判别函数(即公式B1H-Q和 B2H-Q)按照如下步骤建立：
3A)将42个沉香标准品分为2组，其中第1组为奇楠沉香组，记为1.00，共有16个沉香标准品；第2组为惠安系沉香组，记为2.00，共有26个沉香标准品；
3B)将沉香标准品分别置于密封的容器中，进行加热处理；
3C)对加热处理后的容器内的气体分别进行气相色谱-质谱分析，以追踪到的150种化学 成分作为观测值，并分别计算各化学成分的相对含量；
3D)采用逐步判别法从150种化学成中筛选得到15种特征指标化合物；
3E)对两组沉香标准品中的15种特征指标化合物的相对含量进行Bayes计算，获得奇楠 沉香与惠安系普通沉香的Bayes判别分析方程(即公式B1H-Q和B2H-Q)，其中，公式B1H-Q、B2H-Q具体如下：
YB1H-Q＝-15.302×X1+2.720×X2+105.280×X3+39.591×X4+2.261×X5+131.868×X6+202.70 7×X7-10.335×X8-6.704×X9+9.831×X10-12.109×X11+142.119×X12+496.505×X13+35.4 67×X14+22.588×X15-88.193
(公式B1H-Q)
YB2H-Q＝-1.496×X1+1.036×X2+20.684×X3+9.029×X4+0.447×X5+27.344×X6+30.649×X7- 1.404×X8-1.249×X9+1.773×X10-0.460×X11+26.354×X12+90.760×X13+6.393×X14+4.4 66×X15-6.712
(公式B2H-Q)
特别是，步骤3B)中将奇楠、惠安系普通沉香研磨成粒度为40-60目的沉香粉末后，再 进行所述的加热处理。
尤其是，进行加热处理的沉香标准品的质量为10-30mg，优选为20mg。
与现有技术相比，本发明的优点如下：
本发明通过在密闭容器中加热处理沉香标准品，模拟人工气味鉴别，沉香中的挥发性物 质挥发，对沉香挥发性物质进行GC-MS分析，再对沉香挥发性物质及其相对含量采用逐步判 别法进行筛选，确认奇楠与惠安系沉香的特征指标成分，并对特征指标成分的相对含量进行 Fisher判别分析的计算和Bayes判别分析计算，分别获得相应的Fisher判别方程、重心坐 标和Bayes判别方程，然后将待鉴定沉香样品的特征指标成分的GC-MS分析的相对含量代入 相应的Fisher判别方程和Bayes判别方程进行判断。本发明方法判别结果准确，鉴定效率高， 而且降低了沉香鉴定的成本，缩短了鉴定时间；克服了现有人工气味鉴别过程中人为主观性 和偶然性的缺陷。
具体实施方式
下面结合具体实施例来进一步描述本发明，本发明的优点和特点将会随着描述而更为清 楚。但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该 理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或 替换，但这些修改和替换均落入本发明的保护范围内。
下述实施例中所使用的实验方法如无特殊说明，均为常规方法。
下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。本发明实施 例中使用的沉香标准品“星洲系、惠安系、奇楠”均购自印尼、马来西亚、文莱、巴布亚新 几内亚、苏门答腊等地；惠安系和奇楠购自中国、越南、印度、泰国、柬埔寨等地；其他待分类鉴别的沉香样品A、B由北京沉香协会提供；沉香样品C、D购自流通领域市场；沉香样 品E、F采香于产地，6个样品均具备报关单、申购单等资料证明，且经过北京沉香协会专家 团鉴定。
奇楠是沉香中的上品，因其独特的味道和稀缺的资源，而价值连城。奇楠主要产自中国、 越南、印度、泰国、柬埔寨等地，也称为惠安产区。该产区除了产出奇楠，也产出惠安系普 通沉香，然而二者价值悬殊。没有经验的消费者很难将二者区分，本实施例将通过本发明对 奇楠和普通沉香进行分类。
实施例1“惠安系普通沉香”、“奇楠沉香”样品预处理
沉香分为普通沉香和奇楠两种，普通沉香分为星洲系和惠安系普通沉香，奇楠沉香产于惠 安产区，是沉香中的名贵品种，也是沉香中价值最高的香品。奇楠的研究是沉香研究的重大 课题，将惠安产区的奇楠和普通沉香有效区分能保护沉香市场，防止不良商家以次充好，欺 骗消费者。
本实施例通过本发明对奇楠和惠安系普通沉香进行区分。
一、试验器具的预处理
选取密封性能良好且对实验结果无干扰的实验器具(即玻璃瓶：本试验选用的为安捷伦 5188-2759 20ml顶空进样瓶；玻璃针管(即气相色谱分析的采样针管，100ml)；金属针头等) 于烘箱内180℃预热2小时以上，以祛除试验器具和空气中的挥发性气体对试验的干扰，以 使空白峰面积不能超过样品峰面积的2％，即视为实验器具准备完备，可以用于试验。
二、沉香样品的预处理
将42个沉香标准样品，其中奇楠沉香标准品16个(编号为第1组，记为1.00)，惠安系 普通沉香标准品26个(编号为第2组,记为2.00)和4个样品(A、B、E、F)，分别取少量 研磨，制成粒度为40-60目的标准沉香粉末，备用。
实施例2“惠安系普通沉香”、“奇楠沉香”样品的Fisher判别方程YH-Q的建立
一、沉香标准样品的加热处理
1、分别取实施例1制备的惠安系普通沉香、奇楠沉香标准品粉末各20mg，分别置于不同 的、且预热处理后的玻璃顶空进样瓶中，拧紧密封；
2、将装有沉香粉末的顶空瓶分别置于烘箱中，加热升温至160℃，并在保持温度为160℃ 的条件下保持加热1h，即对沉香粉末于160℃的条件下加热1h。
本发明加热处理的温度除了160℃之外，其他加热温度120-180℃均适用于本发明，加热 时间除了1h之外，通常加热时间≥50min均适用于本发明。本发明预热温度比沉香样品加 热处理过程中的加热温度高，在180℃时祛除挥发性物质，确保对试验没有干扰。
二、GC-MS分析
1、气体收集
将加热处理1h后的每个顶空瓶分别通过两个金属针头，同时连接氮气及预处理后的空玻 璃针管，其中氮气针头插入玻璃瓶底部，空玻璃针管针头插入玻璃瓶2-3mm。氮气缓慢通入 玻璃瓶中，将玻璃瓶中气体推入玻璃针管(采样玻璃针管)，至针管收集满100mL气体；
2、GC-MS分析
将采样针管内的气体注入气质联用仪的TENAX采样管，进行气相色谱-质谱分析(即 GC-MS分析)，其中：
气质联用仪选用：Agilent Technologies 7890A/5975C；
气相色谱分析条件如下：
色谱柱：DM 726641A：325℃:50m×320μm×1μm
进样口温度300℃，氦气流速3mL/min，不分流。
采用程序升温进行分离：初温40℃，保持1min,以5℃/min的速率升到150℃，再以1℃/min 的速率升到170℃，保持3min，再以1℃/min的速率升到180℃，保持3min，再以10℃/min 的速率升到200℃，再以20℃/min的速率升到280℃，保持1min。
数据处理：输出最小峰面积为最大峰面积的1％；质谱数据库选择为NIST14数据库(其 他质谱数据库也适用于本发明)。
三、Fisher判别分析模型
1、建立判别函数
1A、筛选特征化学成分
42个沉香标准品分为两组，奇楠沉香16个(第1组，记为1.00)；惠安系普通沉香26个(第2组，记为2.00)；通过GC-MS分析，共追踪150种(用V001-150表示)化学成分作 为观测值，并计算其相对含量。
针对追踪到的150种化学成分的相对含量采用逐步回归分析法(又称逐步判定法)筛选 出15种化学成分作为鉴定惠安系普通沉香和奇楠沉香的特征化学成分，其中，15种特征化 学成分的分子量、CAS No.如表1所示。
其中，逐步判别分析法筛选特征化学成分首先将42个样品的150种化学成分建立矩阵。 分别计算其Λ统计量、F值，筛选遵循两个原则：a、每次选择Λ统计量(广义方差，也称为 Wilks的Lambda统计量)最小者进入模型。首先选择Λ最小进入模型，然后重新计算未被选 中的其他变量与选中变量的Λ统计量，剩余统计量最小者与已经进入模型的变量搭配进入模 型。b、当
Figure BDA0001502280530000091
P＜α入时进入，当
Figure BDA0001502280530000092
P＞α出时剔除，其中F值是组间均方与组内 均方的比。其中规定α入＝0.05，α出＝0.10。边进入边剔除，一步一步以此类推，逐步筛选出特征化学成分，筛选结果见表1。
表1惠安系普通沉香、奇楠沉香Fisher判别函数系数、特征化学成分分子量及其CAS No.
Figure BDA0001502280530000093
Figure BDA0001502280530000101
其中，CAS No.又称为CAS登录号，即美国化学会的美国化学文摘服务社(ChemicalAbstracts Service,CAS) 化学物质登录号。
1B、建立Fisher判别方程
Fisher判别法(又称费希尔判别法、费舍判别法)是由Fisher在1936年提出，是根据 方差分析的思想建立起来的一种能较好区分各种总体的线性判别法，其基本思想是投影(降 维)。将k类p维数据投影到某一个方向，使得投影后类与类之间尽可能分开。Fisher判别 借助了一元方差分析的思想衡量类与类之间是否分开。即不同类之间离散程度最大化，并使 每类内部离散程度最小，进而导出判别函数。
Fisher判别式按照各类总体中方差尽可能小，不同类中的均值之间差距尽可能大的原则， 即每个总体内样本离散度越小越好。因此，依据两个原则建立数学模型：1、希望各类总体的 平均值相差越大越好；2、希望每个总体的离差平方和越小越好。
对42个沉香标准样品及其15种特征化合物的相对含量建立矩阵模型Gmn(其中m＝42， n＝15)，42个样品分为2组，即j＝1，2(j表示组别总体；1表示奇楠，2表示惠安系)。因此建立基本表达式：
Figure BDA0001502280530000102
其中：a为使Δ(a)达到极大值的向量，是投影法线；SSR为组间平方和；SSE为组内平方和； A为组内离差阵(又称交叉乘积阵)；B为组间离差阵。
Fisher判别函数(即判别分析方程)定义为：
y＝a′x+c
Figure BDA0001502280530000103
重心坐标公式：
Figure BDA0001502280530000111
其中a’为a的行向量(即a的转置)，
Figure BDA0001502280530000112
为各组样品的平均值(本实施例中
Figure BDA0001502280530000113
表示16个奇 楠样品各特征化合物的相对含量平均值组成的列向量、
Figure BDA0001502280530000114
表示26惠安系样品各特征化合物 的相对含量平均值组成的列向量)，
Figure BDA0001502280530000115
为42个样品的总均值(42个样品各特征化合物的相对 含量平均值组成的列向量)。
然后对Fisher判别函数求解，并采用不加权法计算奇楠、惠安系普通沉香两组的重心， 得到判别函数值及重心坐标。
本实施例中根据42个沉香标准样中的15种特征化学成分的相对含量，采用spss19.0软 件对特征成分的相对含量进行Fisher判别分析的计算，获得惠安系普通沉香与奇楠沉香的 Fisher判别分析方程(公式FH-Q)，公式中的各样品的特征化学成分(X1-15)以15种特征 化学成分的相对含量表示：
YFH-Q＝-1.306×X1+0.159×X2+8.000×X3+2.890×X4+0.172×X5+9.884×X6+16.271×X7-0. 845×X8-0.516×X9+0.762×X10-1.102×X11+10.947×X12+38.369×X13+2.749×X14+1.714 ×X15-6.446
(公式FH-Q)
2、判别函数的特征描述
spss19.0软件同时给出了本发明实施例中Fisher判别分析模型函数(即公式FH-Q)的特 征跟和Λ统计量，分别如表2、3所示。
表2奇楠系与惠安系沉香的Fisher判别函数YFH-Q特征值
判别函数 特征根 方差的％ 累积％ 相关系数
公式FH-Q 27.690 100.0 100.0 0.982
表3奇楠系与惠安系沉香的Fisher判别的Λ统计量
函数 Λ统计量 卡方 自由度 P
公式FH-Q 0.035 109.088 15 0.000
由表2、3中的参数对Fisher判别分析模型的描述可知，本发明方法建立的惠安系普通沉 香与奇楠沉香的Fisher判别分析模型函数的特征根为27.690，该特征根完全解释了方差，相关 系数是0.982；概率P值为0.000，表明该函数判别效果显著，可见本发明中关于判别奇楠、惠 安系普通沉香的Fisher判别分析模型适用。
3、计算奇楠沉香、惠安系普通沉香标准品的重心坐标值
采用spss19.0软件计算奇楠沉香标准品、惠安系普通沉香标准品的重心坐标值，计算结果 如表4：
表4奇楠、惠安系普通沉香组重心处的函数值
分类 重心坐标值
第1组(奇楠) 6.546
第2组(惠安系普通) -4.028
实施例3“惠安系普通沉香”、“奇楠沉香”样品的判别
一、待鉴定沉香样品的加热处理
除了分别取用实施例1制备的沉香样品A、B、E、F粉末各20mg之外，其余与实施例2的步 骤(一)相同。
二、GC-MS分析
与实施例2的步骤(二)相同。测定计算待鉴定沉香样品中15种特征化学成分的相对含量， 测定结果如表5所示。
表5奇楠沉香与惠安系普通沉香Fisher鉴别的特征化学成分的相对含量、判定结果
Figure BDA0001502280530000121
三、沉香的Fisher判别
将样品A、B、E、F的经GC-MS分析后的15种化学成分的相对含量分别代入公式FH-Q，计算 得到YFH-Q值，分别为YE：6.4398；YF：6.5593；YA：-3.0500；YB：-6.1083。
分别计算每个样品的YFH-Q值与两组(即奇楠、惠安系普通沉香标准品组)重心坐标值， 相近者即为分类。例如，YE＝-35.9385，分别计算与第1组重心坐标(6.546)和第2组重心坐标 (-4.028)的距离，经计算|YE-6.546|＝0.1026＜|YE-(-4.028)|＝10.4678，可以与第1组重心 坐标更相近，确定E为奇楠。同理可知，A为惠安系，B为惠安系，F为奇楠沉香。
如果待测样品的Fisher判别值YFH-Q与奇楠标准沉香样品的重心坐标值之间的差值的绝 对值等于待测样品的Fisher判别值YFH-Q与惠安系标准沉香样品的重心坐标值之间的差值的 绝对值，则使用Bayes判别分析法进行判别。
实施例4“惠安系普通沉香”、“奇楠沉香”样品的Bayes判别方程BH-Q的建立
一、沉香标准样品的加热处理
与实施例2相同。
二、GC-MS分析
与实施例2相同。
三、Bayes判别分析模型
1、建立判别函数
42个沉香标准品分为两组，奇楠沉香16个(编号为第1组，记为1.00)，惠安系普通沉 香26个(编号为第2组,记为2.00)；通过GC-MS分析，共追踪150种(用V001-150表示) 化学成分作为观测值，并计算其相对含量。经逐步回归法筛选15种化学成分为鉴定奇楠沉香与惠安系普通沉香的特征化学成分，其分子量、CAS No.如表1所示。
Bayes判别分析(又称贝叶斯判别分析)，其思想源于贝叶斯统计。贝叶斯判别方法依据 如下两个原则建立数学模型：1、后验概率最大化准则；2、平均损失最小化准则。得到判别 函数。在样品分类判别时，把对应项的数据代入判别函数中，得到的数值较大者，即为该样 品的分类。
Bayes数学模型
Figure BDA0001502280530000131
其中，r(D)为平均错判损失
若存在D*满足上述数学模型，则判定准则D*为Bayes判别准则。
Bayes判别函数定义为
Figure BDA0001502280530000141
其中
Figure BDA0001502280530000142
称为判别系数，
Figure BDA0001502280530000143
为常数项
式中：S为总体样品协方差阵
j为样品的分类组别，本发明中42个样品分为2组，即j＝1，2(j表示组别总体；1表示奇楠，2表示惠安系)；
Figure BDA0001502280530000144
为各组样品的平均值，本实施例中
Figure BDA0001502280530000145
表示16个奇楠样品各特征化合物的相对含 量平均值组成的列向量、
Figure BDA0001502280530000146
表示26惠安系样品各特征化合物的相对含量平均值组成的列向 量；
qj为j类样品的先验概率
在样品分类判别时，把对应特征化学成分的相对含量代入判别函数中，得到的数值较大 者，即为该样品的分类。
由于计算量较大，本实施例采用spss19.0软件对样品中化学成分的相对含量进行Bayes 计算，获得Bayes判别函数系数(如表6所示)，进而得到奇楠沉香与惠安系普通沉香的Bayes 判别函数(即公式B1H-Q、B2H-Q)，公式中的各样品观测值(X1-15)以15种特征化学成分 的相对含量表示。
表6奇楠沉香、惠安系普通沉香的Bayes判别函数系数
Figure BDA0001502280530000147
Figure BDA0001502280530000151
YB1H-Q＝-15.302×X1+2.720×X2+105.280×X3+39.591×X4+2.261×X5+131.868×X6+202.70 7×X7-10.335×X8-6.704×X9+9.831×X10-12.109×X11+142.119×X12+496.505×X13+35.4 67×X14+22.588×X15-88.193
(公式B1H-Q)
YB2H-Q＝-1.496×X1+1.036×X2+20.684×X3+9.029×X4+0.447×X5+27.344×X6+30.649×X7- 1.404×X8-1.249×X9+1.773×X10-0.460×X11+26.354×X12+90.760×X13+6.393×X14+4.4 66×X15-6.712
(公式B2H-Q)
2、Bayes判别分析模型评价
采用初始验证正确率及交叉验证正确率对奇楠沉香与惠安系普通沉香的Bayes判别公式 进行评价，采用spss19.0软件进行计算，spss19.0软件给出了奇楠沉香与惠安系普通沉香的 Bayes判别公式的判别结果(如表7)。其中：
初始验证正确率，即将42个沉香标准样品各自对应的15种特征化学成分的相对含量分别 带入公式B1H-Q和B2H-Q，经计算比较得到的预测结果与实际的样品分类相比较得出的数据；
交叉确认法正确率，即将42个样品中的某个样品单独提出，用其他剩余41个样品建立 Bayes判别模型和判别函数，将该单独提出的样品对应物质的相对含量带入Bayes判别函数， 经计算比较得到预测结果与实际的样品分类相比较，42个样品分别重复上述过程，而得到的 数据。
本实施例中，采用spss19.0软件进行计算，spss19.0软件同时给出了本实施例的Bayes判 别结果验证。可以看出初始验证正确率100％，交叉验证正确率100％，具体结果如表7所示。可 见本发明中关于判别奇楠沉香、惠安系普通沉香的Bayes判别分析模型适用于判别奇楠沉香、 惠安系普通沉香的判别。
表7判别结果验证
Figure BDA0001502280530000152
Figure BDA0001502280530000161
实施例5“惠安系普通沉香”、“奇楠沉香”样品的判别
一、待鉴定沉香样品的加热处理
除了分别取用实施例1制备的沉香样品A、B、E、F粉末各20mg之外，其余与实施例2的步 骤(一)相同。
二、GC-MS分析
与实施例2的步骤(二)相同。计算待鉴别沉香样品的特征化学成分的相对含量，测定结 果如表8所示。
三、沉香的Bayes判别
将样品A、B、E、F的经GC-MS分析后的15种特征化学成分的相对含量分别代入公式B1H-Q、 B2H-Q，分别计算得到YB1、YB2值。计算结果见表8。
表8奇楠沉香与惠安系普通沉香Bayes鉴别的特征化学成分的相对含量、判定结果
Figure BDA0001502280530000162
Figure BDA0001502280530000171
分别对每个待鉴定样品的YB1、YB2进行比较，较大数值作为分类。例如A样品中特征化 学成分的相对含量代入公式B1H-Q、B2H-Q，计算得到YB1＝-34.5221，YB2＝11.0282，YB1＜ YB2，则属于第2类，属于惠安系普通沉香；再如E样品，经计算YB1＞YB2，则属于第1类，属于奇楠沉香。
通过比较可知A、B为惠安系普通沉香；E、F为奇楠沉香。
如果待测样品的Bayes判别值YB2＝YB1，则使用Fisher判别分析法。

Claims (11)

1.一种奇楠沉香与惠安系普通沉香的鉴别方法，其特征是，包括如下顺序进行的步骤：
1）将待鉴别沉香样品置于密封的容器中，进行加热处理；
2）对加热处理后的容器内的气体进行气相色谱-质谱分析，并计算特征指标化合物的相对含量，其中所述特征指标化合物共15种化合物，其编号依次为X1-15,15种化合物的CASNo依次为000104-20-1、000128-37-0、000489-29-2、000637-69-4、003321-66-2、003691-12-1、005951-61-1、005956-09-2、005956-12-7、017066-67-0、028976-67-2、071596-72-0、1000192-43-5、1000374-19-7、117066-77-0；
3）Fisher判别法
将待鉴别沉香的GC-MS分析的特征指标化合物的相对含量代入惠安系普通沉香与奇楠沉香的Fisher判别分析方程即公式FH-Q中，获得相应的Fisher判别值YFH-Q，然后计算待测样品的判别值YFH-Q与奇楠、惠安系普通沉香标准品的Fisher判别重心坐标值之间的差距；
如果待测样品的判别值YFH-Q与奇楠沉香标准品的Fisher判别重心坐标值之间的差值的绝对值小于待测样品的判别值YFH-Q与惠安系普通沉香标准品的Fisher判别重心坐标值之间的差值的绝对值，则判定该样品为奇楠沉香；如果待测样品的判别值YFH-Q与奇楠沉香标准品的Fisher判别重心坐标值之间的差值的绝对值大于待测样品的判别值YFH-Q与惠安系普通沉香标准品的Fisher判别重心坐标值之间的差值的绝对值，则判定该样品为惠安系普通沉香。
2.一种奇楠沉香与惠安系普通沉香的鉴别方法，其特征是，包括如下顺序进行的步骤：
1）将待鉴别沉香样品置于密封的容器中，进行加热处理；
2）对加热处理后的容器内的气体进行气相色谱-质谱分析，并计算特征指标化合物的相对含量，其中所述特征指标化合物共15种化合物，其编号依次为X1-15,15种化合物的CASNo依次为000104-20-1、000128-37-0、000489-29-2、000637-69-4、003321-66-2、003691-12-1、005951-61-1、005956-09-2、005956-12-7、017066-67-0、028976-67-2、071596-72-0、1000192-43-5、1000374-19-7、117066-77-0；
3）Bayes判别分析法
将待鉴别沉香的GC-MS分析的特征指标化合物的相对含量代入奇楠沉香与惠安系普通沉香的Bayes判别分析方程即公式B1H-Q和B2H-Q中，计算待鉴定样品的YB1、YB2值，如果计算值YB1>YB2，则判定该样品属于第1类，为奇楠沉香；如果计算值YB2>YB1，则判定该样品属于第2类，为惠安系沉香。
3.如权利要求1或2所述的方法，其特征是，步骤1）中所述加热处理温度为120-180℃。
4.如权利要求1或2所述的方法，其特征是，步骤1）中所述加热处理温度为160℃。
5.如权利要求1或2所述的方法，其特征是，步骤1）中所述加热处理时间≥50min.
6.如权利要求1或2所述的方法，其特征是，步骤1）中所述加热处理时间为60min。
7.如权利要求1所述的方法，其特征是，步骤3）中所述惠安系普通沉香与奇楠沉香的Fisher判别分析方程为：
YFH-Q = - 1.306 × X1 + 0.159 × X2 + 8.000 × X3 + 2.890 × X4 + 0.172 ×X5 + 9.884 × X6 + 16.271 × X7 - 0.845 × X8 - 0.516 × X9 + 0.762 × X10 -1.102 × X11 + 10.947 × X12 + 38.369 × X13 + 2.749 × X14 + 1.714 × X15 -6.446
（公式FH-Q）
其中，X1-X15为编号依次为1-15的15种化合物GC-MS分析的相对含量。
8.如权利要求7所述的方法，其特征是，所述奇楠沉香与惠安系普通沉香的Fisher判别分析方程按照如下步骤建立：
3A）将42个沉香标准品分为2组，其中第1组为奇楠沉香组，记为1.00，共有16个沉香标准品；第2组为惠安系普通沉香组，记为2.00，共有26个沉香标准品；
3B）将沉香标准品分别置于密封的容器中，进行加热处理；
3C）对加热处理后的容器内的气体分别进行气相色谱-质谱分析，以追踪到的150种化学成分作为观测值，并分别计算各化学成分的相对含量；
3D）采用逐步判别法从150种化学成中筛选得到15种特征指标化合物；
3E）对两组沉香标准品中的15种特征指标化合物的相对含量进行Fisher判别分析的计算，获得所述的惠安系普通沉香与奇楠沉香的Fisher判别分析方程即公式FH-Q。
9.如权利要求1所述的方法，其特征是，步骤3）中所述奇楠沉香标准品的Fisher判别重心坐标值为6.546；所述惠安系普通沉香标准品的Fisher判别重心坐标值为-4.028。
10.如权利要求2所述的方法，其特征是，步骤3）中所述奇楠沉香与惠安系普通沉香的Bayes判别函数即公式B1H-Q和B2H-Q为：
YB1H-Q = - 15.302 × X1 + 2.720 × X2 + 105.280 × X3 + 39.591 × X4 +2.261 × X5 + 131.868 × X6 + 202.707 × X7 - 10.335 × X8 - 6.704 × X9 +9.831 × X10 - 12.109 × X11 + 142.119 × X12 + 496.505 × X13 + 35.467 ×X14 + 22.588 × X15 - 88.193
（公式B1H-Q）
YB2H-Q = - 1.496 × X1 + 1.036 × X2 + 20.684 × X3 + 9.029 × X4 + 0.447× X5 + 27.344 × X6 + 30.649 × X7 - 1.404 × X8 - 1.249 × X9 + 1.773 ×X10 - 0.460 × X11 + 26.354 × X12 + 90.760 × X13 + 6.393 × X14 + 4.466 ×X15 - 6.712
（公式B2H-Q）。
11.如权利要求2所述的方法，其特征是，步骤3）中所述奇楠沉香与惠安系普通沉香的Bayes判别函数，即公式B1H-Q和B2H-Q按照如下步骤建立：
3A）将42个沉香标准品分为2组，其中第1组为奇楠沉香组，记为1.00，共有16个沉香标准品；第2组为惠安系沉香组，记为2.00，共有26个沉香标准品；
3B）将沉香标准品分别置于密封的容器中，进行加热处理；
3C）对加热处理后的容器内的气体分别进行气相色谱-质谱分析，以追踪到的150种化学成分作为观测值，并分别计算各化学成分的相对含量；
3D）采用逐步判别法从150种化学成中筛选得到15种特征指标化合物；
3E）对两组沉香标准品中的15种特征指标化合物的相对含量进行Bayes计算，获得奇楠沉香与惠安系普通沉香的Bayes判别分析方程，即公式B1H-Q和B2H-Q，其中，公式B1H-Q、B2H-Q具体如下：
YB1H-Q = - 15.302 × X1 + 2.720 × X2 + 105.280 × X3 + 39.591 × X4 +2.261 × X5 + 131.868 × X6 + 202.707 × X7 - 10.335 × X8 - 6.704 × X9 +9.831 × X10 - 12.109 × X11 + 142.119 × X12 + 496.505 × X13 + 35.467 ×X14 + 22.588 × X15 - 88.193
（公式B1H-Q）
YB2H-Q = - 1.496 × X1 + 1.036 × X2 + 20.684 × X3 + 9.029 × X4 + 0.447× X5 + 27.344 × X6 + 30.649 × X7 - 1.404 × X8 - 1.249 × X9 + 1.773 ×X10 - 0.460 × X11 + 26.354 × X12 + 90.760 × X13 + 6.393 × X14 + 4.466 ×X15 - 6.712
（公式B2H-Q）。
CN201711307552.7A 2017-12-11 2017-12-11 一种奇楠沉香与惠安系普通沉香的鉴别方法 Active CN108802253B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711307552.7A CN108802253B (zh) 2017-12-11 2017-12-11 一种奇楠沉香与惠安系普通沉香的鉴别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711307552.7A CN108802253B (zh) 2017-12-11 2017-12-11 一种奇楠沉香与惠安系普通沉香的鉴别方法

Publications (2)

Publication Number Publication Date
CN108802253A CN108802253A (zh) 2018-11-13
CN108802253B true CN108802253B (zh) 2020-07-07

Family

ID=64094993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711307552.7A Active CN108802253B (zh) 2017-12-11 2017-12-11 一种奇楠沉香与惠安系普通沉香的鉴别方法

Country Status (1)

Country Link
CN (1) CN108802253B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110221012B (zh) * 2019-06-03 2021-03-26 广东省测试分析研究所（中国广州分析测试中心） 一种沉香数字化色谱/质谱指纹图谱的构建方法
CN117664955A (zh) * 2024-02-01 2024-03-08 中国林业科学研究院热带林业研究所 一种基于苗期叶表型快速鉴别奇楠沉香和普通沉香的方法
CN117664974A (zh) * 2024-02-01 2024-03-08 中国林业科学研究院热带林业研究所 一种基于苗期组织解剖快速鉴别奇楠沉香和普通沉香的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102706975A (zh) * 2012-05-22 2012-10-03 山东出入境检验检疫局 一种鉴别原油和燃料油的方法
CN102706976A (zh) * 2012-05-23 2012-10-03 山东出入境检验检疫局 一种鉴别原油和燃料油的贝叶斯方法
CN103630658A (zh) * 2013-11-06 2014-03-12 广东省微生物研究所 一种鉴别天然沉香与人工沉香的方法
JP2017194426A (ja) * 2016-04-22 2017-10-26 株式会社松栄堂 沈香の品質評価方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102706975A (zh) * 2012-05-22 2012-10-03 山东出入境检验检疫局 一种鉴别原油和燃料油的方法
CN102706976A (zh) * 2012-05-23 2012-10-03 山东出入境检验检疫局 一种鉴别原油和燃料油的贝叶斯方法
CN103630658A (zh) * 2013-11-06 2014-03-12 广东省微生物研究所 一种鉴别天然沉香与人工沉香的方法
JP2017194426A (ja) * 2016-04-22 2017-10-26 株式会社松栄堂 沈香の品質評価方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Classification and differentiation of agarwoods by using non-targeted HS-SPME-GC/MS and multivariate analysis;Cheng-Han Hung et al;《Anal. Methods》;20140707;第6卷;7449-7456 *
SPME/GC-MS鉴别沉香真伪方法研究;吴惠勤 等;《分析测试学报》;20161130;第35卷(第11期);1369-1375 *

Also Published As

Publication number Publication date
CN108802253A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
CN108802253B (zh) 一种奇楠沉香与惠安系普通沉香的鉴别方法
Wang et al. An integrated approach utilising chemometrics and GC/MS for classification of chamomile flowers, essential oils and commercial products
Gonzalvez et al. Trace-element composition and stable-isotope ratio for discrimination of foods with Protected Designation of Origin
Centonze et al. Discrimination of geographical origin of oranges (Citrus sinensis L. Osbeck) by mass spectrometry-based electronic nose and characterization of volatile compounds
Shuai et al. Recent techniques for the authentication of the geographical origin of tea leaves from camellia sinensis: A review
Angerosa et al. Sensory evaluation of virgin olive oils by artificial neural network processing of dynamic head‐space gas chromatographic data
Zhuang et al. Identification of green tea origins by near-infrared (NIR) spectroscopy and different regression tools
Segelke et al. Food authentication: species and origin determination of truffles (Tuber spp.) by inductively coupled plasma mass spectrometry and chemometrics
D’Archivio et al. Optimization using chemometrics of HS-SPME/GC–MS profiling of saffron aroma and identification of geographical volatile markers
Gao et al. Quality identification and evaluation of Pu‐erh teas of different grade levels and various ages through sensory evaluation and instrumental analysis
Li et al. Determining the geographical origin of the medicinal plant Marsdenia tenacissima with multi-element analysis and data mining techniques
Peng et al. Ageing status characterization of Chinese spirit using scent characteristics combined with chemometric analysis
Ong et al. Prediction of tea theanine content using near-infrared spectroscopy and flower pollination algorithm
Shao et al. Comparison and discrimination of the terpenoids in 48 species of huajiao according to variety and geographical origin by E-nose coupled with HS-SPME-GC-MS
Zhang et al. Rapid and direct identification of the origin of white tea with proton transfer reaction time‐of‐flight mass spectrometry
Bertoldi et al. Botanical traceability of commercial tannins using the mineral profile and stable isotopes
CN108802207B (zh) 一种鉴别沉香类别的方法
García‐González et al. Stepwise geographical traceability of virgin olive oils by chemical profiles using artificial neural network models
Sun et al. Rapid qualitative and quantitative analysis of strong aroma base liquor based on SPME-MS combined with chemometrics
Belmonte‐Sánchez et al. Applicability of high‐resolution NMR in combination with chemometrics for the compositional analysis and quality control of spices and plant‐derived condiments
Wang et al. The identification of soy sauce adulterated with bean species and the origin using headspace solid-phase microextraction coupled with gas chromatography-mass spectrometry
Fattahi et al. Rapid metabolites fingerprinting by ion mobility spectrometry: A novel evaluation method for bio-adulteration of saffron (Crocus sativus L.)
CN108802252B (zh) 一种鉴别星洲系沉香与惠安系沉香类别的方法
AISHIMA Discrimination and cluster analysis of soy sauce GLC profiles
Yue et al. Differential characterization of volatile components and aroma sensory properties of different types of Hehong tea (Congou black tea)

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