CN109752441A - 一种基于多元素的车厘子/樱桃产地溯源方法 - Google Patents
一种基于多元素的车厘子/樱桃产地溯源方法 Download PDFInfo
- Publication number
- CN109752441A CN109752441A CN201811341736.XA CN201811341736A CN109752441A CN 109752441 A CN109752441 A CN 109752441A CN 201811341736 A CN201811341736 A CN 201811341736A CN 109752441 A CN109752441 A CN 109752441A
- Authority
- CN
- China
- Prior art keywords
- car
- place
- sample
- production
- cherry
- 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
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于多种矿物元素的车厘子/樱桃产地溯源方法。首先收集不同产地的车厘子/樱桃样品,经过去核匀浆、超级微波前处理后,对样品进行52种痕量和常量矿物元素的电感耦合等离子体质谱(ICP‑MS)和电感耦合等离子体发射光谱法(ICP‑OES)分析;结合化学计量学中主成分分析(PCA)和偏最小二乘法‑判别分析(PLS‑DA)法,对中国、美国和加拿大三个产区车厘子/樱桃进行原产地溯源,构建产地溯源模型;进而对待测样品进行矿物元素分析并依据产地溯源模型分析判别待测样品的产地。该方法广谱、快速、准确,准确率高达99.6%以上,能有效的对样品产地溯源进行判别,这对车厘子/樱桃市场质量把控和风险追溯有着重要意义和较大的应用前景。
Description
技术领域
本发明属于水果产地溯源技术领域。更具体地,涉及一种基于多元素的车厘子/樱桃产地溯源方法。
背景技术
车厘子就是英语单词cherry(樱桃)的音译,它们在广东及香港地区被直译做“车厘子”,但它不是指中国樱桃,而是产于美国、加拿大、智利等美洲国家的个大、皮厚的进口樱桃,由于其色泽鲜艳、晶莹美丽,加之果实富含糖、蛋白质、维生素及钙、铁、磷、钾等多种元素,使得车厘子/樱桃成为一种比较高价值的特色进口水果之一。
中国目前也有车厘子果树的引种,山东、大连的美早在外观上与进口车厘子基本一样,其他不同产地的进口车厘子外观也难以用肉眼区分。为了获得获得更大的市场利益,市场上以次充好,假冒产地的情况时有发生,严重影响了行业的健康发展及消费者的利益。
因此,开发不同产地车厘子/樱桃的产地溯源技术,可以规范中国车厘子/樱桃消费市场,提高相关部门的反欺诈监管水平,维护消费者权益,具有良好的社会和经济效益。
发明内容
本发明要解决的技术问题是克服上述现有技术的问题,首次采用主成分分析结合偏最小二乘法判别分析的技术,建立了一种基于车厘子/樱桃中多矿物元素特征的PCA与PLS-DA产地判别溯源方法。该方法采用PCA与PLS-DA结合方式对不同产地车厘子/樱桃中多元素进行分析化学计量学分析,建立产地模型,从而实现对车厘子/樱桃产地溯源。
本发明的目的是提供一种基于多种矿物元素的车厘子/樱桃产地溯源模型。
本发明另一目的是提供一种基于多种矿物元素的车厘子/樱桃产地溯源方法。
本发明上述目的通过以下技术方案实现:
一种基于多种矿物元素的车厘子/樱桃产地溯源模型,其构建方法如下:
S1.收集不同产地的车厘子/樱桃样品;
S2.对样品进行去核匀浆前处理;
S3.对匀浆后的样品进行超级微波前处理;
S4.对超级微波处理后的样品进行ICP-MS(电感耦合等离子质谱)和ICP-OES(电感耦合等离子体发射光谱)的多元素分析,获得车厘子/樱桃样品中的多元素含量;
S5.采用PCA方法与PLS-DA方法相结合方式,对步骤S4获得的已知产地车厘子/樱桃样品的多元素含量数据进行分析,建立得到产地溯源模型。
其中,步骤S1中主要收集的是中国、美国和加拿大产区的车厘子/樱桃样品。进口车厘子一部分从广州永旺、广州正佳等大型超市购买;另一部分为机场口岸进口获得的样品,最大程度保证样品的产地真实性,少部分进口车厘子网上淘宝购得;国产大樱桃美早大部分为淘宝购买,外观与进口车厘子非常相似。
步骤S5中PCA分析的方法是:将数据进行中心标准化,再采用F-检验筛选出各产地间的显著性差异变量,然后通过PCA提取出前8个主成分实现数据降维,从显著性差异变量中提取获得主成分,最后获得不同产区车厘子样品分布聚集区,用于PLS-DA模型分析建立。
步骤S5中PLS-DA分析的方法是:根据主成分分析的数据建立车厘子样品产地溯源PLS-DA模型,可用于预测分析未知样品产地归属。PLS-DA原理:对不同处理样本的特性分别进行训练,产生训练集,并检验训练集的可信度,是一种根据观察或测量的若干变量值,来别判断研究对象如何分类的统计分析方法。
采用主成分分析初步获得不同产地车厘子训练集,根据主成分分析获得训练集情况,建立偏最小二乘法判别分析车厘子产地溯源模型,并用于验证集样品验证产地溯源模型准确性。对比分析PCA与PLS-DA两种统计分析方法鉴别车厘子样品产地来源的准确性;所有数据分析均在Simca 14.1软件(瑞士Umetrics公司)环境中完成。
另外,优选地,步骤S3超级微波前处理的方法是:称取匀浆样品,加入HNO3浸泡过夜,然后置于超级微波消解仪进行超级微波消解处理,冷却后再放入赶酸仪中加热进行赶酸处理,然后用去离子水转移(如转移入50ml离心管中,定容到25ml),分别用于进行ICP-MS的痕量和ICP-OES常量矿物元素的检测。
所述HNO3可选UP级,浓度68.0%。
优选地,所述超级微波消解处理的条件为:氮气条件下逐步升温微波处理,升温程序为:第一步为7-9min内从室温升到110-130℃,第二步为7-9min内从110-130℃升到210-230℃,第三步为210-230℃保持8-15分钟;三步压力均为15000MPa。
更优选地,所述超级微波消解处理的条件为:氮气条件下逐步升温微波处理,升温程序为:第一步为8min内从室温升到120℃,第二步为8min内从120℃升到220℃,第三步为210℃保持10分钟;三步功率均为1500W,压力均为15000MPa。
其中优选地,氮气条件是在密封反应器内充进高纯氮气30-50bar。
更优选地,氮气条件是在密封反应器内充进高纯氮气40bar。
优选地,赶酸处理时加热的温度为120-140℃。
更优选地,赶酸处理时加热的温度为130℃。
优选地,步骤S4中ICP-MS分析用铑和铟做为内标溶液。
优选地,步骤S4中的多元素共52种,分别是Be、B、Na、Mg、Al、Si、P、K、Ca、Sc、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、Ge、As、Se、Sr、Y、Zr、Nb、Mo、Ag、Cd、Sn、Sb、I、Cs、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Dy、Ho、Er、Tm、Yb、Lu、Pb、Th、U、Tl。
其中,Na、Mg、P、K、Ca采用ICP-OES进行测定,其他元素采用ICP-MS进行测定。
另外,多元素测定方法准确性采用生物成分有证标准物质苹果GBW10019(GSB-10)、绿茶GBW10052进行验证,证书中硅、铝是以总量计算,消化时需要加氢氟酸,本方法测得的硅、铝含量为酸可溶性硅和铝,比证书值低;其他元素相对证书标示的含量,方法偏差在10%以内。
另外,由上述方法构建所得的车厘子/樱桃产地溯源模型的表征描述如下:包括根据52种元素含量数据,利用主成分分析(PCA)初步判别的不同产地车厘子的得分聚集区(得分图分布区间);以及根据偏最小二乘法-判别分析(PLS-DA)准确判别的不同产地车厘子的分布规律,和不同产地车厘子52种元素含量关联信息,尤其是27种特征贡献率元素(主要贡献率元素)Be、Pr、Cd、Fe、Mn、Zn、Ni、Ti、Sm、Dy、Gd、Co、Y、Nd、Ce、Mg、Ca、Se、Ge、K、Lu、As、La、Cu、Sc、Sb、Nb的信息。然后可基于该模型依据不同产地车厘子得分图分布区间分布规律和特征贡献率元素信息,鉴别未知产地车厘子样品产地归属区域,从而判别未知样品产地来源。
基于上述模型,本发明还提供一种基于多种矿物元素的车厘子/樱桃产地溯源方法,包括如下步骤:
S1.收集车厘子/樱桃待测样品;
S2.对待测样品进行去核匀浆前处理;
S3.对匀浆后的待测样品进行超级微波前处理;
S4.对超级微波处理后的待测样品进行ICP-MS(电感耦合等离子质谱)和ICP-OES(电感耦合等离子体发射光谱)的多元素分析,获得待测样品中的多元素含量;
S5.将步骤S4获得的待测样品的数据输入到产地溯源模型中进行分析判别,获得未知产地的车厘子/樱桃样品的产地溯源。
其中,优选地,步骤S4中多元素共27种,分别是Be、Pr、Cd、Fe、Mn、Zn、Ni、Ti、Sm、Dy、Gd、Co、Y、Nd、Ce、Mg、Ca、Se、Ge、K、Lu、As、La、Cu、Sc、Sb、Nb。
具体地,这27种元素为中国和北美不同产地车厘子主要贡献率元素,因此优选可用于中国和北美不同产地车厘子的产地溯源。
步骤S1-S3的操作方法同上文所述。
本发明具有以下有益效果:
本发明综合考虑车厘子/樱桃产品特性,利用多元素含量,首次应用PCA与PLS-DA法对高价值水果车厘子进行产地溯源,能有效的对样品产地溯源进行判别,提供了一种基于多种矿物元素的车厘子/樱桃产地溯源方法,这对车厘子/樱桃市场质量把控和风险追溯有着重要意义。
另外,本发明利用已知产地车厘子/樱桃的多元素含量进行PCA与PLS-DA分析法建立车厘子/樱桃产地溯源模型,可作为对未知产地车厘子/樱桃进行产地溯源的方法,国产车厘子/樱桃判别结果的准确率可达99.6%以上。本发明采用多元素含量来作为判定产地溯源指标的方法,有着广谱、快速、准确的特点。而且可以按照本发明的方法不断补充扩大数据库,进一步提高模型的适用范围和判定准确率。
附图说明
图1为不同来源车厘子PCA分析结果(PCA分析得分图);具体是采用PCA主成分分析判定函数区分国产、美国-市场购买、美国-广州口岸进口和加拿大三个国家及地区车厘子/樱桃的散点图。图中,带“绿色和蓝色”为国产樱桃;红色原点代表-市场上购得的美国地区车厘子;黄色原点代表-口岸获得的美国地区车厘子;紫色-加拿大产区车厘子,蓝色为未知产区样品,可能是市场购买样品产地标识错误或者有不同产区样品掺杂导致。
图2为不同产地樱桃PLS-DA分析结果(PLS-DA分析得分图)。
图3为PLS-DA分析不同产地樱桃主要贡献元素组成(52种元素贡献率图)。
图4为PLS-DA模型预测14个樱桃样品产地信息(PLS-DA模型预测得分图)。
具体实施方式
以下结合说明书附图和具体实施例来进一步说明本发明,但实施例并不对本发明做任何形式的限定。除非特别说明,本发明采用的试剂、方法和设备为本技术领域常规试剂、方法和设备。
除非特别说明,本发明所用试剂和材料均为市购。
实施例1
本发明选取多种矿物元素含量作为车厘子/樱桃产地溯源的特征指纹信息,主要是基于矿物元素含量与土壤环境、水、废弃物以及空气中的矿物元素组成及含量有关,不同地域间的环境存在差异。将矿物元素作为产地溯源的特征指纹信息,含量相对气味等指标参数更为稳定,可以作为产地溯源的指标。本发明采用PCA-LDA联合分析,建立车厘子/樱桃产地溯源数据库,对车厘子/樱桃原产地进行判别。
本实施例中所有数据分析均在SIMCA环境中完成。具体步骤:
1、收集样品:
购买或收集中国、美国和加拿大地区的车厘子样品;共收集到92个样本,其中产地为美国的有50个样本,20个是广州机场口岸获得的,30个是从超市或淘宝网站购得;产地为中国的有31个样本,中国产地的大部分为山东,少数几个为辽宁,大部分淘宝购得,少部分为超市购得;加拿大产区有11个样本,均为广州机场口岸获得。本发明中已知产地的车厘子/樱桃样品产地分布见表1。
表1已知产地车厘子/樱桃样品数量及产地
2、样品前处理:新鲜车厘子/樱桃去核后匀浆。
3、多元素分析
称取1.0g车厘子/樱桃样品于超级微波消解管,加入HNO3浸泡过夜,置于超级微波消解仪(Milstone,美国Milstone公司)的样品架上,进行超级微波消解处理;待冷却后拿出消解管架,放入赶酸仪中加热,把剩下的HNO3和氮氧化物处理掉,即进行赶酸处理,最后用去离子水将消解液转入塑料离心管中,定容摇匀,上ICP-MS(PE ELAN-DRC-e,美国,PE公司)和ICP-OES(PE 5300,美国,PE公司)进行测定。多元素测定时用铑和铟做为内标溶液(100ng/mL),监控和校正仪器漂移。不同产地车厘子/樱桃中多元素的含量见表2。
表2不同产地车厘子中矿物多元素的含量
注:“-”表示检测结果为负值。
从表2中可以看出,同一元素在不同国家间以及同一地区不同批次间样品标准偏差比较大,结果表明选择这52种元素作为研究对象时,单一元素因素组内和组间差异显著,不能通过某1个或几个元素进行产地来源的鉴定,需要根据车厘子中52种元素含量分布情况,进行多元统计分析来鉴别车厘子的产地来源。
将不同产地车厘子中52种元素含数据进行主成分分析(PCA),PCA初步分析结果见图1,不同产地的车厘子样品分布具有一定聚集效应,由此可知根据车厘子中金属元素含量分布情况判别车厘子样品产地来源。
4、车厘子判别模型-主成分贡献率:
车厘子判别模型-主成分贡献率见表3和表4,PCA模型6个主成分贡献率:第一主成分21.5%,第二主成分11.4%,第三主成分7.45%,第四主成分5.79,第五主成分,5.63%和第六主成分4.79%;PLS-DA模型2个主成分贡献率:第一主成分21.4%,第二主成分9.01%。
表3车厘子溯源模型PCA主成分贡献率
5、PLS-DA最小二乘法判别分析
根据93个车厘子/樱桃样品的52种元素含量进行了PLS-DA线性判别分析,其中样品按照来源分辽宁樱桃、山东樱桃、市场购买美国樱桃、口岸美国樱桃和口岸加拿大樱桃5组集合,PLS-DA模型分析结果见图2,结果显示PLS-DA模型与PCA模型分析结果具有一定相似,表明可以通过樱桃中金属元素含量分布情况鉴定车厘子/樱桃产地来源。
由图2可知樱桃中国、美国、加拿大产地樱桃具有一定聚类效应,其中,中国山东和辽宁的樱桃也具有一定地域差异,由图2可知,市场上标记山东和辽宁樱桃产地信息不够准确,有些可能是辽宁樱桃也声称是山东樱桃。不管市场购买美国樱桃及口岸收集美国樱桃显著聚类一起,加拿大樱桃与美国樱桃具有一定交叉,产地信息区别不显著,需要进一步收集真实加拿大和美国产地樱桃进行研究分析获得真实的统计数据。另外,2个美国樱桃样品和1个加拿大樱桃样品明显离群,表明这个3个样品不是真实美国和加拿大产地的樱桃。
不同产地车厘子主要贡献率元素是Be、Pr、Cd、Fe、Mn、Zn、Ni、Ti、Sm、Dy、Gd、Co、Y、Nd、Ce、Mg、Ca、Se、Ge、K、Lu、As、La、Cu、Sc、Sb、Nb-(图3),由图3可知,加拿大和美国产地樱桃主要贡献度元素在Group 1集合,而中国产地樱桃主要贡献度元素在Group2集合,由此可知,可以通过主要贡献度的元素组成用来鉴定樱桃的产地来源真假问题。
6、未知产地样品的溯源判别
测定未知产地信息的车厘子/樱桃样品以及验证样品的多元素含量,总计14个样品数据带入已知产地的车厘子/樱桃产地溯源模型中,利用PLS-DA预测14个样品产地情况,根据样品在模型中分布位置,判断未知车厘子/樱桃样品的产地(图4)。
由图4可知,3个未知产地信息样品归属美国产地的樱桃,山东樱桃验证样品归属中国产地聚集区,2个土耳其樱桃与中国产地聚集一起,可推测其未必是真正的土耳其樱桃,加拿大樱桃验证样品归属加拿大产地聚集区;然而2个美国樱桃显著离群,与PLS-DA模型中3个樱桃样品分区相似,表明这2个樱桃产地信息有误,可能是冒充美国樱桃。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于多种矿物元素的车厘子/樱桃产地溯源模型,其特征在于,其构建方法如下:
S1.收集不同产地的车厘子/樱桃样品;
S2.对样品进行去核匀浆前处理;
S3.对匀浆后的样品进行超级微波前处理;
S4.对超级微波处理后的样品进行ICP-MS和ICP-OES的多元素分析,获得车厘子/樱桃样品中的多元素含量数据;
S5.采用PCA方法与PLS-DA方法相结合方式,对步骤S4获得的已知产地车厘子/樱桃样品的多元素含量数据进行分析,建立得到产地溯源模型。
2.根据权利要求1所述的车厘子/樱桃产地溯源模型,其特征在于,步骤S5中PCA分析的方法是:将数据进行中心标准化,再采用F-检验筛选出各产地间的显著性差异变量,然后通过PCA提取出前8个主成分实现数据降维,从显著性差异变量中提取获得主成分,最后获得不同产区车厘子样品分布聚集区,用于PLS-DA模型分析建立;PLS-DA分析的方法是:根据主成分分析的数据建立车厘子样品产地溯源PLS-DA模型,可用于预测分析未知样品产地归属。
3.根据权利要求1所述的车厘子/樱桃产地溯源模型,其特征在于,步骤S3超级微波前处理的方法是:称取匀浆样品,加入HNO3溶液浸泡过夜,然后进行超级微波消解处理,冷却后再加热进行赶酸处理,然后用去离子水转移,分别用于进行ICP-MS的痕量和ICP-OES常量矿物元素的检测。
4.根据权利要求1所述的车厘子/樱桃产地溯源模型,其特征在于,步骤S4中ICP-MS分析用铑和铟做为内标溶液。
5.根据权利要求1所述的车厘子/樱桃产地溯源模型,其特征在于,步骤S4中的多元素共52种,分别是Be、B、Na、Mg、Al、Si、P、K、Ca、Sc、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、Ge、As、Se、Sr、Y、Zr、Nb、Mo、 Ag、Cd、 Sn、Sb、I、Cs、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Dy、Ho、Er、Tm、Yb、Lu、Pb、Th、U、Tl。
6.根据权利要求5所述的车厘子/樱桃产地溯源模型,其特征在于,Na、Mg、P、K、Ca采用ICP-OES进行测定,其他元素采用ICP-MS进行测定。
7.一种基于多种矿物元素的车厘子/樱桃产地溯源方法,其特征在于,包括如下步骤:
S1.收集车厘子/樱桃待测样品;
S2.对待测样品进行去核匀浆前处理;
S3.对匀浆后的待测样品进行超级微波前处理;
S4.对超级微波处理后的待测样品进行ICP-MS和ICP-OES的多元素分析,获得待测样品中的多元素含量;
S5.将步骤S4获得的待测样品的数据输入到权利要求1-6任一所建立的产地溯源模型中进行分析判别,获得未知产地的车厘子/樱桃样品的产地溯源。
8.根据权利要求7所述方法,其特征在于,步骤S4中多元素共52种,分别是Be、B、Na、Mg、Al、Si、P、K、Ca、Sc、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、Ge、As、Se、Sr、Y、Zr、Nb、Mo、 Ag、Cd、Sn、Sb、I、Cs、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Dy、Ho、Er、Tm、Yb、Lu、Pb、Th、U、Tl。
9.根据权利要求7所述方法,其特征在于,步骤S4中多元素共27种,分别是Be、Pr、Cd、Fe、Mn、Zn、Ni、Ti、Sm、Dy、Gd、Co、Y、Nd、Ce、Mg、Ca、Se、Ge、K、Lu、As、La、Cu、Sc、Sb、Nb。
10.根据权利要求7所述方法,其特征在于,步骤S1-S3的操作方法同权利要求1中步骤S1-S3所述。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811341736.XA CN109752441A (zh) | 2018-11-12 | 2018-11-12 | 一种基于多元素的车厘子/樱桃产地溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811341736.XA CN109752441A (zh) | 2018-11-12 | 2018-11-12 | 一种基于多元素的车厘子/樱桃产地溯源方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109752441A true CN109752441A (zh) | 2019-05-14 |
Family
ID=66402797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811341736.XA Pending CN109752441A (zh) | 2018-11-12 | 2018-11-12 | 一种基于多元素的车厘子/樱桃产地溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109752441A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110646500A (zh) * | 2019-09-12 | 2020-01-03 | 乌鲁木齐海关技术中心 | 一种吐鲁番葡萄干原产地溯源体系 |
CN111220693A (zh) * | 2020-03-16 | 2020-06-02 | 阿拉山口海关技术中心 | 一种基于多元素含量统计学的不同产地和田玉鉴别方法 |
CN111650186A (zh) * | 2020-04-23 | 2020-09-11 | 广西民族大学 | 一种利用多元素含量分布模式溯源罗汉果原产地的方法 |
CN112557494A (zh) * | 2020-11-05 | 2021-03-26 | 广州海关技术中心 | 一种基于多元素和化学计量学的银鳕鱼物种鉴别方法 |
CN113670780A (zh) * | 2020-05-13 | 2021-11-19 | 力合科技(湖南)股份有限公司 | 沉降槽固液分离层在线检测仪及在线检测方法 |
CN114414653A (zh) * | 2022-01-24 | 2022-04-29 | 杭州海关技术中心 | 一种基于果核的车厘子产地溯源方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662321A (zh) * | 2012-03-23 | 2012-09-12 | 清华大学 | 一种主元分析监控模型的在线更新方法 |
CN106353416A (zh) * | 2016-08-11 | 2017-01-25 | 黄埔出入境检验检疫局综合技术服务中心 | 一种构建特基拉酒产地溯源模型的方法 |
CN107424003A (zh) * | 2017-05-05 | 2017-12-01 | 浙江省农业科学院 | 一种基于稳定性同位素比率和多元素的杨梅产地溯源方法 |
-
2018
- 2018-11-12 CN CN201811341736.XA patent/CN109752441A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662321A (zh) * | 2012-03-23 | 2012-09-12 | 清华大学 | 一种主元分析监控模型的在线更新方法 |
CN106353416A (zh) * | 2016-08-11 | 2017-01-25 | 黄埔出入境检验检疫局综合技术服务中心 | 一种构建特基拉酒产地溯源模型的方法 |
CN107424003A (zh) * | 2017-05-05 | 2017-12-01 | 浙江省农业科学院 | 一种基于稳定性同位素比率和多元素的杨梅产地溯源方法 |
Non-Patent Citations (1)
Title |
---|
王洁 等: "基于矿物元素指纹的龙井茶产地溯源", 《核农学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110646500A (zh) * | 2019-09-12 | 2020-01-03 | 乌鲁木齐海关技术中心 | 一种吐鲁番葡萄干原产地溯源体系 |
CN110646500B (zh) * | 2019-09-12 | 2022-04-15 | 乌鲁木齐海关技术中心 | 一种吐鲁番葡萄干原产地溯源体系 |
CN111220693A (zh) * | 2020-03-16 | 2020-06-02 | 阿拉山口海关技术中心 | 一种基于多元素含量统计学的不同产地和田玉鉴别方法 |
CN111650186A (zh) * | 2020-04-23 | 2020-09-11 | 广西民族大学 | 一种利用多元素含量分布模式溯源罗汉果原产地的方法 |
CN113670780A (zh) * | 2020-05-13 | 2021-11-19 | 力合科技(湖南)股份有限公司 | 沉降槽固液分离层在线检测仪及在线检测方法 |
CN112557494A (zh) * | 2020-11-05 | 2021-03-26 | 广州海关技术中心 | 一种基于多元素和化学计量学的银鳕鱼物种鉴别方法 |
CN114414653A (zh) * | 2022-01-24 | 2022-04-29 | 杭州海关技术中心 | 一种基于果核的车厘子产地溯源方法 |
CN114414653B (zh) * | 2022-01-24 | 2023-12-01 | 杭州海关技术中心 | 一种基于果核的车厘子产地溯源方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109752441A (zh) | 一种基于多元素的车厘子/樱桃产地溯源方法 | |
CN103630528B (zh) | 一种利用茶叶中元素含量鉴别茶叶产地的方法 | |
CN105044198B (zh) | 一种基于矿质元素指纹鉴别葡萄酒原产地的方法 | |
CN104807787B (zh) | 一种基于激光诱导击穿光谱技术的茶叶分类鉴别方法 | |
CN102455320B (zh) | 一种产地葡萄酒识别技术方法 | |
Gonzálvez et al. | Elemental fingerprint of wines from the protected designation of origin Valencia | |
CN107424003A (zh) | 一种基于稳定性同位素比率和多元素的杨梅产地溯源方法 | |
CN105628780B (zh) | 一种扁形茶的产地识别方法 | |
CN105699472A (zh) | 基于稳定同位素比例差异的扁形茶产地判别方法 | |
CN106885851B (zh) | 一种基于手性定量分析技术的红茶产地判别方法 | |
Day et al. | The use of trace element data to complement stable isotope methods in the characterization of grape musts | |
CN106680241A (zh) | 一种新型光谱多元分析分类与识别方法及其用途 | |
CN106560704A (zh) | 联合同位素和微量元素检验的武夷岩茶产地鉴别方法 | |
CN103712974B (zh) | 一种对锂电池隔膜处理并同时测定所含金属元素的方法 | |
CN105717066A (zh) | 一种基于加权相关系数的近红外光谱识别模型 | |
CN104132968A (zh) | 一种大米地理标志的鉴别方法及其应用 | |
CN108844941A (zh) | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 | |
Feher et al. | Characterization and classification of wines according to geographical origin, vintage and specific variety based on elemental content: A new chemometric approach | |
CN110646500B (zh) | 一种吐鲁番葡萄干原产地溯源体系 | |
CN105866233A (zh) | 普洱茶古树茶真伪识别方法 | |
CN106770607B (zh) | 一种利用hs‐imr‐ms鉴别卷烟真伪的方法 | |
CN104380082A (zh) | 钻石的红外分析 | |
CN108445134B (zh) | 酒类产品鉴别的方法 | |
CN110068605A (zh) | 一种基于pca-lda分析鉴别大米产地的方法 | |
Liu et al. | Chemometric authentication of Pu’er teas in terms of multielement stable isotope ratios analysis by EA-IRMS and ICP-MS |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190514 |
|
RJ01 | Rejection of invention patent application after publication |