CN110596081A - 一种基于指纹图谱的银鲳鱼产地鉴别溯源方法 - Google Patents
一种基于指纹图谱的银鲳鱼产地鉴别溯源方法 Download PDFInfo
- Publication number
- CN110596081A CN110596081A CN201910750805.0A CN201910750805A CN110596081A CN 110596081 A CN110596081 A CN 110596081A CN 201910750805 A CN201910750805 A CN 201910750805A CN 110596081 A CN110596081 A CN 110596081A
- Authority
- CN
- China
- Prior art keywords
- pomfret
- solution
- detected
- muscle
- silvery
- 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
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/73—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited using plasma burners or torches
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Plasma & Fusion (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种基于指纹图谱的银鲳鱼产地鉴别溯源方法。本发明首先制备银鲳鱼肌肉待测溶液;利用电感耦合等离子体发射光谱仪和电感耦合等离子体质谱仪测定银鲳鱼肌肉待测溶液中Na、Mn、Co、Cu、As、Se、Rb和Sn 8种矿质元素的含量;将测定结果代入银鲳鱼判别函数模型中,通过比较银鲳鱼判别函数模型的大小来确定待测银鲳鱼的产地。本发明首次建立了江苏吕四、浙江舟山和海南三亚三个产地的银鲳鱼判别函数模型,利用该判别函数模型对银鲳鱼产地的判别准确率达92%以上,不仅表征了真实的特征信息,在产地来源信息上也具有较高的可信度,对快速实现银鲳鱼产地的快速鉴别和溯源追踪具有重要指导意义。
Description
技术领域
本发明属于海产品鉴别技术领域。更具体地,涉及一种基于指纹图谱的银鲳鱼产地鉴别溯源方法。
背景技术
银鲳鱼在我国的主要产地位于东海和南海,主要的渔场有海南岛西部渔场、舟山渔场以及吕四渔场等,由于目前银鲳鱼仍为野生捕捞,加之受其产量逐年下降的影响,银鲳鱼在市场上的价格越来越高。在经济利益的驱动下,市面上出现了诸多假冒银鲳鱼的鱼类,不法商贩将其它非银鲳鱼类故意进行错误标识,以次充好,严重干扰了水产品市场秩序,损害了消费者的合法权益。由于银鲳鱼与其他科目的鱼类具有某些相似的外表特征,加上其又有多种俗称,导致消费者无法直接从外观特征以及产品名称上做到辨认银鲳鱼与其他相似鱼类的区别,从而会轻易地上当受骗。
目前,现有的针对水产品所开发出的产地鉴别技术中,其对象主要局限在河蟹等淡水养殖水产品,还未有针对银鲳鱼等高档鱼类海产品的产地鉴别溯源方法出现。因此,在当前环境下亟需对银鲳鱼等名贵水产品探索并开发出相应的产地鉴别溯源技术,从而起到遏制错误标识乱象、规范市场秩序、保护消费者权益的目的。
发明内容
本发明要解决的技术问题是填补目前在银鲳鱼等名贵海产品的产地鉴别上的技术空白,提供一种基于指纹图谱的银鲳鱼产地鉴别溯源方法。
本发明的目的是提供一种基于指纹图谱的银鲳鱼产地鉴别溯源方法。
本发明另一目的是提供所述方法在鉴别不同产地银鲳鱼中的应用。
本发明上述目的通过以下技术方案实现:
本发明利用电感耦合等离子体发射光谱仪和电感耦合等离子体质谱仪测定银鲳鱼肌肉样品中矿质元素的含量,获得元素指纹图谱,然后对元素指纹图谱进行分析,建立不同产地的银鲳鱼判别函数模型;将待测银鲳鱼肌肉中具有有效判别作用的矿质元素含量,代入上述银鲳鱼判别函数模型中,从而实现对不同产地的银鲳鱼进行判别,起到快速鉴别溯源银鲳鱼产地的目的。
因此,以下内容均应在本发明的保护范围之内:
一种基于指纹图谱的银鲳鱼产地鉴别溯源方法,包括以下步骤:
S1.制备银鲳鱼肌肉待测溶液,测定待测溶液中的矿质元素含量,所述矿质元素为Na、Mn、Co、Cu、As、Se、Rb和Sn;
S2.将步骤S1得到的测定结果代入银鲳鱼判别函数模型中,通过比较银鲳鱼判别函数模型的大小来确定待测银鲳鱼的产地;
所述银鲳鱼判别函数模型分别如下:
江苏吕四银鲳鱼判别函数模型Y1为:
Y1=0.002CNa-0.738CMn+0.693CCo+14.842CCu+2.041CAs+16.795CSe+9.856CRb+11.847CSn-33.373;
浙江舟山银鲳鱼判别函数模型Y2为:
Y2=0.002CNa-2.093CMn+1.389CCo+11.213CCu+2.236CAs+16.634CSe+14.316CRb+30.354CSn-40.297;
海南三亚银鲳鱼判别函数模型Y3为:
Y3=0.004CNa-5.86CMn+28.331CCo-11.018CCu+3.413CAs+31.525CSe+20.184CRb+17.425CSn-83.852;
其中,CNa、CMn、CCo、CCu、CAs、CSe、CRb、CSn分别代表元素Na、Mn、Co、Cu、As、Se、Rb、Sn的干重浓度值;
步骤S3所述确定待测银鲳鱼的产地的方法为:比较Y1、Y2、Y3的大小,当Y1最大时,则待测银鲳鱼的产地为江苏吕四;当Y2最大时,则待测银鲳鱼的产地为浙江舟山;当Y3最大时,则待测银鲳鱼的产地为海南三亚。
所述干重浓度值为经烘干后的银鲳鱼肌肉中的各元素浓度的含量。
优选地,所述银鲳鱼的产地为江苏吕四、浙江舟山或海南三亚中的任一。
优选地,所述银鲳鱼为野生成熟期银鲳鱼。
具体地,成熟期银鲳鱼为同一时间段内不同海域产地银鲳鱼所认定产地内的成熟期银鲳鱼。
为了方便获取实验材料且提高测定结果的准确率,优选地,所述银鲳鱼肌肉为银鲳鱼背部肌肉。
更优选地,所述银鲳鱼肌肉为银鲳鱼背脊两侧处肌肉。
优选地,步骤S2所述待测溶液中的矿质元素含量的测定方法为:利用电感耦合等离子体发射光谱仪和电感耦合等离子体质谱仪测定银鲳鱼肌肉待测溶液中的矿质元素含量。
优选地,步骤S1所述制备银鲳鱼肌肉待测溶液的方法为:
(1)对待测银鲳鱼肌肉进行干燥,研磨,得到银鲳鱼肌肉粉末样品;
(2)将步骤(1)得到的银鲳鱼肌肉粉末样品用浓硝酸和过氧化氢溶液消解,得到消解液;
(3)对步骤(2)得到的消解液进行赶酸,定容,即可得到所述得到银鲳鱼肌肉待测溶液。
优选地,步骤(2)所述浓硝酸和过氧化氢的体积比为2.5~7:1。
更优选地,步骤(2)所述浓硝酸和过氧化氢的体积比为2.5:1。
优选地,步骤(2)所述浓硝酸的浓度为68%~75%。
更优选地,步骤(2)所述浓硝酸的浓度为69%。
优选地,步骤(2)所述过氧化氢的浓度为25%~35%。
更优选地,步骤(2)所述过氧化氢的浓度为30%。
优选地,步骤(3)所述赶酸的温度为120℃~130℃。
更优选地,步骤(3)所述赶酸的温度为125℃。
优选地,步骤(3)所述赶酸的时间为2~3h。
更优选地,步骤(3)所述赶酸的时间为2.5h。
另外,所述方法在鉴别不同产地银鲳鱼中的应用,也应在本发明的保护范围之内。
本发明具有以下有益效果:
本发明提供了一种基于指纹图谱的银鲳鱼产地鉴别溯源方法,首次分别建立了不同产地银鲳鱼判别函数模型,利用该判别函数模型对银鲳鱼原始的单个产地回代检验的整体判别正确率为94.1%,采用交叉验证法进行判别的整体正确率为92.2%,判别准确率达92%以上,且稳定性好,可重复性高、系统误差小,不仅表征了真实的特征信息,在产地来源信息上也具有较高的可信度。
利用该银鲳鱼判别函数模型,不仅可以有效地区分江苏吕四、浙江舟山或海南三亚三个产地的银鲳鱼,还可以快速验证待测银鲳鱼是否来自于以上三个产地,可实现银鲳鱼产地的快速鉴别和溯源追踪,对于遏制银鲳鱼错误标识乱象、规范市场秩序、保护消费者权益具有重要意义。
附图说明
图1是不同产地的银鲳鱼左侧背部肌肉中矿质元素的前3个主成分的载荷图。
图2是不同产地的银鲳鱼背部肌肉样品的前3个主成分得分图。
图3是不同产地银鲳鱼样本的判别函数模型得分图。
具体实施方式
以下结合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,以下实施例所用试剂和材料均为市购。
实施例1基于指纹图谱的银鲳鱼产地鉴别溯源方法的建立
1、采集不同海域产地野生银鲳鱼样本
从分别属于黄海海域、东海海域和南海海域的江苏省吕四港镇、浙江省舟山市和海南省三亚市随机捕捞采集成熟期银鲳鱼样本,每个产地分别采集17尾样本,共计采集51尾样本。
2、对银鲳鱼进行前处理,得到银鲳鱼肌肉待测溶液
将银鲳鱼用超纯水洗净表面并去鳞后,进行解剖,统一取银鲳鱼左侧背部肌肉作矿质元素分析。银鲳鱼背部肌肉于75℃烘箱中干燥48h至恒重,使用磨粉器研磨均匀,得银鲳鱼左侧背部肌肉粉末样品。称取0.5g(精确到0.0001g)银鲳鱼左侧背部肌肉粉末样品倒入聚四氟乙烯消解管中,向消解管中以体积比5:2加入70%浓硝酸(电子级,上海阿拉丁生化科技股份有限公司)和30%过氧化氢溶液(优级纯,上海麦克林生化科技有限公司)共7mL后,使用微波消解仪进行消解,银鲳鱼左侧背部肌肉粉末样品的消解程序如表1所示。消解液于125℃赶酸仪中赶酸2h,待赶酸至溶液剩余1mL时取出室温冷却,冷却后的溶液经过滤转移至容量瓶中,使用超纯水定容至25mL成待测溶液。同时做试剂空白。
表1银鲳鱼左侧背部肌肉粉末样品的消解程序
3、测定银鲳鱼肌肉待测溶液中的矿质元素含量
采用电感耦合等离子体发射光谱仪(ICP-OES,美国PE公司,Optima 2000DV)检测鱼肉样品中5种宏量矿质元素K、Ca、Na、Mg和Al的含量;采用电感耦合等离子体质谱仪(ICP-MS,美国赛默飞世尔公司,iCAP TQs ICP-MS)检测鱼肉样品中14种微量矿质元素Ti、V、Cr、Mn、F、Co、Cu、Zn、As、Se、Rb、Sr、Sn和Ba的含量,选取Sc、Ge、In、Bi作为内标元素,采用内标法保证仪器的稳定性;检测时均采用外标法对各矿质元素进行定量分析,每个样品重复检测3次,同时用标准加标法向待测溶液样品中添加多元素混标溶液,并测定各矿质元素的回收率,以验证检测方法的准确性和精密度。
不同产地银鲳鱼左侧背部肌肉中矿质元素含量(即“指纹图谱信息”)的测定结果如表2所示。
表2不同产地银鲳鱼左侧背部肌肉中矿质元素含量(即“指纹图谱信息”)
注:元素浓度含量单位均为μg/kg,表格中的数值均有平均值±标准偏差表示,不同小写字母表示显著性差异(p<0.05)。
4、对不同产地银鲳鱼左侧背部肌肉中矿质元素含量测定的结果进行分析,选取部分矿质元素作为有效变量,构建不同产地银鲳鱼判别函数模型
对不同产地的银鲳鱼左侧背部肌肉中矿质元素的含量(即“指纹图谱信息”)进行方差分析,结果显示,元素K、Ca、Na、Al、Ti、Mn、Fe、Cu、Zn、Se、Rb、Sr和Sn的含量在不同海域产地间具有显著性差异(p<0.05),元素Mg、V、Cr、Co、As和Ba的含量在不同海域产地间不具有显著性差异。不同海域产地的银鲳鱼的矿质元素组成均有其各自特点,来自于黄海海域产地为江苏吕四的银鲳鱼的矿质元素指纹图谱中K、Ti、Cr、Fe和Sn元素的平均含量最高,Ca、Na、Co、Zn和Sr元素的平均含量最低;来自东海海域产地为浙江舟山的银鲳鱼的矿质元素指纹图谱中Ca、Mn、Cu和Zn元素的平均含量最高,Al、Se、Rb和Sn元素的平均含量最低;来自南海海域产地为海南三亚的银鲳鱼的矿质元素指纹图谱中Na、Al、Se、Rb和Sr元素的平均含量最高,K、Ti、Mn、Fe和Cu元素的平均含量最低。
通过方差分析可以得知,矿质元素指纹图谱中包括宏量矿质元素K、Ca、Na、Al和微量矿质元素Ti、Mn、Fe、Cu、Zn、Se、Rb、Sr、Sn的含量与不同海域产地具有显著的相关性,形成了相应地各自海域产地银鲳鱼的矿质元素指纹图谱特征。
然后,对不同产地的银鲳鱼左侧背部肌肉中矿质元素含量进行主成分分析和逐步判别分析,具体方法如下:
使用SPSS 22.0软件对所测得的19种矿质元素的含量数据进行主成分分析,经主成分分析提取出前3个主成分,不同产地的银鲳鱼左侧背部肌肉中矿质元素的前3个主成分的载荷图如图1所示,可以看出,第一主成分主要综合了K、Na、Mg、Ti、V、Mn、As、Fe、Cu、Ba等元素的信息,第二主成分主要综合了Al、Co、Rb、Cr、Sn、Se等元素的信息,第三主成分主要综合了Sr、Ca、Zn等元素的信息。
不同产地的银鲳鱼背部肌肉样品的前3个主成分得分图如图2所示,可以看出,三个不同海域产地的银鲳鱼分布在图中不同区域,均得到了较好的区分,由此说明:基于19种矿质元素含量所建立的指纹图谱,可以对银鲳鱼的产地起到有效的区分。
为进一步对不同海域产地的银鲳鱼进行判定鉴别溯源,采用SPSS 22.0软件继续对19种矿质元素的指纹图谱进行逐步判别分析,通过分析挑选出有效的矿质元素,建立银鲳鱼判别函数模型,并基于所建立的模型进行有效性验证。
不同产地银鲳鱼样本的判别函数模型得分图如图3所示,结果表明:19种矿质元素中的宏量矿质元素Na和微量矿质元素Mn、Co、Cu、As、Se、Rb、Sn被引入到所建立的判别函数模型中,得到不同产地银鲳鱼判别函数模型分别如下:
江苏吕四银鲳鱼判别函数模型Y1为:
Y1=0.002CNa-0.738CMn+0.693CCo+14.842CCu+2.041CAs+16.795CSe+9.856CRb+11.847CSn-33.373;
浙江舟山银鲳鱼判别函数模型Y2为:
Y2=0.002CNa-2.093CMn+1.389CCo+11.213CCu+2.236CAs+16.634CSe+14.316CRb+30.354CSn-40.297;
海南三亚银鲳鱼判别函数模型Y3为:
Y3=0.004CNa-5.86CMn+28.331CCo-11.018CCu+3.413CAs+31.525CSe+20.184CRb+17.425CSn-83.852;
其中,CNa、CMn、CCo、CCu、CAs、CSe、CRb、CSn分别代表元素Na、Mn、Co、Cu、As、Se、Rb、Sn的干重浓度值;
步骤S3所述确定待测银鲳鱼的产地的方法为:比较Y1、Y2、Y3的大小,当Y1最大时,则待测银鲳鱼的产地为江苏吕四;当Y2最大时,则待测银鲳鱼的产地为浙江舟山;当Y3最大时,则待测银鲳鱼的产地为海南三亚;
步骤S2所述矿质元素包括Na 1种宏量矿质元素和Mn、Co、Cu、As、Se、Rb、Sn 7种微量矿质元素。
5、使用银鲳鱼判别函数模型对不同产地的银鲳鱼进行鉴别,获得鉴别结果
基于银鲳鱼判别函数模型的判别分析分类结果如表3所示,结果表明:原始的单个产地回代检验的整体判别正确率为94.1%,采用交叉验证法进行判别的整体正确率为92.2%,两种针对判别有效性的检验方式均达到了较好判别效果。此外,在图3所示的判别函数模型得分图中,不同产地的银鲳鱼样本分别分布在不同区域,并得到了良好的区分,由此可以说明:本发明所建立的银鲳鱼产地鉴别溯源函数模型,能够用于我国不同海域产地野生银鲳鱼的产地鉴别溯源,并起到较好的效果。
表3基于银鲳鱼判别函数模型的判别分析分类结果
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 (9)
1.一种基于指纹图谱的银鲳鱼产地鉴别溯源方法,其特征在于,包括以下步骤:
S1.制备银鲳鱼肌肉待测溶液,测定待测溶液中的矿质元素含量,所述矿质元素为Na、Mn、Co、Cu、As、Se、Rb和Sn;
S2.将步骤S1得到的测定结果代入银鲳鱼判别函数模型中,通过比较银鲳鱼判别函数模型的大小来确定待测银鲳鱼的产地;
所述银鲳鱼判别函数模型分别如下:
江苏吕四银鲳鱼判别函数模型Y1为:
Y1=0.002CNa-0.738CMn+0.693CCo+14.842CCu+2.041CAs+16.795CSe+9.856CRb+11.847CSn-33.373;
浙江舟山银鲳鱼判别函数模型Y2为:
Y2=0.002CNa-2.093CMn+1.389CCo+11.213CCu+2.236CAs+16.634CSe+14.316CRb+30.354CSn-40.297;
海南三亚银鲳鱼判别函数模型Y3为:
Y3=0.004CNa-5.86CMn+28.331CCo-11.018CCu+3.413CAs+31.525CSe+20.184CRb+17.425CSn-83.852;
其中,CNa、CMn、CCo、CCu、CAs、CSe、CRb、CSn分别代表元素Na、Mn、Co、Cu、As、Se、Rb、Sn的干重浓度值;
步骤S3所述确定待测银鲳鱼的产地的方法为:比较Y1、Y2、Y3的大小,当Y1最大时,则待测银鲳鱼的产地为江苏吕四;当Y2最大时,则待测银鲳鱼的产地为浙江舟山;当Y3最大时,则待测银鲳鱼的产地为海南三亚。
2.根据权利要求1所述的方法,其特征在于,所述银鲳鱼为野生成熟期银鲳鱼。
3.根据权利要求1所述的方法,其特征在于,所述银鲳鱼肌肉为银鲳鱼背部肌肉。
4.根据权利要求1所述的方法,其特征在于,步骤S2所述待测溶液中的矿质元素含量的测定方法为:利用电感耦合等离子体发射光谱仪和电感耦合等离子体质谱仪测定银鲳鱼肌肉待测溶液中的矿质元素含量。
5.根据权利要求1所述的方法,其特征在于,步骤S1所述制备银鲳鱼肌肉待测溶液的方法为:
(1)对待测银鲳鱼肌肉进行干燥,研磨,得到银鲳鱼肌肉粉末样品;
(2)将步骤(1)得到的银鲳鱼肌肉粉末样品用浓硝酸和过氧化氢溶液消解,得到消解液;
(3)对步骤(2)得到的消解液进行赶酸,定容,即可得到所述得到银鲳鱼肌肉待测溶液。
6.根据权利要求5所述的方法,其特征在于,步骤(2)所述浓硝酸和过氧化氢的体积比为2.5~7:1。
7.根据权利要求5所述的方法,其特征在于,步骤(2)所述浓硝酸的浓度为68%~75%。
8.根据权利要求5所述的方法,其特征在于,步骤(2)所述过氧化氢的浓度为25%~35%。
9.权利要求1~8任一所述方法在鉴别不同产地银鲳鱼中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910750805.0A CN110596081A (zh) | 2019-08-14 | 2019-08-14 | 一种基于指纹图谱的银鲳鱼产地鉴别溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910750805.0A CN110596081A (zh) | 2019-08-14 | 2019-08-14 | 一种基于指纹图谱的银鲳鱼产地鉴别溯源方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110596081A true CN110596081A (zh) | 2019-12-20 |
Family
ID=68854260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910750805.0A Pending CN110596081A (zh) | 2019-08-14 | 2019-08-14 | 一种基于指纹图谱的银鲳鱼产地鉴别溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110596081A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113358633A (zh) * | 2021-06-25 | 2021-09-07 | 中国海洋大学 | 一种海水和淡水来源鲑科鱼类的溯源技术 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101275956A (zh) * | 2008-04-29 | 2008-10-01 | 中国水产科学研究院淡水渔业研究中心 | 一种利用银鱼体内多种微量元素判别不同产地的方法 |
US20090042304A1 (en) * | 2006-04-21 | 2009-02-12 | Anderson Kim A | Method for analyzing foods |
CN101441172A (zh) * | 2008-12-23 | 2009-05-27 | 河北大学 | 一种用原子吸收光谱鉴别鲍鱼产地的方法 |
CN101923069A (zh) * | 2010-06-28 | 2010-12-22 | 中国水产科学研究院淡水渔业研究中心 | 一种判别不同产地中华绒螯蟹的方法 |
CN104101579A (zh) * | 2014-05-06 | 2014-10-15 | 浙江省海洋开发研究院 | 一种快速检测带鱼产地的方法 |
CN104101570A (zh) * | 2014-05-06 | 2014-10-15 | 浙江省海洋开发研究院 | 一种红外光谱法检测带鱼产地的方法 |
CN105092755A (zh) * | 2015-05-15 | 2015-11-25 | 浙江海洋学院 | 石首鱼科hplc指纹图谱鉴定方法 |
CN106383162A (zh) * | 2016-09-09 | 2017-02-08 | 南京财经大学 | 一种判别大米地理标志的方法 |
CN108085396A (zh) * | 2017-11-29 | 2018-05-29 | 暨南大学 | 基于荧光定量pcr检测银鲳的引物和探针及其试剂盒与方法 |
CN108931571A (zh) * | 2018-07-18 | 2018-12-04 | 上海海洋大学 | 一种基于生活史早期耳石微量元素判别分析鱿鱼类种群的方法 |
-
2019
- 2019-08-14 CN CN201910750805.0A patent/CN110596081A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090042304A1 (en) * | 2006-04-21 | 2009-02-12 | Anderson Kim A | Method for analyzing foods |
CN101275956A (zh) * | 2008-04-29 | 2008-10-01 | 中国水产科学研究院淡水渔业研究中心 | 一种利用银鱼体内多种微量元素判别不同产地的方法 |
CN101441172A (zh) * | 2008-12-23 | 2009-05-27 | 河北大学 | 一种用原子吸收光谱鉴别鲍鱼产地的方法 |
CN101923069A (zh) * | 2010-06-28 | 2010-12-22 | 中国水产科学研究院淡水渔业研究中心 | 一种判别不同产地中华绒螯蟹的方法 |
CN104101579A (zh) * | 2014-05-06 | 2014-10-15 | 浙江省海洋开发研究院 | 一种快速检测带鱼产地的方法 |
CN104101570A (zh) * | 2014-05-06 | 2014-10-15 | 浙江省海洋开发研究院 | 一种红外光谱法检测带鱼产地的方法 |
CN105092755A (zh) * | 2015-05-15 | 2015-11-25 | 浙江海洋学院 | 石首鱼科hplc指纹图谱鉴定方法 |
CN106383162A (zh) * | 2016-09-09 | 2017-02-08 | 南京财经大学 | 一种判别大米地理标志的方法 |
CN108085396A (zh) * | 2017-11-29 | 2018-05-29 | 暨南大学 | 基于荧光定量pcr检测银鲳的引物和探针及其试剂盒与方法 |
CN108931571A (zh) * | 2018-07-18 | 2018-12-04 | 上海海洋大学 | 一种基于生活史早期耳石微量元素判别分析鱿鱼类种群的方法 |
Non-Patent Citations (2)
Title |
---|
赵鉴 等: "不同/相同水系中华绒螯蟹元素"指纹"的产地差异性", 《核农学报》 * |
郭利攀 等: "东海经济鱼类的多元素分析及产地判别", 《中国食品学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113358633A (zh) * | 2021-06-25 | 2021-09-07 | 中国海洋大学 | 一种海水和淡水来源鲑科鱼类的溯源技术 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110596078A (zh) | 一种地理标志鳜鱼的产地溯源鉴别方法 | |
CN110596080A (zh) | 一种基于矿质元素的金鲳鱼产地鉴别方法 | |
CN110596081A (zh) | 一种基于指纹图谱的银鲳鱼产地鉴别溯源方法 | |
CN109784383B (zh) | 一种基于图域特征和ds证据理论融合的钢轨裂纹识别方法 | |
CN102998350B (zh) | 利用电化学指纹图谱鉴别食用油和地沟油的方法 | |
CN109916990A (zh) | 一种基于矿物元素指纹鉴别滩羊肉产地的方法 | |
CN106706609A (zh) | 一种基于智能手机快速现场检测金属离子的方法 | |
CN108845045A (zh) | 一种气相指纹图谱结合主成分分析方法判别炸油质量的方法 | |
CN102175749A (zh) | 一种鉴别食用油中是否掺加地沟油的检测方法 | |
Singh et al. | Evaluation of rapid methods for the estimation of protein in chickpea (Cicer arietinum L.) | |
CN103776773A (zh) | 一种基于脂质红外光谱的反刍动物源性饲料原料鉴别方法 | |
CN111797887A (zh) | 一种基于密度筛选与k-均值聚类的反窃电预警方法及系统 | |
CN102939915A (zh) | 一种杂交石斑鱼的种质鉴定方法 | |
CN110596079A (zh) | 一种有效判别不同产地鲟鱼的方法 | |
CN110715917A (zh) | 一种基于拉曼光谱的猪肉和牛肉分类方法 | |
CN106370649B (zh) | 一种加工肉制品中亚硝酸盐含量是否超标的快速检测方法 | |
CN102749420B (zh) | 一种适宜凝胶型蛋白质加工的花生品质测定及其评价方法 | |
CN112557494B (zh) | 一种基于多元素和化学计量学的银鳕鱼物种鉴别方法 | |
CN110569581A (zh) | 一种基于多元素结合随机森林算法对枸杞产地进行判别的方法 | |
CN113776913B (zh) | 一种鉴别黑山褐壳鸡蛋产地的方法 | |
CN109657733A (zh) | 基于成分结构特征的品种鉴别方法与系统 | |
CN109459489A (zh) | 一种基于磁记忆检测原理的电梯裂纹检测方法 | |
CN105588925B (zh) | 一种快速鉴别检测牛奶掺假的方法 | |
CN106324127B (zh) | 玛咖粉真伪鉴别及玛咖含量测定的方法 | |
CN106770298A (zh) | 一种基于火花密度测量钢铁中碳含量的装置和方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191220 |