CN113776913B - 一种鉴别黑山褐壳鸡蛋产地的方法 - Google Patents

一种鉴别黑山褐壳鸡蛋产地的方法 Download PDF

Info

Publication number
CN113776913B
CN113776913B CN202111097779.XA CN202111097779A CN113776913B CN 113776913 B CN113776913 B CN 113776913B CN 202111097779 A CN202111097779 A CN 202111097779A CN 113776913 B CN113776913 B CN 113776913B
Authority
CN
China
Prior art keywords
egg
black mountain
brown
eggs
brown shell
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
CN202111097779.XA
Other languages
English (en)
Other versions
CN113776913A (zh
Inventor
张昂
徐园若
谭丹
齐鹏宇
刘亚新
雷红涛
张进杰
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.)
Qinhuangdao Customs Technical Center
Original Assignee
Qinhuangdao Customs Technical Center
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 Qinhuangdao Customs Technical Center filed Critical Qinhuangdao Customs Technical Center
Priority to CN202111097779.XA priority Critical patent/CN113776913B/zh
Publication of CN113776913A publication Critical patent/CN113776913A/zh
Application granted granted Critical
Publication of CN113776913B publication Critical patent/CN113776913B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00Sampling; Preparing specimens for investigation
    • G01N1/28Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • 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
    • G01N27/626Investigating 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 using heat to ionise a gas

Landscapes

  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开了一种鉴别黑山褐壳鸡蛋产地的方法,步骤包括如下:将不同产地的鸡蛋样品分别进行预处理;利用同位素比质谱和电感耦合等离子体质谱测定预处理鸡蛋的同位素比值和矿质元素含量;结合化学计量学方法筛选出不同地域间的差异性溯源指标,应用筛选出溯源指标建立Fisher函数判别模型;通过比较Fisher函数判别模型的大小来确定待测褐壳鸡蛋样品产地;本发明首次建立黑山县、黑山县周边、河北三个产地的褐壳鸡蛋Fisher函数判别模型,利用该模型得到原始分类判别正确率为100.0%,交叉验证正确率为98.5%,判别准确度高,稳定性好,实现了对黑山褐壳鸡蛋地理标志产品和非地理标志褐壳鸡蛋的有效溯源,为黑山褐壳鸡蛋产地确证及进一步保护提供了技术支持。

Description

一种鉴别黑山褐壳鸡蛋产地的方法
技术领域
本发明涉及一种鉴别黑山褐壳鸡蛋产地的方法,属于农产品地理标志识别方法技术领域。
背景技术
我国是世界上最大的鸡蛋生产和消费的国家,鸡蛋已成为人们日常生活中不可或缺的重要动物源性食品。近年来,我国人均鸡蛋占有量为23.63公斤/年,达到发达国家水平。随着人均消费水平的提高,对鸡蛋的需求升级,要求更安全、健康、营养、高品质的鸡蛋。中央一号文件着重指出要推进农业供给侧结构性改革,黑山褐壳鸡蛋是辽宁省黑山县以市场需求为导向对农业产业结构进行调整推出的区域性品牌产品。黑山褐壳鸡蛋被农业农村部登记为“农产品地理标志”产品,是全国唯一一个国家级农产品地理标志示范样板的蛋类产品。辽宁省黑山县的地理环境适宜,饲料资源充足且优质,拥有丰富的地下水资源等,该地养殖的褐壳鸡蛋营养丰富、富含各种氨基酸、矿物质等。在独特地理环境下养殖,选择优质禽类品种,采用特定现代化养殖手段生产出的高品质黑山褐壳鸡蛋,这种自然不可复制性使其相比普通褐壳鸡蛋获得了高溢价。不法商贩将普通褐壳鸡蛋冒充黑山褐壳地理标志鸡蛋进行售卖来获取高利润,严重损害了消费者和商家利益,更有可能会引发食品安全问题。现在,对地理标志鸡蛋的识别仅靠商品包装上有关地理标志的标记、防伪标记,但是这些地理标志并非地理标志鸡蛋本身的一部分,单靠标记不能100%确定其真实的原产地,并不能从根本上起到对地理标志鸡蛋的保护。我国对地理标志产品的法律保护不够完善,针对地理标志鸡蛋产地溯源技术存在空缺。因此,建立技术手段对地理标志鸡蛋进行产地溯源非常有必要。
近年来,产地溯源技术主要有无线射频识别技术、近红外光谱技术、电感耦合等离子体质谱技术、同位素比质谱技术、核磁共振氢谱技术、近红外光谱技术和DNA分析技术等。考虑到技术的稳定性、准确性、成本和可用性,稳定同位素比质谱技术结合电感耦合等离子体质谱技术被认为是溯源食品原产地最有效的方法手段。Rees等建立了稳定同位素分析方法和矿质元素分析方法鉴别巴西、法国、德国等17个国家肉鸡产地的方法,结果88.3%的家禽地理来源被正确分类。李等测定北京常规、有机农场,吉林有机农场鸡胸肉的δ13C、δ15N值和12种矿物元素,结论为可明确将有机组和常规组分类。赵等测定来自黑龙江、山西、江西、福建的鸡胸肉δ15N、δ13C值和12种矿质元素值,判别分析(DA)得出四个产地鸡肉样品分类鉴别准确率100%。然而,基于稳定同位素比质谱技术结合电感耦合等离子体质谱技术鉴别地理标志鸡蛋的研究还未见报道。
发明内容
本发明提供一种鉴别黑山褐壳鸡蛋产地的方法用来克服现有技术中针对地理标志鸡蛋产地溯源技术存在空缺的缺陷。
为了解决上述技术问题,本发明提供了如下的技术方案:
本发明公开了一种鉴别黑山褐壳鸡蛋产地的方法,主要包括:
(1)分别采集来自辽宁黑山县、辽宁黑山县周边、河北省昌黎县和唐县的褐壳鸡蛋,测定鸡蛋样品的稳定同位素值和矿质元素含量;
(2)筛选出在不同地域间存在显著差异的稳定同位素和矿质元素溯源指标;
(3)应用所筛选出的稳定同位素和矿质元素溯源指标建立判别模型;
所建立的判别模型如下:
F黑山县周边=8.871X(δ15N)-13.326X(δ18O)-0.470X(Ba)-2.194X(Mn)+207.420X(Pb)+354.603X(Sn)+0.511X(Sr)-77.071
F河北=4.485X(δ15N)-18.578X(δ18O)+1.210X(Ba)+0.397X(Mn)+99.294X(Pb)+139.829X(Sn)-1.701X(Sr)-89.994
F黑山=17.315X(δ15N)-13.503X(δ18O)-0.360X(Ba)-2.524X(Mn)+294.186X(Pb)+422.337X(Sn)+0.347X(Sr)-119.304上述判别模型中,X(δ15N)、X(δ18O)、X(Ba)、X(Mn)、X(Pb)、X(Sn)、X(Sr)等代表δ15N、δ18O同位素值和Ba、Mn、Pb、Sn、Sr矿质元素含量;
(4)确定待测褐壳鸡蛋的产地:将待测鸡蛋所测的δ15N、δ18O同位素值和Ba、Mn、Pb、Sn、Sr矿质元素含量代入F黑山周边、F河北、F黑山三个公式中,比较F黑山县周边、F河北、F黑山大小,当F黑山周边最大者时,则待测鸡蛋的产地是黑山县周边;当F河北最大者时,则待测鸡蛋的产地是河北;当F黑山最大者时,则待测鸡蛋的产地是黑山县。
进一步的,步骤(1)中所述测定鸡蛋样品中的稳定同位素和矿质元素均是选取鸡蛋的蛋清部位进行测定。
进一步的,蛋清部位处理为蛋清粉和蛋清水;蛋清粉的制备是鸡蛋样品进行煮熟、分离、烘干、粉碎制成;蛋清水的制备是将蛋清经过盐析作用沉淀蛋白质提取蛋清中的水。
进一步的,利用元素分析仪稳定同位素比质谱测定蛋清粉中δ13C、δ15N同位素值,利用水平衡仪稳定同位素比质谱测定蛋清水中δ18O同位素值;采用电感耦合等离子体质谱测定经微波消解方法处理后蛋清粉中的As、B、Ba、Ca、Ce、Fe、La、Li、Mg、Mn、Pb、Rb、Sn、Sr、V、Zn矿质元素含量。
进一步的,步骤(2)中结合单因素方差分析,分析不同产地褐壳鸡蛋样品中的稳定同位素和矿质元素,解析产地对稳定同位素和矿质元素指纹形成的影响,筛选出在产地之间有显著差异的溯源指标;进一步进一步的,所述的差异性溯源指标是稳定同位素及矿质元素;进一步进一步的,所述的稳定同位素是δ15N、δ18O和δ13C;所述的矿质元素是As、B、Ba、Ca、Ce、Fe、La、Li、Mg、Mn、Pb、Rb、Sn、Sr、V、Zn;所测同位素和矿质元素在不同产地之间均存在显著差异(P<0.05);其中,黑山褐壳鸡蛋中δ15N、δ13C、As、Ca、Ce、La、Mg、Rb、Sn显著高于黑山县周边地区和河北地区;黑山褐壳鸡蛋中δ18O、B、Ba、Fe、Li、Mn、Pb、Sr、V与黑山县周边地区和河北地区显著不同且介于两者之间;黑山褐壳鸡蛋中Zn显著低于黑山周边地区和河北地区。可见,不同产地褐壳鸡蛋的稳定同位素和矿质元素组成具有独特的地理指纹特征。
进一步的,步骤(3)所述判别模型的建立方法包括:对筛选出与地域密切相关的溯源指标,应用线性判别分析模型,建立黑山褐壳鸡蛋产地判别模型。
本发明所达到的有益效果是:
(1)本发明提供了一种黑山褐壳鸡蛋的产地溯源鉴别方法,利用稳定同位素和矿物元素溯源分析技术,结合化学计量学分析黑山褐壳鸡蛋与周边地区褐壳鸡蛋溯源指标的差异性,筛选出在不同地域间存在显著差异的多元素指标,首次建立了Fisher函数判别模型鉴别黑山褐壳鸡蛋地理标志产品。利用该判别模型对样品总体原始分类判别正确率为100.0%,样品总体交叉验证判别正确率为98.5%,两种判别准确度高,稳定性好。
(2)利用该判别模型,不仅可以有效地区分黑山县、黑山县周边和河北三个产地的褐壳鸡蛋,还可以快速验证待测褐壳鸡蛋是否来自以上三个产地,实现了对地理标志鸡蛋和非地理标志鸡蛋产地的溯源鉴别,具有较好的实际指导意义。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明不同产地褐壳鸡蛋样品的Fisher函数判别模型得分图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
如图1所示,一种鉴别黑山褐壳鸡蛋产地的方法,主要包括:
1.试验方法
1.1样品采集:
以辽宁锦州黑山县为主,10个乡镇,在黑山县布点采集褐壳鸡蛋样品。同时,黑山县周边个别市阜新市、朝阳市、葫芦岛市、盘锦市、鞍山市、沈阳市、辽阳市,河北省选个别主产县昌黎县、唐县采集当地的褐壳鸡蛋样品。每份样品采样量为2斤。3个地区共采集68份褐壳鸡蛋,如表1所示。
表1褐壳鸡蛋样品地域来源
1.2样品前处理:
1)清洗:随机抽取10个鸡蛋,蒸馏水冲洗鸡蛋,除去附着在蛋壳表面的饲料和粪便。酒精擦洗蛋壳,除去蛋壳表面残留的有机物,再放入通风橱中,将蛋壳表面的酒精挥干。
2)蛋清水样品的制备:随机抽取5个鸡蛋,用蛋清分离器将蛋清和蛋黄分开并去除蛋黄,将蛋清混合均匀。加盐量为蛋清质量的18%,置于快速搅拌机上,使盐迅速溶解。静置15min,使蛋清中蛋白质发生盐析作用使蛋白质沉淀,离心(4℃,8000rpm,10min),取其上清液即为蛋清水样品。
3)蛋清粉样品的制备:将剩余5个鸡蛋,用100℃热水煮3-5min得到熟鸡蛋。蛋黄和蛋清分离并去除蛋黄。置于80℃烘箱中烘干,再用粉碎机粉碎得到蛋清粉样品,瓶装密封待用。
4)蛋清粉样品消解:每份蛋清粉样品称取0.10g至四氟乙烯消解管中,加入4.00mLHNO3和1.00mLHClO4。在室温下静置过夜,反应结束后密封,放入微波消解仪,消解程序分为3个阶段:第一阶段80℃保持30min,第二阶段120℃保持60min,第三阶段将温度上升至150℃进行赶酸至约1mL,用超纯度水定容至20ml。
1.3样品的测定
1)采用元素分析仪稳定同位素比质谱(EA-IRMS,Sercon 20-22)测定蛋清粉样品的δ13C、δ15N同位素值。
2)采用水平衡仪稳定同位素比质谱(EQ-IRMS,Sercon 20-22)测定蛋清水样品的δ18O同位素值。
3)采用电感耦合等离子体质谱(ICP-MS,NexION 350X)测定蛋清粉中As、B、Ba、Ca、Ce、Fe、La、Li、Mg、Mn、Pb、Rb、Sn、Sr、V、Zn矿质元素含量。
1.4方差分析
利用SPSS 22.0对数据进行分析,单因素方差分析(ANOVA)和事后Duncan多重比较分析用以确定不同地域褐壳鸡蛋样品中稳定同位素值和矿质元素含量的差异。不同产地的褐壳鸡蛋中稳定同位素值和矿质元素含量的测定结果如表2所示。
表2不同产地的褐壳鸡蛋样品的稳定同位素值和矿质元素含量
注:表中数值为平均值±标准偏差,不同字母表示数据之间具有显著性差异(p<0.05)。
由表2而可以得出:As、B、Ba、Ca、Ce、Fe、La、Li、Mg、Mn、Pb、Rb、Sn、Sr、V、Zn和δ15N、δ13C、δ18O在不同产地的褐壳鸡蛋样品之间具有显著性差异(P<0.05),黑山褐壳鸡蛋中δ15N、δ13C、As、Ca、Ce、La、Mg、Rb、Sn显著高于黑山县周边地区和河北地区;黑山褐壳鸡蛋中δ18O、B、Ba、Fe、Li、Mn、Pb、Sr、V与黑山县周边地区和河北地区显著不同且介于两者之间;黑山褐壳鸡蛋中Zn显著低于黑山周边地区和河北地区。可见,不同产地褐壳鸡蛋的同位素和矿质元素组成具有独特的地理指纹特征。
1.5线性判别分析(LDA)
所测19种元素经方差分析得出在不同产地之间具有显著性差异,为进一步对不同产地的褐壳鸡蛋样品进行溯源判定鉴别,选择以上19种元素为变量建立3个产地褐壳鸡蛋判别模型,利用SPSS 22.0软件通过线性判别分析,筛选出δ15N、δ18O、Ba、Mn、Pb、Sn和S为鉴别不同地区褐壳鸡蛋的原产地有效指标,这7种有效指标被引入到所建立的Fisher函数判别模型中,得到不同产地的褐壳鸡蛋的Fisher函数判别模型,具体如下:
F黑山县周边=8.871X(δ15N)-13.326X(δ18O)-0.470X(Ba)-2.194X(Mn)+207.420X(Pb)+354.603X(Sn)+0.511X(Sr)-77.071
F河北=4.485X(δ15N)-18.578X(δ18O)+1.210X(Ba)+0.397X(Mn)+99.294X(Pb)+139.829X(Sn)-1.701X(Sr)-89.994
F黑山=17.315X(δ15N)-13.503X(δ18O)-0.360X(Ba)-2.524X(Mn)+294.186X(Pb)+422.337X(Sn)+0.347X(Sr)-119.304上述判别模型中,X(δ15N)、X(δ18O)、X(Ba)、X(Mn)、X(Pb)、X(Sn)、X(Sr)等代表δ15N、δ18O同位素值和Ba、Mn、Pb、Sn、Sr矿质元素含量。
确定待测褐壳鸡蛋的产地:将待测鸡蛋所测的δ15N、δ18O同位素值和Ba、Mn、Pb、Sn、Sr矿质元素含量代入F黑山周边、F河北、F黑山三个公式中,比较F黑山县周边、F河北、F黑山大小,当F黑山周边最大者时,则待测鸡蛋的产地是黑山县周边;当F河北最大者时,则待测鸡蛋的产地是河北;当F黑山最大者时,则待测鸡蛋的产地是黑山县。
基于Fisher函数判别模型对不同产地褐壳鸡蛋样品分类结果和正确分类的百分比结果如表3所示,可以看出,样品的总体原始分类判别正确率为100.0%,样品的总体交叉验证法判别的正确率为98.5%。不同产地褐壳鸡蛋样品的Fisher函数判别模型得分图如图1所示,可以看出同一产区数据集中在同一区域,不同产区有其特定的区域并得到了良好的区分。不同地域的褐壳鸡蛋均具有独特的稳定同位素和矿质元素地理指纹特征,利用稳定同位素结合矿质元素分析技术可有效区分黑山褐壳鸡蛋地理标志产品和非地理标志鸡蛋。
表3不同产地褐壳鸡蛋的分类结果和正确分类的百分比
注:样品总体的原始分类判别正确率为100.0%,交叉验证分类判别准确率为98.5%。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (7)

1.一种鉴别黑山褐壳鸡蛋产地的方法,其特征在于,包括:
(1)分别采集来自辽宁黑山县、辽宁黑山县周边、河北省昌黎县和唐县的褐壳鸡蛋,测定鸡蛋样品的稳定同位素值和矿质元素含量;
(2)筛选出在不同地域间存在显著差异的稳定同位素和矿质元素溯源指标;
(3)应用所筛选出的稳定同位素和矿质元素溯源指标建立判别模型;
所建立的判别模型如下:
F黑山县周边=8.871X(δ15N)-13.326X(δ18O)-0.470X(Ba)-2.194X(Mn)+207.420X(Pb)+354.603X(Sn)+0.511X(Sr)-77.071
F河北=4.485X(δ15N)-18.578X(δ18O)+1.210X(Ba)+0.397X(Mn)+99.294X(Pb)+139.829X(Sn)-1.701X(Sr)-89.994
F黑山=17.315X(δ15N)-13.503X(δ18O)-0.360X(Ba)-2.524X(Mn)+294.186X(Pb)+422.337X(Sn)+0.347X(Sr)-119.304
上述判别模型中,X(δ15N)、X(δ18O)、X(Ba)、X(Mn)、X(Pb)、X(Sn)、X(Sr)等代表δ15N、δ18O同位素值和Ba、Mn、Pb、Sn、Sr矿质元素含量;
(4)确定待测褐壳鸡蛋的产地:将待测鸡蛋所测的δ15N、δ18O同位素值和Ba、Mn、Pb、Sn、Sr矿质元素含量代入F黑山周边、F河北、F黑山三个公式中,比较F黑山县周边、F河北、F黑山大小,当F黑山周边最大者时,则待测鸡蛋的产地是黑山县周边;当F河北最大者时,则待测鸡蛋的产地是河北;当F黑山最大者时,则待测鸡蛋的产地是黑山县。
2.根据权利要求1所述的鉴别黑山褐壳鸡蛋产地的方法,其特征在于,步骤(1)中所述测定鸡蛋样品中的稳定同位素和矿质元素均是选取鸡蛋的蛋清部位进行测定。
3.根据权利要求2所述的鉴别黑山褐壳鸡蛋产地的方法,其特征在于,所述蛋清部位处理为蛋清粉和蛋清水;蛋清粉的制备是鸡蛋样品进行煮熟、捏碎、烘干、粉碎制成;蛋清水的制备是将鸡蛋样品经过盐析作用沉淀蛋白质提取蛋清中的水。
4.根据权利要求3所述的鉴别黑山褐壳鸡蛋产地的方法,其特征在于,采用元素分析仪稳定同位素比质谱测定所述蛋清粉中δ13C、δ15N同位素值,采用水平衡仪稳定同位素比质谱测定蛋清水中δ18O同位素值;采用电感耦合等离子体质谱测定经微波消解方法处理后蛋清粉中的As、B、Ba、Ca、Ce、Fe、La、Li、Mg、Mn、Pb、Rb、Sn、Sr、V、Zn矿质元素含量。
5.根据权利要求1所述的鉴别黑山褐壳鸡蛋产地的方法,其特征在于,步骤(2)中结合单因素方差分析,分析不同地域褐壳鸡蛋样品中的稳定同位素和矿质元素含量,解析地域对稳定同位素和矿质元素指纹形成的影响,筛选出在地区之间有显著差异的稳定同位素及矿质元素溯源指标;所述的稳定同位素是δ15N、δ18O和δ13C;所述的矿质元素是As、B、Ba、Ca、Ce、Fe、La、Li、Mg、Mn、Pb、Rb、Sn、Sr、V、Zn;所测稳定同位素和矿质元素在不同地域间均存在显著差异(P<0.05);其中,黑山褐壳鸡蛋中δ15N、δ13C、As、Ca、Ce、La、Mg、Rb、Sn显著高于黑山县周边地区和河北地区;黑山褐壳鸡蛋中δ18O、B、Ba、Fe、Li、Mn、Pb、Sr、V与黑山县周边地区和河北地区显著不同且介于两者之间;黑山褐壳鸡蛋中Zn显著低于黑山周边地区和河北地区,因此,不同产地褐壳鸡蛋的稳定同位素和矿质元素组成具有独特的地理指纹特征。
6.根据权利要求1所述的鉴别黑山褐壳鸡蛋产地的方法,其特征在于,步骤(3)所述判别模型的建立方法包括:利用筛选出与地域密切相关的溯源指标,应用线性判别分析模型,建立黑山褐壳鸡蛋产地判别模型。
7.根据权利要求1所述的鉴别黑山褐壳鸡蛋产地的方法,其特征在于,步骤(4)所述确定待测褐壳鸡蛋的产地:将待测褐壳鸡蛋的δ15N、δ18O同位素值和Ba、Mn、Pb、Sn、Sr矿质元素含量代入产地判别模型中,以最大F值所属地确定待检测褐壳鸡蛋所属产地。
CN202111097779.XA 2021-09-18 2021-09-18 一种鉴别黑山褐壳鸡蛋产地的方法 Active CN113776913B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111097779.XA CN113776913B (zh) 2021-09-18 2021-09-18 一种鉴别黑山褐壳鸡蛋产地的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111097779.XA CN113776913B (zh) 2021-09-18 2021-09-18 一种鉴别黑山褐壳鸡蛋产地的方法

Publications (2)

Publication Number Publication Date
CN113776913A CN113776913A (zh) 2021-12-10
CN113776913B true CN113776913B (zh) 2024-02-23

Family

ID=78852267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111097779.XA Active CN113776913B (zh) 2021-09-18 2021-09-18 一种鉴别黑山褐壳鸡蛋产地的方法

Country Status (1)

Country Link
CN (1) CN113776913B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115436517B (zh) * 2022-09-05 2023-09-19 云南中烟工业有限责任公司 一种基于gc-ms的云产野坝子的产地溯源的线性判别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110530705A (zh) * 2019-09-06 2019-12-03 中国肉类食品综合研究中心 一种基于矿物元素指纹的猪肉产地溯源方法
CN111024802A (zh) * 2019-12-26 2020-04-17 中国水产科学研究院黄海水产研究所 基于铅Pb稳定同位素的刺参产地溯源模型构建及鉴别方法
CN111289603A (zh) * 2020-03-02 2020-06-16 中国农业科学院北京畜牧兽医研究所 宁夏盐池滩羊肉产地的鉴别方法
CN113406247A (zh) * 2021-03-31 2021-09-17 广州海关技术中心 一种基于irms、lc-q-tof-ms和多元素分析相结合的大豆产地溯源识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110530705A (zh) * 2019-09-06 2019-12-03 中国肉类食品综合研究中心 一种基于矿物元素指纹的猪肉产地溯源方法
CN111024802A (zh) * 2019-12-26 2020-04-17 中国水产科学研究院黄海水产研究所 基于铅Pb稳定同位素的刺参产地溯源模型构建及鉴别方法
CN111289603A (zh) * 2020-03-02 2020-06-16 中国农业科学院北京畜牧兽医研究所 宁夏盐池滩羊肉产地的鉴别方法
CN113406247A (zh) * 2021-03-31 2021-09-17 广州海关技术中心 一种基于irms、lc-q-tof-ms和多元素分析相结合的大豆产地溯源识别方法

Also Published As

Publication number Publication date
CN113776913A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN108982692B (zh) 元素分析-稳定同位素质谱判别奶粉产地的方法
CN113776913B (zh) 一种鉴别黑山褐壳鸡蛋产地的方法
CN107607598B (zh) 基于非线性化学指纹图谱技术的黑枸杞真伪鉴别的方法
KR101206295B1 (ko) 근적외 다변량 분석법을 이용한 곡물 시료의 원산지 판별방법
CN109916990A (zh) 一种基于矿物元素指纹鉴别滩羊肉产地的方法
KR101775870B1 (ko) 안정 동위 원소비의 복합 분석법을 활용한 갯벌 이매패류의 원산지 판별 방법
CN110530705A (zh) 一种基于矿物元素指纹的猪肉产地溯源方法
CN112884735A (zh) 一种绿茶汤色品质的评价方法
Rozina et al. Identification of novel, non‐edible oil seeds via scanning electron microscopy as potential feedstock for green synthesis of biodiesel
Zhang et al. Multielement authentication of apples from the cold highlands in southwest China
Liu et al. Application of stable isotopic and elemental composition combined with random forest algorithm for the botanical classification of Chinese honey
Liu et al. Discrimination the geographical origin of Yanchi Tan Lamb with different muscle sections by stable isotopic ratios and elemental profiles
Kanwal et al. Implication of scanning electron microscopy and light microscopy for oil content determination and seed morphology of Verbenaceae
CN111289603A (zh) 宁夏盐池滩羊肉产地的鉴别方法
CN105767572A (zh) 一种用于培育灵芝鸡下灵芝蛋的中药饲料添加剂
CN111398208B (zh) 一种利用近红外技术对传统工艺翡翠进行快速鉴定的方法
Longobardi et al. Characterization of the geographical and varietal origin of wheat and bread by means of nuclear magnetic resonance (NMR), isotope ratio mass spectrometry (IRMS) methods and chemometrics: a review
CN117725519A (zh) 一种基于机器学习的四川烟叶品质评价方法、系统及其应用
CN106770604A (zh) 利用同位素指纹分析溯源大米原产地的方法
Wu et al. Discrimination of Chinese rice wines of different geographical origins by UV–vis spectroscopy and chemometrics
CN113884594A (zh) 一种基于机器学习算法的掺伪茶油鉴别方法
Pillonel et al. Analytical methods for the detection of adulteration and mislabelling of Raclette Suisse® and Fontina PDO cheese
CN110982909B (zh) 一种用于检测泰和乌鸡鸡蛋的引物、试剂盒及检测方法
Degefa et al. Biochemical composition variation among southern Ethiopian Arabica coffee (Coffea Arabica L.) genotypes
CN110596081A (zh) 一种基于指纹图谱的银鲳鱼产地鉴别溯源方法

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
GR01 Patent grant
GR01 Patent grant