CN116539744A - 一种普洱茶古树茶真伪识别方法 - Google Patents
一种普洱茶古树茶真伪识别方法 Download PDFInfo
- Publication number
- CN116539744A CN116539744A CN202310414916.0A CN202310414916A CN116539744A CN 116539744 A CN116539744 A CN 116539744A CN 202310414916 A CN202310414916 A CN 202310414916A CN 116539744 A CN116539744 A CN 116539744A
- Authority
- CN
- China
- Prior art keywords
- tea
- ancient tree
- data
- module
- puer
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 241001122767 Theaceae Species 0.000 title claims abstract 103
- 235000013616 tea Nutrition 0.000 title claims description 295
- 235000019224 Camellia sinensis var Qingmao Nutrition 0.000 title claims description 78
- 235000020339 pu-erh tea Nutrition 0.000 title claims description 78
- -1 nitrogen ions Chemical class 0.000 claims abstract description 120
- 235000014347 soups Nutrition 0.000 claims abstract description 87
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 59
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 59
- IJGRMHOSHXDMSA-UHFFFAOYSA-N nitrogen Substances N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 59
- 238000012544 monitoring process Methods 0.000 claims abstract description 58
- 150000001875 compounds Chemical class 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims abstract description 31
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 150000001722 carbon compounds Chemical class 0.000 claims abstract description 13
- 230000010354 integration Effects 0.000 claims abstract description 13
- 229910017464 nitrogen compound Inorganic materials 0.000 claims abstract description 13
- 150000002830 nitrogen compounds Chemical class 0.000 claims abstract description 13
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 claims abstract description 8
- 238000004519 manufacturing process Methods 0.000 claims abstract description 7
- 238000003745 diagnosis Methods 0.000 claims description 28
- 230000004927 fusion Effects 0.000 claims description 21
- 238000000926 separation method Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000001042 affinity chromatography Methods 0.000 claims description 12
- 238000004811 liquid chromatography Methods 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 10
- 239000003446 ligand Substances 0.000 claims description 10
- 238000004949 mass spectrometry Methods 0.000 claims description 8
- 230000005526 G1 to G0 transition Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 150000001793 charged compounds Chemical class 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000000746 purification Methods 0.000 claims description 3
- 238000001179 sorption measurement Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000002360 preparation method Methods 0.000 abstract description 2
- 244000269722 Thea sinensis Species 0.000 description 211
- 240000003553 Leptospermum scoparium Species 0.000 description 15
- 150000002500 ions Chemical class 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 235000009024 Ceanothus sanguineus Nutrition 0.000 description 9
- 235000015459 Lycium barbarum Nutrition 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 238000001819 mass spectrum Methods 0.000 description 4
- 239000003463 adsorbent Substances 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000012071 phase Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004128 high performance liquid chromatography Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000002791 soaking Methods 0.000 description 2
- 125000006850 spacer group Chemical group 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 235000019640 taste Nutrition 0.000 description 2
- 241000037488 Coccoloba pubescens Species 0.000 description 1
- 235000006468 Thea sinensis Nutrition 0.000 description 1
- 235000020279 black tea Nutrition 0.000 description 1
- 238000009954 braiding Methods 0.000 description 1
- 239000007853 buffer solution Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 235000009569 green tea Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000010884 ion-beam technique Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 235000019614 sour taste Nutrition 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
-
- 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
- G01N30/62—Detectors specially adapted therefor
- G01N30/72—Mass spectrometers
-
- 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
- G01N2030/065—Preparation using different phases to separate parts of 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)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开一种普洱茶古树茶真伪识别方法；涉及茶配制技术领域，包括：步骤一、制作普洱茶古树茶样本；步骤二、通过样本测定模块检测茶汤样本氮类化合物与碳类化合物含量；步骤三、通过真伪识别模块识别普洱茶古树茶样本真伪；步骤四、通过识别过程监控模块监视普洱茶古树茶真伪识别过程数据参数；采用液质联用系统实现茶汤样本氮类化合物与碳类化合物含量测定并添加滤除加速单元滤除无关化合物数据，采用大数据整合分析系统设置普洱茶古树茶茶汤氮离子和碳离子比值阈值，并添加识别过程监控模块监视普洱茶古树茶真伪识别过程，大大提高了普洱茶古树茶真伪识别效率。
Description
技术领域
本发明涉及茶配制技术领域，且更具体地涉及一种普洱茶古树茶真伪识别方法。
背景技术
普洱茶古茶树，指树龄百年以上的普洱茶茶树，在辨别古树茶方面，很多人都存在误区，根据叶底的大小厚薄来判断，认为叶大叶厚就是古树茶，其实，叶大叶厚跟古树与否没有必然联系，由于古树茶和新树茶价格悬殊，市场常有人用大叶厚叶的台地茶，轻度揉捻，制成松抛条，充当古树茶，因此，识别古树茶真伪成为亟待解决的问题。
目前辨别古树茶，还是要通过人工品饮和身体感受来辨别，采用90度水温，以1:30的茶水比冲泡3g古树茶茶叶，浸泡三秒后茶水分离，重复冲泡5次，味道和口感不变则为普洱茶古茶树，该方法识别结果准确度低，因此，需要一种普洱茶古树茶真伪识别方法。
发明内容
针对上述技术的不足，本发明公开一种普洱茶古树茶真伪识别方法，根据普洱茶古树茶和新树茶的氮类化合物和碳类化合物含量不同识别普洱茶古树茶真伪，采用液质联用系统实现茶汤样本氮类化合物与碳类化合物含量测定并添加滤除加速单元滤除无关化合物数据，采用大数据整合分析系统设置普洱茶古树茶茶汤氮离子和碳离子比值阈值，并添加识别过程监控模块监视普洱茶古树茶真伪识别过程，智能化、自动化程度高，能够普洱茶古树茶真伪识别的效率和可靠性。
为解决上述技术问题，本发明采用如下技术方案：
一种普洱茶古树茶真伪识别方法，包括以下步骤：
步骤一、制作普洱茶古树茶样本，并采用普洱茶古树茶标准冲泡方式反复冲泡五次，提取冲泡后的茶汤样本；
步骤二、通过样本测定模块检测茶汤样本氮类化合物与碳类化合物含量；
在步骤二中，所述样本测定模块采用液质联用系统实现茶汤样本氮类化合物与碳类化合物含量测定，所述液质联用系统包括液相色谱单元和质谱单元，所述液相色谱单元和质谱单元独立工作，并添加滤除加速单元滤除无关化合物数据，以提高检测效率；
步骤三、通过真伪识别模块识别普洱茶古树茶样本真伪；
在步骤三中，所述真伪识别模块基于大数据整合分析系统设置普洱茶古树茶茶汤氮离子和碳离子比值阈值，茶汤样本化合物氮离子和碳离子比值高于阈值为假普洱茶古树茶，样本化合物氮离子和碳离子比值低于阈值为真普洱茶古树茶，并对比分析茶汤样本，以提高真伪识别的准确性；其中所述大数据整合分析系统包括数据输入模块、数据编码模块、数据融合模块、数据诊断模块和数据输出模块，其中所述数据输入模块用于实现数据信息的输入，所述数据编码模块用于将输入的数据信息按照编码规则进行编码，所述数据融合模块用于将编码后的数据信息进行融合，所述数据诊断模块用于对输入的数据信息进行诊断或分析，所述数据输出模块用于将诊断后的数据信息输出；其中所述数据输入模块的输出端与数据编码模块的输入端连接，所述数据编码模块的输出端与数据融合模块的输入端连接，所述数据融合模块的输出端与数据诊断模块的输入端连接，所述数据诊断模块的输出端与数据输出模块的输入端连接；
步骤四、通过识别过程监控模块监视普洱茶古树茶真伪识别过程数据参数；
在步骤四中，所述识别过程监控模块包括包含分布式数据采集与传输单元、数据监控与告警单元、控制单元和故障诊断单元，所述分布式数据采集的输出端与所述数据监控与告警单元的输入端连接，所述数据监控与告警单元输出端与所述控制单元的输入端连接，所述控制单元的输出端与所述故障诊断单元的输入端连接，所述普洱茶古树茶真伪识别过程数据参数异常则通过数据监控与告警单元执行告警操作。
作为本发明的进一步方案，所述液相色谱单元采用亲和色谱分离方式实现茶汤样本化合物离子分离，所述亲和色谱分离方式通过亲和色谱固定相吸附茶汤样本化合物实现样本化合物离子分离和纯化，所述亲和色谱固定相包括基体、间隔臂和配位体，所述配位体通过间隔臂联接基体实现吸附空间阻碍消除。
作为本发明的进一步方案，所述质谱单元包括质量分析器和高分辨串联质谱仪，所述质量分析器通过分析茶汤离子化样本质荷比测定分子离子质量，高分辨串联质谱仪通过获取化合物结构信息测定化合物氮离子和碳离子含量。
作为本发明的进一步方案，所述滤除加速单元采用局部选择与过滤方法滤除茶汤样本无关化合物，并采用加速处理器APU并行加速滤除过程，所述局部选择与过滤方法包括以下步骤：
步骤1、选择初始匹配相关化合物；
步骤2、选择相似相关化合物；
所述滤除加速单元通过比值审敛法ratio-test计算匹配值比值，并选择匹配值比值S范围内相似的相关化合物，所述匹配值比值的输出函数公式为：
（1）
在公式（1）中，VR(q)为相关化合物匹配值比值，q为相关化合物，Var(·)为匹配值无偏差估计，Pn为初始匹配相关化合物匹配值，n为初始匹配状态，δ为匹配值加权值；
步骤3、选择同一相似度的初始匹配相关化合物；
步骤4、保留匹配的相关化合物，滤除不匹配的无关化合物。
作为本发明的进一步方案，所述普洱茶古树茶茶汤氮离子和碳离子比值阈值设置包括以下方面：
（1）将N组海量假普洱茶古树茶茶汤氮离子和碳离子比值和真普洱茶古树茶茶汤氮离子和碳离子比值通过数据输入模块输入至所述大数据整合分析系统，并通过数据编码模块分别对每组假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值进行编码，任意一组假普洱茶古树茶茶汤氮离子和碳离子比值为，任意一组真普洱茶古树茶茶汤氮离子和碳离子比值为/>；
（2）编码后的假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值通过数据融合模块计算出任意一组假普洱茶古树茶茶汤氮离子和碳离子比值的均值为m1，任意一组真普洱茶古树茶茶汤氮离子和碳离子比值的均值为m2，任意一组整体均值为mG以及任意一组假普洱茶古树茶和真普洱茶古树茶的出现概率为p1和p2，p1+p2=1；
（3）所述数据诊断模块通过最大类间方差法设定普洱茶古树茶茶汤氮离子和碳离子比值阈值T，任意一组假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值的类间方差输出函数表达式为：
(2)
在公式（2）中，σ2为普洱茶古树茶茶汤氮离子和碳离子比值的类间方差，p1和p2为任意一组假普洱茶古树茶和真普洱茶古树茶的出现概率，m1和m2为任意一组假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值的均值，mG为整体均值，阈值T的输出函数公式为：
(3)
在公式（3）中，为k组普洱茶古树茶茶汤氮离子和碳离子比值的间类方差，N为输入数据输入模块的假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值的组数，T为普洱茶古树茶茶汤氮离子和碳离子比值阈值，所述阈值T将普洱茶古树茶分为假普洱茶古树茶C1和真普洱茶古树茶C2；
（4）通过数据输出模块将诊断后的数据信息输出。
作为本发明的进一步方案，所述分布式采集与传输模块采用多节点并行传输方式传输采集数据信息，所述多节点并行传输方式采用分布式通讯中间件RTI DDS实时传输和记录数据信息。
作为本发明的进一步方案，所述数据监控与告警单元包括以下部分：
（1）监控点监控模块，将IP地址转为物理地址，并通过相同物理地址归并实现监控生成；
（2）日志监控模块，通过分布式日志系统实现系统工作日志上报和查询；
（3）数据可视化模块，通过视图定制模式定制监控视图，并基于监控图表设置故障告警值；
（4）监控告警模块，通过邮件、短信、微信和PC客户端告警方式实现系统故障告警。
作为本发明的进一步方案，所述识别过程监控模块采用冗余控制系统实现双中央控制器并行控制，以提高故障查找和替换效率。
作为本发明的进一步方案，冗余控制系统包括CS5464芯片电路、放大电路、信息融合模块、数字滤波器、高通滤波器、信息调节模块、故障诊断模块、搜索模块和数据接口，所述数据接口至少包括串行接口、RS23接口、无线数据接口或脉冲输出接口。
本发明公开一种普洱茶古树茶真伪识别方法，根据普洱茶古树茶和新树茶的氮类化合物和碳类化合物含量不同识别普洱茶古树茶真伪，采用液质联用系统实现茶汤样本氮类化合物与碳类化合物含量测定并添加滤除加速单元滤除无关化合物数据，采用大数据整合分析系统设置普洱茶古树茶茶汤氮离子和碳离子比值阈值，并添加识别过程监控模块监视普洱茶古树茶真伪识别过程，智能化、自动化程度高，能够普洱茶古树茶真伪识别的效率和可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：
图1为本发明一种普洱茶古树茶真伪识别方法的整体架构示意图；
图2为本发明一种普洱茶古树茶真伪识别方法的系统结构示意图；
图3为本发明一种普洱茶古树茶真伪识别方法中识别过程监控模块的模型原理架构示意图；
图4为本发明一种普洱茶古树茶真伪识别方法中分布式数据采集与传输单元的模型原理架构示意图；
图5为本发明一种普洱茶古树茶真伪识别方法中冗余控制系统的一种实施例示意图；图6为本发明一种普洱茶古树茶真伪识别方法中一种高效液相色谱一种工作实施例波形示意图；
图7为本发明一种普洱茶古树茶真伪识别方法中一种高效液相色谱一种工作实施例数据显示示意图。
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，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1-图5所示，一种普洱茶古树茶真伪识别方法，包括以下步骤：
步骤一、制作普洱茶古树茶样本，并采用普洱茶古树茶标准冲泡方式反复冲泡五次，提取冲泡后的茶汤样本；
在具体实施例中，制作普洱茶古树茶样本过程中，通过设置反复冲泡间隔时间，每次间隔可以设置不一样的时间，再获取数据信息时，通过不同的样本容积，将不同的样本容积标注不同的数据信息；
步骤二、通过样本测定模块检测茶汤样本氮类化合物与碳类化合物含量；
样本测定模块在应用过程中，通过物理分离提取茶汤样本氮类化合物与碳类化合物，必要时，可以加入催化剂或者化合物等不同的数据信息；
在步骤二中，所述样本测定模块采用液质联用系统实现茶汤样本氮类化合物与碳类化合物含量测定，所述液质联用系统包括液相色谱单元和质谱单元，所述液相色谱单元和质谱单元独立工作，并添加滤除加速单元滤除无关化合物数据，以提高检测效率；
在具体实施例中，液相色谱单元就是应用液相色谱法，应用提取的洱茶古树茶样本液体作为流动相的色谱法。在具体应用过程中，采用高效液相色谱仪进行数据信息分析与计算，以提高数据信息应用和计算能力。
步骤三、通过真伪识别模块识别普洱茶古树茶样本真伪；
在步骤三中，所述真伪识别模块基于大数据整合分析系统设置普洱茶古树茶茶汤氮离子和碳离子比值阈值，茶汤样本化合物氮离子和碳离子比值高于阈值为假普洱茶古树茶，样本化合物氮离子和碳离子比值低于阈值为真普洱茶古树茶，并对比分析茶汤样本，以提高真伪识别的准确性；其中所述大数据整合分析系统包括数据输入模块、数据编码模块、数据融合模块、数据诊断模块和数据输出模块，其中所述数据输入模块用于实现数据信息的输入，所述数据编码模块用于将输入的数据信息按照编码规则进行编码，所述数据融合模块用于将编码后的数据信息进行融合，所述数据诊断模块用于对输入的数据信息进行诊断或分析，所述数据输出模块用于将诊断后的数据信息输出；其中所述数据输入模块的输出端与数据编码模块的输入端连接，所述数据编码模块的输出端与数据融合模块的输入端连接，所述数据融合模块的输出端与数据诊断模块的输入端连接，所述数据诊断模块的输出端与数据输出模块的输入端连接；
步骤四、通过识别过程监控模块监视普洱茶古树茶真伪识别过程数据参数；
在步骤四中，所述识别过程监控模块包括包含分布式数据采集与传输单元、数据监控与告警单元、控制单元和故障诊断单元，所述分布式数据采集的输出端与所述数据监控与告警单元的输入端连接，所述数据监控与告警单元输出端与所述控制单元的输入端连接，所述控制单元的输出端与所述故障诊断单元的输入端连接，所述普洱茶古树茶真伪识别过程数据参数异常则通过数据监控与告警单元执行告警操作。
在具体实施中，实验真普洱茶古树茶采集于 2020 年春季明前、雨前两个时期，产地覆盖地理标志保护范围内云南西双版纳州、临沧市、普洱市、昆明市、德宏州、保山市、红河州、大理州、楚雄州、文山州和玉溪市11个州，对比组的仿冒普洱茶古树茶茶同样采集于2020年春季明前、雨前两个时期，产地来自广西、湖南、贵州、四川的小叶种原料和勐海、勐库、凤庆的大叶种原料。实验样本信息如表1所示。
表1 样本统计
| 种类 | 明前/g | 雨前/g | 总计/g |
| 普洱茶古树茶 | 27 | 31 | 58 |
| 小叶茶 | 10 | 15 | 25 |
| 大叶茶 | 10 | 18 | 28 |
小叶种茶相对分辨较易，这种茶有股酸味，不论是泡得浓还是淡，都无法去除。但这种茶看上去很漂亮，细芽细叶，精致玲珑，有的连芽带叶只有3、4毫米，与云南普洱茶的叶形极不吻合，又因汤色不错，很容易迷惑人；令人上当大叶种茶做得香高汤亮，喝起来本没有什么问题，重点是普洱茶古树茶能越存越香，烘青、红茶工艺做出来的普洱茶，一开始喝没什么问题，存放起来就味道发酸。
普洱茶古树茶标准冲泡方式为设定水温为90度，采用1:30的茶水比冲泡3g古树茶茶叶，浸泡三秒后茶水分离，重复冲泡5次。
采用四极杆质量滤器和高效液相色谱仪作为检测器，以液相色谱作为分离系统，质谱为检测系统，样品在质谱部分和流动相分离，被离子化后，经质谱的质量分析器将离子碎片按质量数分开，经检测器得到质谱图。判定结果统计入表2所示。
表二判定结果统计
| 种类 | 明前/g | 判别 | 雨前/g | 判别 | 总计 | 百分比 |
| 真普洱茶古树茶 | 27 | 98.3% | 31 | 100% | 58 | 98.2% |
| 假普洱茶古树茶 | 20 | 99.5% | 33 | 100% | 53 | 100% |
根据判定结果统计表明，对于春季明前真普洱茶古树茶的识别正确结果比例为98.3%，对于春季雨前真普洱茶古树茶的正确结果比例为100%，对于春季明前假普洱茶古树茶的正确结果比例为99.5%，对于春季雨前假普洱茶古树茶的正确结果比例为100%，误判的原因主要为春季明前茶叶细嫩。由统计结果可知，该普洱茶古树茶真伪识别方法可行性强，准确率高。
在上述实施例中，数据输入模块可以设置为兼容性数据接口，比如将普洱茶古树茶茶汤氮离子和碳离子比值阈值等各种数据信息转换为模型识别的形式，以被接收。数据编码模块将不同的数据信息转换为数据信息，比如在主控模块的控制下，将不同的数据信息转换为分析融合或者诊断可以识别的模式，能够提高数据信息计算能力或者速度，这种方法可以引入编码器，在数据融合模块中，将不同类型的数据信息融合在一起，以提高数据信息计算或者融合能力，通过数据诊断模块进行信息判断，比如通过设置异常数据信息诊断模型，或者设置数据诊断计算方法等，或通过构建对比模型等方式，以提高数据信息计算能力。数据输出模块块可以设置无线数据接口或数据信息转接口，以提高数据信息计算能力。
其中真伪识别模块设置的阈值为真普洱茶古树信息特征，比如相似度在90%以上，则认为是真普洱茶古树信息。
大数据整合分析系统设置阈值是通过将输入分析的数据信息进行对比，阈值可以设置为100%吻合。
在上述实施例中，所述液相色谱单元采用亲和色谱分离方式实现茶汤样本化合物离子分离，所述亲和色谱分离方式通过亲和色谱固定相吸附茶汤样本化合物实现样本化合物离子分离和纯化，所述亲和色谱固定相包括基体、间隔臂和配位体，所述配位体通过间隔臂联接基体实现吸附空间阻碍消除。
在具体实施例中，将一对能可逆结合和解离生物分子的一方作为配基，与具有大孔径、亲水性的固相载体相偶联、制成专一的亲和吸附剂，再用此亲和吸附剂填充色谱柱，当含有被分离物质的混合物随着流动相流经色谱柱时，亲和吸附剂上的配基就有选择地吸附能与其结合的物质，而其他的蛋白质及杂质不被吸附，从色谱柱中流出，使用适当的缓冲液使被分离物质与配基解吸附，即可获得纯化的目的产物。
在上述实施例中，所述质谱单元包括质量分析器和高分辨串联质谱仪，所述质量分析器通过分析茶汤离子化样本质荷比测定分子离子质量，高分辨串联质谱仪通过获取化合物结构信息测定化合物氮离子和碳离子含量。
在具体实施例中，待分析的样品分子在离子源中离化成具有不同质量的单电行分子离子和碎片离子，这些单电荷离子在加速电场中获得相同的动能并形成一束离子，进入由电场和磁场组成的分析器中；其中离子束中速度较慢的离子通过电场后编转大，速度快的偏转小；在磁场中离子发生角速度矢量相反的偏转，即速度慢的离子依然偏转大，速度快的偏转小；当两个场的偏转作用彼此补偿时，它们的轨道便相交于一点，与此同时，在磁场中还能发生质量的分离，这样就使具有同一质荷比而速度不同的离子聚焦在同一点上，不同质荷比的离子聚焦在不同的点上，其焦面接近于平面，在此处用检测系统进行检测即可得到不同质荷比的谱线。
在上述实施例中，所述滤除加速单元采用局部选择与过滤方法滤除茶汤样本无关化合物，并采用加速处理器APU并行加速滤除过程，所述局部选择与过滤方法包括以下步骤：
步骤1、选择初始匹配相关化合物；
步骤2、选择相似相关化合物；
所述滤除加速单元通过比值审敛法ratio-test计算匹配值比值，并选择匹配值比值S范围内相似的相关化合物，所述匹配值比值的输出函数公式为：
（1）
在公式（1）中，VR(q)为相关化合物匹配值比值，q为相关化合物，Var(·)为匹配值无偏差估计，Pn为初始匹配相关化合物匹配值，n为初始匹配状态，δ为匹配值加权值；
步骤3、选择同一相似度的初始匹配相关化合物；
步骤4、保留匹配的相关化合物，滤除不匹配的无关化合物。
在上述实施例中，所述普洱茶古树茶茶汤氮离子和碳离子比值阈值设置包括以下方面：
（1）将N组海量假普洱茶古树茶茶汤氮离子和碳离子比值和真普洱茶古树茶茶汤氮离子和碳离子比值通过数据输入模块输入至所述大数据整合分析系统，并通过数据编码模块分别对每组假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值进行编码，任意一组假普洱茶古树茶茶汤氮离子和碳离子比值为，任意一组真普洱茶古树茶茶汤氮离子和碳离子比值为/>；
（2）编码后的假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值通过数据融合模块计算出任意一组假普洱茶古树茶茶汤氮离子和碳离子比值的均值为m1，任意一组真普洱茶古树茶茶汤氮离子和碳离子比值的均值为m2，任意一组整体均值为mG以及任意一组假普洱茶古树茶和真普洱茶古树茶的出现概率为p1和p2，p1+p2=1；
（3）所述数据诊断模块通过最大类间方差法设定普洱茶古树茶茶汤氮离子和碳离子比值阈值T，任意一组假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值的类间方差输出函数表达式为：
(2)
在公式（2）中，σ2为普洱茶古树茶茶汤氮离子和碳离子比值的类间方差，p1和p2为任意一组假普洱茶古树茶和真普洱茶古树茶的出现概率，m1和m2为任意一组假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值的均值，mG为整体均值，阈值T的输出函数公式为：
(3)
在公式（3）中，为k组普洱茶古树茶茶汤氮离子和碳离子比值的间类方差，N为输入数据输入模块的假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值的组数，T为普洱茶古树茶茶汤氮离子和碳离子比值阈值，所述阈值T将普洱茶古树茶分为假普洱茶古树茶C1和真普洱茶古树茶C2；
通过数据输出模块将诊断后的数据信息输出。
在上述实施例中，所述分布式采集与传输模块采用多节点并行传输方式传输采集数据信息，所述多节点并行传输方式采用分布式通讯中间件RTI DDS实时传输和记录数据信息。
在具体实施例中，所述分布式采集与传输模块包括以下特点：
1、适应能力强，无论是大规模的系统还是中小规模的系统，分布式数据采集系统都能够适应，因为可以通过选用适当数量的采集站来构建相应规模的系统；
2、可靠性高，由于采用了多个以单机片为核心的数据采集站，若某个数据采集站出现故障，只会影响该单元数据，而不会对系统其他部分造成任何影响，也便于故障查找和替换；
3、实时响应性好，由于系统中各个数据采集站之间是真正独立“并行”工作的，所以系统的实时响应较强，这对于大型、高速、动态数据采集系统来说，是一个突出的优点；
4、硬件要求不高，由于分布式数据采集系统采用了多机并行工作模式，每一个单片机仅完成数量有限的数据采集和处理任务，因此，它对硬件的要求不高，可以用低档的硬件构建高性能的系统，这是微机型数据采集系统无法比拟的优点。
在上述实施例中，所述数据监控与告警单元包括以下部分：
（1）监控点监控模块，将IP地址转为物理地址，并通过相同物理地址归并实现监控生成；
（2）日志监控模块，通过分布式日志系统实现系统工作日志上报和查询；
（3）数据可视化模块，通过视图定制模式定制监控视图，并基于监控图表设置故障告警值；
（4）监控告警模块，通过邮件、短信、微信和PC客户端告警方式实现系统故障告警。
在具体实施例中，所述数据监控与告警单元包括以下功能：
支持插件功能, 监控插件无需开发，自由选择监控插件，安装即可使用；
集成告警功能, 支持多种告警方式；
集成分布式日志系统功能；
支持多种部署方式，集中部署，全部服务部署在一台机器；分布式部署，分布式部署在多台机器；
支持自动化配置，机器部署agent后自动注册到监控系统无需在控制台配置、视图根据上报自动绑定相关上报机器；
支持多用户访问，子账号由管理员账号在控制台添加；
上报接口支持主流开发语言，数据上报api 提供类似公共库接口的便捷。
在上述实施例中，所述识别过程监控模块采用冗余控制系统实现双中央控制器并行控制，以提高故障查找和替换效率。
在具体实施例中，冗余控制系统采用一定或成倍量的设备或元器件的方式组成控制系统的控制方式，当某一设备或元器件发生故障而损坏时，它可以通过硬、软件或人为方式，相互切换作为后备设备或元器件，替代因故障而损坏的设备或元器件，保持系统正常工作，使控制设备因意外而导致的停机损失降到最低。
冗余控制系统包括CS5464芯片电路、放大电路、信息融合模块、数字滤波器、高通滤波器、信息调节模块、故障诊断模块、搜索模块和数据接口，所述数据接口至少包括串行接口、RS23接口、无线数据接口或脉冲输出接口。在具体实施例中，CS5464芯片电路为控制模块，通过该电路控制，将数据信息输入至放大电路进行数据信息的控制，信息放大后，通过信息融合模块对不同的类型的样本数据信息进行融合，以提高数据信息融合能力和信息处理能力。通过数字滤波器将输入的不同数据信息进行滤波、处理，高通滤波器对输入的数据信息进而二次处理，信息调节模块根据外界信息的变化，调整数据信息。将外界噪声数据信息进行调整。故障诊断模块用于进行数据的故障诊断，当输入数据信息遇到问题时，则可以进行人工智能诊断，并且通过搜索模块对故障数据信息进行搜索，以提高数据信息搜索能力，通过数据接口接收数据信息。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变；例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围；因此，本发明的范围仅由所附权利要求书限定。
Claims (9)
1.一种普洱茶古树茶真伪识别方法，其特征在于：包括以下步骤：
步骤一、制作普洱茶古树茶样本，并采用普洱茶古树茶标准冲泡方式反复冲泡五次，提取冲泡后的茶汤样本；
步骤二、通过样本测定模块检测茶汤样本氮类化合物与碳类化合物含量；
在步骤二中，所述样本测定模块采用液质联用系统实现茶汤样本氮类化合物与碳类化合物含量测定，所述液质联用系统包括液相色谱单元、质谱单元和滤除加速单元，所述液相色谱单元、质谱单元和滤除加速单元独立工作；
步骤三、通过真伪识别模块识别普洱茶古树茶样本真伪；
在步骤三中，所述真伪识别模块基于大数据整合分析系统设置普洱茶古树茶茶汤氮离子和碳离子比值阈值，茶汤样本化合物氮离子和碳离子比值高于阈值为假普洱茶古树茶，样本化合物氮离子和碳离子比值低于阈值为真普洱茶古树茶，并对比分析茶汤样本，以提高真伪识别的准确性；其中所述大数据整合分析系统包括数据输入模块、数据编码模块、数据融合模块、数据诊断模块和数据输出模块，其中所述数据输入模块用于实现数据信息的输入，所述数据编码模块用于将输入的数据信息按照编码规则进行编码，所述数据融合模块用于将编码后的数据信息进行融合，所述数据诊断模块用于对输入的数据信息进行诊断或分析，所述数据输出模块用于将诊断后的数据信息输出；其中所述数据输入模块的输出端与数据编码模块的输入端连接，所述数据编码模块的输出端与数据融合模块的输入端连接，所述数据融合模块的输出端与数据诊断模块的输入端连接，所述数据诊断模块的输出端与数据输出模块的输入端连接；
步骤四、通过识别过程监控模块监视普洱茶古树茶真伪识别过程数据参数；
在步骤四中，所述识别过程监控模块包括包含分布式数据采集与传输单元、数据监控与告警单元、控制单元和故障诊断单元，所述分布式数据采集的输出端与所述数据监控与告警单元的输入端连接，所述数据监控与告警单元输出端与所述控制单元的输入端连接，所述控制单元的输出端与所述故障诊断单元的输入端连接，所述普洱茶古树茶真伪识别过程数据参数异常则通过数据监控与告警单元执行告警操作。
2.根据权利要求1所述的一种普洱茶古树茶真伪识别方法，其特征在于：所述液相色谱单元采用亲和色谱分离方式实现茶汤样本化合物离子分离，所述亲和色谱分离方式通过亲和色谱固定相吸附茶汤样本化合物实现样本化合物离子分离和纯化，所述亲和色谱固定相包括基体、间隔臂和配位体，所述配位体通过间隔臂联接基体实现吸附空间阻碍消除。
3.根据权利要求1所述的一种普洱茶古树茶真伪识别方法，其特征在于：所述质谱单元包括质量分析器和高分辨串联质谱仪，所述质量分析器通过分析茶汤离子化样本质荷比测定分子离子质量，高分辨串联质谱仪通过获取化合物结构信息测定化合物氮离子和碳离子含量。
4.根据权利要求1所述的一种普洱茶古树茶真伪识别方法，其特征在于：所述滤除加速单元采用局部选择与过滤方法滤除茶汤样本无关化合物，并采用加速处理器APU并行加速滤除过程，所述局部选择与过滤方法包括以下步骤：
步骤1、选择初始匹配相关化合物；
步骤2、选择相似相关化合物；
所述滤除加速单元通过比值审敛法ratio-test计算匹配值比值，并选择匹配值比值S范围内相似的相关化合物，所述匹配值比值的输出函数公式为：
(1)
在公式（1）中，VR(q)为相关化合物匹配值比值，q为相关化合物，Var(·)为匹配值无偏差估计，Pn为初始匹配相关化合物匹配值，n为初始匹配状态，δ为匹配值加权值；
步骤3、选择同一相似度的初始匹配相关化合物；
步骤4、保留匹配的相关化合物，滤除不匹配的无关化合物。
5.根据权利要求1所述的一种普洱茶古树茶真伪识别方法，其特征在于：所述普洱茶古树茶茶汤氮离子和碳离子比值阈值设置包括以下方面：
（1）将N组海量假普洱茶古树茶茶汤氮离子和碳离子比值和真普洱茶古树茶茶汤氮离子和碳离子比值通过数据输入模块输入至所述大数据整合分析系统，并通过数据编码模块分别对每组假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值进行编码，任意一组假普洱茶古树茶茶汤氮离子和碳离子比值为，任意一组真普洱茶古树茶茶汤氮离子和碳离子比值为/>；
（2）编码后的假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值通过数据融合模块计算出任意一组假普洱茶古树茶茶汤氮离子和碳离子比值的均值为m1，任意一组真普洱茶古树茶茶汤氮离子和碳离子比值的均值为m2，任意一组整体均值为mG以及任意一组假普洱茶古树茶和真普洱茶古树茶的出现概率为p1和p2，p1+p2=1；
（3）所述数据诊断模块通过最大类间方差法设定普洱茶古树茶茶汤氮离子和碳离子比值阈值T，
最大类间方差法是一种自适应于双峰情况的自动求取阈值的方法,此方法按图像的灰度特性,将图像分成背景和目标两个部分；背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小；因此,使类间方差最大的分割意味着错分概率最小；
任意一组假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值的类间方差输出函数表达式为：
(2)
在公式（2）中，σ2为普洱茶古树茶茶汤氮离子和碳离子比值的类间方差，p1和p2为任意一组假普洱茶古树茶和真普洱茶古树茶的出现概率，m1和m2为任意一组假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值的均值，mG为整体均值，阈值T的输出函数公式为：
(3)
在公式（3）中，为k组普洱茶古树茶茶汤氮离子和碳离子比值的间类方差，N为输入数据输入模块的假普洱茶古树茶和真普洱茶古树茶茶汤氮离子和碳离子比值的组数，T为普洱茶古树茶茶汤氮离子和碳离子比值阈值，所述阈值T将普洱茶古树茶分为假普洱茶古树茶C1和真普洱茶古树茶C2；
（4）通过数据输出模块将诊断后的数据信息输出。
6.根据权利要求1所述的一种普洱茶古树茶真伪识别方法，其特征在于：所述分布式采集与传输模块采用多节点并行传输方式传输采集数据信息，所述多节点并行传输方式采用分布式通讯中间件RTI DDS实时传输和记录数据信息。
7.根据权利要求1所述的一种普洱茶古树茶真伪识别方法，其特征在于：所述数据监控与告警单元包括：
监控点监控模块，将IP地址转为物理地址，并通过相同物理地址归并实现监控生成；
日志监控模块，通过分布式日志系统实现系统工作日志上报和查询；
数据可视化模块，通过视图定制模式定制监控视图，并基于监控图表设置故障告警值；
监控告警模块，通过邮件、短信、微信和PC客户端告警方式实现系统故障告警。
8.根据权利要求1所述的一种普洱茶古树茶真伪识别方法，其特征在于：所述识别过程监控模块采用冗余控制系统实现双中央控制器并行控制，以提高故障查找和替换效率。
9.根据权利要求8所述的一种普洱茶古树茶真伪识别方法，其特征在于：冗余控制系统包括CS5464芯片电路、放大电路、信息融合模块、数字滤波器、高通滤波器、信息调节模块、故障诊断模块、搜索模块和数据接口，所述数据接口至少包括串行接口、RS23接口、无线数据接口或脉冲输出接口。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310414916.0A CN116539744B (zh) | 2023-04-18 | 2023-04-18 | 一种普洱茶古树茶真伪识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310414916.0A CN116539744B (zh) | 2023-04-18 | 2023-04-18 | 一种普洱茶古树茶真伪识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116539744A true CN116539744A (zh) | 2023-08-04 |
| CN116539744B CN116539744B (zh) | 2023-11-17 |
Family
ID=87453348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310414916.0A Active CN116539744B (zh) | 2023-04-18 | 2023-04-18 | 一种普洱茶古树茶真伪识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116539744B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1763542A (zh) * | 2005-09-27 | 2006-04-26 | 浙江大学 | 普洱茶品质鉴定方法 |
| CN105866233A (zh) * | 2016-06-01 | 2016-08-17 | 云南省农业科学院质量标准与检测技术研究所 | 普洱茶古树茶真伪识别方法 |
| US11478524B1 (en) * | 2017-07-31 | 2022-10-25 | University Of South Florida | Methods and compositions for modulating complex mixtures by selective deletion chromatography |
| KR102465850B1 (ko) * | 2022-06-15 | 2022-11-09 | 안성희 | 인공지능 학습 기반의 보이차 감별 시스템 |
-
2023
- 2023-04-18 CN CN202310414916.0A patent/CN116539744B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1763542A (zh) * | 2005-09-27 | 2006-04-26 | 浙江大学 | 普洱茶品质鉴定方法 |
| CN105866233A (zh) * | 2016-06-01 | 2016-08-17 | 云南省农业科学院质量标准与检测技术研究所 | 普洱茶古树茶真伪识别方法 |
| US11478524B1 (en) * | 2017-07-31 | 2022-10-25 | University Of South Florida | Methods and compositions for modulating complex mixtures by selective deletion chromatography |
| KR102465850B1 (ko) * | 2022-06-15 | 2022-11-09 | 안성희 | 인공지능 학습 기반의 보이차 감별 시스템 |
Non-Patent Citations (2)
| Title |
|---|
| YANG ZHAO ET AL.: "Tentative identification, quantitation，and principal component analysis of green pu-erh，green，and white teas using UPLC/DAD/MS", FOOD CHEMISTRY, vol. 126, pages 1269 - 1277 * |
| 张绍绒: "基于不同原料的普洱生茶判别模型构建及耐泡性探究", 中国优秀硕士学位论文全文数据库工程科技Ⅰ辑, no. 2, pages 024 - 2487 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116539744B (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2608197C (en) | Methods for improved data dependent acquisition | |
| JP2017207472A (ja) | イオン移動度スペクトルとマススペクトルの並行分析の方法及び装置 | |
| 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 | |
| JP2007005303A (ja) | 質量分析データの処理装置及び方法 | |
| CN104237436A (zh) | 一种沉积物中半挥发性卤代有机污染物定性筛查方法 | |
| CN112986430B (zh) | 一种娟珊牛奶粉和荷斯坦牛奶粉的差异标志物筛选方法及其应用 | |
| CN110715999A (zh) | 一种玩具中200种化学风险物质的高通量筛查方法 | |
| CN106153340A (zh) | 一种滚动轴承故障诊断方法 | |
| CN107247105A (zh) | 一种固相萃取‑高效液相色谱‑串联质谱法检测茶叶中高氯酸盐的方法 | |
| CN111413444B (zh) | 基于特征液质碎片匹配的环境样品中雄激素活性物质的鉴别方法 | |
| CN116539744B (zh) | 一种普洱茶古树茶真伪识别方法 | |
| CN107247099A (zh) | 一种鉴别固体废弃物中危险废物类物质的高通量分析方法 | |
| CN115015460A (zh) | 一种运用广泛靶向代谢组学技术鉴定冬虫夏草产地的方法 | |
| Hogenboom et al. | Single short-column liquid chromatography with atmospheric pressure chemical lonization-(tandem) mass spectrometric detection for trace environmental analysis | |
| Pérez-Parada et al. | Analytical improvements of hybrid LC-MS/MS techniques for the efficient evaluation of emerging contaminants in river waters: a case study of the Henares River (Madrid, Spain) | |
| US20140260536A1 (en) | Mass spectrometry (ms) identification algorithm | |
| Hawkes et al. | High-resolution mass spectrometry strategies for the investigation of dissolved organic matter | |
| CN103389350A (zh) | 一种测定化妆品中氯霉素类抗生素的方法 | |
| CN112362798A (zh) | 一种化妆品中大麻二酚的检测方法 | |
| Hogenboom et al. | Potential of short-column liquid chromatography with tandem mass spectrometric detection for the rapid study of pesticide degradation | |
| CN113406246A (zh) | 一种基于lc-q-tof-ms表征甘油三酯进行大豆和大豆油的产地溯源方法 | |
| CN115420835B (zh) | 一种pm2.5中mw328多环芳烃的气相色谱-串联质谱定性筛查方法 | |
| CN113433233A (zh) | 果蔬中乙烯利的离心超滤-离子色谱-三重四级杆质谱检测方法 | |
| CN108490085B (zh) | 一种区分褐煤的快速“指纹”鉴别检测方法 | |
| Hawkesa et al. | High-resolution mass spectrometry strategies for the investigation of dissolved organic matter |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240318 Address after: No. 10-0113, 10th Floor, Yinduhui Business Center, Xiaobanqiao Street Office, Guandu District, Kunming, Yunnan Province, China (Yunnan) Pilot Free Trade Zone Kunming Area, 650213 Patentee after: Yunnan Ancient Tree Tea Testing and Certification Center Country or region after: China Address before: No. 706, Floor 7, Brilliant Times Building, No. 17, Longquan Road, Wuhua District, Kunming, 650000, Yunnan Patentee before: Yunnan Jinjie Tea Industry Co.,Ltd. Country or region before: China |