一、幾種常見摻雜魚粉的鑒別（論文文獻綜述）
王文君[1]（2019）在《物種特異性和保守性DNA序列篩選及其在畜產(chǎn)品種源成分鑒定中的應用》文中認為動物源性成分是一類來源于動物具有種屬代表性的物質(zhì),可以是核酸、蛋白,也可以是各種脂類和小分子物質(zhì)等。近年來,各種畜產(chǎn)品的摻假摻雜事件層出不窮,歐洲―馬肉風波‖、中國―假羊肉事件‖等肉類摻假事件,飼料中非法添加反芻動物成分引起的瘋牛病全球性傳播等,這些畜產(chǎn)品安全問題嚴重影響肉類市場秩序和畜牧業(yè)的健康發(fā)展。對食品和飼料中動物源性成分的定性、定量檢測是解決這一問題的重要技術(shù)手段。目前主要的檢測方法是基于線粒體DNA（mtDNA）的PCR方法。然而,由于mtDNA在組織和個體間的拷貝數(shù)差異和堿基高變異性,使其易出現(xiàn)假陰性檢測結(jié)果,且難以實現(xiàn)準確的定量,因而迫切需要篩選新的物種特異性的DNA序列。此外,肉類摻假檢測中多物種通用內(nèi)參的缺乏或保守性差等問題也影響畜產(chǎn)品定量檢測的準確性。本研究利用動物全基因組序列和轉(zhuǎn)錄組信息,通過比較基因組學分析策略分別篩選物種特異性核DNA序列和多物種保守的核DNA序列,建立肉和飼料中多種動物源性成分的定性、定量檢測方法。為滿足畜產(chǎn)品安全監(jiān)管部門對動物源性成分鑒別的系統(tǒng)化、多元化、快速化的迫切需求提供技術(shù)支撐。取得的主要結(jié)果如下:1.物種特異性DNA序列的篩選及其分子特征分析為了獲得新的物種特異性DNA序列,本研究基于物種的全外顯子序列,以獨創(chuàng)的動態(tài)E-value結(jié)合Identity%、Quary-cover%為篩選條件,通過與Nt數(shù)據(jù)庫、非目標物種基因組和目標物種基因組的3次本地BLASTN序列比對分析,根據(jù)物種的分類地位,在11個科的19個物種中篩選各物種特異性外顯子。隨后,將各物種的特異性外顯子分為完全特異的外顯子序列（CESS）和部分特異的外顯子序列（PESS）,并對其進行分布、結(jié)構(gòu)和序列特征的分析發(fā)現(xiàn):物種的特異性外顯子占物種總外顯子的比例很低,且與染色體的大小無關(guān)。其中的CESS主要分布在CDS區(qū),且序列內(nèi)部含有大量重復元件;長度較短的、高GC含量的外顯子更易發(fā)生片段的完全缺失或增加,且其形成與序列上下游的同向重復序列以及序列內(nèi)部的短重復序列有關(guān)。進一步利用各物種特異性DNA序列設(shè)計引物,并在19個物種中進行PCR檢測,驗證了序列和引物的物種特異性,實驗結(jié)果說明篩選的物種特異性DNA序列可作為種源成分檢測的靶標。2.基于物種特異性DNA序列建立肉制品及動物源性飼料中種源成分的定性PCR檢測方法為了解決種源檢測中靶序列單一匱乏、特異性和保守性差等問題,基于篩選獲得的物種特異性DNA序列,建立了肉制品中牛、羊、豬、雞和鴨源性成分的定性PCR檢測方法。通過在線BLAST和ClustalW多序列比對分析,將物種特異性DNA序列分別與包含動物、植物和微生物在內(nèi)的4個界、11個綱、21個目、36個科、47個屬的53個代表性物種的參考基因組進行序列比對分析,發(fā)現(xiàn)各序列均具有高度的種間特異性和種內(nèi)保守性。通過物種特異性引物設(shè)計并進行反應體系、反應條件優(yōu)化,建立了5個物種5對引物相同反應程序（退火溫度均為60℃）的PCR檢測方法,實現(xiàn)了肉中牛、羊、豬、雞、鴨成分的同時檢測。所建立的PCR檢測方法在19個物種中進行驗證,結(jié)果表明5個物種的種源檢測PCR方法具有高度的物種特異性,僅在目標物種中具有擴增產(chǎn)物,其他物種中無任何產(chǎn)物;同時利用5個物種的44個個體進行PCR擴增都得到預期的擴增產(chǎn)物,通過對PCR產(chǎn)物進行測序,在同一物種中的序列具有一致性,說明這些物種特異性序列在物種內(nèi)具有高度的保守性。所建立的PCR檢測方法,靈敏度均可達到0.5ng。進一步對牛肉、羊肉、豬肉、雞肉和鴨肉的熟肉制品進行檢測,得到與產(chǎn)品種源成分一致的檢測結(jié)果,說明本方法可用于加工肉食中種源成分的檢測。針對瘋牛病的飼料源性傳播問題,篩選了?？铺禺愋曰騎AF4,該基因在牛和羊中存在18bp片段差異,針對該差異片段設(shè)計一對牛羊通用引物,但擴增產(chǎn)物大小不同,通過一次PCR反應即可同時檢測和鑒別牛（125bp）、羊（107bp）源性成分,并在23個物種中表現(xiàn)出高度的物種特異性。對牛（黃牛、牦牛、瘤牛、水牛）、羊（綿羊、山羊）不同品種進行PCR擴增和測序比對分析,結(jié)果表明該序列在牛、羊中都分別具有高度保守性。所建立的PCR檢測方法,靈敏度可達到0.2ng DNA。最后,對5份委托制作的動物源性飼料的檢測結(jié)果說明該方法具有檢測飼料樣品中牛、羊源性成分的能力,具有重要的應用價值。3.篩選哺乳動物和鳥類中高度保守的單拷貝序列作為多物種通用內(nèi)參并建立定量檢測方法定量檢測是對畜產(chǎn)品摻假情況進行準確評估的一個重要方法。而可靠有效的定量內(nèi)參是解決這一問題的前提。本文從全基因組水平出發(fā),利用11個科的13個哺乳動物和鳥類物種的外顯子數(shù)據(jù),通過比較基因組學和生物信息學方法篩選了在哺乳動物和鳥類中同源率>95%的高度保守的核DNA序列,并在保守區(qū)設(shè)計了多物種通用引物。通過在18個動物物種基因組中試驗驗證發(fā)現(xiàn),該序列具有高度保守性、且為單拷貝序列?；诙辔锓N定量內(nèi)參,進一步建立和優(yōu)化了一種種源成分定量檢測方法,相對誤差（R.E.）和相對標準偏差（R.S.D.）均小于25%。并通過引入基因組當量（GE）和校正系數(shù)k的概念,實現(xiàn)了DNA混合樣品中牛、兔、狗、狐、貂成分的更加精準的定量檢測。為畜產(chǎn)品中種源成分的準確定量提供了可靠的多物種通用的定量內(nèi)參和檢測方法。4.基于多物種通用內(nèi)參建立肉制品中多種動物源性成分的多重定量檢測方法針對歐洲―馬肉風波‖問題,結(jié)合牛、馬的特異性DNA序列和多物種通用內(nèi)參,建立了牛（223bp）、馬（197bp）和動物（129bp）源性成分的三重定性和定量檢測方法;針對我國―假羊肉事件‖,結(jié)合羊、狐、鼠的特異性DNA序列和多物種通用內(nèi)參,建立了羊（237bp）、狐（211bp）、鼠（160bp）源性成分的多重定性和定量檢測方法。所有物種特異性序列均與包含動物、植物、微生物在內(nèi)的53個物種的參考基因組進行BLAST和ClustalW序列比對,并在堿基差異區(qū)設(shè)計物種特異性引物和探針。利用普通PCR和TaqMan熒光PCR在多個物種DNA中對序列、引物和探針的特異性進行驗證,并進而驗證了各物種特異性序列均為固定拷貝數(shù)的序列。多重PCR體系的建立說明各組引物和探針之間不存在交叉互作,確保了單一體系中多種種源成分的同時檢測和定量。保守性試驗表明各物種特異性序列和引物在各自目標物種內(nèi)的高度保守性。靈敏度檢測結(jié)果表明檢出限（LOD）為0.05ng DNA,定量限（LOQ）達5%。并通過構(gòu)建各物種特異性序列和內(nèi)參序列的標準曲線,建立了GE與Ct值的計算關(guān)系,對多組DNA混合樣品和不同質(zhì)量比的混合肉樣品進行多重定量檢測,R.E.和R.S.D.均小于25%,表明所建立的多重定量檢測方法的具有良好的檢測準確度和精確度。本研究利用比較基因組學方法篩選物種特異性核DNA序列用于種源成分檢測;篩選保守性核DNA序列作為多物種定量內(nèi)參。進而建立了肉和飼料中牛、羊、豬、馬、雞、鴨、狐等多種種源成分的定性和定量檢測方法,為種源成分檢測提供了相應的方法和候選素材,為食品和飼料安全提供重要的技術(shù)支撐。
王楠[2]（2019）在《基于DNA條碼技術(shù)的食品中鮭科魚物種成分鑒別研究》文中研究指明鮭科魚是一類具有營養(yǎng)價值和保健功效的深海魚類,味道鮮美可口,深受廣大消費者喜愛。目前,我國鮭科魚類產(chǎn)品多依靠進口,需要經(jīng)過多次轉(zhuǎn)運之后才能到達商品銷售地,而我國的市售鮭科魚類食品標簽規(guī)范性較差,僅以“三文魚”作為商品標識,無法獲知產(chǎn)品的具體物種信息。此外,鮭科魚的深加工制品,因已喪失其魚肉的原始形態(tài),在經(jīng)濟利益的驅(qū)動下,存在以次充好、以假亂真等摻雜摻假現(xiàn)象,極大損害了消費者的利益。因此,亟需開發(fā)可靠、靈敏的鑒別方法以驗證商品標簽符合性。本研究旨在建立一整套完備的食品中鮭科魚類物種成分鑒別方法,主要結(jié)果如下:（1）鮭科魚產(chǎn)品DNA提取方法研究針對不同加工類型的鮭科魚產(chǎn)品,比較了不同DNA提取方法的提取濃度和純度,確定了最佳DNA提取方法。研究結(jié)果表明,在樣品DNA提取方面,十六烷基三甲基溴化銨法對冰鮮、冰凍等未加工樣品的DNA提取效果更好,NucleoSpin Food試劑盒法更適用于煙熏、罐頭、魚松等加工制品DNA提取。（2）基于Sanger測序的DNA條形碼技術(shù)鮭科魚物種鑒別研究針對單一物種組成樣品,選擇COI長條形碼（658 bp）和16S rRNA微條形碼（255 bp）作為分子標記,經(jīng)PCR擴增后,對純化的擴增產(chǎn)物進行Sanger測序,測序結(jié)果經(jīng)序列拼接后與Genbank數(shù)據(jù)庫進行BLAST比對獲得物種序列信息。研究發(fā)現(xiàn)所有魚類樣品的兩個擴增區(qū)間同Genbank數(shù)據(jù)庫的序列覆蓋度均在97%以上,且單獨以COI或16S rRNA為靶標均能準確獲得物種信息,測序成功率達100%。但就物種序列的最高匹配度而言,部分16S rRNA的序列鑒定結(jié)果≤COI序列鑒定結(jié)果,由此建立了以COI為主要靶標,16S rRNA為輔助靶標的基于Sanger測序的DNA條形碼技術(shù)。（3）基于高通量測序的DNA條形碼技術(shù)鮭科魚類混合樣品鑒別研究以鮭科魚類混合樣品為研究對象,16S rRNA微條形碼為分子標記,建立基于高通量測序的DNA條形碼技術(shù),結(jié)合測序通量、測序結(jié)果準確性和檢測靈敏度等評估該技術(shù)在混合物種鑒定中的可行性。結(jié)果顯示,本研究建立的基于16S rRNA的高通量測序技術(shù)可準確檢測出混合樣品中包含的全部物種,測序通量高、準確性好,并可檢測出低至1%含量的物種。（4）市售樣品的分析將本研究建立的DNA條形碼技術(shù)應用于32份市售鮭科魚類食品的物種鑒別,針對不同的食品類型選擇合適的測序方法,并對市售鮭科魚食品標簽的準確性進行初步研判。共在17份（53.13%）鮭科魚加工制品中檢出標簽中未標識的物種,即存在不同程度的摻雜摻假現(xiàn)象。本研究建立的DNA條形碼技術(shù),可廣泛應用于各類型鮭科魚食品的物種鑒別,為鮭科魚食品的市場監(jiān)管提供技術(shù)支撐。
高菲[3]（2017）在《基于脂質(zhì)特異性的不同動物源性飼料光譜鑒別方法與模型》文中指出為保障動物源性飼料的安全使用,開展不同種屬動物源性飼料的快速鑒別分析研究,具有重要的現(xiàn)實意義。本文從動物源性飼料的脂質(zhì)組成入手,以不同種屬動物源性飼料為研究對象,采用全自動脂肪測定儀提取脂質(zhì)成分,通過氣相色譜法分析比較脂質(zhì)組成及含量信息。通過紅外和拉曼光譜技術(shù)采集動物源性飼料脂質(zhì)光譜數(shù)據(jù),結(jié)合化學計量學方法對動物源性飼料進行種屬鑒別,并分析二者鑒別效果及機理?；诩t外和拉曼光譜聯(lián)用構(gòu)建了動物源性飼料的種屬判別模型,并基于二者特征譜段對動物源性飼料種屬鑒別機理的互補性進行分析。采用紅外和拉曼光譜技術(shù)對反芻動物源肉骨粉摻加成分進行定性判別和定量分析研究。（1）不同種屬動物源性飼料的脂肪酸組成及含量各不相同。魚粉中多不飽和脂肪酸含量顯著高于肉骨粉中的含量,飽和脂肪酸在牛、羊、豬、雞肉骨粉和魚粉中的含量依次降低?；跉庀嗌V圖信息和37種脂肪酸組成及含量對動物源性飼料進行種屬鑒別,結(jié)果表明,基于脂質(zhì)特性進行動物源性飼料種屬判別可行。（2）采集動物源性飼料的脂質(zhì)紅外光譜,不同種屬動物源性飼料在968 cm-1處的峰值和1116和1098cm-1處的峰比值呈顯著性差異（P<0.05）。結(jié)合化學計量學研究表明,基于脂質(zhì)紅外光譜可成功鑒別不同種屬動物源性飼料。脂質(zhì)紅外光譜與其不飽和脂肪酸之間存在高度相關(guān)性（r >0.960）。機理研究表明,紅外光譜基于脂質(zhì)成分進行動物源性飼料種屬鑒別,主要基于脂肪酸的飽和/不飽和度及其順式（cis）或反式（trans）脂肪酸含量的差異特征。（3）采集動物源性飼料的脂質(zhì)拉曼光譜,結(jié)合脂肪酸特性分析,特征峰比值（1654/1748cm-1和1654/1445 cm-1）與動物源性飼料脂質(zhì)不飽和度呈現(xiàn)高度相關(guān)性（r2> 0.940）。結(jié)合化學計量學方法發(fā)現(xiàn),532 nm拉曼光譜較傅里葉拉曼光譜具有更好的動物源性飼料種屬鑒別潛力。機理研究表明,拉曼光譜基于脂質(zhì)成分進行動物源性飼料種屬鑒別,主要基于脂肪酸的飽和/不飽和度及其順式（cis）脂肪酸含量的差異特征。（4）動物源性飼料脂質(zhì)的紅外與拉曼光譜具有互補性,紅外和532nm拉曼光譜具有較好的動物源性飼料種屬鑒別效果?；诩t外和拉曼光譜聯(lián)用技術(shù)構(gòu)建了動物源性飼料的種屬判別分析模型。結(jié)果表明,紅外和拉曼光譜聯(lián)用可有效提高動物源性飼料種屬判別效果。機理互補性研究表明,特定波段的紅外和拉曼光譜對不同種屬動物源性飼料鑒別各有側(cè)重,可有效進行互補。（5）采用紅外和拉曼光譜技術(shù)對反芻動物源肉骨粉摻加樣品進行定性判別和定量分析研究。摻有不同比例反芻動物源肉骨粉的動物源性肉骨粉的脂質(zhì)光譜呈現(xiàn)明顯差異?；谥|(zhì)特性,紅外和拉曼光譜技術(shù)均可成功對反芻動物源肉骨粉的摻加成分2q進行定性判別和定量分析。判別機理研究結(jié)果表明,紅外光譜主要是基于反芻動物源肉骨粉中反式（trans）脂肪酸含量的差異而進行判別分析;拉曼光譜主要是基于脂肪酸的飽和/不飽和度及其順式（cis）脂肪酸含量的差異而進行判別分析。
劉平[4]（2017）在《基于近紅外和高光譜檢測雞蛋粉摻假的研究》文中提出雞蛋粉有高品質(zhì)的蛋白質(zhì)、均衡的礦物質(zhì)和維生素等優(yōu)良的營養(yǎng)特性,在食品工業(yè)和畜產(chǎn)工業(yè)中發(fā)揮著非常重要的作用。但是,有些商家為了降低生產(chǎn)成本向蛋粉中摻入廉價物質(zhì)以獲得更大的利潤。所以,本文以雞蛋粉（全蛋粉、蛋清粉、蛋黃粉）為研究對象,使用具有快速、無損檢測等優(yōu)點的近紅外光譜技術(shù)和高光譜技術(shù)并結(jié)合有效的化學計量學方法對雞蛋粉二元摻假體系和多元摻假體系進行了檢測。同時采用兩種光譜技術(shù)建立了全蛋粉中重要營養(yǎng)物質(zhì)蛋白質(zhì)和脂肪含量的檢測模型,主要研究結(jié)果如下:（1）應用近紅外光譜技術(shù)檢測雞蛋粉二元體系摻假。將摻偽物淀粉、大豆蛋白、麥芽糊精分別按比例摻入到三種雞蛋粉中,構(gòu)成雞蛋粉的二元摻假體系。在三種雞蛋粉的摻假檢測中均建立定性判別模型（偏最小二乘判別模型）和定量檢測模型（偏最小二乘回歸模型）。結(jié)果顯示,在三種雞蛋粉摻假的判別分析中,偏最小二乘判別模型（PLS-DA）均可有效的將純雞蛋粉和摻假雞蛋粉進行區(qū)分。在全蛋粉摻假的定量模型中,摻入淀粉、大豆蛋白和麥芽糊精的檢測最佳模型均為回歸系數(shù)-偏最小二乘回歸模型（RC-PLSR）,預測相關(guān)系數(shù)（Rp2）分別達到0.990、0.996和0.998;在蛋清粉摻假的定量模型中,摻入大豆蛋白和麥芽糊精的最佳檢測模型為RC-PLSR,Rp2分別達到0.962和0.979,而對于摻入淀粉的蛋清粉的檢測模型,經(jīng)過回歸系數(shù)法（RC）獲得的特征波長所建立的RC-PLSR在性能上顯著降低,因此選擇全波段波長建立的PLS模型,獲得的Rp2為0.921;在蛋黃粉摻假的定量模型中,摻入淀粉、大豆蛋白和麥芽糊精的RC-PLSR相較于最佳波段獲得的PLS模型性能均有所降低,因此均選用最佳波段下獲得的模型,Rp2分別達到0.998、0.997和0.986。（2）近紅外光譜技術(shù)檢測雞蛋粉多元體系摻假。將淀粉、大豆蛋白和麥芽糊精三種摻雜物兩兩或者三者的混合物按比例摻入到雞蛋粉中,構(gòu)成雞蛋粉的多元摻假體系。分別建立雞蛋粉中淀粉、大豆蛋白、麥芽糊精摻偽量和總摻偽量的定量模型,并比較了不同預處理方式和不同波段對于各個模型的影響?；谧罴杨A處理方式和最優(yōu)波段建立主成分回歸（PCR）定量模型并與PLSR模型性能進行比較。結(jié)果發(fā)現(xiàn),淀粉摻偽量模型和麥芽糊精摻偽量模型效果不佳,而大豆蛋白摻偽量和總摻偽量模型的預測性能良好,Rp2均達到0.950以上,PLSR模型檢測性能優(yōu)于PCR模型。（3）應用高光譜技術(shù)檢測雞蛋粉二元體系摻假。通過采集純樣品和摻假樣品的高光譜圖像并提取平均光譜,建立支持向量機（SVM）模型對純蛋粉和摻假蛋粉進行判別,結(jié)果表明三種雞蛋粉摻假的判別正確率都達到90%以上。為了定量檢測摻入物的含量,采用偏最小二乘回歸模型建立光譜數(shù)據(jù)與摻假含量之間的關(guān)系。結(jié)果顯示全蛋粉摻假的研究中,摻入淀粉、大豆蛋白、麥芽糊精所建立的PLSR模型的Rp2分別達到0.931、0.981、0.990;蛋清粉摻假的研究中,摻入淀粉、大豆蛋白、麥芽糊精所建立的PLSR模型的Rp2分別達到0.832、0.994和0.984;蛋黃粉摻假的研究中,摻入淀粉、大豆蛋白、麥芽糊精所建立的PLSR模型的Rp2分別達到0.998、0.986和0.975,說明模型具有良好性能。通過RC法和連續(xù)投影法（SPA）提取了摻假的重要特征波長,分別建立RC-PLSR和SPA-PLSR簡化模型。結(jié)果表明,模型在性能上沒有顯著差別,但是由于減少了波長的數(shù)量,使得運算的時間縮減、效率提高。（4）高光譜技術(shù)檢測雞蛋粉多元體系摻假。在摻假檢測中,定性判別模型采用了隨機森林（RF）和支持向量機（SVM）的方法,結(jié)果顯示二者均能對純蛋粉和摻假蛋粉進行有效判別,且RF的效果略優(yōu)于SVM。在摻入混合物的全蛋粉、蛋清粉、蛋黃粉的定量模型中建立蛋粉實際含量與預測含量之間的關(guān)系,Rp2分別可以達到0.986、0.992、0.989,說明模型性能良好。為了簡化模型,根據(jù)RC法和SPA法提取特征波長,分別建立了RC-PLSR、RC-MLR及SPA-PLSR、SPA-MLR模型,所建立的模型表現(xiàn)出了良好的性能。（5）采用近紅外光譜和高光譜技術(shù)建立全蛋粉中蛋白質(zhì)和脂肪含量的定量模型,并比較了兩種方法的性能。在近紅外光譜測定中,蛋白質(zhì)檢測的最優(yōu)模型為回歸系數(shù)-PLSR,Rp2達到0.996,脂肪檢測的最優(yōu)模型為基于全波段所建立的模型,Rp2達到0.974;在高光譜測定中,蛋白質(zhì)檢測的最優(yōu)模型為載荷系數(shù)-PLSR,Rp2達到0.995,脂肪檢測的最優(yōu)模型為回歸系數(shù)-PLSR,Rp2達到0.964。兩種方法均表現(xiàn)出良好的性能,近紅外光譜檢測技術(shù)的性能優(yōu)于高光譜。
田華,侯志杰,陳報陽,李方慧,趙東黎[5]（2017）在《近紅外光譜在魚類及魚制品定性定量分析中的應用》文中進行了進一步梳理近紅外光譜技術(shù)作為一種方便、快捷、綠色、高效的無損檢測技術(shù),在農(nóng)業(yè)、食品、醫(yī)藥、石油及其他方面檢測中有獨到的優(yōu)勢和廣闊的發(fā)展前景。文中對近紅外光譜的工作原理及其在魚、魚糜、魚丸、魚粉、魚油等定量定性分析中的應用進行了綜述,包括對其組成及添加成分分析、新鮮度評價、品種屬地的快速鑒別和品質(zhì)的在線分析檢測。
呂程序[6]（2014）在《基于二維相關(guān)NIRS/NIRM的蛋白飼料原料判別方法研究》文中進行了進一步梳理為監(jiān)控飼料品質(zhì),保障飼料質(zhì)量安全,本文通過二維相關(guān)光譜技術(shù)、多尺度近紅外光譜分析及其融合聯(lián)用方法,對蛋白飼料原料進行快速、無損判別的方法研究。本研究對豐富我國蛋白飼料原料檢測手段具有重要的理論意義和實用價值。研究主要內(nèi)容及結(jié)果如下：以配合飼料和肉骨粉為研究對象,進行基于二維相關(guān)變量優(yōu)選的顯微近紅外光譜高效判別的研究。研究提出了一種基于二維相關(guān)近紅外光譜自動峰/交叉峰選擇敏感變量的方法,并基于此發(fā)現(xiàn)配合飼料/肉骨粉存在12個敏感近紅外變量：6852、6388、6320、5788、5600、5244、4900、4768、4572、4336、4256和4192cm-1?；诖藰?gòu)建了配合飼料/肉骨粉顯微近紅外光譜的判別分析方法,結(jié)果顯示該方法可指派敏感變量歸屬,判別分析效果良好（判斷正確率大于99%）,數(shù)據(jù)壓縮效率高（99%）,分析效率較全譜提高（大于14%）,選擇的變量傳遞性好。以魚粉和肉骨粉為研究對象,進行二維相關(guān)變量優(yōu)選的顯微近紅外光譜高效判別的研究。研究提出了一種基于二維相關(guān)顯微近紅外光譜自動峰選擇敏感變量的方法,并基于此發(fā)現(xiàn)魚粉/肉骨粉存在11個顯微近紅外敏感變量：5788、5748、5676、4900、4468、4368、4336、4300、4264、4232和4196cm-1?；诖藰?gòu)建了魚粉/肉骨粉顯微近紅外光譜的判別分析方法,結(jié)果顯示該方法可指派敏感變量歸屬,判別分析效果良好（判斷正確率大于98%）,數(shù)據(jù)壓縮效率高（99%）,分析效率較全譜提高（大于67%）。以魚粉和肉骨粉為研究對象,進行溫擾二維相關(guān)近紅外光譜可視化判別研究。研究發(fā)現(xiàn)在一定的溫度擾動（20-60℃）下,魚粉/肉骨粉二維相關(guān)近紅外同步譜存在各自特異性指紋特征,基于此構(gòu)建了相關(guān)的魚粉/肉骨粉二維相關(guān)近紅外光譜可視化判別方法,即：6000-5400cm-1范圍的動態(tài)譜經(jīng)基線校正+小波變換預處理和二維相關(guān)同步分析。該方法機理清晰,直觀可視,有助于提高模型共享性。以不同種屬肉骨粉為研究對象,進行溫擾二維相關(guān)近紅外光譜可視化判別研究。研究發(fā)現(xiàn)在一定的溫度擾動（10-65℃）下,雞/牛/豬源肉骨粉的二維相關(guān)近紅外同步譜存在各自特異性指紋特征,基于此構(gòu)建了相關(guān)的不同種屬肉骨粉二維相關(guān)近紅外光譜可視化判別方法,即：8600-8200cm-1范圍的動態(tài)譜經(jīng)基線校正預處理、基于主成分分析的光譜重構(gòu)和二維相關(guān)同步分析；5600-5500cm-1范圍的動態(tài)譜經(jīng)二階導數(shù)預處理、基于主成分分析的光譜重構(gòu)和二維相關(guān)同步分析。該方法直觀可視,有助于提高模型共享性。以魚粉和豆粕為研究對象,進行基于樣本-樣本二維相關(guān)魚粉/豆粕近紅外光譜的快速判別研究?；谝浑A導數(shù)預處理的樣本-樣本二維相關(guān)同步切線譜可提取區(qū)分魚粉/豆粕的數(shù)值特征,基于此確定的判別閾值可用于魚粉/豆粕的快速定性判別,驗證集樣本判斷正確率為100%。研究提出了一種基于樣本-樣本二維相關(guān)近紅外光譜的魚粉/豆粕快速判別方法,該方法算法簡單,識別速度快。
李偉,潘天保,常玉君[7]（2012）在《畜禽常用飼料偽劣的簡易識別法》文中指出隨著飼養(yǎng)業(yè)和飼料工業(yè)的快速發(fā)展,在飼料市場中發(fā)現(xiàn)了大量摻雜假的飼料及添加劑,為了保護飼養(yǎng)戶的經(jīng)濟利益,本文介紹幾種常用飼料的偽劣識別方法。1飼料摻砂的一般識別方法飼料摻砂常見于魚粉、大豆餅、骨粉等多種原料,可用沉淀法、漂浮法加以識別。沉淀法是在容器中加入清水,然后把
潘圓媛[8]（2012）在《辣椒品質(zhì)傅立葉近紅外光譜無損檢測研究》文中研究說明辣椒的營養(yǎng)成分豐富，尤以維生素C（Vc）含量高居各類蔬菜榜首。辣椒既可鮮食、調(diào)味，也可入藥，具有重要的經(jīng)濟價值和食療保健作用。隨著消費者對于辣椒的關(guān)注度不斷提高，為辣椒品質(zhì)尋找一種快速無損檢測方法已成為廠家、商家以及消費者各方面的共同要求。本研究以鮮辣椒和辣椒粉為研究對象，利用傅立葉變換近紅外光譜分析技術(shù)和化學計量學分析方法，開展鮮辣椒中可溶性固形物（SSC）、維生素C（Vc）的定量檢測；辣椒粉及摻雜物傅立葉變換近紅外（FT-NIR）分類鑒別研究，并在此基礎(chǔ)上建立摻雜物含量快速檢測的傅立葉變換近紅外光譜檢測數(shù)學模型。主要研究內(nèi)容和結(jié)果如下:①論文分別對鮮辣椒的可溶性固形物和維生素C無損檢測光譜預處理方法、有效波段選擇方法和校正模型建立方法進行實驗研究。實驗通過鮮辣椒樣品的漫反射光譜預處理方法對比分析，得出對SSC,經(jīng)1st D+MSC預處理后獲得的校正模型較理想；對Vc,經(jīng)SNV預處理后獲得的校正模型較理想。通過預處理后光譜進行波段選擇方法對比分析，得出對SSC和Vc而言，蒙特卡羅無信息變量消除（MC-UVE）方法均優(yōu)于間隔偏最小二乘法（iPLS）、連續(xù)投影算法（SPA）及遺傳算法（GA）。采用優(yōu)化后光譜為輸入，通過建模方法對比分析，得出對SSC而言，偏最小二乘（PLS）結(jié)合MC-UVE（MC-UVE-PLS）模型的預測效果優(yōu)于主成分析結(jié)合最小二乘支持向量機（PC-LS-SVM）和MC-UVE結(jié)合LS-SVM （MC-UVE-LS-SVM）模型,其驗證相關(guān)系數(shù)rp為0.987，驗證均方根誤差為0.274oBrix；而對Vc，MC-UVE-LS-SVM模型的預測效果優(yōu)于MC-UVE-PLS和PC-LS-SVM模型,其驗證相關(guān)系數(shù)rp為0.911，驗證均方根誤差為19.271mg/100g。②論文通過對未知樣品的預測，對優(yōu)化后模型進行精度評價。利用優(yōu)化模型對預測集的27個未知樣品進行預測，結(jié)果為：對SSC，其預測相關(guān)系數(shù)rp為0.971，預測均方根誤差為0.382oBrix。而對Vc，其預測相關(guān)系數(shù)rp為0.899，預測均方根誤差為21.022mg/100g。結(jié)果表明，F(xiàn)T-NIR光譜檢測技術(shù)可用于鮮辣椒可溶性固形物含量（SSC）及維生素C（Vc）的定量分析。③論文探討了不同分類方法在辣椒粉、常見摻雜物及摻雜混合物分類中的應用。分別采用判別分析（DA）、簇類獨立軟模式分類法（SIMCA）、偏最小二乘法判別分析（PLS-DA）對校正集建立判別模型，并對比不同建模波段及不同的光譜預處理方法對每種定性判別分析方法的判別能力的影響。結(jié)果表明，采用DA、SIMCA及PLS-DA三種分類方法，均可有效的對純辣椒粉與其它三種純摻雜物粉進行區(qū)分。然而，在鑒別摻雜后的混合物時，只有PLS-DA和SIMCA兩種方法比較適合，而DA方法校果不明顯，且PLS-DA的鑒別能力更強，能夠發(fā)現(xiàn)更低的摻雜比例的摻雜混合物，其rc為0.989且只有2個摻鋸屑混合物被誤判成辣椒類。④論文建立了摻雜物含量快速檢測的傅立葉變換近紅外光譜分析定量數(shù)學模型。以所制混合物的比例值為相應的濃度值，建立各種混合物的定量模型。對比不同建模波段、不同的光譜預處理方法及不同建模方法對定量模型精度的影響。結(jié)果顯示，對摻陳皮辣椒粉中陳皮含量，采用106007500cm-1波段光譜通過SNV預處理，并采用PC-LS-SVM所建立的模型最佳，rp為0.997，RMSEP為0.486%。對摻鋸屑辣椒粉中鋸屑含量，采用全波段光譜通過SNV預處理，并采用PLS所建立的模型最佳，rp為0.977，RMSEP為0.872%。對摻紅磚辣椒粉中紅磚粉含量，采用全波段光譜通過SNV預處理，并采用PLS所建立的模型最佳，rp為0.988，RMSEP為0.631%。結(jié)果表明，其應用傅立葉變換近紅外光譜技術(shù)結(jié)合化學計量學方法以可以實現(xiàn)摻雜辣椒粉中摻雜物含量的快速檢測,取得了較滿意的預測精度。
楊玉[9]（2010）在《物化法鑒別魚粉質(zhì)量優(yōu)劣》文中進行了進一步梳理簡要介紹魚粉的性狀、作用,主要從物理鑒別方法和化學檢驗方法分別介紹幾種鑒別魚粉質(zhì)量優(yōu)劣的方法。
李冰,曹忠君[10]（2009）在《偽劣飼料的識別與檢驗》文中指出飼料是畜禽賴以生存的基礎(chǔ)。近年來,不法商販利用養(yǎng)殖戶技術(shù)力量薄弱,缺乏專業(yè)鑒定條件,辨別能力不強,經(jīng)濟不寬裕,貪圖便宜,大肆銷售假冒偽劣飼料。下面談談幾種偽劣飼料的識別辦法,供養(yǎng)殖戶參考。1.魚粉魚粉在水產(chǎn)配合飼料特別是高檔水產(chǎn)配合飼料中的用量很大,而且價格高,所以摻假現(xiàn)象特別嚴重。優(yōu)質(zhì)魚粉顏色一致,呈紅
二、幾種常見摻雜魚粉的鑒別（論文開題報告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準備的觀點或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲管理單元結(jié)構(gòu)并詳細分析其設(shè)計過程。在該MMU結(jié)構(gòu)中,TLB采用叁個分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲器并行查找,支持粗粒度為64KB和細粒度為4KB兩種頁面大小,采用多級分層頁表結(jié)構(gòu)映射地址空間,并詳細論述了四級頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲系統(tǒng)實現(xiàn)的一個重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對象從而得到有關(guān)信息。
實驗法：通過主支變革、控制研究對象來發(fā)現(xiàn)與確認事物間的因果關(guān)系。
文獻研究法：通過調(diào)查文獻來獲得資料，從而全面的、正確的了解掌握研究方法。
實證研究法：依據(jù)現(xiàn)有的科學理論和實踐的需要提出設(shè)計。
定性分析法：對研究對象進行“質(zhì)”的方面的研究，這個方法需要計算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對研究對象的認識進一步精確化。
跨學科研究法：運用多學科的理論、方法和成果從整體上對某一課題進行研究。
功能分析法：這是社會科學用來分析社會現(xiàn)象的一種方法，從某一功能出發(fā)研究多個方面的影響。
模擬法：通過創(chuàng)設(shè)一個與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、幾種常見摻雜魚粉的鑒別（論文提綱范文）
（1）物種特異性和保守性DNA序列篩選及其在畜產(chǎn)品種源成分鑒定中的應用（論文提綱范文）
| 摘要 |
| Abstract |
| 縮略詞表(Abbreviation) |
| 第1章 前言 |
| 1.1 畜產(chǎn)品摻假現(xiàn)狀 |
| 1.1.1 肉類摻假 |
| 1.1.2 飼料摻假 |
| 1.2 動物種源成分鑒定方法 |
| 1.2.1 感官鑒別 |
| 1.2.2 顯微鑒別 |
| 1.2.3 理化檢測法 |
| 1.2.4 免疫學檢測 |
| 1.2.5 分子生物學檢測方法 |
| 1.2.5.1 PCR-RFLP分析 |
| 1.2.5.2 RAPD-PCR |
| 1.2.5.3 物種特異性PCR |
| 1.2.5.4 熒光PCR |
| 1.2.5.5 多重PCR |
| 1.2.5.6 PCR-Sequence |
| 1.3 動物種源成分鑒定中靶序列的選擇 |
| 1.3.1 線粒體DNA序列 |
| 1.3.2 核基因組DNA序列 |
| 1.4 物種特異性DNA序列的篩選方法 |
| 1.5 外顯子可作為物種特異性DNA序列篩選的靶標 |
| 1.6 研究目的與意義 |
| 第2章 物種特異性DNA序列的篩選及其分子特征分析 |
| 2.1 材料 |
| 2.1.1 各物種序列數(shù)據(jù) |
| 2.1.2 樣品 |
| 2.1.3 數(shù)據(jù)庫 |
| 2.1.4 主要儀器和設(shè)備 |
| 2.1.5 主要藥品及試劑 |
| 2.2 方法 |
| 2.2.1 物種特異性DNA序列篩選 |
| 2.2.2 物種特異性DNA的特征分析 |
| 2.2.3 物種特異性DNA序列的測序驗證和比對分析 |
| 2.2.4 利用物種特異性DNA序列模擬物種鑒定 |
| 2.2.5 物種特異性引物設(shè)計 |
| 2.2.6 DNA提取 |
| 2.2.7 種源成分檢測的PCR方法 |
| 2.3 結(jié)果與分析 |
| 2.3.1 物種特異性DNA序列的鑒別 |
| 2.3.2 物種特異性DNA的分布和結(jié)構(gòu)特征 |
| 2.3.3 物種間高GC含量的外顯子在物種進化中更易發(fā)生片段增加/缺失 |
| 2.3.4 完全特異的外顯子序列(CESS)中含大量重復元件 |
| 2.3.5 物種特異性外顯子的形成機理分析 |
| 2.3.6 完全特異的外顯子序列(CESS)可作為物種鑒定的分子標記物 |
| 2.3.7 物種特異性DNA可作為種源成分檢測的靶標 |
| 2.4 討論 |
| 2.4.1 物種特異性DNA序列篩選方法的創(chuàng)新性 |
| 2.4.2 物種特異性外顯子序列的特征及形成 |
| 2.4.3 物種特異性DNA序列在種源鑒定中的應用 |
| 第3章 基于物種特異性DNA序列建立肉制品及動物源性飼料中種源成分的定性PCR檢測方法 |
| 3.1 材料 |
| 3.1.1 樣品 |
| 3.1.2 儀器 |
| 3.1.3 試劑 |
| 3.2 方法 |
| 3.2.1 樣品制備 |
| 3.2.2 DNA提取 |
| 3.2.3 DNA序列的比對分析和物種特異性引物的設(shè)計 |
| 3.2.4 PCR體系和條件優(yōu)化 |
| 3.2.5 普通PCR反應 |
| 3.2.6 特異性檢測 |
| 3.2.7 保守性檢測 |
| 3.2.8 測序驗證 |
| 3.2.9 靈敏度測試 |
| 3.2.10 肉制品和動物源性飼料的檢測 |
| 3.3 結(jié)果與分析 |
| 3.3.1 肉制品中牛、羊、豬、雞、鴨源性成分的定性PCR檢測 |
| 3.3.1.1 DNA序列的特異性和保守性分析 |
| 3.3.1.2 最佳反應體系和反應條件的確定 |
| 3.3.1.3 在19個動物物種中的特異性驗證 |
| 3.3.1.4 在不同品種和個體中的種內(nèi)保守性驗證 |
| 3.3.1.5 PCR反應的靈敏度測試 |
| 3.3.1.6 市場中肉制品的抽檢 |
| 3.3.2 一對引物一個反應鑒別動物源性飼料中的牛和羊源性成分 |
| 3.3.2.1 序列的特異性、保守性分析及跨物種特異性引物設(shè)計 |
| 3.3.2.2 最佳反應體系和反應條件的確定 |
| 3.3.2.3 物種特異性檢測 |
| 3.3.2.4 靈敏度測試 |
| 3.3.2.5 科內(nèi)保守性檢測 |
| 3.3.2.6 測序驗證和序列分析 |
| 3.3.2.7 動物源性飼料樣品檢測 |
| 3.4 討論 |
| 3.4.1 用于種源成分檢測的物種特異性DNA序列的特征 |
| 3.4.2 PCR方法對加工制品中種源成分的檢測 |
| 第4章 篩選哺乳動物和鳥類中高度保守的單拷貝序列作為多物種通用內(nèi)參并建立定量檢測方法 |
| 4.1 材料與方法 |
| 4.1.1 外顯子序列數(shù)據(jù) |
| 4.1.2 樣品準備和DNA提取 |
| 4.1.3 篩選多物種通用的DNA序列 |
| 4.1.4 多物種通用引物設(shè)計方法 |
| 4.1.5 普通PCR反應 |
| 4.1.6 熒光PCR方法 |
| 4.1.7 構(gòu)建多物種通用引物的標準曲線 |
| 4.1.8 多物種通用序列的拷貝數(shù)驗證 |
| 4.1.9 構(gòu)建物種特異性引物的標準曲線 |
| 4.1.10 種源成分定量檢測的計算方法 |
| 4.1.11 多物種混合DNA樣品的定量PCR檢測 |
| 4.2 結(jié)果與分析 |
| 4.2.1 篩選多物種通用的單拷貝核DNA序列 |
| 4.2.2 Lco R基因序列廣泛存在于18個動物基因組中 |
| 4.2.3 Lco R基因序列在18個物種中均為單拷貝序列 |
| 4.2.4 利用多物種通用內(nèi)參定量檢測混合樣品中的各動物源性成分 |
| 4.2.5 通過校正系數(shù)k提高混合樣品中定量檢測的準確性 |
| 4.3 討論 |
| 4.3.1 多物種通用的定量內(nèi)參的比較 |
| 4.3.2 校正系數(shù)k提高定量檢測準確度 |
| 4.3.3 基于基因組當量的檢測優(yōu)勢 |
| 第5章 篩選哺乳動物和鳥類中高度保守的單拷貝序列作為多物種通用內(nèi)參并建立定量檢測方法 |
| 5.1 材料 |
| 5.1.1 樣品 |
| 5.1.2 儀器 |
| 5.1.3 試劑 |
| 5.2 方法 |
| 5.2.1 樣品制備 |
| 5.2.2 DNA提取 |
| 5.2.3 篩選物種特異性序列 |
| 5.2.4 設(shè)計物種特異性引物和探針 |
| 5.2.5 普通PCR |
| 5.2.6 探針法熒光PCR |
| 5.2.7 標準曲線構(gòu)建 |
| 5.2.8 定量檢測 |
| 5.3 結(jié)果和分析 |
| 5.3.1 肉中牛、馬源性成分的多重定性、定量PCR檢測 |
| 5.3.1.1 牛、馬物種特異性序列的鑒定 |
| 5.3.1.2 牛、馬檢測體系的的特異性驗證 |
| 5.3.1.3 牛、馬檢測體系的種內(nèi)保守性驗證 |
| 5.3.1.4 牛、馬檢測體系的定性、定量靈敏度測試 |
| 5.3.1.5 牛和馬的特異性序列均為固定拷貝數(shù)序列 |
| 5.3.1.6 多重定量PCR系統(tǒng)的建立和驗證 |
| 5.3.1.7 在混合肉中牛、馬源性成分的多重定量檢測 |
| 5.3.2 肉中羊、鼠、狐源性成分的多重定性、定量PCR檢測 |
| 5.3.2.1 羊、鼠、狐序列的特異性和保守性分析 |
| 5.3.2.2 特異性驗證和拷貝數(shù)分析 |
| 5.3.2.3 種內(nèi)保守性驗證 |
| 5.3.2.4 多重PCR系統(tǒng)的建立和優(yōu)化 |
| 5.3.2.5 多重定量PCR的靈敏度測試 |
| 5.3.2.6 構(gòu)建羊、狐、鼠的定量標準曲線 |
| 5.3.2.7 羊、狐、鼠混合樣品的多重定量PCR檢測 |
| 5.4 討論 |
| 5.4.1 定量檢測靶序列的選擇 |
| 5.4.2 特異性和保守性分析 |
| 5.4.3 質(zhì)量比(w/w)與基因組當量比(GE/GE) |
| 5.4.4 多重定量PCR的優(yōu)勢 |
| 第6章 全文總結(jié) |
| 6.1 本研究的主要結(jié)果與結(jié)論 |
| 6.2 本研究的創(chuàng)新點與特色 |
| 6.3 本研究的不足之處與下一步工作建議 |
| 參考文獻 |
| 附錄 |
| 攻讀學位期間撰寫論文題錄 |
| 致謝 |
（2）基于DNA條碼技術(shù)的食品中鮭科魚物種成分鑒別研究（論文提綱范文）
| 中文摘要 |
| Abstract |
| 1 引言 |
| 1.1 鮭科魚類介紹 |
| 1.1.1 鮭科魚的生物學分類、特征及分布 |
| 1.1.2 鮭科魚的產(chǎn)業(yè)及貿(mào)易狀況 |
| 1.1.3 我國鮭科魚類食品的市場現(xiàn)狀 |
| 1.1.4 食品中鮭科魚物種成分鑒別方法研究進展 |
| 1.2 DNA條形碼技術(shù)研究進展 |
| 1.2.1 DNA條形碼的原理概述 |
| 1.2.2 DNA條形碼技術(shù)的應用概述 |
| 1.2.3 DNA條形碼技術(shù)在食品物種鑒定中的應用 |
| 1.3 本研究目的及意義 |
| 1.3.1 研究目的 |
| 1.3.2 研究內(nèi)容 |
| 1.3.3 研究意義 |
| 2 材料與方法 |
| 2.1 實驗材料 |
| 2.2 實驗試劑 |
| 2.3 儀器設(shè)備 |
| 2.4 實驗方法 |
| 2.4.1 基因組DNA的提取 |
| 2.4.2 擴增引物的篩選 |
| 2.4.3 Sanger測序和序列分析 |
| 2.4.4 高通量測序文庫的制備 |
| 2.4.5 高通量測序及生物信息學分析 |
| 2.4.7 市售樣品分析 |
| 3 結(jié)果與分析 |
| 3.1 DNA提取方法的比較 |
| 3.2 PCR擴增結(jié)果分析 |
| 3.3 Sanger測序結(jié)果分析 |
| 3.4 魚樣品的二維碼 |
| 3.5 鮭科魚類混合樣品的高通量測序結(jié)果 |
| 3.5.1 鮭科魚類混合樣品的DNA提取情況 |
| 3.5.2 鮭科魚類混合樣品的PCR擴增結(jié)果 |
| 3.5.3 鮭科魚類混合樣品的高通量測序結(jié)果 |
| 3.6 市售鮭科魚類食品的物種鑒定結(jié)果 |
| 3.6.1 市售鮭科魚類食品的PCR擴增 |
| 3.6.2 基于Sanger測序技術(shù)的市售鮭科魚類食品物種鑒定結(jié)果 |
| 3.6.3 基于高通量測序技術(shù)的市售鮭科魚制品物種鑒定結(jié)果 |
| 4 討論 |
| 4.1 靶基因的選擇 |
| 4.2 兩種測序技術(shù)的適用性 |
| 4.3 鮭科魚類食品標簽規(guī)范性評價 |
| 5 結(jié)論 |
| 6 下一步研究方向 |
| 7 參考文獻 |
| 8 附錄 |
| 9 致謝 |
| 10 攻讀學位期間發(fā)表論文情況 |
（3）基于脂質(zhì)特異性的不同動物源性飼料光譜鑒別方法與模型（論文提綱范文）
| 摘要 |
| Abstract |
| 縮略詞表 |
| 第一章 緒論 |
| 1.1 研究的背景和意義 |
| 1.2 國內(nèi)外相關(guān)研究現(xiàn)狀 |
| 1.2.1 動物源性飼料檢測技術(shù)研究進展 |
| 1.2.2 基于色譜分析的脂質(zhì)檢測技術(shù)研究進展 |
| 1.2.3 基于光譜分析的脂質(zhì)檢測技術(shù)研究進展 |
| 1.3 存在的問題 |
| 1.4 主要研究內(nèi)容及思路框圖 |
| 第二章 不同種屬動物源性飼料脂質(zhì)組成與結(jié)構(gòu)特性分析 |
| 2.1 引言 |
| 2.2 材料與方法 |
| 2.2.1 動物源性飼料的收集與制備 |
| 2.2.2 動物源性飼料原料的基礎(chǔ)特性分析方法 |
| 2.2.3 動物源性飼料脂質(zhì)樣品提取 |
| 2.2.4 脂質(zhì)的脂肪酸甲酯化處理 |
| 2.2.5 氣相色譜分析 |
| 2.2.6 定性判別模型構(gòu)建 |
| 2.2.7 定性判別模型評價 |
| 2.2.8 數(shù)據(jù)統(tǒng)計與分析 |
| 2.3 結(jié)果與討論 |
| 2.3.1 不同種屬動物源性飼料原料的基礎(chǔ)特性分析 |
| 2.3.2 不同種屬動物源性飼料脂肪酸含量及組成的比較分析 |
| 2.3.3 基于氣相色譜譜圖的動物源性飼料種屬鑒別分析 |
| 2.3.4 基于37種脂肪酸組成及含量的動物源性飼料種屬鑒別分析 |
| 2.4 小結(jié) |
| 第三章 基于脂質(zhì)紅外光譜的動物源性飼料種屬鑒別分析方法與模型 |
| 3.1 引言 |
| 3.2 材料與方法 |
| 3.2.1 動物源性飼料的收集與制備 |
| 3.2.2 動物源性飼料脂質(zhì)樣品的提取 |
| 3.2.3 傅里葉變換紅外(FT-IR)光譜分析 |
| 3.2.4 定性判別模型構(gòu)建 |
| 3.2.5 定性判別模型評價 |
| 3.2.6 數(shù)據(jù)統(tǒng)計與分析 |
| 3.3 結(jié)果與討論 |
| 3.3.1 不同種屬動物源性飼料原料的紅外光譜分析 |
| 3.3.2 動物源性飼料原料與脂質(zhì)紅外光譜對比分析 |
| 3.3.3 不同種屬動物源性飼料脂質(zhì)成分的紅外光譜分析 |
| 3.3.4 基于脂質(zhì)紅外光譜的動物源性飼料種屬鑒別分析 |
| 3.3.5 基于脂質(zhì)紅外光譜的動物源性飼料種屬鑒別機理分析 |
| 3.4 小結(jié) |
| 第四章 基于脂質(zhì)拉曼光譜的動物源性飼料種屬鑒別分析方法與模型 |
| 4.1 引言 |
| 4.2 材料與方法 |
| 4.2.1 動物源性飼料的收集與制備 |
| 4.2.2 動物源性飼料脂質(zhì)樣品的提取 |
| 4.2.3 拉曼光譜分析 |
| 4.2.4 定性判別模型構(gòu)建 |
| 4.2.5 定性判別模型評價 |
| 4.2.6 數(shù)據(jù)統(tǒng)計與分析 |
| 4.3 結(jié)果與討論 |
| 4.3.1 不同種屬動物源性飼料脂質(zhì)成分拉曼光譜比較 |
| 4.3.2 不同種屬動物源性飼料脂質(zhì)成分的FT-Raman拉曼光譜特性分析 |
| 4.3.3 不同種屬陸生動物源肉骨粉脂質(zhì)成分的532 nm拉曼光譜特性分析 |
| 4.3.4 不同種屬動物源性飼料脂質(zhì)成分的FT-Raman和532 nm拉曼光譜比較分析 |
| 4.3.5 基于脂質(zhì)拉曼光譜的動物源性飼料種屬鑒別分析 |
| 4.3.6 基于脂質(zhì)拉曼光譜的動物源性飼料種屬鑒別的機理分析 |
| 4.4 小結(jié) |
| 第五章 基于紅外和拉曼光譜聯(lián)用的動物源性飼料種屬鑒別分析方法與模型 |
| 5.1 引言 |
| 5.2 材料與方法 |
| 5.2.1 動物源性飼料的收集與制備 |
| 5.2.2 動物源性飼料脂質(zhì)樣品的提取 |
| 5.2.3 紅外和拉曼光譜分析 |
| 5.2.4 光譜聯(lián)用定性判別模型構(gòu)建與評價 |
| 5.2.5 數(shù)據(jù)統(tǒng)計與分析 |
| 5.3 結(jié)果與討論 |
| 5.3.1 動物源性飼料脂質(zhì)紅外和拉曼特征光譜對比分析 |
| 5.3.2 基于紅外和拉曼光譜的動物源性飼料種屬鑒別效果比較分析 |
| 5.3.3 基于FT-IR和FT-Raman光譜聯(lián)用的動物源性飼料種屬鑒別分析 |
| 5.3.4 基于FT-IR和532nm拉曼光譜聯(lián)用的陸生動物源性肉骨粉種屬鑒別分析 |
| 5.3.5 基于紅外和拉曼光譜特征波段的動物源性飼料種屬鑒別機理互補性分析 |
| 5.4 小結(jié) |
| 第六章 基于紅外和拉曼光譜的反芻動物源肉骨粉摻加檢測方法與模型 |
| 6.1 引言 |
| 6.2 材料與方法 |
| 6.2.1 動物源性飼料的收集與制備 |
| 6.2.2 混合樣品的制備 |
| 6.2.3 傅里葉變換紅外光譜分析 |
| 6.2.4 傅里葉變換拉曼光譜分析 |
| 6.2.5 定性判別模型構(gòu)建與評價 |
| 6.2.6 定量分析模型構(gòu)建 |
| 6.2.7 定量分析模型評價 |
| 6.2.8 數(shù)據(jù)統(tǒng)計與分析 |
| 6.3 結(jié)果與討論 |
| 6.3.1 反芻動物源肉骨粉摻加樣品的脂質(zhì)FT-IR光譜分析 |
| 6.3.2 基于脂質(zhì)FT-IR光譜的反芻動物源肉骨粉摻加樣品的主成分分析 |
| 6.3.3 基于脂質(zhì)FT-IR光譜的反芻動物源肉骨粉摻加樣品的定性判別分析 |
| 6.3.4 基于脂質(zhì)FT-IR光譜的反芻動物源肉骨粉摻加樣品的定量檢測分析 |
| 6.3.5 反芻動物源肉骨粉摻加樣品的脂質(zhì)FT-Raman光譜分析 |
| 6.3.6 基于脂質(zhì)FT-Raman光譜的反芻動物源肉骨粉摻加樣品的主成分分析 |
| 6.3.7 基于脂質(zhì)FT-Raman光譜的反芻動物源肉骨粉摻加樣品的定性判別分析 |
| 6.3.8 基于脂質(zhì)FT-Raman光譜的反芻動物源肉骨粉摻加樣品的定量檢測分析 |
| 6.3.9 基于脂質(zhì)紅外和拉曼光譜的反芻動物源肉骨粉摻加檢測方法的對比分析 |
| 6.3.10 基于脂質(zhì)紅外和拉曼光譜的反芻動物源肉骨粉摻加成分鑒別機理分析 |
| 6.4 小結(jié) |
| 第七章 結(jié)論與進一步研究設(shè)想 |
| 7.1 結(jié)論 |
| 7.2 創(chuàng)新之處 |
| 7.3 進一步研究設(shè)想 |
| 參考文獻 |
| 附錄 |
| 致謝 |
| 作者簡介 |
（4）基于近紅外和高光譜檢測雞蛋粉摻假的研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 縮略語表 |
| 第一章 文獻綜述 |
| 1 雞蛋粉應用的研究現(xiàn)狀 |
| 2 食品摻假檢測的傳統(tǒng)方法 |
| 2.1 基于蛋白質(zhì)水平的檢測技術(shù) |
| 2.2 基于DNA水平的檢測技術(shù) |
| 3 光譜技術(shù)在粉末狀食品摻假檢測中的應用 |
| 4 本課題的研究意義及主要研究內(nèi)容 |
| 4.1 課題研究目的及意義 |
| 4.2 主要研究內(nèi)容 |
| 第二章 基于近紅外檢測雞蛋粉摻假的研究 |
| 1 材料與方法 |
| 1.1 材料 |
| 1.2 光譜數(shù)據(jù)采集 |
| 1.3 圖像預處理 |
| 1.4 近紅外光譜分析 |
| 2 結(jié)果與分析 |
| 2.1 全蛋粉摻假檢測結(jié)果分析 |
| 2.1.1 近紅外光譜特征分析 |
| 2.1.2 PLS-DA定性判別分析結(jié)果 |
| 2.1.3 光譜預處理對PLSR模型的影響 |
| 2.1.4 最佳波段的選擇 |
| 2.1.5 特征波長的選擇 |
| 2.1.6 特征波長下PLSR結(jié)果分析 |
| 2.2 蛋清粉摻假檢測結(jié)果分析 |
| 2.2.1 PLS-DA結(jié)果分析 |
| 2.2.2 光譜預處理對PLSR模型的影響 |
| 2.2.3 最佳波段的選擇 |
| 2.2.4 特征波長的選擇 |
| 2.2.5 特征波長下PLSR結(jié)果 |
| 2.3 蛋黃粉摻假檢測結(jié)果分析 |
| 2.3.1 PLS-DA結(jié)果分析 |
| 2.3.2 光譜預處理對PLSR模型的影響 |
| 2.3.3 最佳波段的選擇 |
| 2.3.4 特征波長提取 |
| 2.3.5 特征波長下的PLSR模型 |
| 3 討論 |
| 4 本章小結(jié) |
| 第三章 近紅外光譜在雞蛋粉多元摻假中的應用 |
| 1 材料與方法 |
| 1.1 材料 |
| 1.2 光譜數(shù)據(jù)采集 |
| 1.3 圖像預處理 |
| 1.4 近紅外光譜分析 |
| 2 結(jié)果與分析 |
| 2.1 近紅外光譜特征分析 |
| 2.2 光譜預處理對PLSR模型的影響 |
| 2.3 不同波段建模對PLSR模型的影響 |
| 2.4 PCR模型結(jié)果與PLSR結(jié)果的比較 |
| 3 討論 |
| 4 本章小結(jié) |
| 第四章 基于高光譜成像技術(shù)檢測雞蛋粉摻假的研究 |
| 1 材料與方法 |
| 1.1 材料 |
| 1.2 高光譜圖像采集 |
| 1.3 圖像預處理 |
| 1.4 高光譜分析 |
| 2 結(jié)果與分析 |
| 2.1 全蛋粉摻假檢測結(jié)果分析 |
| 2.1.1 高光譜特征分析 |
| 2.1.2 主成分分析結(jié)果 |
| 2.1.3 SVM判別結(jié)果 |
| 2.1.4 光譜預處理對PLSR模型的影響 |
| 2.1.5 特征波長的選擇 |
| 2.1.6 特征波長下的PLSR結(jié)果 |
| 2.2 蛋黃粉摻假檢測結(jié)果分析 |
| 2.2.1 高光譜特征分析 |
| 2.2.2 主成分分析結(jié)果 |
| 2.2.3 SVM判別結(jié)果 |
| 2.2.4 光譜預處理對PLSR模型的影響 |
| 2.2.5 特征波長的選擇 |
| 2.2.6 特征波長下的PLSR結(jié)果 |
| 2.3 蛋清粉摻假檢測結(jié)果分析 |
| 2.3.1 高光譜特征分析 |
| 2.3.2 主成分分析結(jié)果 |
| 2.3.3 SVM判別結(jié)果 |
| 2.3.4 光譜預處理對PLSR模型的影響 |
| 2.3.5 特征波長的選擇 |
| 2.3.6 特征波長下的PLSR結(jié)果 |
| 3 討論 |
| 4 本章小結(jié) |
| 第五章 高光譜技術(shù)在雞蛋粉多元摻假體系中的應用 |
| 1 材料與方法 |
| 1.1 材料 |
| 1.2 高光譜圖像采集 |
| 1.3 圖像預處理 |
| 1.4 高光譜分析 |
| 2 結(jié)果與分析 |
| 2.1 高光譜特征分析 |
| 2.2 主成分分析 |
| 2.3 隨機森林結(jié)果 |
| 2.4 光譜預處理對PLSR模型的影響 |
| 2.5 特征波長的選擇 |
| 2.6 特征波段下PLSR、MLR結(jié)果 |
| 3 討論 |
| 4 本章小結(jié) |
| 第六章 光譜分析快速檢測全蛋粉中蛋白質(zhì)和脂肪含量 |
| 1 材料與方法 |
| 1.1 材料 |
| 1.2 主要試劑和儀器設(shè)備 |
| 1.3 方法 |
| 1.4 圖像預處理 |
| 1.5 光譜分析 |
| 2 結(jié)果與分析 |
| 2.1 近紅外光譜建立模型結(jié)果 |
| 2.1.1 近紅外光譜分析 |
| 2.1.2 化學指標測定 |
| 2.1.3 不同預處理方式對PLSR模型的影響 |
| 2.1.4 特征波長的提取 |
| 2.1.5 基于特征波長的PLSR結(jié)果分析 |
| 2.2 高光譜建立模型結(jié)果 |
| 2.2.1 不同預處理方式對PLSR模型的影響 |
| 2.2.2 特征波長的提取 |
| 2.2.3 基于特征波長的PLSR結(jié)果分析 |
| 3 討論 |
| 4 本章小結(jié) |
| 第七章 結(jié)論與展望 |
| 1 結(jié)論 |
| 2 創(chuàng)新點 |
| 3 本研究存在的問題及展望 |
| 參考文獻 |
| 致謝 |
| 附錄 |
（5）近紅外光譜在魚類及魚制品定性定量分析中的應用（論文提綱范文）
| 1 近紅外光譜工作原理 |
| 2 近紅外光譜對不同品種魚及魚糜制品組成成分分析 |
| 3 近紅外光譜對不同品種魚及魚糜制品新鮮度指標的檢測及在線檢測 |
| 4 近紅外光譜在不同品種魚及魚糜制品品種、屬地鑒定及品質(zhì)分類研究 |
| 5 近紅外光譜對魚糜、魚粉、魚油中特殊成分的檢測 |
| 6 結(jié)語 |
（6）基于二維相關(guān)NIRS/NIRM的蛋白飼料原料判別方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 插圖和附表清單 |
| 縮略詞表 |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.3 主要研究內(nèi)容與研究思路 |
| 第二章 基于二維相關(guān)變量優(yōu)選的飼料/肉骨粉顯微近紅外光譜高效判別方法研究 |
| 摘要 |
| 2.1 引言 |
| 2.2 材料與方法 |
| 2.3 結(jié)果與討論 |
| 2.4 本章小結(jié) |
| 第三章 基于二維相關(guān)變量優(yōu)選的魚粉/肉骨粉顯微近紅外光譜高效判別方法研究 |
| 摘要 |
| 3.1 引言 |
| 3.2 材料與方法 |
| 3.3 結(jié)果與討論 |
| 3.4 本章小結(jié) |
| 第四章 基于溫擾二維相關(guān)同步譜的魚粉/肉骨粉近紅外光譜可視化判別方法研究 |
| 摘要 |
| 4.1 引言 |
| 4.2 材料與方法 |
| 4.3 結(jié)果與討論 |
| 4.4 本章小結(jié) |
| 第五章 基于溫擾二維相關(guān)同步譜的不同種屬肉骨粉近紅外光譜可視化判別方法研究 |
| 摘要 |
| 5.1 引言 |
| 5.2 材料與方法 |
| 5.3 結(jié)果與討論 |
| 5.4 本章小結(jié) |
| 第六章 基于樣本-樣本二維相關(guān)的魚粉/豆粕近紅外光譜快速判別方法研究 |
| 摘要 |
| 6.1 引言 |
| 6.2 材料與方法 |
| 6.3 結(jié)果與討論 |
| 6.4 本章小結(jié) |
| 第七章 結(jié)論與進一步研究設(shè)想 |
| 7.1 主要研究結(jié)論 |
| 7.2 創(chuàng)新之處 |
| 7.3 進一步研究設(shè)想 |
| 參考文獻 |
| 致謝 |
| 附錄 |
| 作者簡介 |
（7）畜禽常用飼料偽劣的簡易識別法（論文提綱范文）
| 1 飼料摻砂的一般識別方法 |
| 2 魚粉摻假的識別 |
| 3 大豆餅粕摻假的識別 |
| 4 小麥麩摻假的鑒別 |
| 5 骨粉偽劣的識別 |
（8）辣椒品質(zhì)傅立葉近紅外光譜無損檢測研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 研究的背景及意義 |
| 1.1.1 研究背景 |
| 1.1.2 研究意義 |
| 1.2 蔬菜近紅外光譜檢測研究現(xiàn)狀 |
| 1.2.1 國外研究進展 |
| 1.2.2 國內(nèi)研究進展 |
| 1.3 粉末摻雜近紅外光譜檢測技術(shù)研究現(xiàn)狀 |
| 1.3.1 國外研究進展 |
| 1.3.2 國內(nèi)研究進展 |
| 1.3.3 國內(nèi)外研究工作總結(jié) |
| 1.4 研究內(nèi)容與方法 |
| 1.4.1 研究目標 |
| 1.4.2 研究內(nèi)容 |
| 1.4.3 主要研究方法 |
| 1.4.4 技術(shù)路線 |
| 1.5 本章小結(jié) |
| 第二章 近紅外光譜分析技術(shù)概述及設(shè)備 |
| 2.1 近紅外光譜分析原理 |
| 2.2 近紅外光譜分析方法 |
| 2.2.1 近紅外光譜分析的一般流程 |
| 2.2.2 近紅外光譜的預處理方法 |
| 2.2.3 近紅外光譜的波長選擇方法 |
| 2.2.4 近紅外光譜檢測的模型建立方法 |
| 2.2.5 模型的評價 |
| 2.3 辣椒品質(zhì)檢測的相關(guān)設(shè)備 |
| 2.3.1 傅立葉紅外光譜儀 |
| 2.3.2 可溶性固形物測定儀 |
| 2.3.3 自動電位滴定儀 |
| 2.3.4 粉碎機及恒溫干燥機 |
| 2.3 本章小結(jié) |
| 第三章 鮮辣椒可溶性固形物和維生素 C 含量定量檢測方法 |
| 3.1 材料與方法 |
| 3.1.1 實驗材料及預處理 |
| 3.1.2 光譜采集 |
| 3.1.3 化學參考值的測定 |
| 3.1.4 光譜數(shù)據(jù)的處理及分析 |
| 3.2 結(jié)果與討論 |
| 3.2.1 鮮辣椒近紅外光譜的解析 |
| 3.2.2 化學參考值測定 |
| 3.2.3 最佳光譜預處理方法的確定 |
| 3.2.4 最佳有效波長選擇方法 |
| 3.2.5 建模方法對比分析 |
| 3.2.6 未知樣品預測 |
| 3.3 本章小結(jié) |
| 第四章 辣椒粉摻雜近紅外光譜定性和定量檢測研究 |
| 4.1 材料與方法 |
| 4.1.1 實驗材料及預處理 |
| 4.1.2 樣品近紅外光譜數(shù)據(jù)采集 |
| 4.1.3 光譜數(shù)據(jù)的處理及分析 |
| 4.2 結(jié)果與分析 |
| 4.2.1 粉末樣品近紅外圖譜分析 |
| 4.2.2 粉末定性鑒別分析 |
| 4.2.3 辣椒粉摻雜的定量檢測分析 |
| 4.3 本章小結(jié) |
| 第五章 結(jié)論與展望 |
| 5.1 主要研究結(jié)論 |
| 5.2 進一步研究展望 |
| 參考文獻 |
| 個人簡歷 在讀期間發(fā)表的學術(shù)論文 |
| 致謝 |
（9）物化法鑒別魚粉質(zhì)量優(yōu)劣（論文提綱范文）
| 1 物理鑒別方法 |
| 1.1 篩選 |
| 1.2 觸覺 |
| 1.3 嗅覺 |
| 1.4 味覺 |
| 1.5 水洗 |
| 1.6 灼燒法 |
| 1.7 顯微鏡檢測 |
| 1.8 堿煮法 |
| 2 化學檢驗方法 |
（10）偽劣飼料的識別與檢驗（論文提綱范文）
| 1. 魚粉 |
| 2. 骨粉 |
| 3. 豆粕 |
| 4. 其他飼料的識別和檢驗 |
四、幾種常見摻雜魚粉的鑒別（論文參考文獻）
- [1]物種特異性和保守性DNA序列篩選及其在畜產(chǎn)品種源成分鑒定中的應用[D]. 王文君. 華中農(nóng)業(yè)大學, 2019
- [2]基于DNA條碼技術(shù)的食品中鮭科魚物種成分鑒別研究[D]. 王楠. 山東農(nóng)業(yè)大學, 2019(01)
- [3]基于脂質(zhì)特異性的不同動物源性飼料光譜鑒別方法與模型[D]. 高菲. 中國農(nóng)業(yè)大學, 2017(02)
- [4]基于近紅外和高光譜檢測雞蛋粉摻假的研究[D]. 劉平. 華中農(nóng)業(yè)大學, 2017(03)
- [5]近紅外光譜在魚類及魚制品定性定量分析中的應用[J]. 田華,侯志杰,陳報陽,李方慧,趙東黎. 食品與發(fā)酵工業(yè), 2017(06)
- [6]基于二維相關(guān)NIRS/NIRM的蛋白飼料原料判別方法研究[D]. 呂程序. 中國農(nóng)業(yè)大學, 2014(08)
- [7]畜禽常用飼料偽劣的簡易識別法[J]. 李偉,潘天保,常玉君. 養(yǎng)殖技術(shù)顧問, 2012(11)
- [8]辣椒品質(zhì)傅立葉近紅外光譜無損檢測研究[D]. 潘圓媛. 華東交通大學, 2012(02)
- [9]物化法鑒別魚粉質(zhì)量優(yōu)劣[J]. 楊玉. 廣東化工, 2010(12)
- [10]偽劣飼料的識別與檢驗[J]. 李冰,曹忠君. 新農(nóng)業(yè), 2009(06)