一、几种常见掺杂鱼粉的鉴别（论文文献综述）
王文君[1]（2019）在《物种特异性和保守性DNA序列筛选及其在畜产品种源成分鉴定中的应用》文中认为动物源性成分是一类来源于动物具有种属代表性的物质,可以是核酸、蛋白,也可以是各种脂类和小分子物质等。近年来,各种畜产品的掺假掺杂事件层出不穷,欧洲―马肉风波‖、中国―假羊肉事件‖等肉类掺假事件,饲料中非法添加反刍动物成分引起的疯牛病全球性传播等,这些畜产品安全问题严重影响肉类市场秩序和畜牧业的健康发展。对食品和饲料中动物源性成分的定性、定量检测是解决这一问题的重要技术手段。目前主要的检测方法是基于线粒体DNA（mtDNA）的PCR方法。然而,由于mtDNA在组织和个体间的拷贝数差异和碱基高变异性,使其易出现假阴性检测结果,且难以实现准确的定量,因而迫切需要筛选新的物种特异性的DNA序列。此外,肉类掺假检测中多物种通用内参的缺乏或保守性差等问题也影响畜产品定量检测的准确性。本研究利用动物全基因组序列和转录组信息,通过比较基因组学分析策略分别筛选物种特异性核DNA序列和多物种保守的核DNA序列,建立肉和饲料中多种动物源性成分的定性、定量检测方法。为满足畜产品安全监管部门对动物源性成分鉴别的系统化、多元化、快速化的迫切需求提供技术支撑。取得的主要结果如下:1.物种特异性DNA序列的筛选及其分子特征分析为了获得新的物种特异性DNA序列,本研究基于物种的全外显子序列,以独创的动态E-value结合Identity%、Quary-cover%为筛选条件,通过与Nt数据库、非目标物种基因组和目标物种基因组的3次本地BLASTN序列比对分析,根据物种的分类地位,在11个科的19个物种中筛选各物种特异性外显子。随后,将各物种的特异性外显子分为完全特异的外显子序列（CESS）和部分特异的外显子序列（PESS）,并对其进行分布、结构和序列特征的分析发现:物种的特异性外显子占物种总外显子的比例很低,且与染色体的大小无关。其中的CESS主要分布在CDS区,且序列内部含有大量重复元件;长度较短的、高GC含量的外显子更易发生片段的完全缺失或增加,且其形成与序列上下游的同向重复序列以及序列内部的短重复序列有关。进一步利用各物种特异性DNA序列设计引物,并在19个物种中进行PCR检测,验证了序列和引物的物种特异性,实验结果说明筛选的物种特异性DNA序列可作为种源成分检测的靶标。2.基于物种特异性DNA序列建立肉制品及动物源性饲料中种源成分的定性PCR检测方法为了解决种源检测中靶序列单一匮乏、特异性和保守性差等问题,基于筛选获得的物种特异性DNA序列,建立了肉制品中牛、羊、猪、鸡和鸭源性成分的定性PCR检测方法。通过在线BLAST和ClustalW多序列比对分析,将物种特异性DNA序列分别与包含动物、植物和微生物在内的4个界、11个纲、21个目、36个科、47个属的53个代表性物种的参考基因组进行序列比对分析,发现各序列均具有高度的种间特异性和种内保守性。通过物种特异性引物设计并进行反应体系、反应条件优化,建立了5个物种5对引物相同反应程序（退火温度均为60℃）的PCR检测方法,实现了肉中牛、羊、猪、鸡、鸭成分的同时检测。所建立的PCR检测方法在19个物种中进行验证,结果表明5个物种的种源检测PCR方法具有高度的物种特异性,仅在目标物种中具有扩增产物,其他物种中无任何产物;同时利用5个物种的44个个体进行PCR扩增都得到预期的扩增产物,通过对PCR产物进行测序,在同一物种中的序列具有一致性,说明这些物种特异性序列在物种内具有高度的保守性。所建立的PCR检测方法,灵敏度均可达到0.5ng。进一步对牛肉、羊肉、猪肉、鸡肉和鸭肉的熟肉制品进行检测,得到与产品种源成分一致的检测结果,说明本方法可用于加工肉食中种源成分的检测。针对疯牛病的饲料源性传播问题,筛选了牛科特异性基因TAF4,该基因在牛和羊中存在18bp片段差异,针对该差异片段设计一对牛羊通用引物,但扩增产物大小不同,通过一次PCR反应即可同时检测和鉴别牛（125bp）、羊（107bp）源性成分,并在23个物种中表现出高度的物种特异性。对牛（黄牛、牦牛、瘤牛、水牛）、羊（绵羊、山羊）不同品种进行PCR扩增和测序比对分析,结果表明该序列在牛、羊中都分别具有高度保守性。所建立的PCR检测方法,灵敏度可达到0.2ng DNA。最后,对5份委托制作的动物源性饲料的检测结果说明该方法具有检测饲料样品中牛、羊源性成分的能力,具有重要的应用价值。3.筛选哺乳动物和鸟类中高度保守的单拷贝序列作为多物种通用内参并建立定量检测方法定量检测是对畜产品掺假情况进行准确评估的一个重要方法。而可靠有效的定量内参是解决这一问题的前提。本文从全基因组水平出发,利用11个科的13个哺乳动物和鸟类物种的外显子数据,通过比较基因组学和生物信息学方法筛选了在哺乳动物和鸟类中同源率>95%的高度保守的核DNA序列,并在保守区设计了多物种通用引物。通过在18个动物物种基因组中试验验证发现,该序列具有高度保守性、且为单拷贝序列。基于多物种定量内参,进一步建立和优化了一种种源成分定量检测方法,相对误差（R.E.）和相对标准偏差（R.S.D.）均小于25%。并通过引入基因组当量（GE）和校正系数k的概念,实现了DNA混合样品中牛、兔、狗、狐、貂成分的更加精准的定量检测。为畜产品中种源成分的准确定量提供了可靠的多物种通用的定量内参和检测方法。4.基于多物种通用内参建立肉制品中多种动物源性成分的多重定量检测方法针对欧洲―马肉风波‖问题,结合牛、马的特异性DNA序列和多物种通用内参,建立了牛（223bp）、马（197bp）和动物（129bp）源性成分的三重定性和定量检测方法;针对我国―假羊肉事件‖,结合羊、狐、鼠的特异性DNA序列和多物种通用内参,建立了羊（237bp）、狐（211bp）、鼠（160bp）源性成分的多重定性和定量检测方法。所有物种特异性序列均与包含动物、植物、微生物在内的53个物种的参考基因组进行BLAST和ClustalW序列比对,并在碱基差异区设计物种特异性引物和探针。利用普通PCR和TaqMan荧光PCR在多个物种DNA中对序列、引物和探针的特异性进行验证,并进而验证了各物种特异性序列均为固定拷贝数的序列。多重PCR体系的建立说明各组引物和探针之间不存在交叉互作,确保了单一体系中多种种源成分的同时检测和定量。保守性试验表明各物种特异性序列和引物在各自目标物种内的高度保守性。灵敏度检测结果表明检出限（LOD）为0.05ng DNA,定量限（LOQ）达5%。并通过构建各物种特异性序列和内参序列的标准曲线,建立了GE与Ct值的计算关系,对多组DNA混合样品和不同质量比的混合肉样品进行多重定量检测,R.E.和R.S.D.均小于25%,表明所建立的多重定量检测方法的具有良好的检测准确度和精确度。本研究利用比较基因组学方法筛选物种特异性核DNA序列用于种源成分检测;筛选保守性核DNA序列作为多物种定量内参。进而建立了肉和饲料中牛、羊、猪、马、鸡、鸭、狐等多种种源成分的定性和定量检测方法,为种源成分检测提供了相应的方法和候选素材,为食品和饲料安全提供重要的技术支撑。
王楠[2]（2019）在《基于DNA条码技术的食品中鲑科鱼物种成分鉴别研究》文中研究指明鲑科鱼是一类具有营养价值和保健功效的深海鱼类,味道鲜美可口,深受广大消费者喜爱。目前,我国鲑科鱼类产品多依靠进口,需要经过多次转运之后才能到达商品销售地,而我国的市售鲑科鱼类食品标签规范性较差,仅以“三文鱼”作为商品标识,无法获知产品的具体物种信息。此外,鲑科鱼的深加工制品,因已丧失其鱼肉的原始形态,在经济利益的驱动下,存在以次充好、以假乱真等掺杂掺假现象,极大损害了消费者的利益。因此,亟需开发可靠、灵敏的鉴别方法以验证商品标签符合性。本研究旨在建立一整套完备的食品中鲑科鱼类物种成分鉴别方法,主要结果如下:（1）鲑科鱼产品DNA提取方法研究针对不同加工类型的鲑科鱼产品,比较了不同DNA提取方法的提取浓度和纯度,确定了最佳DNA提取方法。研究结果表明,在样品DNA提取方面,十六烷基三甲基溴化铵法对冰鲜、冰冻等未加工样品的DNA提取效果更好,NucleoSpin Food试剂盒法更适用于烟熏、罐头、鱼松等加工制品DNA提取。（2）基于Sanger测序的DNA条形码技术鲑科鱼物种鉴别研究针对单一物种组成样品,选择COI长条形码（658 bp）和16S rRNA微条形码（255 bp）作为分子标记,经PCR扩增后,对纯化的扩增产物进行Sanger测序,测序结果经序列拼接后与Genbank数据库进行BLAST比对获得物种序列信息。研究发现所有鱼类样品的两个扩增区间同Genbank数据库的序列覆盖度均在97%以上,且单独以COI或16S rRNA为靶标均能准确获得物种信息,测序成功率达100%。但就物种序列的最高匹配度而言,部分16S rRNA的序列鉴定结果≤COI序列鉴定结果,由此建立了以COI为主要靶标,16S rRNA为辅助靶标的基于Sanger测序的DNA条形码技术。（3）基于高通量测序的DNA条形码技术鲑科鱼类混合样品鉴别研究以鲑科鱼类混合样品为研究对象,16S rRNA微条形码为分子标记,建立基于高通量测序的DNA条形码技术,结合测序通量、测序结果准确性和检测灵敏度等评估该技术在混合物种鉴定中的可行性。结果显示,本研究建立的基于16S rRNA的高通量测序技术可准确检测出混合样品中包含的全部物种,测序通量高、准确性好,并可检测出低至1%含量的物种。（4）市售样品的分析将本研究建立的DNA条形码技术应用于32份市售鲑科鱼类食品的物种鉴别,针对不同的食品类型选择合适的测序方法,并对市售鲑科鱼食品标签的准确性进行初步研判。共在17份（53.13%）鲑科鱼加工制品中检出标签中未标识的物种,即存在不同程度的掺杂掺假现象。本研究建立的DNA条形码技术,可广泛应用于各类型鲑科鱼食品的物种鉴别,为鲑科鱼食品的市场监管提供技术支撑。
高菲[3]（2017）在《基于脂质特异性的不同动物源性饲料光谱鉴别方法与模型》文中指出为保障动物源性饲料的安全使用,开展不同种属动物源性饲料的快速鉴别分析研究,具有重要的现实意义。本文从动物源性饲料的脂质组成入手,以不同种属动物源性饲料为研究对象,采用全自动脂肪测定仪提取脂质成分,通过气相色谱法分析比较脂质组成及含量信息。通过红外和拉曼光谱技术采集动物源性饲料脂质光谱数据,结合化学计量学方法对动物源性饲料进行种属鉴别,并分析二者鉴别效果及机理。基于红外和拉曼光谱联用构建了动物源性饲料的种属判别模型,并基于二者特征谱段对动物源性饲料种属鉴别机理的互补性进行分析。采用红外和拉曼光谱技术对反刍动物源肉骨粉掺加成分进行定性判别和定量分析研究。（1）不同种属动物源性饲料的脂肪酸组成及含量各不相同。鱼粉中多不饱和脂肪酸含量显着高于肉骨粉中的含量,饱和脂肪酸在牛、羊、猪、鸡肉骨粉和鱼粉中的含量依次降低。基于气相色谱图信息和37种脂肪酸组成及含量对动物源性饲料进行种属鉴别,结果表明,基于脂质特性进行动物源性饲料种属判别可行。（2）采集动物源性饲料的脂质红外光谱,不同种属动物源性饲料在968 cm-1处的峰值和1116和1098cm-1处的峰比值呈显着性差异（P<0.05）。结合化学计量学研究表明,基于脂质红外光谱可成功鉴别不同种属动物源性饲料。脂质红外光谱与其不饱和脂肪酸之间存在高度相关性（r >0.960）。机理研究表明,红外光谱基于脂质成分进行动物源性饲料种属鉴别,主要基于脂肪酸的饱和/不饱和度及其顺式（cis）或反式（trans）脂肪酸含量的差异特征。（3）采集动物源性饲料的脂质拉曼光谱,结合脂肪酸特性分析,特征峰比值（1654/1748cm-1和1654/1445 cm-1）与动物源性饲料脂质不饱和度呈现高度相关性（r2> 0.940）。结合化学计量学方法发现,532 nm拉曼光谱较傅里叶拉曼光谱具有更好的动物源性饲料种属鉴别潜力。机理研究表明,拉曼光谱基于脂质成分进行动物源性饲料种属鉴别,主要基于脂肪酸的饱和/不饱和度及其顺式（cis）脂肪酸含量的差异特征。（4）动物源性饲料脂质的红外与拉曼光谱具有互补性,红外和532nm拉曼光谱具有较好的动物源性饲料种属鉴别效果。基于红外和拉曼光谱联用技术构建了动物源性饲料的种属判别分析模型。结果表明,红外和拉曼光谱联用可有效提高动物源性饲料种属判别效果。机理互补性研究表明,特定波段的红外和拉曼光谱对不同种属动物源性饲料鉴别各有侧重,可有效进行互补。（5）采用红外和拉曼光谱技术对反刍动物源肉骨粉掺加样品进行定性判别和定量分析研究。掺有不同比例反刍动物源肉骨粉的动物源性肉骨粉的脂质光谱呈现明显差异。基于脂质特性,红外和拉曼光谱技术均可成功对反刍动物源肉骨粉的掺加成分2q进行定性判别和定量分析。判别机理研究结果表明,红外光谱主要是基于反刍动物源肉骨粉中反式（trans）脂肪酸含量的差异而进行判别分析;拉曼光谱主要是基于脂肪酸的饱和/不饱和度及其顺式（cis）脂肪酸含量的差异而进行判别分析。
刘平[4]（2017）在《基于近红外和高光谱检测鸡蛋粉掺假的研究》文中提出鸡蛋粉有高品质的蛋白质、均衡的矿物质和维生素等优良的营养特性,在食品工业和畜产工业中发挥着非常重要的作用。但是,有些商家为了降低生产成本向蛋粉中掺入廉价物质以获得更大的利润。所以,本文以鸡蛋粉（全蛋粉、蛋清粉、蛋黄粉）为研究对象,使用具有快速、无损检测等优点的近红外光谱技术和高光谱技术并结合有效的化学计量学方法对鸡蛋粉二元掺假体系和多元掺假体系进行了检测。同时采用两种光谱技术建立了全蛋粉中重要营养物质蛋白质和脂肪含量的检测模型,主要研究结果如下:（1）应用近红外光谱技术检测鸡蛋粉二元体系掺假。将掺伪物淀粉、大豆蛋白、麦芽糊精分别按比例掺入到三种鸡蛋粉中,构成鸡蛋粉的二元掺假体系。在三种鸡蛋粉的掺假检测中均建立定性判别模型（偏最小二乘判别模型）和定量检测模型（偏最小二乘回归模型）。结果显示,在三种鸡蛋粉掺假的判别分析中,偏最小二乘判别模型（PLS-DA）均可有效的将纯鸡蛋粉和掺假鸡蛋粉进行区分。在全蛋粉掺假的定量模型中,掺入淀粉、大豆蛋白和麦芽糊精的检测最佳模型均为回归系数-偏最小二乘回归模型（RC-PLSR）,预测相关系数（Rp2）分别达到0.990、0.996和0.998;在蛋清粉掺假的定量模型中,掺入大豆蛋白和麦芽糊精的最佳检测模型为RC-PLSR,Rp2分别达到0.962和0.979,而对于掺入淀粉的蛋清粉的检测模型,经过回归系数法（RC）获得的特征波长所建立的RC-PLSR在性能上显着降低,因此选择全波段波长建立的PLS模型,获得的Rp2为0.921;在蛋黄粉掺假的定量模型中,掺入淀粉、大豆蛋白和麦芽糊精的RC-PLSR相较于最佳波段获得的PLS模型性能均有所降低,因此均选用最佳波段下获得的模型,Rp2分别达到0.998、0.997和0.986。（2）近红外光谱技术检测鸡蛋粉多元体系掺假。将淀粉、大豆蛋白和麦芽糊精三种掺杂物两两或者三者的混合物按比例掺入到鸡蛋粉中,构成鸡蛋粉的多元掺假体系。分别建立鸡蛋粉中淀粉、大豆蛋白、麦芽糊精掺伪量和总掺伪量的定量模型,并比较了不同预处理方式和不同波段对于各个模型的影响。基于最佳预处理方式和最优波段建立主成分回归（PCR）定量模型并与PLSR模型性能进行比较。结果发现,淀粉掺伪量模型和麦芽糊精掺伪量模型效果不佳,而大豆蛋白掺伪量和总掺伪量模型的预测性能良好,Rp2均达到0.950以上,PLSR模型检测性能优于PCR模型。（3）应用高光谱技术检测鸡蛋粉二元体系掺假。通过采集纯样品和掺假样品的高光谱图像并提取平均光谱,建立支持向量机（SVM）模型对纯蛋粉和掺假蛋粉进行判别,结果表明三种鸡蛋粉掺假的判别正确率都达到90%以上。为了定量检测掺入物的含量,采用偏最小二乘回归模型建立光谱数据与掺假含量之间的关系。结果显示全蛋粉掺假的研究中,掺入淀粉、大豆蛋白、麦芽糊精所建立的PLSR模型的Rp2分别达到0.931、0.981、0.990;蛋清粉掺假的研究中,掺入淀粉、大豆蛋白、麦芽糊精所建立的PLSR模型的Rp2分别达到0.832、0.994和0.984;蛋黄粉掺假的研究中,掺入淀粉、大豆蛋白、麦芽糊精所建立的PLSR模型的Rp2分别达到0.998、0.986和0.975,说明模型具有良好性能。通过RC法和连续投影法（SPA）提取了掺假的重要特征波长,分别建立RC-PLSR和SPA-PLSR简化模型。结果表明,模型在性能上没有显着差别,但是由于减少了波长的数量,使得运算的时间缩减、效率提高。（4）高光谱技术检测鸡蛋粉多元体系掺假。在掺假检测中,定性判别模型采用了随机森林（RF）和支持向量机（SVM）的方法,结果显示二者均能对纯蛋粉和掺假蛋粉进行有效判别,且RF的效果略优于SVM。在掺入混合物的全蛋粉、蛋清粉、蛋黄粉的定量模型中建立蛋粉实际含量与预测含量之间的关系,Rp2分别可以达到0.986、0.992、0.989,说明模型性能良好。为了简化模型,根据RC法和SPA法提取特征波长,分别建立了RC-PLSR、RC-MLR及SPA-PLSR、SPA-MLR模型,所建立的模型表现出了良好的性能。（5）采用近红外光谱和高光谱技术建立全蛋粉中蛋白质和脂肪含量的定量模型,并比较了两种方法的性能。在近红外光谱测定中,蛋白质检测的最优模型为回归系数-PLSR,Rp2达到0.996,脂肪检测的最优模型为基于全波段所建立的模型,Rp2达到0.974;在高光谱测定中,蛋白质检测的最优模型为载荷系数-PLSR,Rp2达到0.995,脂肪检测的最优模型为回归系数-PLSR,Rp2达到0.964。两种方法均表现出良好的性能,近红外光谱检测技术的性能优于高光谱。
田华,侯志杰,陈报阳,李方慧,赵东黎[5]（2017）在《近红外光谱在鱼类及鱼制品定性定量分析中的应用》文中进行了进一步梳理近红外光谱技术作为一种方便、快捷、绿色、高效的无损检测技术,在农业、食品、医药、石油及其他方面检测中有独到的优势和广阔的发展前景。文中对近红外光谱的工作原理及其在鱼、鱼糜、鱼丸、鱼粉、鱼油等定量定性分析中的应用进行了综述,包括对其组成及添加成分分析、新鲜度评价、品种属地的快速鉴别和品质的在线分析检测。
吕程序[6]（2014）在《基于二维相关NIRS/NIRM的蛋白饲料原料判别方法研究》文中进行了进一步梳理为监控饲料品质,保障饲料质量安全,本文通过二维相关光谱技术、多尺度近红外光谱分析及其融合联用方法,对蛋白饲料原料进行快速、无损判别的方法研究。本研究对丰富我国蛋白饲料原料检测手段具有重要的理论意义和实用价值。研究主要内容及结果如下：以配合饲料和肉骨粉为研究对象,进行基于二维相关变量优选的显微近红外光谱高效判别的研究。研究提出了一种基于二维相关近红外光谱自动峰/交叉峰选择敏感变量的方法,并基于此发现配合饲料/肉骨粉存在12个敏感近红外变量：6852、6388、6320、5788、5600、5244、4900、4768、4572、4336、4256和4192cm-1。基于此构建了配合饲料/肉骨粉显微近红外光谱的判别分析方法,结果显示该方法可指派敏感变量归属,判别分析效果良好（判断正确率大于99%）,数据压缩效率高（99%）,分析效率较全谱提高（大于14%）,选择的变量传递性好。以鱼粉和肉骨粉为研究对象,进行二维相关变量优选的显微近红外光谱高效判别的研究。研究提出了一种基于二维相关显微近红外光谱自动峰选择敏感变量的方法,并基于此发现鱼粉/肉骨粉存在11个显微近红外敏感变量：5788、5748、5676、4900、4468、4368、4336、4300、4264、4232和4196cm-1。基于此构建了鱼粉/肉骨粉显微近红外光谱的判别分析方法,结果显示该方法可指派敏感变量归属,判别分析效果良好（判断正确率大于98%）,数据压缩效率高（99%）,分析效率较全谱提高（大于67%）。以鱼粉和肉骨粉为研究对象,进行温扰二维相关近红外光谱可视化判别研究。研究发现在一定的温度扰动（20-60℃）下,鱼粉/肉骨粉二维相关近红外同步谱存在各自特异性指纹特征,基于此构建了相关的鱼粉/肉骨粉二维相关近红外光谱可视化判别方法,即：6000-5400cm-1范围的动态谱经基线校正+小波变换预处理和二维相关同步分析。该方法机理清晰,直观可视,有助于提高模型共享性。以不同种属肉骨粉为研究对象,进行温扰二维相关近红外光谱可视化判别研究。研究发现在一定的温度扰动（10-65℃）下,鸡/牛/猪源肉骨粉的二维相关近红外同步谱存在各自特异性指纹特征,基于此构建了相关的不同种属肉骨粉二维相关近红外光谱可视化判别方法,即：8600-8200cm-1范围的动态谱经基线校正预处理、基于主成分分析的光谱重构和二维相关同步分析；5600-5500cm-1范围的动态谱经二阶导数预处理、基于主成分分析的光谱重构和二维相关同步分析。该方法直观可视,有助于提高模型共享性。以鱼粉和豆粕为研究对象,进行基于样本-样本二维相关鱼粉/豆粕近红外光谱的快速判别研究。基于一阶导数预处理的样本-样本二维相关同步切线谱可提取区分鱼粉/豆粕的数值特征,基于此确定的判别阈值可用于鱼粉/豆粕的快速定性判别,验证集样本判断正确率为100%。研究提出了一种基于样本-样本二维相关近红外光谱的鱼粉/豆粕快速判别方法,该方法算法简单,识别速度快。
李伟,潘天保,常玉君[7]（2012）在《畜禽常用饲料伪劣的简易识别法》文中指出随着饲养业和饲料工业的快速发展,在饲料市场中发现了大量掺杂假的饲料及添加剂,为了保护饲养户的经济利益,本文介绍几种常用饲料的伪劣识别方法。1饲料掺砂的一般识别方法饲料掺砂常见于鱼粉、大豆饼、骨粉等多种原料,可用沉淀法、漂浮法加以识别。沉淀法是在容器中加入清水,然后把
潘圆媛[8]（2012）在《辣椒品质傅立叶近红外光谱无损检测研究》文中研究说明辣椒的营养成分丰富，尤以维生素C（Vc）含量高居各类蔬菜榜首。辣椒既可鲜食、调味，也可入药，具有重要的经济价值和食疗保健作用。随着消费者对于辣椒的关注度不断提高，为辣椒品质寻找一种快速无损检测方法已成为厂家、商家以及消费者各方面的共同要求。本研究以鲜辣椒和辣椒粉为研究对象，利用傅立叶变换近红外光谱分析技术和化学计量学分析方法，开展鲜辣椒中可溶性固形物（SSC）、维生素C（Vc）的定量检测；辣椒粉及掺杂物傅立叶变换近红外（FT-NIR）分类鉴别研究，并在此基础上建立掺杂物含量快速检测的傅立叶变换近红外光谱检测数学模型。主要研究内容和结果如下:①论文分别对鲜辣椒的可溶性固形物和维生素C无损检测光谱预处理方法、有效波段选择方法和校正模型建立方法进行实验研究。实验通过鲜辣椒样品的漫反射光谱预处理方法对比分析，得出对SSC,经1st D+MSC预处理后获得的校正模型较理想；对Vc,经SNV预处理后获得的校正模型较理想。通过预处理后光谱进行波段选择方法对比分析，得出对SSC和Vc而言，蒙特卡罗无信息变量消除（MC-UVE）方法均优于间隔偏最小二乘法（iPLS）、连续投影算法（SPA）及遗传算法（GA）。采用优化后光谱为输入，通过建模方法对比分析，得出对SSC而言，偏最小二乘（PLS）结合MC-UVE（MC-UVE-PLS）模型的预测效果优于主成分析结合最小二乘支持向量机（PC-LS-SVM）和MC-UVE结合LS-SVM （MC-UVE-LS-SVM）模型,其验证相关系数rp为0.987，验证均方根误差为0.274oBrix；而对Vc，MC-UVE-LS-SVM模型的预测效果优于MC-UVE-PLS和PC-LS-SVM模型,其验证相关系数rp为0.911，验证均方根误差为19.271mg/100g。②论文通过对未知样品的预测，对优化后模型进行精度评价。利用优化模型对预测集的27个未知样品进行预测，结果为：对SSC，其预测相关系数rp为0.971，预测均方根误差为0.382oBrix。而对Vc，其预测相关系数rp为0.899，预测均方根误差为21.022mg/100g。结果表明，FT-NIR光谱检测技术可用于鲜辣椒可溶性固形物含量（SSC）及维生素C（Vc）的定量分析。③论文探讨了不同分类方法在辣椒粉、常见掺杂物及掺杂混合物分类中的应用。分别采用判别分析（DA）、簇类独立软模式分类法（SIMCA）、偏最小二乘法判别分析（PLS-DA）对校正集建立判别模型，并对比不同建模波段及不同的光谱预处理方法对每种定性判别分析方法的判别能力的影响。结果表明，采用DA、SIMCA及PLS-DA三种分类方法，均可有效的对纯辣椒粉与其它三种纯掺杂物粉进行区分。然而，在鉴别掺杂后的混合物时，只有PLS-DA和SIMCA两种方法比较适合，而DA方法校果不明显，且PLS-DA的鉴别能力更强，能够发现更低的掺杂比例的掺杂混合物，其rc为0.989且只有2个掺锯屑混合物被误判成辣椒类。④论文建立了掺杂物含量快速检测的傅立叶变换近红外光谱分析定量数学模型。以所制混合物的比例值为相应的浓度值，建立各种混合物的定量模型。对比不同建模波段、不同的光谱预处理方法及不同建模方法对定量模型精度的影响。结果显示，对掺陈皮辣椒粉中陈皮含量，采用106007500cm-1波段光谱通过SNV预处理，并采用PC-LS-SVM所建立的模型最佳，rp为0.997，RMSEP为0.486%。对掺锯屑辣椒粉中锯屑含量，采用全波段光谱通过SNV预处理，并采用PLS所建立的模型最佳，rp为0.977，RMSEP为0.872%。对掺红砖辣椒粉中红砖粉含量，采用全波段光谱通过SNV预处理，并采用PLS所建立的模型最佳，rp为0.988，RMSEP为0.631%。结果表明，其应用傅立叶变换近红外光谱技术结合化学计量学方法以可以实现掺杂辣椒粉中掺杂物含量的快速检测,取得了较满意的预测精度。
杨玉[9]（2010）在《物化法鉴别鱼粉质量优劣》文中进行了进一步梳理简要介绍鱼粉的性状、作用,主要从物理鉴别方法和化学检验方法分别介绍几种鉴别鱼粉质量优劣的方法。
李冰,曹忠君[10]（2009）在《伪劣饲料的识别与检验》文中指出饲料是畜禽赖以生存的基础。近年来,不法商贩利用养殖户技术力量薄弱,缺乏专业鉴定条件,辨别能力不强,经济不宽裕,贪图便宜,大肆销售假冒伪劣饲料。下面谈谈几种伪劣饲料的识别办法,供养殖户参考。1.鱼粉鱼粉在水产配合饲料特别是高档水产配合饲料中的用量很大,而且价格高,所以掺假现象特别严重。优质鱼粉颜色一致,呈红
二、几种常见掺杂鱼粉的鉴别（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、几种常见掺杂鱼粉的鉴别（论文提纲范文）
（1）物种特异性和保守性DNA序列筛选及其在畜产品种源成分鉴定中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表(Abbreviation) |
| 第1章 前言 |
| 1.1 畜产品掺假现状 |
| 1.1.1 肉类掺假 |
| 1.1.2 饲料掺假 |
| 1.2 动物种源成分鉴定方法 |
| 1.2.1 感官鉴别 |
| 1.2.2 显微鉴别 |
| 1.2.3 理化检测法 |
| 1.2.4 免疫学检测 |
| 1.2.5 分子生物学检测方法 |
| 1.2.5.1 PCR-RFLP分析 |
| 1.2.5.2 RAPD-PCR |
| 1.2.5.3 物种特异性PCR |
| 1.2.5.4 荧光PCR |
| 1.2.5.5 多重PCR |
| 1.2.5.6 PCR-Sequence |
| 1.3 动物种源成分鉴定中靶序列的选择 |
| 1.3.1 线粒体DNA序列 |
| 1.3.2 核基因组DNA序列 |
| 1.4 物种特异性DNA序列的筛选方法 |
| 1.5 外显子可作为物种特异性DNA序列筛选的靶标 |
| 1.6 研究目的与意义 |
| 第2章 物种特异性DNA序列的筛选及其分子特征分析 |
| 2.1 材料 |
| 2.1.1 各物种序列数据 |
| 2.1.2 样品 |
| 2.1.3 数据库 |
| 2.1.4 主要仪器和设备 |
| 2.1.5 主要药品及试剂 |
| 2.2 方法 |
| 2.2.1 物种特异性DNA序列筛选 |
| 2.2.2 物种特异性DNA的特征分析 |
| 2.2.3 物种特异性DNA序列的测序验证和比对分析 |
| 2.2.4 利用物种特异性DNA序列模拟物种鉴定 |
| 2.2.5 物种特异性引物设计 |
| 2.2.6 DNA提取 |
| 2.2.7 种源成分检测的PCR方法 |
| 2.3 结果与分析 |
| 2.3.1 物种特异性DNA序列的鉴别 |
| 2.3.2 物种特异性DNA的分布和结构特征 |
| 2.3.3 物种间高GC含量的外显子在物种进化中更易发生片段增加/缺失 |
| 2.3.4 完全特异的外显子序列(CESS)中含大量重复元件 |
| 2.3.5 物种特异性外显子的形成机理分析 |
| 2.3.6 完全特异的外显子序列(CESS)可作为物种鉴定的分子标记物 |
| 2.3.7 物种特异性DNA可作为种源成分检测的靶标 |
| 2.4 讨论 |
| 2.4.1 物种特异性DNA序列筛选方法的创新性 |
| 2.4.2 物种特异性外显子序列的特征及形成 |
| 2.4.3 物种特异性DNA序列在种源鉴定中的应用 |
| 第3章 基于物种特异性DNA序列建立肉制品及动物源性饲料中种源成分的定性PCR检测方法 |
| 3.1 材料 |
| 3.1.1 样品 |
| 3.1.2 仪器 |
| 3.1.3 试剂 |
| 3.2 方法 |
| 3.2.1 样品制备 |
| 3.2.2 DNA提取 |
| 3.2.3 DNA序列的比对分析和物种特异性引物的设计 |
| 3.2.4 PCR体系和条件优化 |
| 3.2.5 普通PCR反应 |
| 3.2.6 特异性检测 |
| 3.2.7 保守性检测 |
| 3.2.8 测序验证 |
| 3.2.9 灵敏度测试 |
| 3.2.10 肉制品和动物源性饲料的检测 |
| 3.3 结果与分析 |
| 3.3.1 肉制品中牛、羊、猪、鸡、鸭源性成分的定性PCR检测 |
| 3.3.1.1 DNA序列的特异性和保守性分析 |
| 3.3.1.2 最佳反应体系和反应条件的确定 |
| 3.3.1.3 在19个动物物种中的特异性验证 |
| 3.3.1.4 在不同品种和个体中的种内保守性验证 |
| 3.3.1.5 PCR反应的灵敏度测试 |
| 3.3.1.6 市场中肉制品的抽检 |
| 3.3.2 一对引物一个反应鉴别动物源性饲料中的牛和羊源性成分 |
| 3.3.2.1 序列的特异性、保守性分析及跨物种特异性引物设计 |
| 3.3.2.2 最佳反应体系和反应条件的确定 |
| 3.3.2.3 物种特异性检测 |
| 3.3.2.4 灵敏度测试 |
| 3.3.2.5 科内保守性检测 |
| 3.3.2.6 测序验证和序列分析 |
| 3.3.2.7 动物源性饲料样品检测 |
| 3.4 讨论 |
| 3.4.1 用于种源成分检测的物种特异性DNA序列的特征 |
| 3.4.2 PCR方法对加工制品中种源成分的检测 |
| 第4章 筛选哺乳动物和鸟类中高度保守的单拷贝序列作为多物种通用内参并建立定量检测方法 |
| 4.1 材料与方法 |
| 4.1.1 外显子序列数据 |
| 4.1.2 样品准备和DNA提取 |
| 4.1.3 筛选多物种通用的DNA序列 |
| 4.1.4 多物种通用引物设计方法 |
| 4.1.5 普通PCR反应 |
| 4.1.6 荧光PCR方法 |
| 4.1.7 构建多物种通用引物的标准曲线 |
| 4.1.8 多物种通用序列的拷贝数验证 |
| 4.1.9 构建物种特异性引物的标准曲线 |
| 4.1.10 种源成分定量检测的计算方法 |
| 4.1.11 多物种混合DNA样品的定量PCR检测 |
| 4.2 结果与分析 |
| 4.2.1 筛选多物种通用的单拷贝核DNA序列 |
| 4.2.2 Lco R基因序列广泛存在于18个动物基因组中 |
| 4.2.3 Lco R基因序列在18个物种中均为单拷贝序列 |
| 4.2.4 利用多物种通用内参定量检测混合样品中的各动物源性成分 |
| 4.2.5 通过校正系数k提高混合样品中定量检测的准确性 |
| 4.3 讨论 |
| 4.3.1 多物种通用的定量内参的比较 |
| 4.3.2 校正系数k提高定量检测准确度 |
| 4.3.3 基于基因组当量的检测优势 |
| 第5章 筛选哺乳动物和鸟类中高度保守的单拷贝序列作为多物种通用内参并建立定量检测方法 |
| 5.1 材料 |
| 5.1.1 样品 |
| 5.1.2 仪器 |
| 5.1.3 试剂 |
| 5.2 方法 |
| 5.2.1 样品制备 |
| 5.2.2 DNA提取 |
| 5.2.3 筛选物种特异性序列 |
| 5.2.4 设计物种特异性引物和探针 |
| 5.2.5 普通PCR |
| 5.2.6 探针法荧光PCR |
| 5.2.7 标准曲线构建 |
| 5.2.8 定量检测 |
| 5.3 结果和分析 |
| 5.3.1 肉中牛、马源性成分的多重定性、定量PCR检测 |
| 5.3.1.1 牛、马物种特异性序列的鉴定 |
| 5.3.1.2 牛、马检测体系的的特异性验证 |
| 5.3.1.3 牛、马检测体系的种内保守性验证 |
| 5.3.1.4 牛、马检测体系的定性、定量灵敏度测试 |
| 5.3.1.5 牛和马的特异性序列均为固定拷贝数序列 |
| 5.3.1.6 多重定量PCR系统的建立和验证 |
| 5.3.1.7 在混合肉中牛、马源性成分的多重定量检测 |
| 5.3.2 肉中羊、鼠、狐源性成分的多重定性、定量PCR检测 |
| 5.3.2.1 羊、鼠、狐序列的特异性和保守性分析 |
| 5.3.2.2 特异性验证和拷贝数分析 |
| 5.3.2.3 种内保守性验证 |
| 5.3.2.4 多重PCR系统的建立和优化 |
| 5.3.2.5 多重定量PCR的灵敏度测试 |
| 5.3.2.6 构建羊、狐、鼠的定量标准曲线 |
| 5.3.2.7 羊、狐、鼠混合样品的多重定量PCR检测 |
| 5.4 讨论 |
| 5.4.1 定量检测靶序列的选择 |
| 5.4.2 特异性和保守性分析 |
| 5.4.3 质量比(w/w)与基因组当量比(GE/GE) |
| 5.4.4 多重定量PCR的优势 |
| 第6章 全文总结 |
| 6.1 本研究的主要结果与结论 |
| 6.2 本研究的创新点与特色 |
| 6.3 本研究的不足之处与下一步工作建议 |
| 参考文献 |
| 附录 |
| 攻读学位期间撰写论文题录 |
| 致谢 |
（2）基于DNA条码技术的食品中鲑科鱼物种成分鉴别研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 引言 |
| 1.1 鲑科鱼类介绍 |
| 1.1.1 鲑科鱼的生物学分类、特征及分布 |
| 1.1.2 鲑科鱼的产业及贸易状况 |
| 1.1.3 我国鲑科鱼类食品的市场现状 |
| 1.1.4 食品中鲑科鱼物种成分鉴别方法研究进展 |
| 1.2 DNA条形码技术研究进展 |
| 1.2.1 DNA条形码的原理概述 |
| 1.2.2 DNA条形码技术的应用概述 |
| 1.2.3 DNA条形码技术在食品物种鉴定中的应用 |
| 1.3 本研究目的及意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.3.3 研究意义 |
| 2 材料与方法 |
| 2.1 实验材料 |
| 2.2 实验试剂 |
| 2.3 仪器设备 |
| 2.4 实验方法 |
| 2.4.1 基因组DNA的提取 |
| 2.4.2 扩增引物的筛选 |
| 2.4.3 Sanger测序和序列分析 |
| 2.4.4 高通量测序文库的制备 |
| 2.4.5 高通量测序及生物信息学分析 |
| 2.4.7 市售样品分析 |
| 3 结果与分析 |
| 3.1 DNA提取方法的比较 |
| 3.2 PCR扩增结果分析 |
| 3.3 Sanger测序结果分析 |
| 3.4 鱼样品的二维码 |
| 3.5 鲑科鱼类混合样品的高通量测序结果 |
| 3.5.1 鲑科鱼类混合样品的DNA提取情况 |
| 3.5.2 鲑科鱼类混合样品的PCR扩增结果 |
| 3.5.3 鲑科鱼类混合样品的高通量测序结果 |
| 3.6 市售鲑科鱼类食品的物种鉴定结果 |
| 3.6.1 市售鲑科鱼类食品的PCR扩增 |
| 3.6.2 基于Sanger测序技术的市售鲑科鱼类食品物种鉴定结果 |
| 3.6.3 基于高通量测序技术的市售鲑科鱼制品物种鉴定结果 |
| 4 讨论 |
| 4.1 靶基因的选择 |
| 4.2 两种测序技术的适用性 |
| 4.3 鲑科鱼类食品标签规范性评价 |
| 5 结论 |
| 6 下一步研究方向 |
| 7 参考文献 |
| 8 附录 |
| 9 致谢 |
| 10 攻读学位期间发表论文情况 |
（3）基于脂质特异性的不同动物源性饲料光谱鉴别方法与模型（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 动物源性饲料检测技术研究进展 |
| 1.2.2 基于色谱分析的脂质检测技术研究进展 |
| 1.2.3 基于光谱分析的脂质检测技术研究进展 |
| 1.3 存在的问题 |
| 1.4 主要研究内容及思路框图 |
| 第二章 不同种属动物源性饲料脂质组成与结构特性分析 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.2.1 动物源性饲料的收集与制备 |
| 2.2.2 动物源性饲料原料的基础特性分析方法 |
| 2.2.3 动物源性饲料脂质样品提取 |
| 2.2.4 脂质的脂肪酸甲酯化处理 |
| 2.2.5 气相色谱分析 |
| 2.2.6 定性判别模型构建 |
| 2.2.7 定性判别模型评价 |
| 2.2.8 数据统计与分析 |
| 2.3 结果与讨论 |
| 2.3.1 不同种属动物源性饲料原料的基础特性分析 |
| 2.3.2 不同种属动物源性饲料脂肪酸含量及组成的比较分析 |
| 2.3.3 基于气相色谱谱图的动物源性饲料种属鉴别分析 |
| 2.3.4 基于37种脂肪酸组成及含量的动物源性饲料种属鉴别分析 |
| 2.4 小结 |
| 第三章 基于脂质红外光谱的动物源性饲料种属鉴别分析方法与模型 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 动物源性饲料的收集与制备 |
| 3.2.2 动物源性饲料脂质样品的提取 |
| 3.2.3 傅里叶变换红外(FT-IR)光谱分析 |
| 3.2.4 定性判别模型构建 |
| 3.2.5 定性判别模型评价 |
| 3.2.6 数据统计与分析 |
| 3.3 结果与讨论 |
| 3.3.1 不同种属动物源性饲料原料的红外光谱分析 |
| 3.3.2 动物源性饲料原料与脂质红外光谱对比分析 |
| 3.3.3 不同种属动物源性饲料脂质成分的红外光谱分析 |
| 3.3.4 基于脂质红外光谱的动物源性饲料种属鉴别分析 |
| 3.3.5 基于脂质红外光谱的动物源性饲料种属鉴别机理分析 |
| 3.4 小结 |
| 第四章 基于脂质拉曼光谱的动物源性饲料种属鉴别分析方法与模型 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 动物源性饲料的收集与制备 |
| 4.2.2 动物源性饲料脂质样品的提取 |
| 4.2.3 拉曼光谱分析 |
| 4.2.4 定性判别模型构建 |
| 4.2.5 定性判别模型评价 |
| 4.2.6 数据统计与分析 |
| 4.3 结果与讨论 |
| 4.3.1 不同种属动物源性饲料脂质成分拉曼光谱比较 |
| 4.3.2 不同种属动物源性饲料脂质成分的FT-Raman拉曼光谱特性分析 |
| 4.3.3 不同种属陆生动物源肉骨粉脂质成分的532 nm拉曼光谱特性分析 |
| 4.3.4 不同种属动物源性饲料脂质成分的FT-Raman和532 nm拉曼光谱比较分析 |
| 4.3.5 基于脂质拉曼光谱的动物源性饲料种属鉴别分析 |
| 4.3.6 基于脂质拉曼光谱的动物源性饲料种属鉴别的机理分析 |
| 4.4 小结 |
| 第五章 基于红外和拉曼光谱联用的动物源性饲料种属鉴别分析方法与模型 |
| 5.1 引言 |
| 5.2 材料与方法 |
| 5.2.1 动物源性饲料的收集与制备 |
| 5.2.2 动物源性饲料脂质样品的提取 |
| 5.2.3 红外和拉曼光谱分析 |
| 5.2.4 光谱联用定性判别模型构建与评价 |
| 5.2.5 数据统计与分析 |
| 5.3 结果与讨论 |
| 5.3.1 动物源性饲料脂质红外和拉曼特征光谱对比分析 |
| 5.3.2 基于红外和拉曼光谱的动物源性饲料种属鉴别效果比较分析 |
| 5.3.3 基于FT-IR和FT-Raman光谱联用的动物源性饲料种属鉴别分析 |
| 5.3.4 基于FT-IR和532nm拉曼光谱联用的陆生动物源性肉骨粉种属鉴别分析 |
| 5.3.5 基于红外和拉曼光谱特征波段的动物源性饲料种属鉴别机理互补性分析 |
| 5.4 小结 |
| 第六章 基于红外和拉曼光谱的反刍动物源肉骨粉掺加检测方法与模型 |
| 6.1 引言 |
| 6.2 材料与方法 |
| 6.2.1 动物源性饲料的收集与制备 |
| 6.2.2 混合样品的制备 |
| 6.2.3 傅里叶变换红外光谱分析 |
| 6.2.4 傅里叶变换拉曼光谱分析 |
| 6.2.5 定性判别模型构建与评价 |
| 6.2.6 定量分析模型构建 |
| 6.2.7 定量分析模型评价 |
| 6.2.8 数据统计与分析 |
| 6.3 结果与讨论 |
| 6.3.1 反刍动物源肉骨粉掺加样品的脂质FT-IR光谱分析 |
| 6.3.2 基于脂质FT-IR光谱的反刍动物源肉骨粉掺加样品的主成分分析 |
| 6.3.3 基于脂质FT-IR光谱的反刍动物源肉骨粉掺加样品的定性判别分析 |
| 6.3.4 基于脂质FT-IR光谱的反刍动物源肉骨粉掺加样品的定量检测分析 |
| 6.3.5 反刍动物源肉骨粉掺加样品的脂质FT-Raman光谱分析 |
| 6.3.6 基于脂质FT-Raman光谱的反刍动物源肉骨粉掺加样品的主成分分析 |
| 6.3.7 基于脂质FT-Raman光谱的反刍动物源肉骨粉掺加样品的定性判别分析 |
| 6.3.8 基于脂质FT-Raman光谱的反刍动物源肉骨粉掺加样品的定量检测分析 |
| 6.3.9 基于脂质红外和拉曼光谱的反刍动物源肉骨粉掺加检测方法的对比分析 |
| 6.3.10 基于脂质红外和拉曼光谱的反刍动物源肉骨粉掺加成分鉴别机理分析 |
| 6.4 小结 |
| 第七章 结论与进一步研究设想 |
| 7.1 结论 |
| 7.2 创新之处 |
| 7.3 进一步研究设想 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简介 |
（4）基于近红外和高光谱检测鸡蛋粉掺假的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语表 |
| 第一章 文献综述 |
| 1 鸡蛋粉应用的研究现状 |
| 2 食品掺假检测的传统方法 |
| 2.1 基于蛋白质水平的检测技术 |
| 2.2 基于DNA水平的检测技术 |
| 3 光谱技术在粉末状食品掺假检测中的应用 |
| 4 本课题的研究意义及主要研究内容 |
| 4.1 课题研究目的及意义 |
| 4.2 主要研究内容 |
| 第二章 基于近红外检测鸡蛋粉掺假的研究 |
| 1 材料与方法 |
| 1.1 材料 |
| 1.2 光谱数据采集 |
| 1.3 图像预处理 |
| 1.4 近红外光谱分析 |
| 2 结果与分析 |
| 2.1 全蛋粉掺假检测结果分析 |
| 2.1.1 近红外光谱特征分析 |
| 2.1.2 PLS-DA定性判别分析结果 |
| 2.1.3 光谱预处理对PLSR模型的影响 |
| 2.1.4 最佳波段的选择 |
| 2.1.5 特征波长的选择 |
| 2.1.6 特征波长下PLSR结果分析 |
| 2.2 蛋清粉掺假检测结果分析 |
| 2.2.1 PLS-DA结果分析 |
| 2.2.2 光谱预处理对PLSR模型的影响 |
| 2.2.3 最佳波段的选择 |
| 2.2.4 特征波长的选择 |
| 2.2.5 特征波长下PLSR结果 |
| 2.3 蛋黄粉掺假检测结果分析 |
| 2.3.1 PLS-DA结果分析 |
| 2.3.2 光谱预处理对PLSR模型的影响 |
| 2.3.3 最佳波段的选择 |
| 2.3.4 特征波长提取 |
| 2.3.5 特征波长下的PLSR模型 |
| 3 讨论 |
| 4 本章小结 |
| 第三章 近红外光谱在鸡蛋粉多元掺假中的应用 |
| 1 材料与方法 |
| 1.1 材料 |
| 1.2 光谱数据采集 |
| 1.3 图像预处理 |
| 1.4 近红外光谱分析 |
| 2 结果与分析 |
| 2.1 近红外光谱特征分析 |
| 2.2 光谱预处理对PLSR模型的影响 |
| 2.3 不同波段建模对PLSR模型的影响 |
| 2.4 PCR模型结果与PLSR结果的比较 |
| 3 讨论 |
| 4 本章小结 |
| 第四章 基于高光谱成像技术检测鸡蛋粉掺假的研究 |
| 1 材料与方法 |
| 1.1 材料 |
| 1.2 高光谱图像采集 |
| 1.3 图像预处理 |
| 1.4 高光谱分析 |
| 2 结果与分析 |
| 2.1 全蛋粉掺假检测结果分析 |
| 2.1.1 高光谱特征分析 |
| 2.1.2 主成分分析结果 |
| 2.1.3 SVM判别结果 |
| 2.1.4 光谱预处理对PLSR模型的影响 |
| 2.1.5 特征波长的选择 |
| 2.1.6 特征波长下的PLSR结果 |
| 2.2 蛋黄粉掺假检测结果分析 |
| 2.2.1 高光谱特征分析 |
| 2.2.2 主成分分析结果 |
| 2.2.3 SVM判别结果 |
| 2.2.4 光谱预处理对PLSR模型的影响 |
| 2.2.5 特征波长的选择 |
| 2.2.6 特征波长下的PLSR结果 |
| 2.3 蛋清粉掺假检测结果分析 |
| 2.3.1 高光谱特征分析 |
| 2.3.2 主成分分析结果 |
| 2.3.3 SVM判别结果 |
| 2.3.4 光谱预处理对PLSR模型的影响 |
| 2.3.5 特征波长的选择 |
| 2.3.6 特征波长下的PLSR结果 |
| 3 讨论 |
| 4 本章小结 |
| 第五章 高光谱技术在鸡蛋粉多元掺假体系中的应用 |
| 1 材料与方法 |
| 1.1 材料 |
| 1.2 高光谱图像采集 |
| 1.3 图像预处理 |
| 1.4 高光谱分析 |
| 2 结果与分析 |
| 2.1 高光谱特征分析 |
| 2.2 主成分分析 |
| 2.3 随机森林结果 |
| 2.4 光谱预处理对PLSR模型的影响 |
| 2.5 特征波长的选择 |
| 2.6 特征波段下PLSR、MLR结果 |
| 3 讨论 |
| 4 本章小结 |
| 第六章 光谱分析快速检测全蛋粉中蛋白质和脂肪含量 |
| 1 材料与方法 |
| 1.1 材料 |
| 1.2 主要试剂和仪器设备 |
| 1.3 方法 |
| 1.4 图像预处理 |
| 1.5 光谱分析 |
| 2 结果与分析 |
| 2.1 近红外光谱建立模型结果 |
| 2.1.1 近红外光谱分析 |
| 2.1.2 化学指标测定 |
| 2.1.3 不同预处理方式对PLSR模型的影响 |
| 2.1.4 特征波长的提取 |
| 2.1.5 基于特征波长的PLSR结果分析 |
| 2.2 高光谱建立模型结果 |
| 2.2.1 不同预处理方式对PLSR模型的影响 |
| 2.2.2 特征波长的提取 |
| 2.2.3 基于特征波长的PLSR结果分析 |
| 3 讨论 |
| 4 本章小结 |
| 第七章 结论与展望 |
| 1 结论 |
| 2 创新点 |
| 3 本研究存在的问题及展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（5）近红外光谱在鱼类及鱼制品定性定量分析中的应用（论文提纲范文）
| 1 近红外光谱工作原理 |
| 2 近红外光谱对不同品种鱼及鱼糜制品组成成分分析 |
| 3 近红外光谱对不同品种鱼及鱼糜制品新鲜度指标的检测及在线检测 |
| 4 近红外光谱在不同品种鱼及鱼糜制品品种、属地鉴定及品质分类研究 |
| 5 近红外光谱对鱼糜、鱼粉、鱼油中特殊成分的检测 |
| 6 结语 |
（6）基于二维相关NIRS/NIRM的蛋白饲料原料判别方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 插图和附表清单 |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容与研究思路 |
| 第二章 基于二维相关变量优选的饲料/肉骨粉显微近红外光谱高效判别方法研究 |
| 摘要 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.3 结果与讨论 |
| 2.4 本章小结 |
| 第三章 基于二维相关变量优选的鱼粉/肉骨粉显微近红外光谱高效判别方法研究 |
| 摘要 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.3 结果与讨论 |
| 3.4 本章小结 |
| 第四章 基于温扰二维相关同步谱的鱼粉/肉骨粉近红外光谱可视化判别方法研究 |
| 摘要 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.3 结果与讨论 |
| 4.4 本章小结 |
| 第五章 基于温扰二维相关同步谱的不同种属肉骨粉近红外光谱可视化判别方法研究 |
| 摘要 |
| 5.1 引言 |
| 5.2 材料与方法 |
| 5.3 结果与讨论 |
| 5.4 本章小结 |
| 第六章 基于样本-样本二维相关的鱼粉/豆粕近红外光谱快速判别方法研究 |
| 摘要 |
| 6.1 引言 |
| 6.2 材料与方法 |
| 6.3 结果与讨论 |
| 6.4 本章小结 |
| 第七章 结论与进一步研究设想 |
| 7.1 主要研究结论 |
| 7.2 创新之处 |
| 7.3 进一步研究设想 |
| 参考文献 |
| 致谢 |
| 附录 |
| 作者简介 |
（7）畜禽常用饲料伪劣的简易识别法（论文提纲范文）
| 1 饲料掺砂的一般识别方法 |
| 2 鱼粉掺假的识别 |
| 3 大豆饼粕掺假的识别 |
| 4 小麦麸掺假的鉴别 |
| 5 骨粉伪劣的识别 |
（8）辣椒品质傅立叶近红外光谱无损检测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 蔬菜近红外光谱检测研究现状 |
| 1.2.1 国外研究进展 |
| 1.2.2 国内研究进展 |
| 1.3 粉末掺杂近红外光谱检测技术研究现状 |
| 1.3.1 国外研究进展 |
| 1.3.2 国内研究进展 |
| 1.3.3 国内外研究工作总结 |
| 1.4 研究内容与方法 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.4.3 主要研究方法 |
| 1.4.4 技术路线 |
| 1.5 本章小结 |
| 第二章 近红外光谱分析技术概述及设备 |
| 2.1 近红外光谱分析原理 |
| 2.2 近红外光谱分析方法 |
| 2.2.1 近红外光谱分析的一般流程 |
| 2.2.2 近红外光谱的预处理方法 |
| 2.2.3 近红外光谱的波长选择方法 |
| 2.2.4 近红外光谱检测的模型建立方法 |
| 2.2.5 模型的评价 |
| 2.3 辣椒品质检测的相关设备 |
| 2.3.1 傅立叶红外光谱仪 |
| 2.3.2 可溶性固形物测定仪 |
| 2.3.3 自动电位滴定仪 |
| 2.3.4 粉碎机及恒温干燥机 |
| 2.3 本章小结 |
| 第三章 鲜辣椒可溶性固形物和维生素 C 含量定量检测方法 |
| 3.1 材料与方法 |
| 3.1.1 实验材料及预处理 |
| 3.1.2 光谱采集 |
| 3.1.3 化学参考值的测定 |
| 3.1.4 光谱数据的处理及分析 |
| 3.2 结果与讨论 |
| 3.2.1 鲜辣椒近红外光谱的解析 |
| 3.2.2 化学参考值测定 |
| 3.2.3 最佳光谱预处理方法的确定 |
| 3.2.4 最佳有效波长选择方法 |
| 3.2.5 建模方法对比分析 |
| 3.2.6 未知样品预测 |
| 3.3 本章小结 |
| 第四章 辣椒粉掺杂近红外光谱定性和定量检测研究 |
| 4.1 材料与方法 |
| 4.1.1 实验材料及预处理 |
| 4.1.2 样品近红外光谱数据采集 |
| 4.1.3 光谱数据的处理及分析 |
| 4.2 结果与分析 |
| 4.2.1 粉末样品近红外图谱分析 |
| 4.2.2 粉末定性鉴别分析 |
| 4.2.3 辣椒粉掺杂的定量检测分析 |
| 4.3 本章小结 |
| 第五章 结论与展望 |
| 5.1 主要研究结论 |
| 5.2 进一步研究展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（9）物化法鉴别鱼粉质量优劣（论文提纲范文）
| 1 物理鉴别方法 |
| 1.1 筛选 |
| 1.2 触觉 |
| 1.3 嗅觉 |
| 1.4 味觉 |
| 1.5 水洗 |
| 1.6 灼烧法 |
| 1.7 显微镜检测 |
| 1.8 碱煮法 |
| 2 化学检验方法 |
（10）伪劣饲料的识别与检验（论文提纲范文）
| 1. 鱼粉 |
| 2. 骨粉 |
| 3. 豆粕 |
| 4. 其他饲料的识别和检验 |
四、几种常见掺杂鱼粉的鉴别（论文参考文献）
- [1]物种特异性和保守性DNA序列筛选及其在畜产品种源成分鉴定中的应用[D]. 王文君. 华中农业大学, 2019
- [2]基于DNA条码技术的食品中鲑科鱼物种成分鉴别研究[D]. 王楠. 山东农业大学, 2019(01)
- [3]基于脂质特异性的不同动物源性饲料光谱鉴别方法与模型[D]. 高菲. 中国农业大学, 2017(02)
- [4]基于近红外和高光谱检测鸡蛋粉掺假的研究[D]. 刘平. 华中农业大学, 2017(03)
- [5]近红外光谱在鱼类及鱼制品定性定量分析中的应用[J]. 田华,侯志杰,陈报阳,李方慧,赵东黎. 食品与发酵工业, 2017(06)
- [6]基于二维相关NIRS/NIRM的蛋白饲料原料判别方法研究[D]. 吕程序. 中国农业大学, 2014(08)
- [7]畜禽常用饲料伪劣的简易识别法[J]. 李伟,潘天保,常玉君. 养殖技术顾问, 2012(11)
- [8]辣椒品质傅立叶近红外光谱无损检测研究[D]. 潘圆媛. 华东交通大学, 2012(02)
- [9]物化法鉴别鱼粉质量优劣[J]. 杨玉. 广东化工, 2010(12)
- [10]伪劣饲料的识别与检验[J]. 李冰,曹忠君. 新农业, 2009(06)