蜂产品中吡咯里西啶生物碱分析方法研究进展

我国是世界最大的蜂产品生产国、出口国和消费国。但由于我国食品安全管理和研究起步较晚,蜂产品出口屡次遭遇技术壁垒。2002年由于蜂蜜中禁用药物氯霉素超标,造成出口主要目的国的禁运,并影响我国整个动物源农产品的出口。目前除了兽药残留及掺假外,吡咯里西啶生物碱作为蜂产品中一种新的危害因子已受到广泛关注,成为潜在的技术壁垒指标。

近红外光谱技术快速鉴别蜂胶品种的可行性研究

不同植物源的蜂胶物质组成不同,其生理和药理活性也存在着一定的差异。目前主要是根据蜂胶中物质组成及其含量的不同来鉴别蜂胶植物源,存在着一些局限性。因此,建立一种快速、准确鉴别蜂胶植物源的方法具有重要的意义。以三种不同植物源的蜂胶(杨树型蜂胶、桦树型蜂胶和橡树型蜂胶)为研究对象,利用傅里叶变换近红外光谱仪对蜂胶的无水乙醇溶液进行光谱扫描,采用主成分分析结合马氏距离判别法和典型判别分析分别建立蜂胶品种的判别模型并对其性能进行检验。结果表明:在经过光谱预处理和主成分分析后,得到最佳的光谱建模波段为4 500~12 000cm^(-1),最佳的光谱预处理方法为一阶导数+Savitzky-Golay(7)平滑;主成分分析结合马氏距离判别法建立的判别模型校正集和检验集的判别准确率分别为93.62%和82.61%;典型判别分析建立的判别模型的判别准确率为91.4%,交叉检验的判别准确率为88.6%。由此可知,主成分分析结合马氏距离判别法与典型判别分析对蜂胶样品的分类效果均较好。近红外光谱技术结合化学计量学方法应用于蜂胶植物源的快速、准确鉴别具有一定的可行性和实用性。

麦卢卡蜂蜜快速鉴别技术的开发与应用

建立了一种简单、快速的麦卢卡蜂蜜鉴别方法。该方法通过简单液液萃取,并结合LC-MS/MS高灵敏度检测技术,可实现对麦卢卡蜂蜜标志物-丁香酸甲酯的定量检测,以及对麦卢卡蜂蜜样品的特征峰(535.0-323.0,535.0-211.0)的识别。通过比较各类蜂蜜中丁香酸甲酯的含量差异性,并结合麦卢卡蜜的特征峰分析,可实现对麦卢卡蜂蜜和我国6种常见蜂蜜(油菜蜜、洋槐蜜、椴树蜜、荔枝蜜、荆条蜜和枣花蜜)的品种鉴别。

近红外光谱技术在蜂蜜溯源中的研究进展

引言近红外光(near infrared,NIR)是介于可见光和中红外光之间的电磁波,波长为780 nm^250nm(波数为12800cm-1~4000cm-1),是人们最早发现的非可见光。随着仪器硬件技术、计算机技术及化学计量学理论的飞速发展,近红外光谱技术自20世纪90年代以来,已经发展成为最快、最引人注目的光谱分析技术。NIR技术由于具有快速、方便、准确、非破坏性。

基于电感耦合等离子体质谱法和化学计量学鉴别蜂蜜品种研究

开展了一种用电感耦合等离子体质谱仪(ICP-MS)结合主成分分析(principle component analysis)和判别分析(discrimination analysis)识别蜂蜜品种的研究。实验选取三种不同品种的蜂蜜:洋槐蜜,葵花蜜和油菜蜜,经湿法消解等预处理后,利用ICP-MS分别测得蜂蜜样品中20种矿质元素的含量。结果表明电感耦合等离子体质谱法的精密度,准确度以及回收率等满足要求,洋槐蜜在主成分得分图上呈现一定的聚集趋势,而葵花蜜和油菜蜜的聚集趋势不明显,Na,Mg,K,Ca,Sr,Ba,V,Fe,Ni,Sb等十种矿质元素能够成为鉴别蜂蜜品种的特征元素;通过逐步判别分析筛选出Mg,Sr,Ba,Ni,Sb,Cr和Na等七种矿质元素,并利用贝叶斯判别对这些元素建立线性判别函数,其中洋槐蜜的判别率为100%,葵花蜜的判别率为80.8%,有两个葵花蜜样品误判为油菜蜜,油菜蜜的判别率为90.9%,有一个油菜蜜样品误判为洋槐蜜,模型交叉验证总判别率为90.3%,说明矿质元素对蜂蜜品种鉴别具有良好的分类和鉴别效果,能够为研究蜂蜜品种与矿质元素之间的关系提供理论依据,该方法具有简单、准确、稳定等特点,可作为蜂蜜品种鉴别的可靠方法。

稳定同位素技术在蜂蜜真实性溯源中的研究进展

蜂蜜作为一种纯天然的食品,因丰富的营养价值以及良好的保健功效而深受消费者喜爱。然而,随着近年来蜂蜜消费量的不断增多,蜂蜜掺假、以次充好等现象日益严重。因此,蜂蜜的真实性溯源研究也变得更为迫切。稳定同位素技术是食品真实性溯源的有效的技术之一,在蜂蜜的真实性溯源研究方面也有较多成果。本文综述了稳定同位素技术在蜂蜜掺假、产地鉴别、品种识别方面的研究进展并分析该技术的优点与不足,为进一步推进蜂蜜的真实性溯源研究提供参考。

基于近红外光谱检测技术鉴别洋槐蜜中掺入大米糖浆的可行性研究

利用近红外光谱技术(near infrared spectroscopy,NIR)并结合化学计量学方法鉴别洋槐蜜中掺入大米糖浆的可行性研究。以来自不同蜂场的20个洋槐原料蜜样品与大米糖浆混合成7个不同浓度梯度(10∶0,9∶1,7∶3,1∶1,3∶7,1∶9,0∶10g·g-1)共121个样品为研究对象,利用近红外光谱仪和光谱处理软件分别不同浓度梯度的对掺假样品进行光谱扫描和数据转换,并进行主成分分析(PCA),结合典型判别分析进行区分。结果表明,经过主成分分析后,前2个主成分的得分累计贡献率达97.23%,但掺假样品在第一、第二主成分得分散点图的区域划分不明显。用典型判别分析进一步判别,所有样本均得到准确的判别,准确率为100%,6个典型判别函数中前两个判别函数的累积贡献率达到91.6%,同时在第一类和第二类典型判别函数的分组图中,不同浓度梯度的掺假蜂蜜能够被较好的判别。表明该方法能够快速、有效鉴别大米糖浆在洋槐蜂蜜中的掺假,具有一定可行性和实用性。

中红外光谱结合线性判别分析快速鉴别蜂蜜品种

研究以椴树、槐花、葵花、苕子、油菜、枣花6种蜜源蜂蜜样品为研究对象,利用中红外光谱检测器对样品进行光谱扫描,结合线性判别分析方法(Linear discrimination analysis,LDA)建立蜂蜜品种鉴别模型。结果表明,在经过光谱预处理及主成分分析后,用LDA方法建立的蜂蜜品种鉴别模型,对训练集和测试集样品的预测识别准确率分别为97.59%和96.30%。上述参与训练与测试的全部样品作为训练集建立的模型对完全未参与建模的槐花蜜、油菜蜜样品预测其正确判别率分别为80.00%和94.87%。表明该方法在快速、准确鉴别蜂蜜品种具有可行性、实用性。