检索结果

Select

1. 牛乳中β-乳球蛋白的中红外快速检测方法建立

黄建辉，张彦辉，张耀广，赵翠琴

乳业科学与技术 2025, 48 (1): 14-19. DOI: 10.7506/rykxyjs1671-5187-20241011-094

摘要（32）

HTML （5）

PDF （2943KB）（31）

通过建立基于傅里叶变换中红外光谱预测模型实现牛乳中β-乳球蛋白的快速检测。将收集到的260 个不同批次的牛乳样品使用高效液相色谱定量检测β-乳球蛋白含量作为参比值；通过乳成分分析仪采集牛乳样品的中红外光谱，选择有效波段，并将原始中红外光谱先经过Savitsky-Golay（SG）平滑、一阶导数或二阶导数等预处理方法消除背景噪音，再利用偏最小二乘回归法构建β-乳球蛋白预测模型。通过比较不同中红外光谱预处理方法，最终选择SG 5点平滑二阶导数的偏最小二乘回归模型为最优模型，获得校正集相关性系数R2为0.932，校正均方根误差为0.049%，预测集相关性系数R2为0.923，预测均方根误差为0.057%，模型具有良好的准确性。

相关文章 | 多维度评价

Select

2. 基于电感耦合等离子体-串联质谱技术测定乳制品中26 种无机元素

刘丽南，王岩，吴春敏，王芳，高镯，曹梦，杨琳琳，张春林，黄建辉

乳业科学与技术 2024, 47 (4): 19-24. DOI: 10.7506/rykxyjs1671-5187-20240531-039

摘要（88）

HTML （4）

PDF （2072KB）（56）

建立电感耦合等离子体-串联质谱测定乳制品中26?种无机元素的分析方法。在串联质谱条件下，选择无气模式、碰撞气（He）模式及反应气（H2、O2、NH3/He）模式，分别对26?种元素进行测定并筛选出最优测定模式。结果表明：每种元素在选用合适的测定模式下能够获得线性良好的标准曲线，相关系数均大于0.999?0；26?种无机元素的检出限范围为0.000?033?61～0.043?71?mg/kg，加标回收率在95.50%～104.21%之间，11?次重复分析的相对标准偏差≤3.94%；6?种乳制品中含量较高的元素为Na、Mg、K、Ca、P、Fe、Zn，而重金属元素Cr、As、Cd、Pb的含量较低，均低于国家标准的限量要求。该方法样品前处理简单、灵敏度高、检出限低，测定结果准确，可用于乳制品中无机元素的检测。

相关文章 | 多维度评价

Select

3. 乳及乳制品中黄曲霉毒素检测技术研究进展

杨帆, 黄建辉, 陈琛, 关书会, 刘广鹏, 张岩

乳业科学与技术 2023, 46 (3): 46-51. DOI: 10.7506/rykxyjs1671-5187-20230331-015

摘要（127）

HTML （13）

PDF （1813KB）（350）

黄曲霉毒素主要由黄曲霉菌和寄生曲霉菌产生的次生代谢产物，物理和化学性质比较稳定，其种类主要包括黄曲霉毒素B1（aflatoxin，AFB1）、AFB2、AFG1、AFG2、AFM1和AFM2，其中AFB1毒性最强，污染最广，被世界卫生组织国际癌症研究机构确定为Ⅰ类致癌物。奶牛摄入被黄曲霉毒素污染的花生、玉米、稻米、大豆、小麦等饲料后，部分黄曲霉毒素会转化为AFM1和AFM2，从而存在于乳及乳制品中。本文比较国内外各国黄曲霉毒素限量标准的差异，汇总目前国内外乳及乳制品中黄曲霉毒素的各项检测技术，阐述近年来主要应用的薄层色谱法、质谱法、光谱法、电化学法、快速检测试纸条法等检测方法，分析各类方法在检测乳及乳制品中黄曲霉毒素方面的优点与存在的问题，并对今后乳及乳制品中黄曲霉毒素检测技术的发展方向做出了预测，旨在为更简便、特异性好、灵敏度高的乳及乳制品中黄曲霉毒素检测技术发展提供思路。

相关文章 | 多维度评价

Select

4. 牛乳中β-乳球蛋白的中红外快速检测方法

黄建辉张彦辉张耀广赵翠琴

乳业科学与技术 0, (): 0-0.

摘要（4）

通过建立基于傅里叶变换中红外光谱预测模型实现牛乳中β-乳球蛋白的快速检测。将收集到的260个不同批次的牛乳样品使用高效液相色谱定量检测β-乳球蛋白含量作为参比值；通过FT1乳成分分析仪采集牛乳样品的中红外光谱，选择有效波段，并将原始中红外光谱先经过Savitsky-Golay（SG）平滑、一阶导数或二阶导数等预处理方法消除背景噪音，再利用偏最小二乘回归（ Partial Least Squares Regression,PLSR）法构建β-乳球蛋白预测模型。通过比较不同中红外光谱预处理方法，最终选择Savitzky-Golay 5点平滑二阶导数的最小二乘法（ Partial Least Squares,PLS）模型为最优模型，获得校正集相关性系数 R2为0.943，校正均方差( Root Mean Square Error of Calibration,RMSEC) 为 0.049% ，预测集相关性系数 R2 为 0.923，预测均方差(Root Mean Square Error of Prediction, RMSEP) 为 0.057% ，具有良好的准确性。

相关文章 | 多维度评价