基于聚苯乙烯纳米磁性材料的基质分散-固相萃取/液相色谱法测定白酒中的邻苯二甲酸酯

建立了一种快速、高效、灵敏的基质分散-磁性固相萃取/液相色谱(dMSPE/HPLC)方法,用于测定白酒中6种邻苯二甲酸酯类化合物(PAEs)残留量。样品用聚苯乙烯纳米磁性高分子材料进行富集处理后,经C8反相液相色谱柱(250 mm×4.6 mm×5μm)分离,以甲醇-水为流动相,梯度洗脱,230 nm检测。重点考察了样品p H值、吸附时间和洗脱剂的种类与用量等对PAEs富集回收率的影响。结果表明,在最佳实验条件下,6种PAEs在2~500 ng/L浓度范围内呈良好的线性关系,相关系数(r2)均不小于0.997 9;平均回收率为85.2%~101.2%,相对标准偏差(RSDs)为0.8%~9.2%;检出限(LODs)为0.22~4.5 ng/L,定量下限(LOQs)为1.2~10 ng/L。方法可用于白酒中PAEs的快速筛查和确证分析。     

气相色谱-傅里叶变换红外光谱联用法测定白酒中3种醛类香料组分

建立了气相色谱–红外光谱联用法测定白酒中乙醛、戊醛、异戊醛3种醛类挥发性香料成分的方法。白酒样品直接进样分析,在10～10000 mg/L范围内,3种醛类的色谱峰面积与质量浓度线性相关,相关系数大于0.998,方法的检出限为10 mg/L,加标回收率大于90%。利用各个组分的特征红外谱图,提高了分析定性和定量的准确性,特别是提高了对同分异构体的区分能力。     

基于Raman光谱和支持向量机回归的古井贡酒年份鉴别方法

白酒年份的快速准确鉴定是白酒品质分析的重点和难点问题之一。实现白酒年份酒的快速、准确的鉴别,对促进白酒行业的健康发展、维护消费者的合法权益具有重要意义。光谱分析法结合模式识别技术是实现白酒品质快速鉴别的首选方法之一,而Raman光谱由于其受水的影响很小且很少或不需要样品前处理,在白酒分析中具有广阔的发展空间。因此,采用Raman光谱和支持向量机回归(SVR)建立数据分析模型,用于不同年份白酒的年份鉴定和同一年份不同贮存时间的白酒年份鉴定。该研究创新之处主要包括如下三个方面：(1)应用Raman光谱对白酒品质进行分析,在分析方法的应用上具有一定的创新之处。(2)研究白酒的年份鉴定问题,在研究对象的选择上,具有一定的创新之处。(3)建立基于回归框架的白酒年份与年份指数对应关系,实现白酒年份识别及预测,不仅可以有效鉴别白酒年份,同时可用于鉴别白酒贮存时间,因此,在分析方法的确定和应用上,具有一定的创新之处。实验中采用古井贡5年、8年、16年及26年系列年份酒进行了实证分析,数据分析实验结果表明,所建立的基于Raman光谱和SVR的白酒年份鉴别分析流程和方法,对鉴别不同年份的白酒,以及同一年份不同贮存时间的白酒样品(包括对数据库内已有样本年份的鉴别,以及对数据库内没有的盲样的年份预测),均取得较好的应用效果,相比于其他常用回归分析方法具有明显的优越性,可以为白酒年份酒分析提供一定的技术支持。     

三维荧光光谱结合PCA-SVM对几种浓香型白酒的鉴别

提出一种利用三维荧光光谱技术鉴别不同品牌浓香型白酒的方法。运用FLS920荧光光谱仪测量了七个不同品牌浓香型白酒的三维荧光光谱,不同品牌浓香型白酒的荧光光谱特征相似,仅凭荧光特征参数较难区分。采用求偏导和小波压缩相结合的数据预处理方法,求解光谱数据中每一激发波长下,荧光强度对发射波长的一阶和二阶偏导数,选取db7紧支撑正交小波对数据进行压缩,选择4尺度分解后的近似系数作为新的数据矩阵,然后做主成分分析(PCA)。将提取的主成分作为支持向量机(SVM)的输入,并利用K-fold交叉验证的方法寻找支持向量机的最优参数c和γ,建立不同品牌白酒的分类鉴别模型。从每个品牌白酒中随机选取14个样本,共98个样本组成训练集,其余的42个样本组成预测集。分别比较了数据不求偏导,对数据求一阶偏导和二阶偏导的预处理后对鉴别模型的影响。结果表明：三维荧光光谱经过二阶偏导的预处理后,结合主成分分析和支持向量机能很好地实现不同品牌浓香型白酒的分类鉴别,模型的准确率为98.98%,预测集的准确率为100%。该方法具有简单,快速,成本低的优点,可为中国白酒的检测和鉴别技术的发展提供帮助。     

基于最小二乘支持向量机算法的三维荧光光谱技术在中国白酒分类中的应用

为了对白酒的鉴别分类方法进行创新研究,文章对近百种白酒的荧光光谱进行了测定,并合成其三维荧光光谱图。经对比研究和反复仿真实验发现,通过所提取的白酒三维荧光光谱的3个特定参数,可以实现对白酒种类的准确分类。分类的准确率可达87%以上。为了证明所选参数对白酒分类的有效性,把最小二乘支持向量机应用到白酒的鉴别分类中,并通过计算机模拟进行验证。同时还应用经典支持向量机、概率神经网络对所提取的相同数据进行分类和仿真,并将其仿真结果与使用最小二乘支持向量机仿真的结果进行比较。结果发现,使用最小二乘支持向量机可以取得更为准确的分类结果。     

酒香型光谱分析和模式识别计算分析

白酒是一个复杂的混合物体系,它含有大量的微量成分,这些微量成分直接决定了白酒的品质、口感和香型。为实现对白酒香型的快速鉴别,可采集不同香型白酒的红外光谱图,并将其作为模式分类方法的输入模式,建立白酒香型鉴别模型。首次全面系统地介绍了白酒香型模式识别算法,这些算法包括统计分类器(线性判别函数、二次判别函数、正则判别分析、K近邻算法)、原型学习算法(学习矢量量化)、支持向量机和AdaBoost算法。实验结果表明,基于红外光谱的白酒香型检测模式识别算法达到了很高的分类准确率、识别率和拒绝率,显示出了很好的性能。     

中高端苏酒的紫外荧光特性对比研究

针对苏酒中最具代表性的国缘系列和洋河蓝色经典系列两种中高端白酒进行研究,得出三维荧光光谱图,并对两种白酒的各自独有的荧光特征加以分析。发现国缘白酒在280～400 nm激发波长范围内具有明显的荧光特征,包含一个主要的荧光峰;洋河蓝色经典白酒在200～450 nm激发波长范围内包含5个明显的荧光峰。两个系列白酒在激发波长310～350 nm内具有明显的荧光特征,此范围内的有机化合物为主要的呈香呈味物质,对苏酒的口感香型起决定性作用。该研究成果对改善苏酒勾兑工艺,提高苏酒品质提供了科学的参考依据和量化标准。     

直接电导检测离子排斥色谱法测定C1～C6脂肪族有机酸

建立了直接电导检测离子排斥色谱分离测定C1~C6脂肪族有机酸(甲酸、乙酸、丙酸、丁酸、戊酸、己酸)的方法。以Shim-pack SCR-102H 色谱柱为分离柱,选用p-甲苯磺酸水溶液为流动相,考察了流动相中p-甲苯磺酸的浓度、流速、pH、色谱柱温度对分离和测定脂肪族有机酸的影响,确定了最佳的色谱条件为：0.2 mmol/L p-甲苯磺酸水溶液作为流动相,流速1.2 mL/min,柱温45 ℃。所测有机酸的检测限为0.03～0.99 mg/L,相对标准偏差在2.3%以下(n= 5),回收率为91.2%～105.6%,整个分析过程在28 min内完成。该法用于白酒样品的分析,结果令人满意。     

气相色谱-质谱联用法分析北大仓白酒香气成分

利用溶剂萃取法进行分离和富集,采用气相色谱-质谱联用技术对北大仓白酒香气成分进行分析。从北大仓白酒的二氯甲烷萃取物中分离并鉴定了30种物质,其中酯类22种,占所有香气物质的94.847%;酸类2种,占4.659%;烷烃类2种,占0.228%;醇类2种,占0.185%;酮类1种,占0.060%;酸酐类1种,占0.021%。所含主要化合物为己酸乙酯、2-羟基丙酸乙酯和己酸,合计占总香气成分的96.396%,构成了北大仓白酒香气成分的骨架。     

真空离心浓缩/气相色谱-质谱联用法测定白酒中6种邻苯二甲酸酯类增塑剂

建立了测定白酒中6种邻苯二甲酸酯类增塑剂的真空离心浓缩/气相色谱-质谱联用(GC-MS)分析方法。样品经真空离心浓缩,正己烷提取,取上层正己烷,4000r/min离心5min,采用GC-MS测定,外标法定量。在0.10～5.00μg/mL范围内,相关系数r2>0.992,样品在0.10～2.00 mg/kg范围内加标,平均回收率在88.83%～111.67%之间,相对标准偏差(RSD)为4.85%～11.35%,检出限(LOD)在0.02～0.05 mg/kg之间。采用该方法对16个白酒样品进行测定,结果表明该法简便、快速、结果准确可靠、灵敏度高,能够满足白酒中6种邻苯二甲酸酯增塑剂检测需求。