您當(dāng)前的位置：檢測資訊 > 科研開發(fā)
嘉峪檢測網(wǎng) 2024-11-04 17:17
食用植物油是人們?nèi)粘Ｉ畹谋匦杵?。隨著生活水平的提高，人們對食用植物油的需求量日益增長，2020— 2021年我國食用植物油的總消費(fèi)量已達(dá)3600萬t。目前，我國食用油脂及其制品的質(zhì)量安全呈現(xiàn)總體向好趨勢，相關(guān)產(chǎn)品的不合格率為1.55%，主要問題集中于常規(guī)品質(zhì)不合格、污染物超標(biāo)、非法添加、食品標(biāo)簽不匹配、摻雜摻假等。為保障消費(fèi)者權(quán)益，企業(yè)與政府部門在原料檢驗、在線檢測、成品質(zhì)量控制等領(lǐng)域不斷促進(jìn)食用植物油質(zhì)量安全檢測技術(shù)的更新和完善。目前實驗室常用質(zhì)譜法和色譜法檢測相關(guān)產(chǎn)品，但是這些方法存在操作過程復(fù)雜、大型儀器價格昂貴等問題，無法滿足食用植物油現(xiàn)場快速檢測需求。光譜技術(shù)具有測試時間短、操作簡單、無需樣品前處理、無損檢測、易于在線分析等優(yōu)勢，已成為快速檢測領(lǐng)域最具潛力的技術(shù)之一。光譜技術(shù)主要包括單一光譜和多種光譜融合技術(shù)，廣泛應(yīng)用于醫(yī)藥、食品、煙草、農(nóng)業(yè)和石化等領(lǐng)域。結(jié)合化學(xué)計量學(xué)，光譜技術(shù)能夠應(yīng)用于更多類型的現(xiàn)場分析，為食用植物油的質(zhì)量安全監(jiān)控提供有力的技術(shù)保障。本工作從單光譜、融合光譜技術(shù)兩方面概述了光譜技術(shù)，從預(yù)處理方法、特征波長提取、建模方法、數(shù)據(jù)融合方法等角度介紹了光譜數(shù)據(jù)處理方法，從常規(guī)品質(zhì)、重金屬與有機(jī)污染物、真菌毒素、食品添加劑與農(nóng)藥殘留、摻雜摻假、溯源及分類等方面綜述了光譜技術(shù)結(jié)合化學(xué)計量學(xué)在食用植物油質(zhì)量安全快速檢測中的應(yīng)用進(jìn)展。
1、 光譜技術(shù)概述
1.1 單光譜技術(shù)
單光譜技術(shù)包括紫外-可見光譜、紅外光譜、拉曼光譜和熒光光譜等，常見快速單光譜技術(shù)的原理、特點(diǎn)及其應(yīng)用領(lǐng)域如表1所示。
表1 常見快速單光譜技術(shù)的原理、特點(diǎn)及相關(guān)應(yīng)用領(lǐng)域
1.2 融合光譜技術(shù)
融合光譜技術(shù)彌補(bǔ)了單光譜技術(shù)的局限性，能同時提供更多維度指紋信息，檢測效率和準(zhǔn)確度更高。融合光譜技術(shù)在食用植物油質(zhì)量安全快速檢測應(yīng)用中的報道較多，表2列舉了常見融合光譜技術(shù)的適用分析物、優(yōu)點(diǎn)和相關(guān)應(yīng)用領(lǐng)域。
表2 常見融合光譜技術(shù)的適用分析物、優(yōu)點(diǎn)和相關(guān)應(yīng)用領(lǐng)域
2、 光譜數(shù)據(jù)處理方法
原始光譜數(shù)據(jù)需要經(jīng)過預(yù)處理、特征波長提取、模型建立等處理過程才能形成一套完整的檢測方法。目前，化學(xué)計量學(xué)結(jié)合光譜快速檢測技術(shù)具有高度自動化、智能化的特點(diǎn)，顯著提高了檢測準(zhǔn)確度與檢測效率，在食用植物油質(zhì)量安全檢測領(lǐng)域中應(yīng)用廣泛，在口岸等特定場合的食品質(zhì)量安全檢測中也有了一定程度應(yīng)用。
2.1 預(yù)處理方法
光譜預(yù)處理可消除干擾信息對原始光譜的影響。預(yù)處理效果包括平滑處理、散射校正、基線校正、尺度縮放等。平滑處理是指對光譜曲線進(jìn)行低通濾波，從而降低高頻噪聲、保留低頻信息、提高信噪比，常用方法有Savitzky-Golay（S-G）、小波變換（WT）、移動平均平滑法。散射校正可消除散射光對探測過程的影響，常用方法有多元散射校正（MSC）和標(biāo)準(zhǔn)正態(tài)變量變換（SNV）?；€校正是解決光譜旋轉(zhuǎn)和基線漂移問題的數(shù)據(jù)處理方法，常見方法有導(dǎo)數(shù)法、移動窗口平滑算法、WT算法、迭代多項式擬合法、分段擬合算法。尺度縮放的常見方法主要有最大/最小歸一化法、標(biāo)準(zhǔn)化法、中心化法等。董晶晶等采用一階導(dǎo)數(shù)法處理食用調(diào)和油中5種植物原料油的激光拉曼光譜，預(yù)處理后的拉曼定量檢測模型有良好的穩(wěn)定性和重現(xiàn)性，所建模型對5種食用油的預(yù)測標(biāo)準(zhǔn)偏差均不高于0.1139，能夠?qū)崿F(xiàn)調(diào)和油原料組分是否符合質(zhì)量標(biāo)準(zhǔn)的判定。
2.2 特征波長提取
提取具有代表性和特征性波長（波段子集）不僅可以減少光譜數(shù)據(jù)冗余的影響，而且可簡化模型、優(yōu)化模型性能、降低建模計算量，有效提高模型的預(yù)測精度和效率，在模型建立中具有重要作用。特征波長提取常見方法有無信息變量消除法（UVE）、間隔偏最小二乘法（iPLS）、主成分分析法（PCA）、競爭性自適應(yīng)重加權(quán)算法（CARS）、連續(xù)投影法（SPA）等。吳雙等采用激光近紅外光譜技術(shù)對食用植物油進(jìn)行類別分析，SNV對原始光譜數(shù)據(jù)進(jìn)行預(yù)處理，SNV和去趨勢技術(shù)聯(lián)用算法（SNV-DT）消除背景干擾，CARS、SPA以及 CARS-SPA進(jìn)行特征波長提取后的模型預(yù)測識別準(zhǔn)確率達(dá)到96.77%，縮短了模型運(yùn)算時間，說明特征波長的提取在樣品光譜分析中十分必要。
2.3 建模方法
建模方法包括定量方法和定性方法。定性方法是根據(jù)化學(xué)計量學(xué)方法提取到的光譜信息差異進(jìn)行樣品分類的過程，常見定性方法有k近鄰法（KNN）、簇類獨(dú)立軟模式分類法（SIMCA）、反向傳播人工神經(jīng)網(wǎng)絡(luò)法（BP-ANN）和隨機(jī)森林法（FR）等。定量方法通過建立元素或組分濃度水平與分析線強(qiáng)度間的關(guān)系來達(dá)到測定目的，常見定量方法有偏最小二乘法（PLS）、多元線性回歸法（MLR）、主成分回歸法（PCR）、支持向量機(jī)法（SVM）、人工神經(jīng)網(wǎng)絡(luò)法（ANN）等。王世成等采用衰減全反射-傅里葉紅外光譜法（ATR-FTIR）檢測摻混地溝油的大豆油，PLS建立定量分析模型，所得預(yù)測值與測定值相關(guān)性良好，相關(guān)系數(shù)為0.99，所建方法能夠快速、有效、簡便地檢出大豆油中摻入的地溝油并確定其摻混比例。
2.4 數(shù)據(jù)融合方法
利用不同光譜檢測技術(shù)在植物油質(zhì)量安全檢測方面的互補(bǔ)性可以高效獲得準(zhǔn)確的檢測結(jié)果。與單一光譜數(shù)據(jù)相比，融合光譜數(shù)據(jù)提供的信息更豐富和全面，便于進(jìn)行后續(xù)詳細(xì)分析。數(shù)據(jù)融合包括數(shù)據(jù)層、特征層和決策層融合等3種方法。數(shù)據(jù)層融合是指融合原始光譜數(shù)據(jù)并形成新數(shù)據(jù)集，再結(jié)合化學(xué)計量學(xué)進(jìn)行數(shù)據(jù)處理；特征層融合是指先對各光譜數(shù)據(jù)分別進(jìn)行獨(dú)立數(shù)據(jù)預(yù)處理和特征提取，再利用特征波長進(jìn)行數(shù)據(jù)融合，該方法可獲得一些有用的復(fù)合信息；決策層融合是指對單光譜數(shù)據(jù)預(yù)處理、特征波長提取、識別或判定后的結(jié)果進(jìn)行融合處理。LUNA等基于近紅外光譜和中紅外光譜建立模型并用于大豆油中脂肪酸甲酯（FAME）含量的快速測定，該方法采用數(shù)據(jù)層融合的方式將光譜數(shù)據(jù)進(jìn)行低水平融合后結(jié)合SVM建立預(yù)測模型，線性關(guān)系良好，決定系數(shù)R2高于0.99。LI等利用近紅外光譜和中紅外光譜對菜籽油摻雜特級初榨橄欖油進(jìn)行快速無損檢測，對采集的光譜數(shù)據(jù)分別進(jìn)行數(shù)據(jù)層和決策層融合，模型的決定系數(shù) R2分別為0.975和0.988，優(yōu)于未進(jìn)行數(shù)據(jù)融合的近紅外光譜法（R2=0.896）和中紅外光譜法（R2=0.966）的單光譜檢測結(jié)果，預(yù)測準(zhǔn)確度有所提高。XU等將近紅外光譜和拉曼光譜數(shù)據(jù)進(jìn)行特征層融合后建立了摻假橄欖油的鑒定模型，結(jié)果表明該模型校正和預(yù)測集的準(zhǔn)確率較高，預(yù)測模型相關(guān)系數(shù)達(dá)到99.13%。
3、 光譜技術(shù)結(jié)合化學(xué)計量學(xué)在食用植物油質(zhì)量安全快速檢測中的應(yīng)用
3.1 常規(guī)品質(zhì)
市場監(jiān)督管理總局通報的2017-2021年植物油抽檢不合格數(shù)據(jù)顯示，常規(guī)品質(zhì)，如過氧化值、酸價、溶劑殘留量和脂肪酸比例等不合格的食用植物油數(shù)占抽檢食用植物油總數(shù)的一半以上。借助紅外光譜技術(shù)化學(xué)基團(tuán)的特征振動峰能間接識別和表征食用植物油的常規(guī)品質(zhì)。吳靜珠等采用拉曼光譜技術(shù)測定46份食用植物油中脂肪酸含量，結(jié)合PLS建立了油酸、亞油酸、硬脂酸和軟脂酸的快速拉曼定量分析模型。為消除熒光干擾，在295~325cm−1特征波段內(nèi)建模，顯著提高了模型穩(wěn)定性，提高了檢測準(zhǔn)確度和檢測效率。共軛亞油酸（CLA）作為亞油酸的同分異構(gòu)體，具有顯著的藥理作用和高營養(yǎng)價值。BERNUY等采用傅里葉變換拉曼光譜技術(shù)測定大豆油中CLA含量。通過光異構(gòu)化反應(yīng)進(jìn)行樣品前處理后，在 1 642~1680cm−1波段內(nèi)進(jìn)行基線校正，所建的PLS校準(zhǔn)模型的預(yù)測標(biāo)準(zhǔn)誤差（SEP）為0.22，相關(guān)系數(shù)為 0.97，該方法抗干擾能力強(qiáng)、準(zhǔn)確度高。油脂在儲藏過程中會出現(xiàn)氧化、酸敗等現(xiàn)象（相關(guān)物理量為過氧化值和酸價），對油脂的營養(yǎng)價值及安全性造成嚴(yán)重影響。周俊等采用PCA處理食用植物油的傅里葉紅外光譜，然后對植物油脂酸敗程度最為敏感的高光譜數(shù)據(jù)進(jìn)行優(yōu)化，利用PCA結(jié)合判別分析法建立植物油酸敗程度鑒別模型，該模型可以避免單獨(dú)使用 PCA 對酸敗植物油誤判的情況，驗證集樣品的識別率達(dá)到100%，說明紅外光譜結(jié)合多元計量學(xué)分析法可用于變質(zhì)食用植物油的快速、準(zhǔn)確識別。
3.2 重金屬與有機(jī)污染物
污染物超標(biāo)是我國食用植物油不合格的次要原因，植物油的主要抽檢污染物包括以苯并芘（BaP）為主的多環(huán)芳烴（PAHs）以及砷、鉛等重金屬。國家市場監(jiān)督管理總局官網(wǎng)檢索數(shù)據(jù)顯示，在未經(jīng)精煉的濃香型食用植物油產(chǎn)品中，有出現(xiàn)BaP污染水平超過GB 2762—2022《食品安全國家標(biāo)準(zhǔn) 食品中污染物限量》規(guī)定的限量（10μg·kg−1）要求的現(xiàn)象。王珊等以納米金修飾的多孔材料為表面增強(qiáng)拉曼光譜 (SERS) 基底，快速檢測食用油中BaP，線性范圍為 0~200μg·L−1，相關(guān)系數(shù)大于0.99，檢出限為5.6μg·L−1，測定下限為18.8μg·L−1，測定值的相對標(biāo)準(zhǔn)偏差（RSD）為10%~18%，回收率為93.2%~126%，該方法可用于現(xiàn)場實時檢測，滿足檢測時間短和便攜的檢測需求。邱如斌等采用同步熒光光譜法同時快速測定食用油中6種 PAHs的含量，線性范圍為5~1000μg·L−1，檢出限為0.04μg·L−1，各PAHs特征峰明顯，方法回收率好，重現(xiàn)性高。俞曄等將植物油經(jīng)微波灰化預(yù)處理后，采用氫化物原子熒光光譜法測定植物油中砷的含量，檢出限為0.2μg·L−1，RSD 為0.96%~2.8%，回收率為84.0%~102%，方法快速、準(zhǔn)確，且靈敏度高、操作簡單。孫建剛采用微波灰化-氫化物發(fā)生原子熒光光譜法測定植物油中鉛的含量，線性范圍為100~200μg·L−1，檢出限為 0.31μg·L−1，回收率為82.9%~97.3%，方法具有基體干擾小、檢測效率高、檢出限低等優(yōu)點(diǎn)。
3.3 真菌毒素
以黃曲霉毒素B1為代表的生物毒素超標(biāo)是我國食用油不合格的另一重要原因。黃曲霉毒素存在的原因可能有花生油料未被嚴(yán)格挑選、利用霉變花生榨油銷售、壓榨后“粗油”未按要求精煉等。黃曲霉毒素B1是已知致癌性最強(qiáng)的化學(xué)物質(zhì)之一，對人類和一些動物具有高毒性，主要作用于肝臟，因此黃曲霉毒素檢測是食用植物油快速檢測領(lǐng)域高度重視的項目之一。張仁梅發(fā)現(xiàn)食用油紅外光譜圖中波數(shù)1710cm−1附近有黃曲霉毒素的特征吸收峰，以此可初步判斷樣品中黃曲霉毒素質(zhì)量分?jǐn)?shù)是否達(dá)到200μg·kg−1，結(jié)合SNV-PCA和 Fisher判別法能夠快速判別植物油是否合格，判別準(zhǔn)確率和交叉驗證準(zhǔn)確率均達(dá)到100%。趙鵬廣利用太赫茲光譜技術(shù)快速測定大豆油中黃曲霉毒素B1的含量，通過將t分布-隨機(jī)近鄰嵌入（t-SNE）法和PCA兩種預(yù)處理方法與PLS-SVM、反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）、RF和PLS等4種建模方法相結(jié)合，得出預(yù)測性能最好的是 t-SNE與BPNN結(jié)合的模型，其預(yù)測集相關(guān)系數(shù)為0.9948，均方根誤差為0.7124μg·kg−1，檢出限為1μg·kg−1。
3.4 食品添加劑與農(nóng)藥殘留
植物油中的農(nóng)藥殘留也是污染物超標(biāo)的重要因素之一，農(nóng)藥污染主要來自于土壤污染以及油料作物在生長階段吸收的人為添加的防治病蟲害農(nóng)藥。孫通等采用近紅外光譜技術(shù)檢測食用植物油中的腐霉利，利用UVE結(jié)合判別PLS建立的分類模型性能最優(yōu)，所得模型檢測結(jié)果的正確率為 98.7%，特異性高達(dá)100%，靈敏度為95.0%。陳夢嵐基于3種農(nóng)藥熒光光譜特征峰建立了植物油中農(nóng)藥殘留的預(yù)測模型，多菌靈、代森聯(lián)和百菌清的檢出限分別為7.07×10−4，9.28×10−4，4.87×10−4g·L−1，測定下限分別為2.142×10−3，2.812×10−3，1.476×10−3g·L−1，測定值的RSD低于4.0%，可以滿足對食用植物油中農(nóng)藥殘留快速無損檢測的要求。
非法添加或超量添加食品添加劑也是需要嚴(yán)格管控的問題，食用植物油中的常見食品添加劑有乙基麥芽酚、特丁基對苯二酚（TBHQ）、丁基羥基茴香醚（BHA）、二丁基羥基甲苯（BHT）等。李登紅等基于向量 -子空間夾角判據(jù)采用紫外分光光度法檢測食用植物油中常用的3種抗氧化劑，回收率為95.2%~103%，測定值的RSD為 2.1%~2.8%，可為食用植物油中食品添加劑檢測提供新思路。
3.5 摻雜摻假
伴隨著食用油市場的擴(kuò)張，一些商家為了謀取更多利益，食用植物油摻假摻雜的亂象時有發(fā)生，如在高價優(yōu)質(zhì)食用植物油中摻入價格低廉的其他植物油，以劣質(zhì)油冒充特級油，甚至摻入非食用植物油，來降低制作成本。植物油品類不同，所含脂肪酸類型和比例不同，根據(jù)檢測得到的光譜數(shù)據(jù)差異來判別食用植物油是否摻假。CASTRO等采用近紅外光譜和拉曼光譜技術(shù)檢測花生油，所得多元曲線分辨（MCR-ALS）處理后的預(yù)測值與測定值的相關(guān)系數(shù)高于0.94，該方法能夠準(zhǔn)確提取與花生油光譜圖相似摻假劑的光譜，高效鑒別出花生油中的低濃度水平摻假劑。HUYAN 等采用同步熒光光譜法結(jié)合線性判別分析鑒定摻假花生油，方法對摻假5%~100%的花生油鑒別能力良好，識別率高達(dá)95%，說明同步熒光光譜法是一種快速、無損、可行性高、準(zhǔn)確度好的摻假鑒別技術(shù)。涂斌等將拉曼光譜和近紅外光譜進(jìn)行特征層數(shù)據(jù)融合，結(jié)合化學(xué)計量學(xué)對摻假花生油進(jìn)行定量分析，利用兩個光譜的互補(bǔ)性結(jié)合SVR建立的Raman-NIR-SVR數(shù)學(xué)模型能夠快速準(zhǔn)確地預(yù)測花生油中摻假油脂的含量，預(yù)測集和校正集的相關(guān)系數(shù)分別為0.98和0.99。LIMA等提出了一種測定橄欖油中摻雜菜籽油或玉米油含量的方法，采用拉曼光譜結(jié)合基于指數(shù)函數(shù)擬合的數(shù)學(xué)方法，無需樣品前處理即可根據(jù)特定拉曼峰強(qiáng)度比對摻假橄欖油進(jìn)行光譜定量鑒別，方法省時、省力、高效，是一種具有潛力的鑒別摻假橄欖油的檢測技術(shù)。莊小麗等采用紅外光譜技術(shù)鑒別摻入了菜籽油、玉米油、花生油、山茶油、葵花籽油、罌粟油的橄欖油，所建模型的預(yù)測相對誤差為−5.67%~5.61%，方法具有簡便、快捷、準(zhǔn)確等特點(diǎn)。PAN 等采用手持式傅里葉紅外光譜儀現(xiàn)場快速篩選摻假橄欖油，可對摻雜其他廉價橄欖油的特級初榨橄欖油進(jìn)行簡單鑒定，能估計摻假油質(zhì)量分?jǐn)?shù)5%~45%的橄欖油，且測定誤差在 3%以內(nèi)。
3.6 溯源及分類
由于不同品類植物油或不同原料來源的同品類植物油在市售價格上有所差異，為了防止發(fā)生市場標(biāo)簽不合格亂象，對植物油產(chǎn)地以及其真實品類進(jìn)行精確快速鑒別非常重要。高冰等采用氣相色譜和近紅外光譜技術(shù)對葵花籽油、大豆油、玉米油和花生油進(jìn)行表征分析，結(jié)合表征數(shù)據(jù)和PLS建立了判別分析模型并驗證了數(shù)據(jù)層融合方式的可行性。上述研究的PCA結(jié)果表明，模型數(shù)據(jù)的靈敏度和特異度均達(dá)到1.000，對不同原料來源植物油的分類鑒別誤差為0。GOUVINHAS 等對不同成熟階段的 3 個品種橄欖制作的橄欖油進(jìn)行分析，利用短波長拉曼光譜結(jié)合PCR和PLS建立模型，橄欖品種與成熟度相似度的相關(guān)系數(shù)R2分別為0.990和0.988，交叉驗證誤差相等，說明拉曼光譜結(jié)合多元計量學(xué)分析法可以評價和量化橄欖品種和成熟度的統(tǒng)計差異。LIU等采用太赫茲光譜技術(shù)快速識別4種不同來源橄欖油，比較了最小二乘（LS）-SVM、BP-ANN、FR結(jié)合PCA、遺傳算法建立的模型性能。結(jié)果顯示，4種不同來源橄欖油的脂肪酸組成和其吸光度存在明顯差異，LS-SVM結(jié)合遺傳算法所建模型的分類效果較好，預(yù)測集的準(zhǔn)確率為96.25%，說明太赫茲光譜技術(shù)結(jié)合化學(xué)計量學(xué)是一種很有前途的高效快速溯源橄欖油的檢測技術(shù)。
4、 結(jié)論與展望
光譜技術(shù)作為一種新型的無需復(fù)雜樣品前處理、操作便捷、可多組分同時檢測、檢測效率高和準(zhǔn)確度好的無損檢測技術(shù)，在植物油常規(guī)品質(zhì)、化學(xué)污染、真菌毒素污染、摻雜摻假、分類及溯源等方面都有應(yīng)用。隨著數(shù)據(jù)處理方法的普及與發(fā)展，光譜技術(shù)結(jié)合化學(xué)計量學(xué)能精準(zhǔn)提取代表性數(shù)據(jù)并進(jìn)行高效處理，提高檢測速率和準(zhǔn)確率。然而，光譜技術(shù)仍存在成本較高等缺點(diǎn)，且光譜分析依賴所建模型，而建立模型需要大量樣品的檢測數(shù)據(jù)，不適合分散型單一樣品的檢測，市場適用性不足；該檢測技術(shù)未列入標(biāo)準(zhǔn)，其檢測結(jié)果不能作為權(quán)威評判依據(jù)；光譜檢測過程易受外界環(huán)境影響，現(xiàn)場實時準(zhǔn)確檢測挑戰(zhàn)性高；數(shù)據(jù)融合技術(shù)不成熟，未實現(xiàn)與一體化設(shè)備結(jié)合。因此，未來應(yīng)將智能化、信息化融入檢測技術(shù)中，不斷深入研究和完善數(shù)據(jù)處理方法在植物油質(zhì)量安全檢測中的應(yīng)用。如：從全球研究機(jī)構(gòu)中收集標(biāo)準(zhǔn)化光譜數(shù)據(jù)，建立共享數(shù)據(jù)庫以及模型庫，通過參考數(shù)據(jù)庫來直接完成未知光譜的分析；不斷開發(fā)完善植物油的各項質(zhì)量安全指標(biāo)的光譜檢測方法并進(jìn)行標(biāo)準(zhǔn)化，從而實現(xiàn)檢測數(shù)據(jù)的可比性；應(yīng)用先進(jìn)技術(shù)將光譜儀器和數(shù)據(jù)處理結(jié)合，研發(fā)擁有自動化數(shù)據(jù)處理系統(tǒng)的一體化設(shè)備，節(jié)約人力成本，提高檢測效率。在保證食品安全檢測有效性的同時，開發(fā)的新技術(shù)和新設(shè)備需滿足市場食用植物油快速高效、便攜的檢測需求，以維護(hù)食用植物油市場的穩(wěn)定發(fā)展，保障好消費(fèi)者權(quán)益。
作者：張軍蓓1，鄧曉軍2，趙靜靜2，鈕冰1，伊雄海3，古淑青3，陳沁1
單位：1. 上海大學(xué) 生命科學(xué)學(xué)院；
2. 上海體育大學(xué) 興奮劑檢測上海研究院；
3. 上海海關(guān)動植物與食品檢驗檢疫技術(shù)中心
來源：《理化檢驗-化學(xué)分冊》2024年第8期
來源：理化檢驗化學(xué)分冊
關(guān)于我們 聯(lián)系我們 營業(yè)執(zhí)照 全國服務(wù)電話：400-818-0021 嘉峪檢測版權(quán)所有 備案號：京ICP備14047019號-2 
京公網(wǎng)安備11010802046783號
