登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《复合面粉的贮存稳定性、面粉和粥品中黄曲霉毒素B1和赭曲霉素A混合的评估》

  • 来源专题：食物与营养
  • 编译者： huangzheng
  • 发布时间：2016-10-14

  • 脱脂花生粉用于复合发展不仅可以提高其产品的营养品质，也可以提高存储的稳定性。玉米、花生和他们的组合(全脂、脱脂)面粉制备和储存在室温下可以存储3个月。这些产品的贮存稳定性评估是基于水分活度的变化,过氧化值(PV)、游离脂肪酸(FFA)、硫代巴比土酸(稍后通知),微生物分析和水平的真菌毒素,包括黄曲霉毒素B1(AFB1)和赭曲霉毒素A(OTA)。总体结果显示的变化率PV,FFA和稍后通知显著(p≤0.05)随着储存时间的增加而增加,这是最高的全脂面粉比脱脂的面粉。例如,PV FFG和脱硫的分别0.88和0.40毫克当量/公斤,与此同时稍后通知malonaldehyde 4.53和2.71毫克/公斤。FFA有更高的增长率(%)与全脂增加存储时间和复合面粉相比脱脂同行。一般来说,微生物数据存储中演示了微生物总数量的增加,这些食物可能导致真菌毒素,AFB1(范围:9.08 - -38.48μg /公斤)和在线旅行社(范围:0.33 - -19.50μg /公斤)在所有样本,花生和玉米具有最高的污染水平。OTA水平增加127.8%时指出玉米面粉全脂复合夹杂物水平从55岁增加到85%,但只增加24.7% OTA水平指出在脱脂复合材料在存储。减少夹杂物级别的花生粉,AFB1的主要来源发现,导致全额AFB1水平大大降低脂肪和脱脂复合面粉54.1和76.4%,分别在存储。研究结果强调,保质期稳定性的复合材料可以在强化过程中保持在脱脂。因此,可以推断,监控质量和安全的原材料以及成品的存储是至关重要的。

112浏览量
原文链接
相关报告

  • 《佛山大学：结合表面增强拉曼光谱与深度学习模型实现花生油中黄曲霉毒素B1的快速无标记检测》
    • 来源专题：食品安全与健康
    • 编译者：王晓梅
    • 发布时间：2025-09-30
    • 结合表面增强拉曼光谱与深度学习模型实现花生油中黄曲霉毒素B1的快速无标记检测 ?? 英文标题 Rapid and label-free detection of aflatoxin B1 in peanut oil using surface-enhanced Raman spectroscopy combined with deep learning models ?? 导读 2025年4月，佛山大学食品科学与工程学院的第一作者Dingding Wang与通讯作者Yang Liu，联合埃及动物卫生研究所与埃及Zewail科技城材料科学中心的研究者，在《LWT - Food Science and Technology》期刊发表题为《Rapid and label-free detection of aflatoxin B1 in peanut oil using surface-enhanced Raman spectroscopy combined with deep learning models》的研究论文，提出一种基于表面增强拉曼光谱（SERS）与CNN-LSTM深度学习模型融合的无标记花生油中黄曲霉毒素B1（AFB1）快速检测新方法。 ?? 摘要 本研究开发了一种结合表面增强拉曼光谱（SERS）和深度学习算法的快速、灵敏、无标记检测方法，用于检测花生油中的黄曲霉毒素B1。使用银包金纳米粒子（Au@Ag NPs）作为SERS基底，结合卷积神经网络-长短时记忆网络（CNN-LSTM）构建回归模型。相较于传统模型，该方法在预测准确率、稳定性和抗过拟合能力上均表现出显著优势，R2达0.9892，检测限（LOD）为0.31 μg/kg，满足中欧标准，具备实时监测应用前景。 ?? 引言 黄曲霉毒素B1（AFB1）是最具毒性的真菌毒素之一，常见于花生及其油脂制品中，是I类致癌物。当前主流检测方法如HPLC-MS、ELISA等虽准确，但存在设备昂贵、操作复杂、效率低等局限，亟需开发快速、无标记、现场可操作的新方法。SERS技术在增强微量目标分子拉曼信号方面具独特优势，而深度学习则能有效处理高维、非线性光谱数据，二者结合为AFB1的定量检测提供新路径。 ?? 研究内容 SERS基底制备与表征  采用种子介导法合成Au@Ag NPs，粒径40–50 nm，具良好均一性与稳定性； Zeta电位为+24.81 mV，增强因子（EF）达5.62 × 10?，具有显著SERS放大效应。 SERS光谱采集与数据增强 配制含AFB1的花生油标准样品（0.31–31227.36 μg/kg）； 对原始光谱进行三种数据增强：强度放大、横轴平移、高斯噪声叠加； 共生成1050条光谱样本用于模型训练。 多模型构建与比较  构建6类回归模型：PLSR、SVR、RFR、CNN、LSTM、CNN-LSTM； CNN-LSTM模型通过CNN提取局部光谱特征，LSTM建模序列依赖，适应高维非线性数据； 相比传统模型，CNN-LSTM RMSEP下降52.8%、RPD提升29.8%。 模型验证与实样分析  实际采购10种花生油样品，CNN-LSTM结果与HPLC-MS/MS对比，相关性高度一致（p=0.57，无显著差异）； 检出限为0.31 μg/kg，远低于中国和欧盟AFB1限量标准。 ?? 总结与展望 本研究成功实现将SERS与深度学习融合，用于复杂脂质基质中AFB1的高灵敏定量检测，突破传统方法在复杂样品处理、模型泛化和实时应用中的瓶颈。未来可拓展至多种真菌毒素的联合检测和粮油、饲料等复杂基质的快速筛查，为智能食品安全监测提供了关键技术支撑。 ?? 原文链接 https://doi.org/10.1016/j.lwt.2025.117738 ?? 主题分类 ? 安全检测 ? 传感器 ? 粮油 ? 人工智能 ? 新质生产力 图文赏析
    240浏览量
    原文链接

  • 《食品中黄曲霉毒素污染的风险》
    • 来源专题：食物与营养
    • 编译者：潘淑春
    • 发布时间：2005-03-25
    • 地址已变 食品卫生问题是食品安全的首要问题。随着世界经济的发展，人类生活水平的提高，人们越来越多地关注食品对人的生命安全和身体健康的影响。在食品卫生的污染因素中，生物毒素对食品的污染是最重要的污染之一，而黄曲霉毒素则因其对人、畜肝脏的剧烈损害而名列毒性之首。有资料记载，黄曲霉毒素B1的毒性在剧毒化学药品氰化钾的10倍以上。 尽管经过几十年的研究，黄曲霉毒素的化学结构、性质、对人、畜的损害机理已研究得比较透彻，世界各国也都对其在食品中的污染进行了严格的规定，采取了各种管理办法，但其对食品的污染并没有得到很有效的控制。近几年来，由于欧盟加严了对黄曲霉毒素的控制措施，今年3月又提出了食品中黄曲霉毒素污染限量的新要求，给我输欧出口花生等产品造成了很大的困难，食品中黄曲霉毒素污染问题再次引起国内食品外贸主管部门、生产经营部门、进出口商和质量监督检验检疫机构，以及国际上花生等粮油食品主要进出口国家的广泛关注。
    327浏览量
    原文链接