首页--工业技术论文--轻工业、手工业论文--食品工业论文--一般性问题论文--食品标准与检验论文

液相色谱-质谱联用测定动物源性食品中氯霉素残留

第一章 前言第1-27页
   ·引言第11-12页
   ·残留分析原理第12-13页
     ·分离第12页
     ·检测第12-13页
   ·氯霉素研究概况综述第13-24页
     ·氯霉素简介第13页
     ·样品前处理方法第13-16页
       ·提取方法第14-15页
       ·样品净化第15-16页
       ·浓缩与富集第16页
     ·氯霉素检测方法第16-24页
       ·微生物学方法和放射免疫法测定氯霉素残留第16-17页
       ·酶免疫测定法检测氯霉素残留第17-18页
       ·色谱法测定氯霉素残留第18-24页
   ·残留检测方法的发展与展望第24-25页
   ·本课题的目的意义和思路第25-27页
第二章 实验部分第27-37页
   ·实验仪器与试剂第27-29页
     ·实验试剂第27页
     ·样品前处理设备第27-28页
     ·色谱分析仪器第28-29页
       ·液相色谱-四极杆质谱仪第28-29页
       ·液相色谱-离子阱质谱仪第29页
       ·气质联用仪第29页
     ·实验流程第29页
   ·实验内容第29-37页
     ·实验原理第29-30页
       ·高效液相色谱-离子阱质谱法第29-30页
     ·样品预处理第30页
     ·ESI源法第30-33页
       ·氯霉素及其d5-CAP储液和标准溶液的制备第31页
       ·样品前处理第31-33页
     ·HPLC-MSD(四极杆质谱法)第33-35页
       ·大气压光离子化源法(APPI)第33-35页
     ·气相色谱-质谱法(GC-MS)第35-37页
       ·样品前处理方法第35页
       ·GC-MS条件第35-37页
第三章 GC/MS与LC/MS分析食品中氯霉素方法比较第37-40页
   ·GC/MS法测定动物体中氯霉素残留方法研究第37-38页
   ·GC/MS与LC/MS方法分析食品中氯霉素方法比较第38-40页
第四章 液相色谱-电喷雾离子阱质谱测定氯霉素方法的研究第40-55页
   ·样品前处理方法的研究第40-41页
     ·液-液萃取法提取虾中氯霉素第40-41页
     ·固相萃取法(SPE)提取虾和蜂蜜中氯霉素第41页
   ·色谱条件的优化第41-43页
     ·检测波长的选择第41页
     ·流动相和梯度设置第41-43页
     ·色谱柱的选择第43页
   ·质谱条件的选择和优化第43-49页
     ·离子模式的选择第43-44页
     ·氯霉素二级质谱研究第44-45页
     ·碎裂电压的优化第45-46页
     ·锥孔电压的优化第46-47页
     ·二级质谱碎裂电压的优化第47-49页
   ·氯霉素测定方法评估第49-52页
     ·氯霉素定量分析第49-51页
     ·精密度实验第51-52页
     ·回收率实验第52页
   ·实际样品测定第52-54页
   ·小结第54-55页
第五章 四极杆质谱与离子阱质谱法测定氯霉素方法比较第55-65页
   ·四极杆质谱与离子阱质谱工作原理第55页
   ·样品制备及LC/MS条件第55-56页
   ·质谱谱图质量与方法灵敏度比较第56-58页
     ·四极杆质谱分析氯霉素残留第56-57页
     ·离子阱质谱分析氯霉素第57-58页
   ·方法评价第58-59页
   ·提取回收率和提取重现性研究第59-61页
   ·四极杆质谱和离子阱质谱分析蜂蜜第61-62页
   ·四极杆质谱和离子阱质谱分析虾第62-63页
   ·小结第63-65页
第六章 新型离子化技术在氯霉素检测的应用-液相色谱-大气压光电离四极杆质谱法第65-72页
   ·新型离子化技术-大气压光电离源研究目的第65页
   ·液相色谱-大气压光电离四极杆质谱法参数优化第65-68页
     ·毛细管电压的影响第65-66页
     ·雾化气温度的影响第66页
     ·碎裂电压的优化第66-68页
     ·色谱条件的优化第68页
   ·方法评价第68-71页
     ·方法的线性范围第68-69页
     ·方法的检出限、重现性和重复性第69-70页
     ·APPI回收率实验第70-71页
   ·小结第71-72页
第七章 结论第72-73页
参考文献第73-78页
致谢第78-79页
攻读学位期间发表的学术论文目录第79页

论文共79页,点击 下载论文
上一篇:企业PDM的研究与实现
下一篇:基于学习的人脸面部图像快速检测算法研究