Halal-Ursprungs-Vorscreening – Anleitung
Eine Schritt-für-Schritt-Anleitung zum Aufbau Ihrer privaten Referenzbibliothek und zum Screening eingehender Proben auf Schweineherkunftstendenz. Lesezeit: ca. 5 Minuten.
Was diese Workbench tut
- Behält eine private, teambezogene Referenzbibliothek von FTIR-Spektren aus qualifizierten Chargen, denen Sie vertrauen.
- Vergleicht eine neue eingehende Probe mit dieser Bibliothek und berichtet, wie konsistent sie ist, mit Nachweisen auf Peakebene.
- Funktioniert für jede Kategorie: auf Proteinbasis (Gelatine, Kapselhülle, Fleisch, Surimi, Milchprodukte), auf Fett/Öl-Basis (Speiseöl, Backfett, Butter, Ghee) oder gemischte verarbeitete Produkte.
- Liefert Ihnen einen nachvollziehbaren Bericht, den Sie ausdrucken und zu den Chargenaufzeichnungen legen können.
Wie das Ergebnis erzeugt wird
- Das gesamte Spektrum wird analysiert – die auf der Seite angezeigten Literaturfenster sind Lesehilfen, keine Analyselimits.
- Die Schlussfolgerung ist ein Ähnlichkeitsurteil: Wie stark stimmt die eingehende Probe mit Ihrer qualifizierten Referenzbibliothek überein.
- Die Ergebnisformulierung folgt Ihren Bibliotheks-Tags: Eine Nicht-Schweine-Bibliothek ergibt Nicht-Schweine-Formulierungen, eine Schweine-Kontrollbibliothek ergibt Schweine-Formulierungen.
- Jedes Label wird durch die Peak-Differenztabelle gestützt, die Sie im Bericht einsehen können.
Der Arbeitsablauf in vier Schritten
Schritt 1 — Referenzbibliothek erstellen
Eine Referenzbibliothek ist eine Sammlung von FTIR-Spektren von Chargen, die Sie für dieses Material bereits als akzeptabel betrachten. Die eingehende Probe wird mit dieser Bibliothek verglichen, nicht mit einer öffentlichen Datenbank.
Welche Dateien können Sie hochladen?
Gängige Instrumenten-Exportformate werden akzeptiert, einschließlich CSV / TXT (Wellenzahl, Absorption), SPA, DPT, DXD, JWS und anderen. Das Spektrum wird automatisch gelesen und interpoliert; Sie müssen es nicht manuell konvertieren.
Wie viele Chargen benötigen Sie?
Beginnen Sie mit mindestens 3–5 Chargen für ein Material. Mehr Chargen machen den Vergleich zuverlässiger. Die Seite zeigt eine Warnung, wenn die ausgewählte Bibliothek weniger als 5 Chargen enthält.
Eine Bibliothek pro Material
Erstellen Sie eine separate Bibliothek für jedes Material, das Sie screenen möchten (z. B. eine für Rindfleischwurst, eine für Speiseöl). Bibliotheken sind für Ihr Teamkonto privat und erscheinen in der linken Seitenleiste.
Matrixtyp
Wählen Sie Proteinbasiert, Fett-/Ölbasiert oder Gemischt. Dies ändert nur, welche Literatur-Diskriminanzfenster auf der Seite als Lesehinweise angezeigt werden – die Analyse selbst verwendet immer das gesamte Spektrum.
Herkunftsart – erforderlich, und warum
Kennzeichnen Sie jeden Stapel mit seiner deklarierten Quelle (Rind, Fisch, Pflanze, Schwein, ...). Die Formulierung des Ergebnisses hängt davon ab: Eine Bibliothek aus zertifizierten Nicht-Schweine-Chargen erzeugt die Formulierung „Nicht-Schweine-Tendenz“, während eine Bibliothek, die als positive Schweine-Kontrolle gekennzeichnet ist, bei einer engen Übereinstimmung die Formulierung „Schweine-Tendenz“ erzeugt. Ohne Artenkennzeichnung gibt der Bericht nur die Konsistenz der Bibliothek an.
Andere Felder
Lieferant, Chargennummer, JAKIM-/Zertifizierungsstatus, Scans, Auflösung und ATR-Kristall werden bei jeder Referenzcharge erfasst und erscheinen in den Berichten, sodass die Rückverfolgbarkeitskette intakt bleibt.
Schritt 2 — Untersuchen Sie eine eingehende Probe
- Wählen Sie die Referenzbibliothek für dieses Material im Dropdown-Menü „Referenzbibliothek“.
- Geben Sie die Chargennummer und die vom Lieferanten angegebene Spezies der eingehenden Probe ein (dies wird im Bericht festgehalten, nicht von der Engine verwendet).
- Laden Sie die eingehende FTIR-Datei hoch (gleiche Formate wie oben).
- Klicken Sie auf „Halal-Vorscreening ausführen“. Die Engine vergleicht die Probe mit der Bibliothek und erstellt den Bericht.
Schritt 3 — Lesen Sie den Bericht
Die Tendenzkennzeichnung
Das Siegel oben ist die Schlussfolgerung des Vor-Screenings. Was es aussagen kann, hängt davon ab, was Ihre Referenzbibliothek ist:
| Ihre Bibliothek | Probe vs. Bibliothek | Beschriftung |
|---|---|---|
| Zertifizierte Nicht-Schweine-Chargen | Konsistent | Konsistent mit Nicht-Schweine-Referenzen |
| Teilweise konsistent | Benötigt weitere Bestätigung | |
| Inkonsistent | Nicht-Schweine-Ursprung nicht bestätigt | |
| Schweine-Positivkontrolle | Konsistent | Schweine-Tendenz |
| Teilweise konsistent | Benötigt weitere Bestätigung | |
| Inkonsistent | Entspricht nicht der Schweinekontrolle | |
| Kein Spezies-Tag | Konsistent | Konsistent mit der Referenzbibliothek |
| Teilweise konsistent | Benötigt weitere Bestätigung | |
| Inkonsistent | Inkonsistent mit der Referenzbibliothek |
Der Algorithmus hinter der Kennzeichnung
Die Engine wählt den Analysemodus automatisch anhand der Anzahl der Batches in der Bibliothek:
| Referenzchargen | Modus | Was wird berechnet |
|---|---|---|
| 19 oder weniger | Ähnlichkeit | Pearson-Korrelation, Kosinusähnlichkeit und die wichtigsten Differenz-Peaks |
| 20 – 49 | PCA | Ähnlichkeit plus PCA-Projektion, Mahalanobis-Distanz, Hotelling T² |
| 50 oder mehr | Klassenmodell | PCA plus SIMCA: Q-Residuum, Klassenmitgliedschaftswahrscheinlichkeit, Konformitätswert |
Die Diskriminanzregionen
Das Feld „Diskriminanzbereiche (Literatur)“ listet Fenster auf, die in veröffentlichten Studien zum Herkunfts-Screening berichtet wurden, abgestimmt auf Ihren Matrixtyp. Peaks in der Differenztabelle, die in diese Fenster fallen, werden mit dem Bereichsnamen gekennzeichnet – eine nützliche Priorisierung für Ihre eigene Überprüfung:
Woher diese Fenster stammen
Proteinbasierte Fenster folgen Hashim 2010 (Food Chem) und Sci Rep 2021 – letzteres berichtet eine dominante Wellenzahl für Schweinegelatine nahe 1470–1475 cm⁻¹ (Rind 1444–1450, Fisch 1496–1500). Fett-/ölbasierte Fenster folgen der Halal-Authentifizierungsübersicht Int J Mol Sci 2020: SIMCA-Diskriminanzbereiche für Schmalz in Ghee (3030–2785 / 1786–1680 / 1490–919 cm⁻¹) und einen kombinierten Bereich, der Schmalz in nativem Kokosöl durch PLSR+DA mit R² = 0.999 quantifizierte (3020–3000 / 1120–1000 cm⁻¹).
Dies sind Lesehilfen für Ihre eigene Überprüfung — die Engine analysiert das gesamte Spektrum, nicht nur diese Fenster. Es gibt kein einzelnes Fensterset, das für jedes Material gültig ist; verschiedene Matrizen haben unterschiedliche Literatur-Diskriminanzbanden.
Die Tabelle der Peak-Differenzen
„Main Difference Peaks＂ listet die stärksten Unterschiede zwischen der Probe und dem Referenzmittelwert auf, mit der Richtung (Probe höher/niedriger) und ob der Peak anomal ist. Dies ist die Grundlage für das Label — überprüfen Sie es, wenn das Label nicht „konsistent＂ ist.
Diagramme
Die Spektralüberlagerung zeigt die Probe im Vergleich zum Referenzmittelwert. Das PCA-Streudiagramm (wenn die Bibliothek 20+ Chargen enthält) zeigt, wo die Probe relativ zur historischen Chargenwolke liegt.
KI-Interpretation
Wenn verfügbar, fasst das KI-Panel die Unterschiede zusammen, listet plausible Ursachen auf und schlägt nächste Schritte vor. Es dient nur zur Entscheidungsunterstützung: Betrachten Sie seine chemischen Aussagen und Formulierungen als Ausgangspunkt und verifizieren Sie, bevor Sie handeln.
FAQ
- Meine Probe wurde als „Nicht-Schweine-Ursprung nicht bestätigt“ zurückgemeldet. Bedeutet das, dass sie Schweinefleisch enthält?
- Nein. Es bedeutet, dass sich die Probe von Ihrer Nicht-Schweine-Referenzbibliothek unterscheidet. Unterschiede können von einem anderen Lieferanten, Feuchtigkeit, Zusatzstoffen, Geräteeinstellungen oder der normalen Chargenstreuung herrühren. Behandeln Sie es als Hinweis zur Untersuchung — nicht als Erkennung von Schweinefleisch. Wenn das Vorhandensein von Schweinefleisch nachgewiesen werden muss, verwenden Sie DNA/PCR.
- Kann ich damit Öle und Fette screenen?
- Ja. Wählen Sie „Fett-/Ölbasiert“ als Matrixtyp. Die Literaturfelder zeigen dann die für das Screening auf Schmalzverfälschung gemeldeten Banden (cis C–H nahe 3006, Ester C=O nahe 1743, das Triglycerid-C–O-Paar nahe 1117/1097, trans nahe 968), und die KI-Interpretation gibt fettspezifische Lesehinweise.
- Warum warnt die Seite, dass Ergebnisse mit weniger als 5 Chargen explorativ sind?
- Ein Vergleich mit 1–4 Spektren hat nur begrenzte statistische Aussagekraft. Die Engine funktioniert weiterhin, aber betrachten Sie die Ausgabe als richtungsweisend, nicht quantitativ. Fügen Sie Batches hinzu, sobald Sie sie qualifizieren.
- Werden meine Spektraldaten geteilt?
- Nein. Referenzbibliotheken sind privat für Ihr Konto und werden nicht als Testreferenzen für andere verwendet. Sie können Chargen oder ganze Bibliotheken jederzeit entfernen.
- Muss ich eine Bibliothek pro Lieferant oder pro Material erstellen?
- Pro Material ist das Minimum. Wenn sich Ihre Lieferanten stark unterscheiden, ergeben getrennte Bibliotheken pro Lieferant und Material den saubersten Vergleich.
- Wie unterscheidet sich das von einer Ähnlichkeitssuche in einer großen Spektrenbibliothek?
- Hier ist das Vergleichsset Ihre eigenen qualifizierten Chargen, die Nachweise sind Peakebene-Unterschiede mit Literaturfenstern, und der Bericht bewahrt die Lieferanten-/Chargen-/Zertifikats-Spur. Eine Suche in der öffentlichen Bibliothek kann beantworten: „Womit ist dieses Spektrum ähnlich?“; diese Workbench beantwortet: „Wie stark entspricht diese Charge meiner qualifizierten Basislinie?“
- Kann ich eine gescreente Probe in eine Referenzcharge umwandeln?
- Ja — auf der Workbench hat jedes frühere Screening eine Schaltfläche „Hinzufügen“, die es in die Referenzbibliothek übernimmt, sobald Sie den Stapel akzeptieren. Datensätze behalten ihren Verlauf.
- Was bedeutet „JAKIM-Status“ für Benutzer außerhalb Malaysias?
- Das Feld ist freiformatiert und mit „JAKIM / Halal-Zertifikatsstatus“ beschriftet. Labore außerhalb Malaysias können ihre eigene Zertifizierungsstelle angeben oder „Unbekannt“ lassen.