Identification and Authentication of Vegetable Oils by Digital Colorometry and IR Spectroscopy Methods

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The possibility of a simple and accessible method of identification and authentication of edible vegetable oils using methods of digital colorometry, Fourier transform infrared spectroscopy in the near and middle spectral regions and chemometric processing of the analysis results is shown. Identification by species of oils (mustard, linseed, corn, olive and sunflower), authentication (authenticity and adulteration) was carried out by the intrinsic coloring of vegetable oils and fluorescence when the samples were irradiated with monochromatic light in the UV, visible and infrared regions. (365, 390, 470, 565, 700, 850, 880, 940 nm and 400–10 000 cm–1). A device and method for measuring colorometric parameters using a smartphone and data processing using RGBer, PhotoMetrix PRO®, XLSTAT, and The Unscrambler X specialized software are proposed. Application of chemometric analysis allowed to establish the authenticity of vegetable oils and to reveal the facts of adulteration by diluting expensive oils with cheaper ones.

作者简介

V. Amelin

Vladimir State University named after Alexander and Nikolay Stoletovs; The Russian State Center for Animal Feed and Drug Standardization and Quality (VGNKI)

编辑信件的主要联系方式.
Email: amelinvg@mail.ru
俄罗斯联邦, Vladimir; Moscow

O. Emelyanov

Vladimir State University named after Alexander and Nikolay Stoletovs

Email: amelinvg@mail.ru
俄罗斯联邦, Vladimir

参考

  1. Yang Y., Ferro M.D., Cavaco I., Liang Y. Detection and identification of extra virgin olive oil adulteration by GC-MS combined with chemometrics // J. Agric. Food Chem. 2013. V. 61. P. 3693.
  2. Tomazzoni G., Meira M., Quintella C.M., Zagonel G.F., Costa B.J., de Oliveira P.R. et al. Identification of vegetable oil or biodiesel added to diesel using fluorescence spectroscopy and principal component analysis // Am. Oil. Chem. Soc. 2014. V. 91. P. 215.
  3. Al-Kahtani H.A., Ahmed M.A., Abou-Arab A.A., Hayat K. Identification of lard in vegetable oil binary mixtures and commercial food products by FTIR // Qual. Assur. Saf. Crops Foods. 2017. V. 09. № 1. P. 11.
  4. Chen Y., Wang J., Xu Q., Luo Q., Zheng X. Identification of edible-vegetable-oil types based on multi-kernel learning and multi-spectral fusion // IOP Conf. Ser.: Mater. Sci. Eng. 2018. V. 452. Article 022054.
  5. ГОСТ 30623-98. Масла растительные и маргариновая продукция. Метод обнаружения фальсификации. М.: Стандартинформ, 2018. 23 с.
  6. Панасюк А.Л., Свиридов Д.А., Шилкин А.А. Установление подлинности растительных масел с использованием метода изотопной масс-спектрометрии // Пищевые системы. 2022. Т. 5. № 4. С. 369. https://doi.org/10.21323/2618-9771-2022-5-4-369-375
  7. Bontempo L., Paolini M., Franceschi P., Ziller L., García-González D.L., Camin F. Characterisation and attempted differentiation of European and extra-European olive oils using stable isotope ratio analysis // Food Chem. 2019. V. 276. P. 782. https://doi.org/10.1016/j.foodchem. 2018.10.077
  8. Шаока З.А.Ч., Большаков Д.С., Амелин В.Г. Использование смартфона в химическом анализе // Журн. аналит. химии. 2023. Т. 78. № 4. С. 317. (Shogah Z.A.Ch., Bol'shakov D.S., Amelin V.G. Using a smartphone in chemical analysis // J. Anal. Chem. 2023. V. 78. № 4. P. 426). https://doi.org/10.31857/S0044450223030131
  9. Calabria D., Mirasoli M., Guardigli M., Simoni P., Zangheri M., Severi P. et al. Paper-based smartphone chemosensor for reflectometric on-site total polyphenols quantification in olive oil // Sens. Actuators B. 2020. V. 305. Article 127522.
  10. Nikolova K., Perifanova-Nemska M.,Georgieva P., Boyadjiev D. Identification of vegetable oil adulterants in sunflower oil through discriminant analysis of colorimetric parameters // Bulgarian J. Agric. Sci. 2013. V. 19. № 3. P. 508.
  11. Christodouleas D., Fotakis C., Papadopoulos K., Dimotikali D., Calokerinos A.C. Luminescent methods in the analysis of untreated edible oils: A review // Anal. Lett. 2012. V. 45. № 5-6. P. 625.
  12. Song W., Nanfeng J., Wang H. Use of smartphone videos and pattern recognition for food authentication // Sens. Actuatоrs B. 2019. V. 304. Article 127247.
  13. De Melo Milanez K.D.T., Pontes M.J.C. Classification of extra virgin olive oil and verification of adulteration using digital image and discriminant analysis // Anal. Methods. 2015. V. 7. P. 8839.
  14. Karagiorgos N., Nenadis N., Trypidis D., Siozios S., Nikolaidis S., Tsimidou M.Z. An approach for estimating adulteration of virgin olive oil with soybran oil using image analysis / 6th International conference on modern circuits and systems technologies (MOCAST). Thessaloniki, Greece, 04–06 May 2017. https://doi.org/10.1109/mocast.2017.7937672
  15. Milanez K.D.T.D.M., Pontes M.J.C. Classification of edible vegetable oil using digital image and pattern recognition techniques // Microchem. J. 2014. V. 113. P. 10.
  16. Перегончая О.В., Королькова Н.В., Нуридинов Ш.З., Соколова С.А. Перспективы использования цифровой цветометрии в контроле цветности растительных масел при их рафинации // Агропромышленные технологии Центральной России. 2019. Т. 4. № 14. С. 29.
  17. Амелин В.Г., Шаока З.А.Ч., Большаков Д.С., Третьяков А.В. Идентификация и аутентификация растительных масел методом цифровой цветометрии и хемометрического анализа // Заводск. лаборатория. Диагностика материалов. 2023. Т. 89. № 2-1. С. 5. https://doi.org/10.26896/1028-6861-2023-89-2-I-5-12

补充文件

附件文件
动作
1. JATS XML

版权所有 © Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».