Идентификация и установление фальсификации крахмала и муки методами цифровой цветометрии и ближней ИК-Фурье-спектроскопии

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Предложено цветометрическое устройство для идентификации и установления фальсификации различных видов крахмала и муки по диффузному отражению УФ- и ИК-излучения светодиодов. Цветовые характеристики образцов (значения цифровых каналов RGB) определяли с помощью камеры смартфонов OnePlus 10 Pro и iPhone 14 с установленными приложениями PhotoMetrix PRO®, ColorGrab, RGBer. ИК-спектры в ближней области инфракрасного диапазона (4000–10 000 см–1) регистрировали с помощью ИК-спектрометра с преобразованием Фурье. Для обработки массива данных цветометрических и спектральных характеристик использовали специализированные программные пакеты: TQ Analyst 9, The Unscrambler X, XLSTAT. Идентификационными признаками служило расположение кластеров для отдельных видов крахмала и муки в методах главных компонент и иерархического кластерного анализа. Определены оптимальные длины волн для установления качественной фальсификации исследуемых образцов: для крахмала – одновременное участие всех светодиодов (365, 390, 850 и 880 нм), для муки – использование светодиодов с длинами волн облучения 365 и 390 нм. Оценку качественной фальсификации осуществляли, используя графики зависимости компоненты F1 от массовой доли добавляемой чужеродной добавки в крахмал или муку. Работоспособность цветометрического метода подтверждена методом ИК-спектроскопии с преобразованием Фурье в ближней области

Об авторах

В. Г. Амелин

Всероссийский государственный центр качества и стандартизации лекарственных средств для животных и кормов; Владимирский государственный университет им. Александра Григорьевича и Николая Григорьевича Столетовых

Автор, ответственный за переписку.
Email: amelinvg@mail.ru
Россия, Звенигородское шоссе, 5, Москва; ул. Горького, 87, Владимир, 600000

О. Э. Емельянов

Владимирский государственный университет им. Александра Григорьевича и Николая Григорьевича Столетовых

Email: amelinvg@mail.ru
Россия, ул. Горького, 87, Владимир, 600000

З. А. Ч. Шаока

Всероссийский государственный центр качества и стандартизации лекарственных средств для животных и кормов; Владимирский государственный университет им. Александра Григорьевича и Николая Григорьевича Столетовых

Email: amelinvg@mail.ru
Россия, Звенигородское шоссе, 5, Москва; ул. Горького, 87, Владимир, 600000

А. В. Третьяков

Всероссийский государственный центр качества и стандартизации лекарственных средств для животных и кормов

Email: amelinvg@mail.ru
Россия, Звенигородское шоссе, 5, Москва, 123022

Список литературы

  1. ГОСТ 7698-93. Крахмал. Правила приемки и методы анализа. М.: Изд-во стандартов. 2001. 39 с.
  2. Jane J.-L., Kasemsuwan T., Leas S., Zobel H., Robyt J.F. Anthology of starch granule morphology by scanning electron microscopy // Starch – Stärke. 1994. V. 46. № 4. P. 121. https://doi.org/10.1002/star.19940460402
  3. Li L., Sai M., Jianxin C. Identification of starch granules using a two-step identification method // J. Archaeolog. Sci. 2014. V. 52. P. 421. https://doi.org/10.1016/j.jas.2014.09.008
  4. Podgorbunskikh E.M., Dome K.V., Buchtoyarov A.V., Bychkov A.L. X-ray diffraction for detecting starch adulteration and measuring the crystallinity indices of the polymorphic modifications of starch // Health, Food Biotechnol. 2022. V. 4. № 1. P. 6. https://doi.org/10.36107/hfb.2022.i1.s131
  5. Pastor K., Aćanski M., Vujić D. A review of adulteration versus authentication of flour / Flour and Breads and their Fortification in Health and Disease Prevention. Ch. 3. Elsevier Inc., 2019. P. 21. https://doi.org/10.1016/B978-0-12-814639-2.00003-4
  6. Zhang S., Liu S., Shen L., Chen S., He L., Liu A. Application of near-infrared spectroscopy for the nondestructive analysis of wheat flour: A review // Curr. Res. Food Sci. 2022. V. 5. P. 1305. https://doi.org/10.1016/j.crfs.2022.08.006
  7. Ndlovu P.F., Magwaza L., Tesfay S.Z., Mphahlele R.R. Rapid visible–near infrared (Vis–NIR) spectroscopic detection and quantification of unripe banana flour adulteration with wheat flour // J. Food. Sci. Technol. 2019. V. 56. № 12. P. 5484. https://doi.org/10.1007/s13197-019-04020-0
  8. Fu X., Chen J., Fu F., Wu C. Discrimination of talcum powder and benzoyl peroxide in wheat flour by near-infrared hyperspectral imaging // Biosyst. Eng. 2020. V. 190. P. 120. https://doi.org/10.1016/j.biosystemseng.2019.12.006
  9. Du Ch., Sun L., Bai H., Zhao Z., Li X., Gai Z. Quantitative detection of talcum powder in wheat flour based on near-infrared spectroscopy and hybrid feature selection // Infrared Phys. Technol. 2022. V. 123. Article 104185. https://doi.org/10.1016/j.infrared.2022.104185
  10. Wang D., Ma Z.H., Pan L.G., Han P., Zhao L., Wang J.H. Research on the quantitative determination of lime in wheat flour by near-infrared spectroscopy // Spectrosc. Spectr. Anal. 2013. V. 33. P. 69. https://doi.org/10.3964/j.issn.1000-0593(2013)01-0069-05
  11. Arslan F.N., Akin G., Elmas Ş.N.K., Üner B., Yilmaz I., Janssen H-G., Kenar A. FT-IR spectroscopy with chemometrics for rapid detection of wheat flour adulteration with barley flour // J. Consum. Prot. Food S. 2020. V. 15. № 3. P. 245. https://doi.org/10.1007/s00003-019-01267-9
  12. Ziegler J.U., Leitenberger M.C., Longin F.H., Würschum T., Reinhold C., Schweiggert R.M. Near-infrared reflectance spectroscopy for the rapid discrimination of kernels and flours of different wheat species // J. Food Compos. Anal. 2016. V. 51. P. 30. https://doi.org/10.1016/j.jfca.2016.06.005
  13. Verdú S., V´asquez F., Grau R., Ivorra E., S´anchez A.J., Barat J.M. Detection of adulterations with different grains in wheat products based on the hyperspectral image technique: The specific cases of flour and bread // Food Control. 2016. V. 62. P. 373. https://doi.org/10.1016/j.foodcont.2015.11.002
  14. Lohumi S., Lee S., Lee W-H., Kim M.S., Mo Ch., Bae H., Cho B-К. Detection of starch adulteration in onion powder by FT-NIR and FT-IR spectroscopy // J. Agric. Food Chem. 2014. V. 62. № 38. P. 9246. https://doi.org/10.1021/jf500574m
  15. Амелин В.Г., Шаока З.А.Ч., Большаков Д.С. Идентификация и аутентификация сухого коровьего молока с использованием смартфона и хемометрического анализа // Вестн. Моск. ун-та. Сер. 2. Химия. 2023. Т. 64. № 1. С. 49. (Amelin V.G., Shogah Z.A.Ch., Bolshakov D.S. Identification and authentication of cow milk powder using a smartphone and chemometric analysis // Moscow Univ. Chem. Bull. 2022. V. 77. Suppl. 1. P. 36. https://doi.org/10.3103/S0027131422070033)
  16. Böck F.C., Helfer G.A., da Costa A.B., Dessuy M.B., Ferrao M.F. PhotoMetrix and colorimetric image analysis using smartphones // J. Chemometrics. 2020. V. 34. Article 12. https://doi.org/10.1002/cem.3251
  17. Helfer G.A., Magnus V.S., Böck F.C., Teichmann A., Ferrãoa M.F., da Costa A.B. PhotoMetrix: An application for univariate calibration and principal components analysis using colorimetry on mobile devices // J. Braz. Chem. Soc. 2017. V. 28. № 2. P. 328. https://doi.org/10.5935/0103-5053.20160182
  18. Rateni G., Dario P., Cavallo F. Smartphone-based food diagnostic technologies: A review // Sensors. 2017. V. 17. P. 1453. https://doi.org/10.3390/s17061453
  19. Амелин В.Г., Шаока З.А.Ч., Третьяков А.В. Анализ молочной продукции: определение массовой доли молочного жира и выявление фальсификации смартфоном с приложением Photometrix PRO® // Журн. аналит. химии. 2024. Т. 79. № 1. С. 105. (Amelin V.G., Shogah Z.A.Ch., Tretyakov A.V. Analyzing dairy products: measuring milk fat mass fraction and detecting adulteration using the Photometrix PRO® smartphone app // J. Anal. Chem. 2024. V. 79. № 1. P. 50. https://doi.org/10.1134/S1061934824010039)

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2024

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».