Идентификация и аутентификация растительных масел методами цифровой цветометрии и ИК-спектроскопии

Обложка

Цитировать

Полный текст

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

Аннотация

Показана возможность простого и доступного способа идентификации и аутентификации пищевых растительных масел с использованием методов цифровой цветометрии, ИК-спектроскопии с преобразованием Фурье в ближней и средней областях спектра и хемометрической обработки результатов анализа. Идентификация по видовой принадлежности масел (горчичное, льняное, кукурузное, оливковое и подсолнечное), аутентификация (подлинность и фальсификация) осуществлены по собственной окраске растительных масел и флуоресценции при облучении образцов монохроматическим светом в УФ-, видимой и ИК-областях (365, 390, 470, 565, 700, 850, 880, 940 нм и 400–10 000 см–1). Предложены устройство и способ измерения цветометрических параметров с помощью смартфона и обработки данных с использованием специализированного программного обеспечения RGBer, PhotoMetrix PRO®, XLSTAT и The Unscrambler X. Применение хемометрического анализа позволило установить подлинность растительных масел и выявить факты фальсификации путем разбавления дорогих масел более дешевыми.

Об авторах

В. Г. Амелин

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

Автор, ответственный за переписку.
Email: amelinvg@mail.ru
Россия, ул. Горького, 87, Владимир, 600000; Звенигородское шоссе, 5, Москва, 123022

О. Э. Емельянов

Владимирский государственный университет им. Александра Григорьевича и Николая Григорьевича Столетовых

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

Список литературы

  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

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025