По всем вопросам звоните:

+7 495 274-22-22

УДК: 534.062;543.433.4 DOI:10.33920/igt-01-2410-04

Применение UV-VIS-NIR-спектроскопии для градации зерна гречихи

А.А. Пивкина Российский экономический университет им. Г.В. Плеханова, Москва, Россия
Д.А. Метленкин Российский экономический университет им. Г.В. Плеханова, Москва, Россия

Показано использование методов UV-VIS-NIR-спектроскопии и многомерного анализа для градации зерна гречихи. Объектами исследования являлись образцы зерна гречихи, отличающиеся по значению кислотного числа жира. Для выявления различий между образцами с различающимися значениями кислотного числа жира применен метод главных компонент. При анализе матрицы факторных нагрузок выявлены области спектра, коррелирующие с изменением кислотного числа жира зерна гречихи.

Литература:

1. H. Croft. In: Comprehensive Remote Sensing, 3, Toronto, Canada, Elsevier Inc. (2017). — P. 117–142.

2. L. Guidi, M. Tattini, M. Landi. How Does Chloroplast Protect Chlorophyll Against Excessive Light? Ed. E. Jacob-Lopes, Chlorophyll-London, UK, IntechOpen (2017). — P. 21–36.

3. A. Anne Frank Joe, A. Gopal. Int. Conf. Circuit, Power and Computing Technologies (ICCPCT) (2017). — P. 1–5.

4. M. Kumagai, K. Karube, T. Sato, N. Ohisa, T. Amano, R. Kikuchi, N. Ogawa. Anal. Sci.: Int. J. Jap. Soc. Anal. Chem., 18. — № 10 (2002). — P. 1145–1150.

5. D. Ertlen, D. Schwartz, M. Trautmann, R. Webster, D. Brunet. Eur. J. Soil Sci., 61 (2015) 207—216 [19] K. Dziedzic, D. Górecka, A. Marques, M. Rudzińska, G. Podolska. Czech J. Food Sci., 33 (2015). — P. 424–430.

6. Платов Ю.Т. Хлебопечение России / Ю.Т. Платов, Д.А. Метленкин, Г.А. Бобожонова. — № 1 (2020). — P. 24–28.

1. H. Croft. In: Comprehensive Remote Sensing, 3, Toronto, Canada, Elsevier Inc. (2017). — P. 117–142.

2. L. Guidi, M. Tattini, M. Landi. How Does Chloroplast Protect Chlorophyll Against Excessive Light? Ed. E. Jacob-Lopes, Chlorophyll-London, UK, IntechOpen (2017). —P. 21–36.

3. A. Anne Frank Joe, A. Gopal. Int. Conf. Circuit, Power and Computing Technologies (ICCPCT) (2017). — P. 1–5.

4. M. Kumagai, K. Karube, T. Sato, N. Ohisa, T. Amano, R. Kikuchi, N. Ogawa. Anal. Sci.: Int. J. Jap. Soc. Anal. Chem., 18. — № 10 (2002). — P. 1145–1150.

5. D. Ertlen, D. Schwartz, M. Trautmann, R. Webster, D. Brunet. Eur. J. Soil Sci., 61 (2015) 207—216 [19] K. Dziedzic, D. Górecka, A. Marques, M. Rudzińska, G. Podolska. Czech J. Food Sci., 33 (2015). — P. 424–430.

6. Platov Ju.T. Hlebopechenie Rossii. / Ю.Т. Платов, Д.А. Метленкин, Г.А. Бобожонова. — № 1 (2020). — P. 24–28.

Кислотное число жира (КЧЖ) является оптимальным показателем для определения сроков безопасного хранения и сроков годности зернопродуктов по показателям свежести и годности.

В качестве объектов для изучения были отобраны образцы зерна гречихи 2016, 2020 и 2022 годов урожая, хранившиеся в силосе. Для набора образцов измерено кислотное число жира (КЧЖ) по стандартной методике (ГОСТ 31700–2012).

Измерение UV-VIS-NIR-спектров диффузного отражения проведено на портативном спектрометре ASD TerraSpec® 4 Hi-Res в диапазоне 350—2500 нм в пяти повторениях для каждого образца. На основе этих спектров построена матрица данных X размерностью 105×2150 (105 — количество измерений спектров образцов, 2150 — отсчеты на длинах волн).

Для анализа UV-VIS-NIR-спектров образцов зерна гречихи проведена их предварительная обработка: преобразование коэффициентов диффузного отражения (R) в коэффициенты поглощения по функции A = log(1/R). При анализе UV-VIS-NIR-спектров образцов зерна гречихи выявлены полосы поглощения, соответствующие колебаниям функциональных групп компонентов состава зерна гречихи (рис. 1). Соотнесение длин волн полос поглощения UV-VIS-NIR-спектра, приписываемых функциональным группам компонент и характеризующих химический состав образцов зерна гречихи (табл. 1), проведено по данным [1–6].

Однако прямое сравнение UV-VIS-NIR-спектров не позволяет выявить различия в образцах зерна гречихи в соответствии с их значениями кислотного числа жира, поэтому применяли методы многомерного анализа.

Из выборки образцов были отобраны образцы с максимальным (№ 156) и минимальным (№ 37) КЧЖ и проведена декомпозиция данной матрицы UV-VIS-NIR-спектров методом главных компонент (МГК).

Согласно графику счетов (рис. 2) по 2 ГК происходит разделение образцов зерна гречихи на группы в зависимости от значений КЧЖ: в области со знаком «+» расположены образцы с высоким значением КЧЖ, а в области со знаком «-» — с низким значением КЧЖ.

Для выявления областей спектра, ответственных за разделение образцов зерна гречихи в зависимости от значений КЧЖ, анализировали факторные нагрузки по 2 ГК (рис. 3).

Для Цитирования:
А.А. Пивкина, Д.А. Метленкин, Применение UV-VIS-NIR-спектроскопии для градации зерна гречихи. Товаровед продовольственных товаров. 2024;10.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: