Идентификация и аутентификация молока с использованием цифровой цветометрии индикаторных тест-систем, смартфона и хемометрического анализа

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Предложен простой и доступный способ идентификации и аутентификации молока с использованием тест-устройства, смартфона и хемометрического анализа. Для идентификации по региону происхождения и видовой принадлежности молока (коровье, козье, овечье и др.) и аутентификации (подлинность, фальсификация молока) использованы кислотно-основные индикаторные бумаги и тест-бумаги для определения общей жесткости и общей щелочности воды, содержания хлорид- и сульфат-ионов. Предложены две индикаторные системы. В первой тест-системе реализованы 16 индикаторных зон, из них 12 – кислотно-основные индикаторы с изменением цвета в интервале рН 3–9, и 4 – индикаторные зоны, изменение цвета которых зависит от концентрации ионов кальция, хлорид-, сульфат-, карбонат- и гидрокарбонат-ионов. Во второй тест-системе использованы флуоресцирующие индикаторы, а также собственная флуоресценция молока на целлюлозной бумаге и тонком слое силикагеля. В этом случае осуществляли облучение монохроматическим ультрафиолетовым светом (365 нм) индикаторных зон матрицы после нанесения на них проб молока. Предложено устройство и способ измерения цветометрических параметров тест-систем с помощью смартфона. Массив данных (сумма значений каналов RGB) обрабатывали с использованием программного обеспечения XLSTAT. Применение хемометрического анализа позволило установить подлинность молока, провести идентификацию его по региону происхождения, а также выявить факты фальсификации молока путем разбавления водой, использования растительных жиров и эмульгирования с помощью ПАВ. Проведена идентификация производителей пастеризованного молока и установлена возможность определения его жирности по массиву данных цветометрических параметров RGB.

Об авторах

В. Г. Амелин

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

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

З. А. Ч. Шаока

Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых

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

Д. С. Большаков

Центр гигиены и эпидемиологии в Владимирской области

Email: amelinvg@mail.ru
Россия, 600005, Владимир, ул. Токарева, 5

А. В. Третьяков

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

Автор, ответственный за переписку.
Email: amelinvg@mail.ru
Россия, 123022, Москва, Звенигородское шоссе, 5

Список литературы

  1. Mohanty T.J., Sahoo J.P., Samal K.C. Common milk adulteration in India and rapid detection techniques // Food Sci. Reports. V. 1. № 10. P. 59.
  2. Zachar P., Soltes M., Kasarda R., Novotny J., Novikmecova M., Marcincakova D. Analytical methods for the species identification of milk and milk products // Mljekarstvo. 2011. V. 3. № 63. P. 199.
  3. Musa M.A., Yang S. Detection and quantification of cow milk adulteration using portable near-infrared spectroscopy combined with chemometrics // African J. Agric. Res. 2020. V. 112. № 2. P. 198.
  4. Ullah R., Khan S., Ali H., Bilal M. Potentiality of using front face fluorescence spectroscopy for quantitative analysis of cow milk adulteration in buffalo milk // Spectrochim. Acta A. 2020. V. 225. Article 117518.
  5. Karoui R., Baerdemaeker J.D. A review of the analytical methods coupled with chemometric tools for the determination of the quality and identity of dairy products // Food Chem. 2007. V. 102. P. 621.
  6. Hosseini E., Ghasemi J.B., Daraei B., Asadi G., Adib N. Near-Infrared spectroscopy and machine learning-based classification and calibration methods in detection and measurement of anionic surfactant in milk // J. Food Compos. Anal. 2021. V. 104. Article 104170.
  7. Schipilliti L., Bonaccorsi I., Consolo G., Mondello L. Isotopic and statistical method for the traceability of milk and dairy products // Food Anal. Methods. 2022. https://doi.org/10.1007/s12161-022-02258-7
  8. Genis D.O., Bilge G., Sezer B., Durna S. Boyaci I.H. Identification of cow, buffalo, goat and ewe milk species in fermented dairy products using synchronous fluorescence spectroscopy // Food Chem. 2019. V. 284. P. 60.
  9. El-Garhi H.M., El-Aidie S., Hamdy S.M., Abbas K. Identification of milk types using front face and synchronous scanning fluorescence spectroscopy // Egyptian J. Food Sci. 2020. V. 48. № 1. P. 73.
  10. Kucheryavskiy S., Melenteva A., Bogomolov A. Determination of fat and total protein content in milk using conventional digital imaging // Talanta. 2014. V. 121. P. 144.
  11. Younas M., Maryam A., Khan M., Nawaz A.A., Jaffery S.H.I., Anwar M.N., Ali L. Parametric analysis of wax printing technique for fabricating microfluidic paper-based analytic devices (µPAD) for milk adulteration analysis // Microfluidics and Nanofluidics. 2019. V. 23. Article 38.
  12. Govindarajalu A.K., Ponnuchamy M., Sivasamy B., Prabhu M.V., Kapoor A.A. Cellulosic paper-based sensor for detection of starch contamination in milk // Bull. Mater. Sci. 2019. V. 42. Article 255.
  13. Silva A.F.S., Rocha F.R.P. A novel approach to detect milk adulteration based on the determination of protein content by smartphone-based digital image colorimetry // Food Control. 2020. V. 115. Article 107299.
  14. ГОСТ Р 58144-2018. Вода дистиллированная. Технические условия. М.: Стандартинформ, 2019. 10 с.
  15. Pereira P.C. Milk nutritional composition and its role in human health // Nutrition. 2013. V. 30. P. 619.
  16. Посудин Ю.И. Люминесцентные методы контроля состава молока // Изв. вузов. Пищевая технология. 1993. № 5–6. P. 79.

Дополнительные файлы


© В.Г. Амелин, З.А.Ч. Шаока, Д.С. Большаков, А.В. Третьяков, 2023