Анализ молока на содержание жира и общего белка методами оптической спектроскопии рассеяния тема диссертации и автореферата по ВАК РФ 02.00.02, кандидат наук Мелентьева, Анастасия Алексеевна

• Мелентьева, Анастасия Алексеевна
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Мелентьева, Анастасия Алексеевна

ОГЛАВЛЕНИЕ

Оглавление

ВВЕДЕНИЕ

1. ОБЗОР ЛИТЕРАТУРЫ

1.1. Молоко как объект анализа

1.1.1. Состав молока

1.1.2. Молоко как полидисперсная система

1.1.3. Влияние различных факторов на химический состав молока

1.1.4. Методы определения массовой доли жира и общего белка в молоке

1.2. Спектральные методы исследования молока

1.2.1. Основы оптической спектроскопии

1.2.2. Особенности анализа молока в видимой и ИК-областях спектра

1.2.3. Анализ молока методом спектроскопии комбинационного рассеяния

1.2.4. Турбидиметрия и нефелометрия

1.3. Математические методы обработки данных

1.3.1. Методы и приближения теории рассеяния

1.3.2. Теория представительных слоев

1.3.3. Хемометрика

1.3.3.1. Основные методы хемометрики: метод главных компонент и метод проекции на латентные структуры

1.3.3.2. Планирование эксперимента

2. ОБЪЕКТЫ ИССЛЕДОВАНИЯ, МЕТОДЫ ПРОВЕДЕНИЯ ЭКСПЕРИМЕНТА И АНАЛИЗА ПОЛУЧЕННЫХ ДАННЫХ

2.1. Сбор и подготовка образцов

2.1.1. Приготовление градуировочной серии лабораторной модели

2.1.2. Применение глубокой поэтапной гомогенизации образцов для исследования влияния размеров жировых глобул на спектры

2.1.3. Приготовление образцов для анализа молока при помощи гиперспектральных КР-изображений

2.1.4. Сбор образцов молока для построения глобальной модели

2.1.5. Сбор образцов гомогенизированного молока

2.2. Приборы и методы измерений

2.2.1. Оптическая спектроскопия в видимой и прилегающей коротковолновой области

2.2.2. Анализ молока при помощи цифровых изображений

2.2.3. Метод конфокальной микроскопии комбинационного рассеяния

2.3. Методы анализа данных

2.3.1. Изучение структуры данных

2.3.2. Построение градуировочных моделей

2.3.3. Интервальные методы отбора переменных

2.3.4. Обработка цифровых и КР-изображений

3. КАЧЕСТВЕННЫЙ АНАЛИЗ МОЛОКА МЕТОДАМИ ОПТИЧЕСКОЙ СПЕКТРОСКОПИИ

3.1. Использование КР-спектроскопии для изучения химического состава и коллоидной структуры молока

3.2. Объяснение спектральных изменений в процессе поэтапной гомогенизации молока с применением теории представительных слоев

Заключение к 3 главе

4. КОЛИЧЕСТВЕННЫЙ АНАЛИЗ МОЛОКА НА СОДЕРЖАНИЕ ЖИРА И ОБЩЕГО БЕЛКА

4.1. Построение многомерных градуировочных моделей для определения жира и белка в молоке в присутствии вариабельности размеров жировых глобул

4.2. Построение градуировочных моделей на большом объеме исторических данных (глобальное моделирование)

4.3. Перенос градуировочной модели

4.4. Анализ гомогенизированного молока

Заключение к 4 главе

5. РАЗРАБОТКА ПОДХОДОВ К СОЗДАНИЮ ОПТИЧЕСКОЙ СЕНСОРНОЙ СИСТЕМЫ ДЛЯ АНАЛИЗА МОЛОКА

5.1. Использование сенсора на основе светодиодов в качестве альтернативы спектроскопии

5.2. Использование метода отбора интервалов для определения оптимальных длин волн светодиодов оптического сенсора

Заключение к 5 главе

ЗАКЛЮЧЕНИЕ

ВЫВОДЫ

ПРИНЯТЫЕ СОКРАЩЕНИЯ И ТЕРМИНЫ

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

Введение диссертации (часть автореферата) на тему «Анализ молока на содержание жира и общего белка методами оптической спектроскопии рассеяния»

ВВЕДЕНИЕ

Актуальность. Молоко - продукт массового потребления с мировым производством более 700 миллионов тонн в год, и проблема контроля его качества является одной из наиболее актуальных для молочной промышленности. В связи с этим определению состава молока и ежедневному контролю его качества уделяется повышенное внимание. Содержание питательных веществ определяет пищевую ценность продукта и, следовательно, его стоимость. Жир и белок - основные питательные компоненты молока, содержание которых служит индикатором его качества, а также отражает состояние здоровья животных и сбалансированность их кормления. Поэтому контроль массовой доли жира и общего белка должен регулярно проводиться каждым молочным предприятием на всех стадиях производства.

Оптическая спектроскопия широко используется для контроля качества молока и молочных продуктов. Благодаря быстроте и высокой точности анализа, спектроскопия в средней инфракрасной (ИК) области (4000^00 см"1 или 2,525 мкм) принимается в качестве лабораторного стандарта определения жира и общего белка в молоке для крупных молочных заводов и специализированных аналитических центров. Однако высокотехнологичная автоматизация, применяемая для проведения анализов в средней ИК области, приводит к повышению стоимости оборудования и делает данный метод недоступным для малых предприятий. Разработка новых методов анализа молока, позволяющих производить измерения со сравнимо высокой точностью и доступных для небольших предприятий и ферм, является одной из главных целей современной молочной промышленности. Анализ в области ближнего PIK (БИК) излучения от примерно 780 до 2500 им (0,78-2,5 мкм) может служить экономически эффективной альтернативой средней ИК-области. Однако характерные для компонентов молока полосы поглощения здесь проявляются на фоне сильно доминирующего поглощения воды и эффектов рассеяния света, что осложняет анализ и снижает его точность.

Анализ молока в диапазоне видимого света и прилегающей коротковолновой БИК-области (Вид/КВ-БИК, 400-1100 нм) весьма привлекателен, благодаря широкой доступности недорогих источников света, детекторов и оптики, что существенно снижает стоимость спектральных анализаторов. В то же время, анализ молока в этой области осложняется сильным эффектом рассеяния света коллоидными частицами жира и белка, более чем на два порядка преобладающим над интенсивностью их полос поглощения. Исследователи обычно пытаются устранить наблюдаемые в спектрах эффекты рассеяния с помощью математической корректировки данных, но из-за чрезвычайной слабости полос поглощения молока в Вид/КВ-БИК этот подход не приносит желаемой точности анализа. В связи с этим, спектроскопия Вид/КВ-БИК в настоящее время практически не применяется для анализа молока и молочных продуктов, а научные публикации на эту тему очень редки. В то же время, спектрально наблюдаемое рассеяние света в области от 400 до 1100нм несет в себе информацию как о количестве, так и о размере коллоидных частиц, которая может быть использована для количественного анализа жира и белка.

Данная диссертационная работа посвящена разработке нового подхода к определению массовой доли жира и общего белка в натуральном или гомогенизированном молоке. В основу метода положено извлечение количественной информации из низкоселективных паттернов рассеяния света (зависимостей интенсивности рассеяния от длины волны) различными коллоидными частицами молока при помощи многомерного анализа наблюдаемых спектров диффузного пропускания образцов в области Вид/КВ-БИК излучения.

Цель работы: Разработка нового подхода к определению содержания жира и общего белка в молоке при помощи оптической спектроскопии в области 4001100 нм.

В связи с поставленной г/елыо было необходимо решить следующие задачи: 1. Изучить состав и структуру молока как коллоидной системы.

2. Изучить влияние концентраций и распределения по размерам глобул жира и мицелл белка в натуральном сыром молоке на Вид/КВ-БИК спектры и выявить возможность использования этих эффектов для количественного анализа жира и белка.

3. Разработать методику количественного анализа молока в области 400-1100нм. На серии лабораторных образцов проверить выполнимость анализа выбранным методом в присутствии значительной вариабельности размеров жировых глобул.

4. Построить градуировочные модели на основе большого массива исторических данных (глобальные модели) для определения содержания жира и общего белка в сыром молоке.

5. Изучить возможность реализации предложенного подхода в виде сенсорной системы на базе светодиодов; рассчитать оптимальные длины волн светодиодов в сенсоре.

6. Предложить области практического применения анализа содержания жира и белка, основанного на рассеянии света в Вид/КВ-БИК области.

Научная новизна

Доказана возможность определения массовой доли жира и общего белка в молоке методом оптической спектроскопии в области 400-1100 нм в присутствии значительной вариабельности размеров жировых глобул. Количественный анализ в этой области становится возможным благодаря наблюдаемой по всему исследуемому диапазону разнице спектров рассеяния коллоидными частицами жира и белка, которые различаются по размерам и концентрации. Математической основой построения градуировочных моделей для жира и белка является анализ многомерных данных (хемометрика), позволяющий эффективно использовать весь объем спектральной информации.

Для изучения основных закономерностей рассеяния света в молоке в присутствии частиц разных размеров были сняты Вид/КВ-БИК-спектры диффузного пропускания в процессе пошаговой гомогенизации образцов. Было обнаружено, что зависимости оптической плотности от времени гомогенизации

образца проходят через максимум. Наблюдаемые экстремальные зависимости были объяснены с точки зрения теории представительных слоев (ТПС).

Коллоидная структура молока была впервые изучена методом конфокальной микроскопии комбинационного рассеяния (КР) со сканированием. Полученные гиперспектральные изображения молока были проанализированы методами многомерного анализа.

Разработаны глобальные модели для определения жира и общего белка, охватывающие широкий диапазон изменений состава молока и учитывающие сезонность, региональные различия между образцами различных производителей, а также другие факторы.

Показана возможность замены спектроскопии полной Вид/КВ-БИК области упрощенными оптическими сенсорными системами, основанными на использовании нескольких оптимальных длин волн. Лабораторная модель такой системы была создана с использованием 3-х светодиодов в качестве источника света и цифрового фотоаппарата в качестве детектора. С использованием нового интервального метода отбора переменных, разрабатываемого в СамГТУ, рассчитана оптимальная конфигурация (число и длины волн) светодиодов, необходимых для сенсорного анализатора жира и белка в натуральном молоке.

Практическая значимость работы

1. Предложен новый подход к определению массовой доли жира и общего белка в натуральном и гомогенизированном молоке. Анализ производится посредством оптической спектроскопии в экономически эффективной Вид/КВ-БИК области.

2. Созданы глобальные (основанные на большом наборе представительных образцов) модели для определения массовой доли жира и общего белка в сыром молоке со среднеквадратичным отклонением 0,09 % и 0,10 %, соответственно. Модели предназначены для практического использования в анализе молока.

3. Показана возможность замены полноспектралыюго анализатора содержания жира и общего белка в молоке сенсорной системой, основанной на светодиодах. Использование светодиодов на оптимальных длинах волн,

рассчитанных методом интервального отбора переменных, позволяет получить точность сенсора сравнимую с точностью спектрального анализатора или превышающую ее.

Результаты работы могут быть использованы как для лабораторного анализа молока, так и для обеспечения непрерывного контроля качества на производственной линии. На основе данного подхода могут быть разработаны недорогие портативные, в том числе полевые, анализаторы молока.

Положения, выносимые на защиту

1. Новый подход к анализу жира и белка в сыром и гомогенизированном молоке, основанный на спектроскопии рассеяния в Вид/КВ-БИК области с применением методов многомерного анализа данных.

2. Регрессионные модели для количественного определения содержания жира и общего белка в сыром молоке, построенные на большом объеме представительных исторических данных.

3. Интерпретация экспериментальных зависимостей спектральных интенсивностей от размеров частиц, наблюдаемых при глубокой пошаговой гомогенизации, которые были объяснены с использованием теории представительных слоев (ТПС).

4. Оптимальная конфигурация оптического сенсора, основанного на светодиодах (число и длины волн максимумов спектров испускания светодиодов), рассчитанная с использованием метода интервального отбора переменных как альтернатива полноспектральной области при анализе жира и общего белка в сыром молоке.

Публикации и апробации работы

Материалы диссертации опубликованы в 5-ти статьях в журналах, входящих в утвержденный ВАК РФ перечень научных изданий, и 4-х тезисах докладов на международных конференциях. Результаты исследований были доложены на «VIII Winter Symposium on Chemometrics» (д. Дракино, 2012), «XIII Conference on Chemometrics in Analytical Chemistry» (г. Будапешт, Венгрия, 2012), «NIR2013 - 16th International Conference on Near Infrared Spectroscopy» (г. Да Гранд

Мотт, Франция, 2013), «IX Winter Symposium on Chemometrics» (г. Томск, 2014), «17th International Diffuse Reflectance Conference» (г. Чамберсбург, США, 2014).

Структура и объем работы

Диссертационная работа состоит из введения, обзора литературы, описания объектов исследования, методов проведения эксперимента и анализа полученных данных, трех глав с обсуждением полученных результатов, выводов, списка принятых сокращений и терминов, списка использованных источников и приложения. Работа изложена на 134-х страницах машинописного текста, содержит 13 таблиц и 45 рисунков. Библиография включает 106 источников.

Личный вклад автора. Основные экспериментальные результаты, приведенные в диссертации, получены самим автором или при его непосредственном участии. Автор проводил обработку, обобщение полученных результатов и формулировал основные научные положения и выводы. Наряду с научным руководителем и соавторами, автор участвовал в написании всех имеющихся публикаций, обсуждении результатов и формулировке выводов.1

1 Автор одержал победу в конкурсе по моделированию на конференции «17th International Diffuse Reflectance Conference» (г. Чамберсбург, США, 2014). Ей также получены 2 гранта на поездку на конференции «NIR2013-16' International Conference on Near Infrared Spectroscopy» (г. Ла Гранд Мотт, Франция, 2013) и «17th International Diffuse Reflectance Conference» (г. Чамберсбург, США, 2014).

1. ОБЗОР ЛИТЕРАТУРЫ 1.1. Молоко как объект анализа 1.1.1. Состав молока

Молоко - это биологическая жидкость, обладающая высокими питательными, иммунологическими и бактерицидными свойствами, которая образуется в молочной железе млекопитающих. В молоке насчитывается более ста различных компонентов. Обычно химический состав молока характеризуют содержанием важнейших веществ, соотношение которых не является строго постоянным. В среднем молоко имеет следующий состав: вода 85-89 % и сухой остаток 11-15 %. В сухой остаток входят: жир 2,5-5,5 %, белки 2,3-4,4 %, углеводы 3,8-5,3 %, минеральные вещества 0,6-0,8 % и др. [1].

Состав сырого молока в значительной степени определяет его пищевую ценность. Массовая доля жира и общего белка, а также их соотношение, являются важнейшими показателями качества молока и молочных продуктов, которые определяют его пищевую ценность, и, следовательно, коммерческую стоимость [2]. Отклонение массовой доли жира и белка от установленных стандартных базисных норм [3] на 0,1 % и более при закупке может оказать влияние на цену продукции. Поэтому их содержание важно контролировать на всех стадиях производственного процесса

Молочный жир по химическому строению представляет собой смесь триацилглицеринов (триглицеридов, рис. 1). В 1,3-положениях

триацилглицеринов молочного жира (рис. 1) преобладают стеариновая, олеиновая и низкомолекулярные кислоты (масляная, капроновая и др.), в 2-положении — пальмитиновая, миристиновая, лауриновая, пальмитолеиновая, линолевая. Наряду с триацилглицеринами, которые составляют 97-98 %, жир молока также содержит небольшое количество продуктов неполного синтеза или гидролиза липидов - ди-и моноацилглицеринов (ди- и моноглицеридов) и свободных жирных кислот [2]. Содержание жира в молоке характеризует состояние здоровья животных, а также сбалансированность их кормления.

о

о

Рис. 1. Формула триацилглицеринов.

Азот в молоке представлен в двух фракциях: белках, составляющих 95 %, и небелковых азотистых веществах (около 5 %). Общее содержание белков в коровьем молоке составляет 2,7-4,2 %. Белки являются самым важным питательным компонентом молока. Среди них можно выделить казеин и сывороточные белки [1].

Казеин является основным белком молока, его содержание колеблется от 2,1 до 2,9 %. Элементный состав казеина следующий: углерод - 53,1 %, водород -7,1 %, кислород - 22,8 %, азот - 15,4 %, сера - 0,8 %, фосфор - 0,8 %. Казеин представляет собой группу гетерогенных фосфопротеидов, содержащих фосфорную кислоту, присоединенную моноэфирной связью к остаткам серина, которые в присутствии кальция, цитратов и фосфатов самоассоциируются в мицеллы. Основная часть казеина (около 95 %) содержится в виде казеиновых мицелл и лишь незначительная часть (около 5 %) - в виде мономеров, полимеров фракций казеина и субмицелл, имеющих размер менее 20...40 нм и остающихся в супернатанте при ультрацентрифугировании обезжиренного молока. Последнюю форму казеина называют растворимым казеином, его количество зависит от температуры и продолжительности хранения молока [1,2].

Сывороточными называются белки, которые остаются в сыворотке после осаждения казеина из обезжиренного молока кислотой. Они составляют 15-22 % всех белков. Однако около 1/5 этих неказеиновых азотистых соединений не являются настоящими белками, т.е. представляют собой пептиды (к ним относятся компоненты протеозо-пептонов) и небелковый азот. Поэтому термин

«сывороточные белки» можно лишь условно употреблять для обозначения белков молока, растворимых при рН 4,6 комнатной температуре. Главными представителями сывороточных белков являются р-лактоглобулин и а-лактальбумин. Остальное количество сывороточных белков приходится на альбумин сыворотки крови, иммуноглобулины, р2-микроглобулин, лактоферрин и другие минорные белки. Сывороточные белки по содержанию дефицитных незаменимых аминокислот (лизина, триптофана, метионина, треонина) и цистеина являются наиболее биологически ценной частью белков молока, поэтому их использование в пищевых целях имеет большое практическое значение. Содержание белка в молоке показывает, насколько хорошо животное обеспечено энергией [2].

Также при анализе молока необходимо учитывать соотношение жира и белка, которое у здоровых животных должно составлять от 1,1:1 до 1,5:1. Высокое процентное соотношение жира к белку (более 1,5) является индикатором отрицательного энергетического баланса, что вызывает такие болезни, как кетоз, мастит, киста яичника и др. [4]. Низкое же соотношение (ниже 1,1) может указывать на ацидоз рубца [5]. Таким образом, соотношение жира к белку позволяет выявить нарушения в обмене веществ животных, вызванные несбалансированным питанием [6].

1.1.2. Молоко как полидисперсная система

Молоко - это сложная полидисперсная система. Дисперсные фазы находятся в различном состоянии: жир в виде грубодисперсных частиц различной величины, белок в виде коллоидных частиц. Остальные части молока находятся в ионно-молекулярном состоянии (размеры частиц около 1 нм и менее). При синтезе молока между дисперсными фазами устанавливается тесная взаимосвязь, что приводит к образованию единой равновесной системы молока. При производстве молока и молочных продуктов необходимо иметь четкое представление о взаимосвязи между компонентами молока, так как любые изменения в их содержании под воздействием каких-либо факторов

(температуры, рН и др.) могут привести к разрушению всей равновесной системы молока и осаждению ее компонентов [1]. На рис. 2 схематично показаны основные структурные элементы молока.

100 мкм

5 мкм

о

о о о о О о

о О о о • о о

О О • О О

О л •

о V.» О О ✓

Рис. 2. Коллоидная структура молока.

В коллоидно-дисперсном состоянии в молоке находятся казеин, сывороточные белки и большая часть фосфатов кальция. Размеры этих коллоидных частиц составляют (в нм): мицелл казеина - 50...300, фосфата кальция - 20... 120, Р-лактоглобулина - 25...50, а-лактальбумина - 15...20. Частицы сывороточных белков молока представлены отдельными макромолекулами и их димерами и полимерами. Казеин в молоке содержится в незначительном количестве в виде мономеров (растворимый казеин) и основная часть - в форме полимеров (субмицеллярный и мицеллярный казеин) [1, 2].

С точки зрения состояния жира молоко представляет собой эмульсию типа «масло в воде». Жировая фаза находится в плазме молока в виде глобул более или менее правильной формы, окруженных защитной липопротеидной оболочкой. Нахождение жира в молоке в мелкодиспергированном виде играет важную роль в процессе его усвоения новорожденными, а также при технологической обработке молока. Размер и количество глобул жира в молоке непостоянны и зависят от породы животных, стадии лактации, кормовых рационов и других факторов. В 1 мл молока содержится от 1,5 до 3 млрд. глобул жира. Их средний диаметр лежит в диапазоне от 2,5 до 4,6 мкм с распределением от 1 до 10 мкм и более. Размеры

жировых глобул имеют важное практическое значение, так как определяют степень перехода жира в продукт при производстве сливок, масла, сыра и т. д.

Глобулы жира окружены мембраной толщиной около 10 нм, стабилизирующей жировую эмульсию молока. Эта мембрана состоит из белков, фосфолипидов, и других различных соединений, таких как холестерин [7]. Хотя состав и физико-химические свойства жировой мембраны хорошо изучены, организация ее компонентов в оболочке точно не определена. Состав мембран может изменяться в широком диапазоне в зависимости от многих факторов, таких как содержание жира, размер жировых глобул, диеты, породы, состояния здоровья и периода лактации животных [8].

Состав и структура основных компонентов молока (жира и белка) могут изменяться в процессе охлаждения, хранения и обработки молока. Так, в процессе охлаждения и хранения сырого молока происходит гидролиз казеина, а механическая и тепловая обработки могут привести к нарушению структуры и денатурации сывороточных белков. Коренным образом изменяется состав оболочек в процессе гомогенизации. При возрастании общей поверхности жировых глобул нативный материал оболочек замещается казеиновыми мицеллами и денатурированными сывороточными белками плазмы для построения новых оболочек глобул жира. Чтобы обеспечить устойчивость жировой эмульсии молока и сливок необходимо стремиться сохранить мембраны глобул жира неповрежденными и не снижать степень их гидратации. Для предотвращения агрегирования и коалесценции глобул жира необходимо сокращать до минимума механические воздействия на дисперсную фазу молока при транспортировке, хранении и обработке, избегать его вспенивания, правильно проводить тепловую обработку, а также применять дополнительное диспергирование жира путем гомогенизации [2].

1.1.3. Влияние различных факторов на химический состав молока

На качественный и количественный состав молока, а также распределение глобул жира по размерам, влияют следующие факторы: физиологические (период

лактации, возраст животных), генетические (порода и индивидуальность коров), состояние здоровья животных и факторы окружающей среды (климат, рацион кормления, техники доения). Поэтому при анализе молока и построении количественных моделей для определения содержания жира и белка в молоке необходимо учитывать влияние всех вышеперечисленных факторов [1].

Период лактации является наиболее значимым фактором физиологических изменений. Различают три периода лактации: молозивный (продолжительностью 7... 10 дней после отела), период выделения нормального или зрелого молока (285...277 дней) и период отделения стародойного молока (7... 15 дней перед окончанием лактации). Химический состав и свойства молока на стадии лактации при полноценных рационах кормления и нормальных условиях содержания животных изменяются незначительно. Минимальное содержание жира и белка в молоке, как правило, наблюдается в первом и втором месяцах лактации, которые характеризуются максимальным удоем. Затем по ходу лактации с понижением удоев содержание этих компонентов в молоке постепенно возрастает.

С возрастом коров изменяются как их удой, так и содержание жира в молоке. Удой коров обычно повышается до шестого отела, а затем медленно снижается. После 6-7 л актаций среднее содержание жира снижается приблизительно на 0,015 % с каждым новым отелом.

Влияние породы на продуктивность животных, состав и технологические свойства молока весьма велико. Определенные различия в питательных, физико-химических и технологических свойствах молока коров разных пород объясняются тем, что для каждой породы свойственен характерный обмен веществ. Состав молока у коров разных пород значительно колеблется по содержанию отдельных компонентов, а также по отношению жира и белка.

Состояние здоровья животных значительно влияет на продуктивность и качество молока. При заболевании животных (туберкулезом, бруцеллезом, лейкозом, маститом и др.) могут резко изменяться состав, физико-химические, органолептические и технологические свойства молока. Молоко от больных коров необходимо перерабатывать отдельно.

Режим и условия кормления влияют на синтез молока и, следовательно, на продуктивность животных и состав молока. Неполноценное, одностороннее кормление при недостатке (реже избытке) протеина, углеводов, минеральных веществ и витаминов приводит к резкому снижению продуктивности, изменению состава и физико-химических свойств молока. Оптимальное количество Сахаров, скармливаемых коровам в виде сочных кормов, способствует повышению удоев и увеличивает содержание жира в молоке при условии, что рацион сбалансирован по протеину и минеральным веществам [2].

1.1.4. Методы определения массовой доли жира и общего белка в молоке

Свойство вещества, зависящее от его природы и содержания в пробе, называется аналитическим сигналом. То есть аналитический сигнал характеризует исследуемое вещество качественно или количественно. В зависимости от способа регистрации аналитического сигнала все методы анализа можно разделить на химические, физико-химические и физические. В классических методах химического анализа используется прямое измерение, т.е. в качестве аналитического сигнала выступает масса или объем определяемого вещества, предварительно выделенного из смеси. Такие методы являются наиболее точными, но весьма трудоемкими и требующими высококвалифицированного персонала, и как следствие - дорогостоящими. Также химические методы не в силах справиться с объемом анализа, необходимого для практического применения на крупных предприятиях. На смену химическим все чаще приходят физические и физико-химические (инструментальные) методы анализа, основанные на зависимости физических свойств вещества от его природы, причем аналитический сигнал представляет собой величину физического свойства, функционально связанную с концентрацией или массой искомого вещества. Инструментальные методы характеризуются большими диапазонами обнаружения, селективностью и экспрессностыо. Они часто используются для

контроля технологических процессов в реальном времени и для полевых измерений.

В молочной промышленности используют различные инструментальные методы анализа: спектральные, электрохимические, хроматографические, реологические и др. Однако химические методы остаются актуальными и используются в качестве арбитражного (референтного) анализа для точного определения исследуемого вещества при градуировке оборудования, построении количественных моделей, а также при возникновении разногласий в оценке качества продукта.

В табл. 1 представлены различные методы определения массовой доли жира и белка в молоке [9].

Таблица 1

Сравнительная характеристика методов анализа молока на содержания жира и

общего белка

Опред. вещество Название метода Сущность Р Э, %

1 2 3 4 5 6

химические методы жир Кислотный метод (метод Гербера) Выделение жира из молока под действием концентрированной серной кислоты и изоамилового спирта с последующим нагреванием и центрифугированием. После этого объем выделенного жира измеряют в градуированной части бутирометра (ГОСТ 5867-90). 0,90 0,08 а

жир Гравиметрический метод (метод Розе— Готлиба) Экстрагирование жира из аммиачно-спиртового раствора молока органическими растворителями (диэтиловым и петролейным эфирами), выпариванием растворителей и взвешиванием остатка (ГОСТ 22760-77). 0,95 0,03 а

Список литературы диссертационного исследования кандидат наук Мелентьева, Анастасия Алексеевна, 2015 год

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Walstra P., Geurts T.J., Noomen A., Jellema A., van Boekel M.A.J.S. Dairy technology: principles of milk properties and processes. New York: Marcel Dekker, Inc., 1999.-189 p.

2. Горбатова K.K. Физико-химические и биохимические основы производства молочных продуктов. - Санкт-Петербург: ГИОРД, 2004. - 351 с.

3. ГОСТ Р 52054-2003. Молоко коровье сырое. Технические условия - Москва: Стандартинформ, 2008. - 12 с.

4. Friggens N.C., Ridder С., Lovendahl P. On the use of milk composition measures to predict the energy balance of dairy cows // Journal of Dairy Science. 2007, Vol. 90 № 12, P. 5453-5467.

5. Plaizier, J.C., Krause D.O., Gozho G.N., McBride B.W. Subacute ruminal acidosis in dairy cows: the physiological causes, incidence and consequences // The Veterinary Journal. 2008, Vol. 176, № 1, P. 21-31.

6. Mulligan F. J., O'Grady L., Rice D.A., Doherty M. L. A herd health approach to dairy cow nutrition and production diseases of the transition cow // Animal Reproduction Science. 2006, Vol. 96, № 3-4, P. 331-353.

7. Vanderghem C., Bodson P., Danthine S., Paquot M., Deroanne C., Blecker C. Milk fat globule membrane and buttermilks: from composition to valorization // Biotechnology, Agronomy, Society and Environment. 2010, Vol. 14, № 3, P. 485500.

8. Singh H. The milk fat globule membrane-A biophysical system for food applications // Current Opinion in Colloid & Interface Science. 2006, Vol. 11, №2-3, P. 154-163.

9. Крусь Г.Н., Шалыгина A.M., Волокитина З.В. Методы исследования молока и молочных продуктов. - Москва: КолосС, 2002. - 367 с.

10. Анализатор молока «Клевер-2». Руководство по эксплуатации БМКТ. 414151.012 РЭ, Новосибирск, 2012.

11. Золотов Ю.А. Основы аналитической химии, книга 2, Методы химического анализа. - Москва: Высшая школа, 1999. - 494 с.

12. ГОСТ Р ИСО 5725-1-2002. Точность (правильность и прецизионность) методов и результатов измерений, часть 1. - Москва: Стандартинформ, 2006.- 32 с.

13. ГОСТ 5867-90. Молоко и молочные продукты. Методы определения жира. -Москва: Стандартинформ, 2009. - 12 с.

14. ГОСТ 25179-90. Молоко. Методы определения белка.- Москва: Стандартинформ, 2009. - 6 с.

15. Stepanovi6ius R., Thennadil S.N. Extraction of chemical information of suspensions using radiative transfer theory to remove multiple scattering effects: application to a model two-component system // Analytical Chemistry. 2009, Vol. 81, № 18, P. 7713-7723.

16. Thennadil S.N., Martin E.B. Empirical preprocessing methods and their impact on NIR calibrations: a simulation study // Journal of Chemometrics. 2005, Vol. 19, № 2, P. 77-89.

17. Kessler W., Oelkrug D., Kessler R. Using scattering and absorption spectra as MCR-hard model constraints for diffuse reflectance measurements of tablets // Analytica Chimica Acta. 2009, Vol. 642, № i_2, P. 127-134.

18. Crofcheck C.L., Payne F.A., Menguf M.P. Characterization of milk properties with a radiative transfer model // Applied Optics. 2002, Vol. 41, № 10, P. 20282037.

19. Qin J., Lu R. Measurement of the absorption and scattering properties of turbid liquid foods using hyperspectral imaging // Applied Spectroscopy. 2007, Vol. 61, №4, P. 388-396.

20. Rinnan A., van den Berg F., Engelsen S.B. Review of the most common preprocessing techniques for near-infrared spectra // Analytical Chemistry. 2009, Vol. 28, № 10, P. 1201-1222.

21. Geladi P., MacDougall D., Martens H. Linearization and scatter-correction for near-infrared reflectance spectra of meat // Applied Spectroscopy. 1985, Vol. 39, № 3, P. 491-500.

22. Wu D., He Y., Feng S. Short-wave near-infrared spectroscopy analysis of major compounds in milk powder and wavelength assignment // Analytica Chimica Acta. 2008, Vol. 610, № 2, P. 232-242.

23. Kalinin A.V., Krasheninnikov V.N. Portable milk product quality analyzer based on spectrometry in the near IR range // Applied Spectroscopy. 2008, Vol. 75, P. 274-279.

24. Kalinin A., Krivtsun V., Krasheninnikov V., Sadovskiy S., Denisovich H., Yurova H. Calibration models for multi-component quantitative analyses of dairy with the use of two different types of portable near infrared spectrometer // Journal of Near Infrared Spectroscopy. 2008, Vol. 16, P. 343-348.

25. Kalinin A.V., Krasheninnikov V.N., Potapov A.V. Effect of dispersion structure variation on chemometrical calibration of near-infrared spectrometer: protein fractions in milk and reversed micelles solutions // Chemometrics and Intelligent Laboratory Systems. 2009, Vol. 97, P. 33-38.

26. Cabassi G., Profaizer M., Marinoni L., Rizzi N., Cattaneo T.M.P. Estimation of milk fat globules distribution size in milk using an inverse light scattering model on NIR spectra // Journal of Near Infrared Spectroscopy. 2013, Vol. 21, № 5, P. 359.

27. Nielsen O.H.A., Subash A.A., Nielsen F.D., Dahl A.B., Skytte J.L., Andersson-Engels S., Khoptyar D. Spectral characterizations of dairy products using photon time-of-flight spectroscopy // Journal of Near Infrared Spectroscopy. 2013, Vol. 21, №5, P. 375.

28. ГОСТ 32255-2013 Молоко и молочные продукты. Инструментальный экспресс-метод определения физико-химических показателей идентификации с применением инфракрасного анализатора. - Москва: Стандартинформ, 2014.- 16 с.

29. PAT — a framework for innovative pharmaceutical development, manufacturing, and quality assurance // FDA Guidance for Industry [Электронный ресурс]. -2004. http://www.fda.gov/downloads/Drugs/Guidances/ucm070305.pdf (дата обращения: 25.05.2015).

30. Bogomolov A. Multivariate process trajectories: capture, resolution and analysis // Chemometrics and Intelligent Laboratory Systems. 2011, Vol. 108, № 1, P. 49-63.

31. Померанцев A.JI., Родионова O.E. Многомерный статистический контроль процессов // Методы менеджмента качества. 2002, № 6, С. 15-21.

32. Remillard N., Robin О., Martel R., Paquin P. Influence of homogenization efficiency on milk fat content determination by infrared analysis // International Dairy Journal. 1993, Vol. 3, № 3, P. 197-208.

33. Aernouts В., Polshin E., Lammertyn J., Saeys W. Visible and near-infrared spectroscopic analysis of raw milk for cow health monitoring: reflectance or transmittance? // Journal of Dairy Science. 2011, Vol. 94, № 11, P. 5315-5329.

34. Tsenkova R., Atanassova S., Toyoda K., Ozaki Y., Itoh K., Fearn T. Near-infrared spectroscopy for dairy management: measurement of unhomogenized milk composition//Journal of Dairy Science. 1999, Vol. 82, № 11, P. 2344-2351.

35. Tsenkova R., Atanassova S., Itoh K., Ozaki Y., Toyoda K. Near infrared spectroscopy for biomonitoring: cow milk composition measurement in a spectral region from 1,100 to 2,400 nanometers //Journal of Animal Science. 2000, Vol. 78, P. 515-522.

V ч

36. Sasic' S., Ozaki Y. Short-wave near-infrared spectroscopy of biological fluids. 1. Quantitative analysis of fat, protein and lactose in raw milk by partial least-squares regression and band assignment // Analytical Chemistry. 2001, Vol. 73, № 1,P. 64-71.

37. Chen J.Y. Effect of multiplicative scatter correction on wavelength selection for near infrared calibration to determine fat content in raw milk // Journal of Near Infrared Spectroscopy. 2002, Vol. 10, № 4, P. 301-307.

38. Robin O., Paquin P. Evaluation of the particle size of fat globules in a milk model emulsion by photon correlation spectroscopy // Journal of Dairy Science. 1991, Vol. 74, № 8, P. 2440-2447.

39. Urban C., Schurtenberger P. Application of a new light scattering technique to avoid the influence of dilution in light scattering experiments with milk // Physical Chemistry Chemical Physics. 1999, Vol. 17, № 1, P. 3911-3915.

40. Attaie R., Richter R.L. Size distribution of fat globules in goat milk // Journal of Dairy Science. 2000, Vol. 83, № 5, P. 940-944.

41. Muñiz R., Pérez M.A., De la Torre С., Carleos C.E., Corral N., Baro J.A. Comparison of principal component regression (PCR) and partial least square (PLS) methods in prediction of raw milk composition by Vis-NIR spectrometry, application to development of on-line sensors for fat, protein and lactose content // XIX IMEKO World Congress Fundamental and Applied Metrology September 611, Lisbon, Portugal, Conference materials, ISBN: 978-963-88410-0-1. 2009, P. 2564-2568.

42. Bogomolov A., Dietrich S., Boldini В., Kessler R.W. Quantitative determination of fat and total protein in milk based on visible light scatter // Food Chemistry. 2012, Vol. 134, № 1, P. 412-418.

43. Smith E., Dent G. Modern Raman spectroscopy — A practical approach. — John Wiley & Sons Ltd, England, 2005. - 210 p.

44. Gallier S., Gragson D., Jiménez-Flores R., Everett D. Using confocal laser scanning microscopy to probe the milk fat globule membrane and associated proteins // Journal of Agricultural and Food Chemistry. 2010, Vol. 58, № 7, P. 4250-4257.

45. Pawley J.B. Handbook of Biological Confocal Microscopy, 3rd ed. — Berlin: Springer, 2006. — 985 p.

46. Штейн Г.И. Руководство по конфокальной микроскопии. - Санкт-Петербург: ИНЦ РАН, 2007. - 77 с.

47. Heise Н.М., Damm U., Lampen P., Davies A.N., Mclntyre P.S. Spectral variable selection for partial least squares calibration applied to authentication and

quantification of extra virgin olive oils using Fourier transform Raman Spectroscopy//Applied Spectroscopy. 2005, Vol. 59, № 10, P. 1286-1294.

48. El-Abassy R.M., Donfack P., Materny A. Assessment of conventional and microwave heating induced degradation of carotenoids in olive oil by VIS Raman spectroscopy and classical methods // Food Research International. 2010, Vol. 43, № 3, P. 694-700.

49. El-Abassy R.M., Eravuchira P.J., Donfack P., von der Kammer В., Materny A. Fast determination of milk fat content using Raman spectroscopy // Vibrational Spectroscopy. 2011, Vol. 56, № 1, P. 3-8.

50. McGoverin C.M., Clark A.S.S., Holroyd S.E., Gordon K.C. Raman spectroscopic quantification of milk powder constituents // Analytica Chimica Acta. 2010, Vol. 673, № 1,P. 26-32.

51. Gallier S., Gordon K.C., Jiménez-Flores R., Everett D. W. Composition of bovine milk fat globules by confocal Raman microscopy // International Dairy Journal. 2011, Vol. 21, №6, P. 402-412.

52. Walstra P. Turbidimetric method for milk fat determination // Journal of Dairy Science. 1967, Vol. 50, № 11, P. 1839-1840.

53. Ashworth U.S. Turbidimetric methods for measuring fat content of homogenized milk // Journal of Dairy Science. 1969, Vol. 52, № 2, P. 262-263.

54. Xin Q., Ling H.Z., Long T.J., Zhu Y. The rapid determination of fat and protein content in fresh raw milk using the laser light scattering technology // Optics and Lasers in Engineering. 2006, Vol. 44, № 8, P. 858-869.

55. Abebe E. Determination of fat and protein content of milk using He-Ne laser light scattering // M.Sc. Thesis, Addis Ababa University, 2007.

56. Mié G. Beitrage zur Optik trüber Medien, speziell kolloidaler Metallosungen // Annalen der Physik. 1908, Vol. 25, № 3, P. 376^145.

57. Ван де Хюлст, Г. Рассеяние света малыми частицами /Перевод с англ. Водопьяновой Т.В., под ред. Соболевой В.В. / - Издательство иностранной литературы: Москва, 1961. - 537 с. [van de Hulst Н.С. Light scattering by small particles, NY. John Wiley & Sons, Inc.: London. Chapman & Hall, Ltd, 1957].

58. Dahm D.J., Dahm K.D. Representative layer theory for diffuse reflectance // Applied Spectroscopy. 1999, Vol. 53, № 6, P. 647-654.

59. Dahm D.J. Explaining some light scattering properties of milk using representative layer theory // Journal of Near Infrared Spectroscopy. 2013, Vol. 21, № 5, P. 322.

60. Bogomolov A., Melenteva A., Dahm D.J. Fat globule size effect on visible and short-wave near infrared spectra of milk // Journal of Near Infrared Spectroscopy. 2013, Vol. 21, P. 435-440.

61. Wold S., Spline functions, a new tool in data analysis // Kemisk Tidskr. 1972, Vol. 84. P. 34 -37.

62. Шараф M.A., Иллмэн Д.Л., Ковальски Б.Р. Хемометрика. // Перевод с англ. -Л.: Химия, 1989. - 272 с. [Sharaf М., Ulman D., Kowalski В. Chemometrics. NY: Wiley. 1986].

63. Родионова O.E., Померанцев А.Л. Хемометрика: достижения и перспективы // Успехи химии. 2006, Т. 75, № 4, С. 302-317.

64. Bro R. Multiway calibration. Multilinear PLS // Journal of Chemometrics. 1996, Vol. 10, P. 47-61.

65. Massart D.L. Chemometrics: a textbook. Elsevier: NY, 1988.

66. Цикин A.M. Хемометрика в анализе многокомпонентных объектов на основе данных ИК, ЯМР и рентгенофлуоресцентной спектроскопии, отличающихся большим значением взаимной информации: диссертация канд. хим. наук: 02.00.02. - Саратов, 2014. - 181 с.

67. Кирсанов Д.О. Потенциометрические мультисенсорные системы на основе фосфор- и азотосодержащих экстрагентов и их аналитические возможности: диссертация д-ра хим. наук: 02.00.02. - Санкт-Петербург, 2014. - 180 с.

68. Szymanska Е., Gerretzen J., Engel J., Geurts В., Blanchet L., Buydens L.M.C. Chemometrics and qualitative analysis have a vibrant relationship // Trends in Analytical Chemistry. 2015, Vol. 69, P. 34-51.

69. Hansen P.W., Spectroscopic analyses on dairy products // PhD Thesis, The Royal Veterinary and Agricultural University, Department of Dairy and Food Science, 2008 (Industrial PhD Project No. EF 601 (Lc 1575)).

70. Esbensen K.H. Multivariate data analysis - in practice. An introduction to multivariate data analysis and experimental design, 5th ed. CAMO AS: Oslo, 2001.

71. SjSstrom M., Wold S., Lindberg W., Persson J.-A., Martens H. A multivariate calibration problem in analytical chemistry solved by partial least-squares models in latent variables // Analytica Chimica Acta . 1983, Vol. 150, P. 61-70.

72. Eriksson L., Johansson E., Kettaneh-Wold N., Wikstrom C., Wold S. Design of experiments: Principles and applications, 3rd ed. Umea: Umetrics AB, 2008. pp. 150-152, 231-239, 257-278.

73. Bogomolov A. Diagonal designs for multi-component calibration experiment // Analytica Chimica Acta, [submitted], 2015.

74. Brereton R.G. Multilevel multifactor designs for multivariate calibration // Analyst. 1997, Vol. 122, P. 1521-1529.

75. Fang K.T., Lin D.K.J. Ch. 4. Uniform experimental design and its applications in industry // Handbook of Statistics. 2003, Vol. 22, P. 131-170.

76. Zhang X.B., Feng Y.C., Hu C.Q. Feasibility and extension of universal quantitative models for moisture content determination in beta-lactam powder injections by near-infrared spectroscopy // Analytica Chimica Acta. 2008, Vol. 630, №2, P. 131-140.

77. Lito P.F., Magalhaes A.L., Gomes J.R.B., Silva C.M. Universal model for accurate calculation of tracer diffusion coefficients in gas, liquid and supercritical systems // Journal of Chromatography A. 2013, Vol. 1290, P. 1-26.

78. Coppa M., Revello-Chion A., Giaccone D., Ferlay A., Tabacco E., Borreani G. Comparison of near and medium infrared spectroscopy to predict fatty acid composition on fresh and thawed milk // Food Chemistry. 2014, Vol. 150, P. 4957.

79. Sola-Larranaga C., Navarro-Blasco I. Chemometric analysis of minerals and trace elements in raw cow milk from the community of Navarra, Spain // Food Chemistry. 2009, Vol. 112, № 1, P. 189-196.

80. Feudale R.N., Woody N.A., Tan H., Myles A.J., Brown S.D., Ferré J. Transfer of multivariate calibration models: a review // Chemometrics and Intelligent Laboratory Systems. 2002, Vol. 64, № 2, P. 181-192.

81. Сулима Е.Л., Алгоритмы переноса градуировочных моделей внутри серии ИКФ-спектрометров: диссертация канд. тех. наук: 05.11.13. - Санкт-Петербург, 2005.

82. Bouveresse Е., Massart D.L. Standardization of near-infrared spectrometric instruments: a review//Vibrational Spectroscopy. 1996, Vol. 11, № 1, P. 3-15.

83. Gemperline P.J., Cho J.H., Aldridge P.K., Sekulic S.S. Appearance of discontinuities in spectra transformed by the piecewise direct instrument standardization procedure // Analytical chemistry. 1996, Vol. 68, № 17, P. 2913— 2915.

84. Wang Y.D., Veltkamp D.J., Kowalski B.R. Multivariate instrument standardization // Analytical chemistry. 1991, Vol. 63, № 23, P. 2750-2756.

85. Bouveresse E., Hartmann C., Massart D.L., Last I.R., Prebble K.A. Standartization of near-infrared spectrometric instruments // Analytical Chemistry. 1996, Vol. 68, P. 982-990.

86. Bogomolov A., Melenteva A. Scatter-based quantitative spectroscopic analysis of milk fat and total protein in the region 400-1100 nm in the presence of fat globule size variability // Chemometrics and Intelligent Laboratory Systems. 2013, Vol. 126, P. 129-139.

87. Galyanin V., Melenteva A., Bogomolov A. Selecting optimal wavelength intervals for an optical sensor: A case study of milk fat and total protein analysis in the region 400-1100 nm // Sensors & Actuators B: Chemical. 2015, Vol. 218, P. 97104.

88. Kucheryavskiy S., Melenteva A., Bogomolov A. Determination of fat and total protein content in milk using conventional digital imaging // Talanta. 2014, Vol. 121, P. 144-152.

89. Melenteva A., Galyanin V., Savenkova E., Bogomolov A. Building global models for fat and total protein content in raw milk based on historical spectroscopic data

in the visible and short-wave near infrared range // Food Chemistry [in press], 2015.

90. Reinhard E., Ward G., Pattanaik S., Debevec P. High dynamic range imaging: acquisition, display, and image-based lighting, 1 sted. Morgan Kaufmann: San Francisco, CA, USA, 2005.

91. Руководство по хемометрике для PLS Toolbox v6.7, фирмы «Eigenvector Research Inc.», Wenatchee, WA, USA. [Электронный ресурс], URL: http://wiki.eigenvector.com/index.php?title=T-

Squared_Q_residuals_and_Contributions (дата обращения: 25.05.2015)

92. Li H., Liang Y., Xu Q., Cao D. Key wavelengths screening using competitive adaptive reweighted sampling method for multivariate calibration // Analytica Chimica Acta. 2009, Vol. 648, №1, P. 77-84.

93. Norgaard L., Saudland A., Wagner J., Nielsen J.P., Munck L., Engelsen S.B. Interval partial least-squares regression (iPLS): a comparative chemometric study with an example from near-infrared spectroscopy // Applied Spectroscopy. 2000, Vol. 54, P. 413-419.

94. Savitzky A., Golay M.J.E. Soothing and differentiation of data by simplified least squares procedures // Analytical Chemistry. 1964, Vol. 36, P. 1627-1639.

95. Eilers P.H.C., Boelens H.F.M. Baseline correction with asymmetric least squares smoothing. Report, Leiden University Medical Centre, 2005.

96. Jain A.K. Data clustering: 50 years beyond K-means // Pattern Recognition Letters. 2010, Vol. 31, P. 651-666.

97. Dahm D.J., Dahm K.D. Interpreting diffuse reflectance and transmittance: a theoretical introduction to absorption spectroscopy of scattering materials. NIR Publications - Chichester: UK, 2007. - 250 p.

98. Dahm D.J., Dahm K.D., Pedro A.M.K., Ferreira M.M.C. Understanding confusing phenomena in remission spectra // NIR news. 2010, Vol. 21, № 3, P. 9-14.

99. Bohren C.F., Huffman D.R. Absorption and scatter of light by small particles. -John Wiley & Sons Inc.: NY, USA, 1983.-311 p.

100. Kortüm G., Oelkrug D. Über den Streukoeffizienten der Kubelka-Munk theorie // Zeitschrift für Naturforschung. A. 1964, Vol. 19, P. 28.

101. Luginbühl W. Evaluation of designed calibration samples for casein calibration in Fourier transform infrared analysis of milk // Lebensmittel-Wissenschaft und-Technologie. 2002, Vol. 35, № 6, P. 554-558.

102. Christensen J., N0rgaard L., Bro R., Engelsen S.B. Multivariate autofluorescence of intact food systems // Chemistry Review. 2006, Vol. 106, № 6, P. 1979-1994.

103. Ishimaru A. Wave propagation and scattering in random media, Chapter 3. IEEE Press: NY, 1997.

104. Walstra P., Wouters J.T.M., Geurts T.J. Dairy Science and Technology, 2nd ed. -CRC Press: Boca Raton, 2006.

105. Niazi A., Leardi R. Genetic algorithms in chemometrics // Journal of Chemometrics. 2012, Vol. 26, № 3, P. 345-351.

106. Roithner Lasertechnik - LEDs Diverse, [Электронный ресурс], http://www.roithner-laser.com/leddiverse.html (дата обращения: 25.05.15).