К вопросу об использовании экспрессных методов контроля качества зерна

Размещено на http://www.allbest.ru//

Размещено на http://www.allbest.ru//

К вопросу об использовании экспрессных методов

контроля качества зерна

С.В. ЕГОРОВ

Н.А.ДУКТОВА

Т.В.КАРДИС

В статье рассмотрены результаты по отработке метода ближней инфракрасной спектроскопии в области контроля качества сельскохозяйственных культур. Установлено, что в образцах, полученных в иных условиях, чем калибровочная группа, процент аномальных спектров имеет высокие значения. Определены отличия в структуре спектра образцов разных регионов репродуцирования. Рекомендовано учитывать полученные результаты в ходе контроля качества продукции растениеводства с использованием метода ближней инфракрасной спектроскопии.

The article examines results of research into the methods of short-range infrared spectroscopy for crop quality control. We have established that in samples, obtained in conditions other than those of calibration group, the percentage of abnormal specters is rather high. We have determined the differences in the structure of specter in samples with different regions of reproduction. We recommend taking into account obtained results during plant produce quality control with the use of the method of short-range infrared spectroscopy.

экспрессный качество зерно

Введение

Одним из необходимых условий развития сельскохозяйственного производства является обеспечение постоянного контроля качества продукции. Традиционно для этих целей используются методы, требующие или наличия широкого спектра специализированного оборудования, или характеризующиеся довольно сложными процедурами пробоподготовки и требующие существенных затрат времени. Однако нередко возникает необходимость в оперативной, но достоверной и точной оценке показателей сельскохозяйственной продукции на этапе с выраженным лимитом времени. Большинство применяемых методов анализа технологических характеристик продукции вполне отвечают критериям точности и объективности результатов, но являются высокозатратными в плане времени их проведения. В ряде случаев, например при уборке урожая, в условиях поточного контроля качества продукции в производстве, лимит времени ограничивает полноценное использование таких методов. Проводимые выборочные анализы дают лишь приблизительную оценку по анализируемым показателям. Именно в таких случаях оправдано использование экспрессных методов контроля показателей качества сельскохозяйственной продукции.

Одним из таких методов является метод ближней инфракрасной спектроскопии, так называемый БИК-анализ. Данный тип анализа является одним из методов определения состава или свойств органических образцов (пищевых продуктов, продовольственного сырья, комбикормов, фармпрепаратов и т.п.). Использование метода БИК-спектроскопии позволяет оптимизировать технологический процесс за счет обеспечения гарантированного качества продукции, обнаружения фальсифицированных образцов, идентификации образцов и их отдельных структурных элементов.

В отличие от традиционных химических методов оценки состава образцов и контроля их качества, метод ближней инфракрасной спектроскопии позволяет за короткий промежуток времени как определить количественный состав анализируемого образца по показателям качества, так и провести качественный анализ при сопоставлении с эталонным уровнем.

Для получения корректных результатов с использованием БИК-спектрометров прежде всего необходимо проведение правильной процедуры калибровки на представительных образцах. Но традиционно предъявляемых к калибровочному набору образцов требований часто оказывается недостаточно, что может приводить к искажению конечных результатов анализа и увеличению его погрешности. В этой связи важно провести сопоставление выборок калибровочных наборов, представленных образцами различных почвенно-географических регионов репродуцирования.

Целью проводимой работы являлась оценка ряда образцов зерновых культур нескольких регионов репродуцирования с применением метода ближней инфракрасной спектроскопии в рамках отработки процедуры расширения области аккредитации Испытательной лаборатории качества семян УО БГСХА (аккредитована на право проведения испытаний в системе аккредитации РБ по СТБ ИСО/МЭК 17025).

Анализ источников

Спектроскопия ближней инфракрасной области представляет собой современный инструментальный метод качественного и количественного анализа, основанный на применении корреляционного анализа для обработки спектральных данных.

Свое развитие метод получил в1968 г. и к настоящему времени является одним из основных при оценке качества сельскохозяйственной продукции за рубежом [7]. Выделяют несколько основных достоинств метода [3]:

экспрессность и производительность;

отсутствие пробоподготовки;

возможность прямого качественного анализа;

возможность проведения процедуры идентификации неизвестного образца.

К ближней инфракрасной области спектра относят диапазон от 750 до 2500 нм или от 13330 до 4000 см-1. В данной области спектра в первую очередь отражаются изменения в колебательной энергии химических связей, входящих в состав таких молекул, как вода, аминокислоты, белки, жиры, крахмал, глюкоза [1, 7].

Методы, положенные в основу идентификации и сопоставления спектральных данных ближнего диапазона, были развиты на базе позиций хемометрики, использующей математические, статистические и другие методы для построения или отбора оптимальных методов измерения химических величин [6, 10, 11].

В целом идея метода ближней инфракрасной спектроскопии состоит в том, чтобы, не разделяя компоненты, определить состав образца по его спектру в инфракрасной области. Известно, что различные составляющие органических объектов (белки, жиры, влага, клетчатка и т.д.) избирательно поглощают свет на различных длинах волн. Благодаря такому свойству органические и минеральные составляющие анализируемого образца имеют свои уникальные спектры [3, 7] и поддаются идентификации с использованием специальных методов оценки.

Под спектром образца подразумевают сумму спектров составляющих его компонентов, зависящих от состава исследуемого образца. В случае если находится такая зависимость (так называемая калибровка), возможно с высокой долей точности по спектру неизвестного образца определить концентрацию его элементарных компонентов [3].

К настоящему времени накоплено достаточно данных, показывающих, что с использованием БИК-спектроскопии можно разрабатывать как количественные, так и качественные калибровки [1, 3, 6, 7]. Последние являются особенно ценными и востребованными, поскольку позволяют оценить анализируемый образец по критериям подлинности и идентификации. Данное свойство БИК-спектроскопии является востребованным в фармакологии, производстве лекарственных препаратов для ветеринарии, производстве средств защиты растений и контроле партий сельскохозяйственной продукции [1, 3, 7].

Предварительное определение зависимости между показателем пропускания и концентрацией компонента, или свойством образца, является сущностью калибровки. Проведение калибровки предусматривает регистрацию спектров партии образцов с известными концентрациями компонентов или известными свойствами. Рассчитываемая калибровочная модель связывает содержание определяемого компонента с результатом спектрального анализа и позволяет по спектру количественно определить интересующий компонент.

Определенная калибровочная модель применяется для анализа образцов, свойства которых укладываются в диапазон значений концентраций и свойств обучающего набора. В случае если значения определяемых компонентов находятся вне диапазона значений концентраций калибровочного набора, анализ проводят методом экстраполяции, что, несомненно, увеличивает его погрешность.

Основным законом количественного анализа по спектрам пропускания является закон Бугера-Ламберта-Бера, согласно которому оптическая плотность пропорциональна концентрации поглощающего компонента и толщине поглощающего слоя.

(1)

где е -коэффициент экстинкции; Т - индекс пропускания вещества; c- концентрация поглощающего компонента; l-толщина поглощающего слоя.

Таким образом, зная оптическую плотность, коэффициент экстинкции и длину слоя, можно определить концентрацию компонента.

Имеющиеся наработки в области применения БИК-спектроскопии наглядно свидетельствуют, что для корректной и правомерной оценки образцов необходимо использовать калибровочные модели, охватывающие максимально возможный диапазон изменчивости показателей [1, 3]. В отношении контроля качественных показателей растительного сырья это достигается путем использования калибровочных моделей и референтных данных на основе набора, включающего максимальный размах изменчивости по идентифицируемым компонентам.

Методы исследования

В качестве метода исследований использовались методики выполнения измерений для приборов БИК-спектроскопии [1, 4, 5].

В качестве объекта исследований выступали образцы семян зерновых и зернобобовых культур различных регионов репродуцирования.

Получение спектров ближней инфракрасной области проводили с использованием кювет с длиной светового потока 18 мм с применением анализатора «Инфралюм ФТ-10».

Для каждого почвенно-климатического региона анализировалась выборка из25 образцов по каждой оцениваемой культуре.

Анализ результатов, статистическую обработку спектров и оценку регрессионных показателей проводили с использованием расчетно-программного комплекса «Инфралюм» [1, 11].

Основная часть

Известно, что в спектрах БИК-области в достаточно узком спектральном диапазоне содержится множество широких перекрывающихся полос поглощения, несущих информацию о колебаниях групп атомов. В данном спектральном диапазоне анализ спектральных особенностей ведется по ширине плеча или ряду других характеристик спектральной полосы. Данные характеристики можно отождествлять с вариациями колебаний определенных групп атомов. Например, согласно последним данным [1, 10] содержание белка в зерне определяется по вариациям спектральных данных при 11000 и 9800 см-1, содержание продуктов липидной природы - при 8450 и 8900 см-1. В целом, анализируя спектральный диапазон, информативно связанный со структурными элементами органической природы, можно оценить не только уровень содержания отдельных из них, но и составить своеобразные «отпечатки пальцев» химической структуры образца для определенной почвенно-климатической зоны использования.

В проводимых нами исследованиях анализируемые образцы исследовались в границах спектрального диапазона от 8000 см-1 до 14000 см-1 при достаточно высокойточности путем сканирования 25 точек и числу сканов эталона, равного ста. Оценка фактических значений показателей сырого протеина, содержания калия и фосфора проводиласьс использованиемреферентных данных,полученныхстандартными методами химического анализа.

Следует отметить, что калибровка и получение референтных значений содержания белка проводилась на образцах почвенно-климатического региона северо-востока Беларуси.

В ходе обработки полученных данных для проведения проверки калибровки было оценена представленность выпадающих спектров, то есть спектров с параметрами, выходящими за пределы калибровочной модели по оцениваемым показателям (табл.).

Таблица. Основные характеристики спектра БИК-области образцов различных почвенно-климатнческих регионов репродуцирования.

Примечание: D-расстояние Махалонобиса

Как свидетельствуют полученные данные (табл., рис.), при одинаковом значении волнового числа спектра наблюдаются различия по величинам коэффициента пропускания в разрезе одного сорта разных почвенно-климатических регионов репродуцирования. В то же время анализ «пиков» данного спектрального диапазона выявил полное сходство оцениваемого набора сортов.

При проведении оценки и проверке процедуры калибровки было установлено, что в модели, использующей референтные данные, полученные на наборе образцов северо-восточного региона республики, наблюдаются значительные количества выпадающих, или аномальных, спектров в вариантах инорайонных образцов.

Рис.Спектры пропускания в ближней инфракрасной области

по сортам Могилевского (А) и Гродненского (Б) регионов репродуцирования.

Под выпадающим спектром следует понимать такой спектр, который оказывает сильное влияние на результат регрессии в основном по причине резкого отличия состава от остальныхобразцов калибровочного набора. Критерием для идентификации таких спектров служит статистическое расстояние Махалонобиса (D), вычисляемое по формуле [1, 11]:

D2 =xT(XXT)+x, (2)

где х - спектральный вектор размеренностью fна 1,Х - матрица калибровочных спектров размерностью n на f.

Наиболее высокое число выпадающих спектров выявлено при анализе в БИК-области сортов овса, для которого процент нетипичных спектров по образцам Гродненского региона составил 56%, Минского - 40% и Брестского - 20%.

По сортам ячменя число выпадающих спектров было несколько ниже - от 25% по Витебскому до 47% по Гродненскому региону.

Для более наглядного представления о различиях спектрального диапазона по вариациям спектральных данных, обусловлено связанных с содержанием белка в зерне анализируемых образцов, нами была оценена структура спектра в БИК-области (рис.).

Проведенная оценка позволяет установить отличия в спектральном диапазоне 9800 и 11000 см-1 как по точкам нахождения «пиков», так и по абсолютным значениям величин пропускания.

Особенно четкие различия наблюдаются при анализе сортов овса и ячменя в сравнении двух почвенно-климатических регионов репродуцирования. Выявленные различия по особенностям спектральных характеристик исследуемого набора сортов наглядно свидетельствуют о том, что даже при одинаковых фактических значениях величин содержания элементов (в данном случае сырого протеина) образцы различных почвенно-климатических регионов будут отличаться в БИК-области спектра. Данные различия в спектральных характеристиках будут выражаться в большей степени у образцов, репродуцируемых в резко контрастных почвенно-климатических условиях, что в свою очередь может приводить к получению искаженных данных с использованием методики БИК-анализа.

Следует отметить, что по сортам гороха отличия элементов спектра в БИК-области в сравнении регионов выражены в меньшей степени.

Вполне очевидно, что один и тот же сорт в условиях различных почвенно-климатических регионов будет характеризоваться неодинаковым уровнем содержания белка, жиров, минеральных элементов, что в свою очередь проявится в изменчивости параметров спектров пропускания в ближней инфракрасной области. В свою очередь, по причине присутствия отличий в параметрах спектра от параметров калибровочной группы, будет выявляться ошибка в результатах и интерпретации данных.

Следовательно, чем меньше исследуемый образец будет похож на известные (калибровочные) варианты, тем менее точным будет результат. Например, если процедура калибровки произведена на образцах северо-востока республики, она будет не применима к образцам других почвенно-климатический регионов.

Заключение

Использование метода БИК-спектроскопии в области контроля качества сельскохозяйственной продукции позволит проводить точный анализ по основнымкачественным характеристикам за короткий отрезок времени и с минимальными затратами ресурсов.

Для определения присутствия (отсутствия) компонента (белок, жиры, влажность и т.п.) необходимо наличие связи между ним и спектрами для данного калибровочного набора образцов.

Использование калибровочных моделей возможно только на образцах определенного почвенно-климатического региона.

Литература

1. Анализатор инфракрасный «Инфралюм ФТ»: инструкция по использованию и методам контроля/ сост. Н.И. Ващаров. НПФ АПС «Люмэкс»,1999. 45 с.

2. Димитров, В.И. Простая кинетика /В.И. Димитров. Новосибирск: Наука, 1982. С. 12-21.

3. Зинченко, ВВ. БИК-анализ в определении качества / В.В.Зинченко, В.А.Богомолов//Экспресс-методы контроля качества. 2008. №4. С. 46-52.

4. Определение белка, влажности, стекловидности, количества и качества клейковины в зерне пшеницы. Методика выполнения измерений:МВИ М 04-37-2004 / сост. НПФ АПС «Люмэкс», 2001.

5. Определение белка и влажности в ячмене. Методика выполнения измерений: МВИ М 04-20-2009 / сост. НПФ АПС «Люмэкс», 2001.

6. Померанцев, А.Л. Четвертая парадигма/ А.Л. Погмеранцев // АгроБизнес консалт. 2001. №4. С. 4-10.

7. Чулюков, О.Г.БИК - спектроскопия: современный метод экспресс-контроля качества продукции / О.Г. Чулюков // АгроБизнес и пищевая промышленность. 2002. №11 (23). С. 36-37.

8. Эсбенсен, К.Н. Анализ многомерных данных/ К.Н. Эебенеен. Изд-во ИПХФ РАН, 2005. С. 32-51.

9. Яковлев, С.В. Спектральный анализ органических соединений/ С.В. Яковлев. М.: Изд-во «МГУим. Ломоносова», 1997. С. 145-162.

10. Murray, R.W. Analytical chemistry is what analytical chemists do. Anal.Chem.66.682A.1994.125 p.

11. Hunter, W.G. Statistics for Experimenters. G.E.P. Box, John Wiley & Sons Inc. NY. 1988.Р. 42-54.

Размещено на Allbest.ru