Дневник по нир пример: Дневник производственной практики (научно-исследовательская работа)

Содержание

Дневник производственной практики (научно-исследовательская работа)

Дневник производственной практики

(научно-исследовательская работа)

Дата

4недели

Виды деятельности

Подпись руководителя практики

В течение практики

Ведение дневника практики.

1 неделя

Установочная конференция. Знакомство с программой практики.

Инструктаж по технике безопасности.

Составление перспективного плана работы по НИР.

2 неделя

Индивидуальные консультации с научным руководителем по проектированию программы научно-исследовательской проблемы в соответствии с темой магистерского исследования.

Работа с научно-методической литературой в библиотеках и с электронными базами данных, теоретический анализ психолого-педагогической литературы по проблеме исследования.

Сбор, интерпретация, систематизация и оформление собранного научного материала по итогам реализации повторного диагностического исследования.

Написание научной статьи по проблеме исследования: “Возможности обеспечения развития профессионального самоопределения студентов в учебно-воспитательном процессе учреждений профессионального образования через систему студенческого самоуправления”.

3 неделя

Проведение повторного психодиагностического исследования.

Подготовка доклада для публичного выступления на кафедре по итогам проведенного исследования. Представление научному сообществу на кафедре научных исследовательских достижений в виде научной стати, доклада, мультимедийной презентации в соответствии с программой практики.

Анализ и систематизация материалов практики. Подготовка самоанализа профессиональной деятельности, мультимедийной презентации.

Оформление портфолио профессиональной деятельности.

4 неделя

Оценка профессиональной деятельности в технологической карте.

Презентация результатов профессионального и личностного роста магистра на итоговой конференции по практике.

Научно-образовательный портал ТУСУР | Производственная практика: научно-исследовательская работа: Программа и методические указания для руководителей производственной практики и студентов специальности 25.05.03 «Техническая эксплуатация транспортного

1. Введение…………………………………………………………………………………………………………………………..5

2. Общие сведения…………………………………………………………………………………………………………………7

3. Список нормативных документов, регламентирующих прохождение НИР.

………………………………..17

4. Программа НИР………………………………………………………………………………………………………………..19

5. Обязанности сторон………………………………………………………………………………………………………….33

6. Материальное обеспечение……………………………………………………………………………………………….43

7. Краткое резюме……………………………………………………………………………………………………………….45

Приложение А. ФГОС ВО ТЭТРО 25.05.03 (Приказ МОН РФ от 12.09.2016 г. №1166)……………………..49

Приложение Б. Положение ТУСУР о практиках………………………………………………………………………..78

Приложение В. Рабочая программа НИР. ………………………………………………………………………………120

Приложение Г. ОС ТУСУР 01-2013………………………………………………………………………………………..142

Приложение Д. Форма индивидуального задания на практику и пример его заполнения……………200

Приложение Е. Шаблон титульного листа отчета по практике и пример его оформления…………….203

Приложение Ж. Пример заполнения дневника………………………………………………………………………206

Приложение З. Пример заполненного типового договора на практику……………………………………..212

Приложение И. Приказ о направлении студентов на практику…………………………………………………215

Приложение К. Типовое распоряжение кафедры по созданию экспертной группы и ведомость……217

Приложение Л.

Технология научного исследования………………………………………………………………..220

Приложение М. Методический пример НИР…………………………………………………………………………..230

Приложение Н. Положение об электронном портфолио обучающихся в ТУСУРе…………………………237

Приложение О. Регламент передачи в электронное портфолио студенческих работ……………………253

Отчет по научно-исследовательской практике (НИР) для студентов 2020

Научно-исследовательская практика – один из этапов обучения студентов, изучающих естественно-научные специальности. Ее цель – наработать практический опыт и материалы, которые понадобятся при написании ВКР или диссертаций магистров. На этапе обучения студент исследует материалы, проводит анализ данных, обобщает их, ищет новые способы решения проблемы.

Примеры отчёта по НИР

Отчёт по НИР (1)

Отчёт по НИР (2)

Отчёт по НИР (3)

Отчёт по НИР (4)

Отчёт по НИР (5)

Отчёт по НИР (6)

Отчёт по НИР (7)

Отчёт по НИР (8)

Отчёт по НИР (9)

Помощь с выполнением научно-исследовательской практики.  Оставьте заявку: [email protected]ДЦО.РФ

 

Виды практик

Учащиеся проходят научно-исследовательскую практику во время обучения на бакалавров или магистров. Перед ними стоит задача укрепить и углубиться в изучении знаний и навыков профессионалов, изучить научные методы по исследованию проблемы; сформировать способность применять знания при управлении рабочими процессами, знать нормативно-правовые акты при решении практических задач; а также систематизировать научно-исследовательские подходы для решения поставленной проблемы.

Этапы практики

Научно-исследовательская работа проходит в три этапа:

  1. Подготовительный. На этом этапе НИР студент утверждает тему работы, составляет ее план; продумывает цели и задачи исследования, определяет актуальность темы, изучает теоретические материалы по выбранной теме и приборы, которые потребуются при работе.
  2. Во время основного этапа практиканты исследуют все доступные материалы, касающиеся темы работы. Она должна быть основана на передовых научно-исследовательских материалах, которые были опубликованы учеными за последние 5 лет. Кроме того, в этом блоке содержится исследование по ключевым положениям, полученным известными учеными на эту тему. После этого студент оценивает насколько они эффективны для персонального исследования.
  3. На завершающем этапе студент компонует весь собранный материал в один документ, оценивает их достоверность, применимость к решению проблем и описывает методы обработки данных.

Отчет по НИР

Результатом практической работы является отчет по научно-исследовательской работе. Именно в этом документе учащийся отражает все сведения, полученные в ходе исследования. Документ сдает в сроки, установленные учебным заведением.

 

Пример введения в 2020 году

 

Структура отчета по НИР

Отчет по практике НИР имеет стандартную структуру:

  1. Титульный лист, оформленный по государственному образцу.
  2. Блок с содержанием НИР.
  3. Введение.
  4. Основной раздел с теоретическими данными и практическим исследованием по выбранной теме.
  5. Заключение.
  6. Список использованной литературы.
  7. Приложения с данными, которые не вошли в отчет.

 

Введение отчета по научно-исследовательской работе

Во время проверки отчетной работы, преподаватель первым делом ознакомится с введением к отчету по НИР. Данный раздел включает:

  1. цели и задачи работы,
  2. актуальность проблемы сегодня и краткий анализ ситуации в прошлом,
  3. описание деятельности предприятия, на территории которого прошла практика,
  4. предмет и объект исследования.

При написании введения к научно-исследовательской работе нужно учесть все рекомендации, указанные в ГОСТе. На основании этого раздела составляется структура всего документа.

 

Основной раздел отчета по научно-исследовательской работе

В основном разделе студент структурирует информацию об изучении проблемы другими исследователями и выражает свое мнение по этому вопросу. Учащийся уточняет, какие методы помогут в решении поставленных задач, приводит примеры, подтверждающие работоспособность и эффективность выбранного способа.

 

Заключение отчета по научно-исследовательской работе

В заключительной части отчета по НИР студент пишет краткие выводы по каждой из глав, отчитывается о проделанной работе, указывает какие возникли сложности во время практики. Учащийся делает выводы по достижению целей и задач исследования.

 

Пример заключения в 2020 году

Документы к отчету по НИР

Отчет по научно-исследовательской работе – не единственный документ, который обязан подготовить студент. Совместно с педагогом нужно составить план прохождения практики, расписанный по дням. И ежедневно вести дневник с описанием всех практических этапов. Фактически это тетрадь или блокнот небольшого формата с расчерченной таблицей.

Дневник прохождения практики сначала передается куратору со стороны предприятия, и только после того, как его подпишут, передается преподавателю вуза.

Кроме того, куратор со стороны компании составляет характеристику к отчету по НИР. Она позволит оценить компетенции учащегося, уровень его практических и теоретических навыков.

Не предоставление одного из этих документов – прямой путь на пересдачу.

 

Примеры тем отчетов НИР

У студентов есть возможность самостоятельно выбрать тему отчета по научно-исследовательской практике. От того насколько правильно подобрана тематика, зависит успех при сдаче работы. Делая выбор, нужно учесть актуальность проблемы и компетенции учащегося. Ниже представлены некоторые варианты:

  1. Выявление рисков государства и общества в условиях цифровизации.
  2. Оценка инвестиционной привлекательности высокотехнологичных компаний.
  3. Управление диверсификацией и рисками предприятий ОПК в условиях новой модели экономического роста.
  4. Оценка экономических последствий крупномасштабных чрезвычайных ситуаций и разработка методики обоснования размера бюджетных ассигнований.
  5. Разработка концепции специальных правовых режимов.

Отчет по практике – сложная исследовательская работа, подтверждающая знания учащихся. Помимо теоретической базы, студент должен научиться работать с приборами, расшифровывать данные, описывать и структурировать информацию по требованиям ГОСТов и методических рекомендаций.

 

Помощь с выполнением отчетов по практике:

  • Производственная, учебная, ознакомительная, технологическая, консультативная, преддипломная, геодезическая, педагогическая, СПО, СДО, первичная, эксплуатационная, дистанционная, юридическая, творческая, изыскательская;
  • Отчеты по практике «под ключ»;
  • Помощь с организацией практики для студентов, печати;
  • Повышение уникальности отчетов;
  • Подготовка презентации для отчета по практике.
  • Прочее (график прохождения практики, дневник, рецензия и т. д.).
Оставьте заявку: [email protected]ДЦО. РФ

 

НИР Отношения | Dairy One

Спектроскопия отражения в ближней инфракрасной области, или NIR, является эффективным и действенным методом анализа, наиболее часто используемым в сельскохозяйственной и фармацевтической промышленности. В фармацевтическом мире NIR используется скорее как метод обеспечения качества, тогда как в сельском хозяйстве он используется для анализа питательных веществ, присутствующих в кормах и кормах. Принцип его работы заключается в том, что на образец подается инфракрасный свет, и измеряется количество света, отраженного образцом, что дает информацию о составе образца.Чтобы понять эту информацию, технология NIR требует калибровки. Эти калибровки разработаны путем корреляции данных традиционной влажной химии и их объединения со спектрами NIR для образцов, используемых в качестве эталонных.

Лаборатория кормов Dairy One предлагает как влажную химию, так и NIR-анализ. Выполнение обоих типов анализов на большом объеме образцов позволило Dairy One создать библиотеку данных влажного химического состава, сопоставленных со спектрами NIR. Сопоставленные данные затем используются для разработки калибровок для будущего анализа проб.Эта библиотека данных или калибровок необходима для возможностей NIR Dairy One.

В настоящее время имеется 31 прибор, принадлежащий 23 лабораториям по всему миру, которые имеют лицензию на использование NIR-калибровки Dairy One. Лицензия на использование калибровок Dairy One NIR позволяет этим лабораториям работать независимо, сохраняя при этом доступ к библиотеке калибровок, создание которой в противном случае потребовало бы больших затрат времени и денег.

Kaethe, Cassy и Valerie

Отношения между Dairy One и этими 23 дочерними лабораториями поддерживаются нашей командой администраторов сети NIR.Кэсси, Валери и Кете целыми днями отвечают на вопросы и предлагают помощь в устранении неполадок лабораториям по всему миру, включая такие страны, как Россия, Китай, Япония и Австралия. Успех этих лабораторий из уст в уста позволил этой сети филиалов расти на протяжении многих лет. Лаборатории, заинтересованные в получении лицензии на использование NIR-калибровки Dairy One, работают с Валери, чтобы заполнить заявку на партнерство, прежде чем они могут быть одобрены как подходящие для партнерской программы. Некоторые из факторов, которые принимаются во внимание в ходе этого процесса проверки, заключаются в том, функционирует ли лаборатория в исследовательских или коммерческих целях, каков может быть их текущий или ожидаемый объем проб, а также их расположение по отношению к другим аффилированным лабораториям.

Для этой группы одной из самых интересных частей работы с международными лабораториями были языковые и культурные различия. Они стали довольно находчивыми, когда дело доходит до общения с лабораториями, основной язык которых не английский.Будь то с помощью переводчика или технологии, эти дамы обеспечивают высокое качество обслуживания клиентов на любом языке.

Посещение партнерской лаборатории Ghost Hollow Consulting

Это общение не всегда ограничивается электронной почтой и телефонными звонками. Компания Dairy One организовала ряд посещений партнерской лаборатории в Итаке, последней из которых стала компания Ghost Hollow Consulting, аффилированная компания с 10-летним опытом работы в Айдахо и Нью-Мексико. Хотя Ghost Hollow является американским филиалом, многие прошлые посетители филиала были иностранцами.Касси, Валери и Кете объяснили, что благодаря этим визитам они хорошо узнали о различных формальностях и особенностях других культур. От того, как написано электронное письмо, до того, как принимается визитная карточка, они всегда осознают, как их действия будут восприняты нашими гостями.

Так как же в конечном итоге работать администратором сети NIR? И Кэте, и Валери начали свою карьеру в Dairy One сразу после школы. Кэте начала работать в Dairy One около года назад, после того как получила степень по биохимии в Университете штата Нью-Йорк в Брокпорте.Валери работает в Dairy One почти 5 лет и окончила Университет Кларксона, получив двойную степень в области биомолекулярной науки и химии. Кэсси получила степень бакалавра в области зоотехники в Корнельском университете, а затем продолжила учебу в Корнелле, чтобы получить степень магистра. Она получила степень доктора зоотехники, занимаясь исследованиями в области разведения животных и генетики. До того, как она провела 7 лет в Dairy One, она работала в Корнеллской ветеринарной школе, помогая в исследованиях туберкулеза.

Эта группа привносит свой опыт и образование в свой уголок NIR в Dairy One, но они одинаковы по уровню обслуживания и опыта, которые они привносят в наш бизнес.Хотя аффилированные лаборатории не назначаются только одному человеку, у Кэсси, Валери и Кете есть группа лабораторий, с которыми они работают чаще всего. Тем не менее, общение между этими тремя дамами гарантирует, что все находятся на одной странице, и наши клиенты всегда имеют доступ к обслуживанию клиентов, независимо от того, кто доступен. Такое общение также позволяет создать атмосферу, в которой людям удобно задавать вопросы, шутить и искренне получать удовольствие от выполнения своей работы.

Щелкните здесь, чтобы получить дополнительную информацию об анализе кормов и кормов Dairy One, услугах NIR или аффилированных лабораториях.

Видео объясняет возможности инфракрасного анализа для производителей молочной продукции

 

Мы встретились с Пером Ваабеном, хемометристом из FOSS, и попросили его объяснить разницу, а также преимущества каждой технологии. Полное интервью можно посмотреть на видео ниже.


Возникли проблемы с воспроизведением видео или вы предпочитаете хорошее чтение?
Не волнуйтесь, мы расшифровали видео и добавили заголовки для удобства навигации

 

Раздел 1: Пер объясняет разницу между NIR и FTIR
NIR, это то, что находится рядом с видимым спектром, который начинается примерно с 780, идет до 2500 нанометров и оттуда до 10 000 нанометров.Это то, что мы обычно называем средним инфракрасным излучением. FTIR немного забавен, потому что FTIR на самом деле является технологией, используемой для получения спектров. Область называется средней инфракрасной. Это означает, что когда мы рассматриваем диапазон от 2500 до 10 000 нанометров, это средний инфракрасный диапазон. Мы получаем спектры с помощью прибора FTIR, инфракрасного преобразования Фурье.

 

Раздел 2: Каковы сильные и слабые стороны NIR и FTIR?
Выбор технологии зависит от области применения. Я бы сказал, что средний инфракрасный диапазон, то есть FTIR, является лучшим методом, потому что вы получаете лучшее соотношение сигнал/шум. Вы получаете самые четкие сигналы и так далее. Это то, что вы выбираете. Если бы вы могли выбрать все, что вам нравится, вы бы выбрали именно это. Однако сигналы в инфракрасном диапазоне очень сильны, а это означает, что вы можете просвечивать только через очень, очень узкий, очень, очень маленький образец. Это означает, что ошибки выборки становятся проблемой.

 

Когда вы измеряете молоко, вы должны измерять через очень тонкую пленку.Если он неоднороден, вы не можете измерить его в среднем инфракрасном диапазоне. Вот где NIR хорош, потому что NIR может проникать в образец до сантиметров. Это означает, что вы можете измерять сыр почти как есть, вы можете измерять сухое молоко в режиме отражения и так далее. Это действительно полезно. Недостатком NIR является то, что сигнал не такой сильный, и, следовательно, ваша точность или воспроизводимость не будут такими же хорошими, как если бы вы использовали FTIR или средний инфракрасный диапазон.

 

Раздел 3. В каком приложении вы бы использовали NIR или FTIR?
Общее эмпирическое правило заключается в том, что если у вас есть что-то с содержанием твердых веществ менее 20%, я рекомендую средний инфракрасный диапазон, ИК-Фурье-спектрометр.Если выше, то это БИК, потому что это скорее полутвердый или твердый образец. Исключение составляют сливки, потому что сливки жидкие с очень высоким содержанием твердых веществ. Вот почему мы до сих пор используем средний инфракрасный диапазон для крема.

 

Раздел 4. Можно ли контролировать производственный процесс с помощью FTIR?
Существует три основных способа анализа молока в процессе. Вы можете сделать это в режиме реального времени, когда вы берете образец и анализируете его в приборе. Частота, с которой вы можете это делать, очень низкая, а это значит, что у вас нет фантастического контроля над процессом.Затем у вас есть онлайн, где вы берете образец через маленькую трубку в прибор, который анализирует, поэтому он делает это автоматически. Проблема в том, что вы не знаете, что происходит между измерениями, потому что вы берете образец.

 

Если в процессе будут быстрые колебания, вы этого не получите. В режиме реального времени вы наблюдаете за происходящим вживую, а это значит, что когда у вас происходят кардинальные изменения, вы можете их сразу увидеть. Конечно, для этого требуется, чтобы у вас была технология, которую вы можете внедрить в линию.FTIR сложен, потому что требует очень тонкого слоя молока, но его можно решить. Преимущество, которое вы получаете от этого, заключается в том, что, в частности; ваше измерение белка становится намного более точным по сравнению с тем, если вы используете NIR, потому что NIR, вероятно, будет методом или выбором, если FTIR невозможен.

 

Раздел 5: Возможно ли вообще использовать ИК-Фурье для управления технологическим процессом?
До сих пор FTIR в процессе не использовался. Это потому, что это очень сложно, потому что вам нужен очень тонкий слой молока, и то, как с этим справиться, было довольно сложной задачей. На самом деле вы можете это сделать – если у вас есть несколько очень тонких двигателей, вы можете управлять кюветой, чтобы она могла двигаться, и она могла перемещаться в нужное положение, поэтому, когда система CIP, вы можете открыть ее, чтобы очистить, а затем вы можете снова закрыть его для измерений.

 

Другое дело, что стабильность требует, чтобы вам время от времени приходилось делать какие-то эталонные измерения. Вам нужно проделать некоторые математические трюки, чтобы не проводить это эталонное измерение один раз в час или около того, потому что у вас есть такая возможность только каждый раз, когда у вас есть CIP.Например, это может происходить каждые 24 часа. Прямо сейчас мы находимся на этапе, когда мы только что выпустили MilkoStream FT, который решает проблему постоянного выполнения эталонов. Он может делать ссылки каждый раз, когда есть CIP. Это не нужно больше, чем это.

 

Он может открываться во время безразборной мойки, чтобы его можно было очистить, вероятно, между партиями, а затем он может закрываться с помощью какого-то очень сложного моторного управления на расстояние 35 микрон, где оптимально измерять молоко в кювете. Перемещение полностью в линию имеет огромное значение, потому что вы можете контролировать свой процесс до очень больших деталей. Если что-то меняется, это видно сразу.

 

Кроме того, техническое обслуживание значительно сократилось, потому что мы используем только встроенную систему безразборной мойки для очистки прибора. Нет никакой специальной очистки или эталонного измерения или чего-то подобного, все происходит в связи с безразборной мойкой. Наконец, нет системы потока. В проточной системе нет движущихся частей, подлежащих замене, как в имеющемся оборудовании.Основное преимущество заключается в том, что мы можем измерять белок с очень высокой точностью по сравнению с конкурирующими методами. Вот почему в линии используется FTIR, а не какой-либо другой метод.

 

Спектроскопия в ближнем ИК-диапазоне – обзор

4.10.2.1 Спектроскопия в ближнем ИК-диапазоне

NIRS – одна из наиболее важных технологий мониторинга в наборе инструментов PAT. В последние годы было опубликовано постоянно растущее число статей, касающихся использования NIRS и хемометрики в фармацевтической промышленности, и они стали предметом недавних обзорных статей. 21–23

Ближний инфракрасный (БИК) диапазон электромагнитного спектра был впервые обнаружен Гершелем около 1800 года. Однако внедрение БИКС в промышленную практику в качестве аналитического метода произошло только в середине-конце 1960-х гг. 21 За последние 25 лет NIRS все чаще используется в качестве аналитического инструмента, особенно в пищевой и сельскохозяйственной промышленности, а также в полимерной, текстильной, химической и, в последнее время, в фармацевтической промышленности. 24

NIRS — это быстрый и неразрушающий метод, обеспечивающий многокомпонентный анализ практически любой матрицы. БИК-область инфракрасного спектра представляет собой диапазон длин волн 780–2526 нм, которому соответствует диапазон волновых чисел 12 820–3959 см -1 . 21 Наиболее заметные полосы поглощения в ближней ИК-области соответствуют обертонам и комбинациям фундаментальных колебаний связи XH, где X может представлять собой углерод, азот, кислород и серу.Полосы обертонов БИК возникают в результате переходов из основного состояния в более высокие возбужденные состояния и возникают на частотах, кратных частоте колебаний основного перехода, тогда как комбинированные полосы БИК возникают в результате одновременного возникновения двух или более колебательных переходов и возникают при сумме кратных частот каждой взаимодействующей частоты. . 25

Колебательные переходы имеют меньшую вероятность возникновения, чем фундаментальные переходы, и по этой причине полосы поглощения в ближней ИК-области очень слабые (примерно в 10–100 раз слабее соответствующих полос поглощения в среднем инфракрасном диапазоне).Поскольку ряд полос, связанных с обертонами и комбинированными модами, перекрывают друг друга, полосы поглощения NIR обычно широкие и перекрываются. В результате в БИК-диапазоне один аналит может поглощать более чем на одной длине волны, а на поглощение на определенной длине волны могут влиять различные аналиты. 25 Эти характеристики полос поглощения в ближней ИК-области резко ограничивают возможности обычного спектрального анализа, поскольку отнесение полос к компонентам пробы не является однозначным, поэтому для извлечения полезной информации из спектров в ближней ИК-области требуются методы многомерного анализа.Однако некоторые преимущества использования NIRS вытекают из тех же характеристик. Низкий коэффициент поглощения обеспечивает большую глубину проникновения и, таким образом, позволяет анализировать образцы большей толщины (большая длина оптического пути), а также позволяет анализировать сильно поглощающие и даже сильно рассеивающие образцы, такие как мутные жидкости или твердые тела, в режиме пропускания или отражения. без предварительной обработки образца. 21,25 Двойная зависимость аналитического сигнала от химических и физических свойств образца, возникающая в результате эффектов поглощения и рассеяния, может быть выгодно использована для проведения химического и физического анализа из одного измерения, хотя в некоторых ситуациях эффекты рассеяния мешать разработке калибровки. Эти функции делают NIRS универсальной технологией с многочисленными вариантами отбора проб и многочисленными возможностями применения, а также очень привлекательной с промышленной точки зрения. Признавая этот интерес, производители вложили средства в разработку надежных и чувствительных анализаторов, полностью адаптированных для использования в промышленных условиях.

Недостатки NIRS включают его низкую чувствительность из-за низких коэффициентов поглощения, что приводит к более высокому пределу обнаружения, а также тот факт, что NIRS является косвенным методом, который требует разработки многомерной модели калибровки в сравнении с подходящим эталонным методом.Это ограничит точность аналитического метода NIR до уровня эталонного метода. Кроме того, разработка точных многомерных калибровочных моделей требует много времени и требует наличия большого количества образцов для охвата всех возможных источников изменчивости спектров. Несмотря на эти ограничения, NIRS является бесспорной технологией мониторинга PAT, учитывая присущую ей способность объединять различные атрибуты качества (а именно, химические, физические и биологические) в многомерные показатели качества (например,г. , раздел 4.10.3.2.2). Имея возможность фиксировать информацию различного характера, присутствующую в матрице образца, NIRS способна создавать точные и воспроизводимые отпечатки пальцев состояния процесса с течением времени. Эти характерные особенности объясняют, почему NIRS является инструментом мониторинга де-факто PAT со всеми желаемыми требованиями.

Введение в спектроскопию ближнего инфракрасного диапазона (БИК)

A.M.C. Davies
Norwich Near Infrared Consultancy, 10 Aspen Way, Cringleford, Norwich NR4 6UA, UK

Когда вы протягиваете руку к горящему огню, вы «чувствуете» тепло, излучаемое огнем, но что происходит? Огонь испускает свет и инфракрасное (ИК) излучение; от пожара, большая часть которого приходится на ближнее инфракрасное (БИК) излучение.Часть БИК-излучения поглощается молекулами воды в вашей коже. Это повышает температуру воды и приводит к повышению температуры окружающих тканей, что определяется нервами в вашей коже. Это излучение было обнаружено в 1800 году Уильямом Гершелем, музыкантом и очень успешным астрономом-любителем (он открыл планету Уран), потому что он хотел знать, связан ли какой-либо конкретный цвет с солнечным теплом. Он обнаружил, что максимум тепла находится за красным концом спектра.Гершель не мог поверить, что свет и его «сияющее тепло» связаны между собой, но он ошибался. К 1835 году Ампер продемонстрировал, что единственная разница между светом и тем, что он назвал «инфракрасным излучением», заключается в их длине волны. Затем в 1864 году Джеймс Максвелл написал : «Эта скорость [электромагнитной силы] настолько близка к скорости света, что, кажется, у нас есть веские основания заключить, что сам свет (включая лучистое тепло и другие излучения) представляет собой электромагнитное возмущение в форме волн. распространяется через электромагнитное поле по электромагнитным законам». То, что мы сейчас называем электромагнитным спектром, показано на рисунке 1.

Рисунок 1. Электромагнитный спектр.

Ранняя история изучения инфракрасного поглощения

Первые (ближние) инфракрасные спектры были измерены в 1881 году Эбни и Фестингом с помощью фотопластинок. Они не только получили первые спектры, но и правильно предположили, что поглощение связано с химическим составом исследуемых жидкостей. Важнейшим пионером ИК-спектроскопии был Уильям У.Кобленц. В 1905 году он опубликовал результат большого исследования соединений, спектры которых он записал от 1000 нм до 16 000 нм. Работа Кобленца стала прорывом в том, что исследователи смогли связать характер групп атомов в молекулах со специфическими поглощениями в среднем ИК-диапазоне (2500–50 000 нм). Эти поглощения являются результатом взаимодействий с фундаментальными колебаниями химических связей, связанных с атомами групп. Мы можем думать о химических связях как о слабых пружинах, удерживающих вместе два или более атома, эти пружины будут вибрировать естественным образом, и когда в систему будет добавлена ​​энергия, они будут вибрировать более энергично.Однако атомы в молекулах ограничены квантовой механикой, так что разрешены только несколько определенных уровней энергии. Если у нас есть только два атома, то единственное колебание будет восприниматься как растяжение. Когда участвуют три или более атомов, связи также могут изгибаться, вызывая целый ряд различных колебаний. Вибрации растяжения требуют больше энергии, чем вибрации изгиба, но также будут различия в потребностях энергии колебаний изгибов. Различные химические связи (такие как O–H, C–H и N–H) различаются по силе и, следовательно, количеству энергии, необходимой для перехода вибрации связи с одного уровня на другой.Это изменение энергии будет видно в спектре как серия поглощений на разных длинах волн. Глядя на спектр, мы можем определить, какие колебания происходят, и, следовательно, определить структуру молекулы (или групп присутствующих атомов).

Одним из очень полезных свойств спектров среднего ИК-диапазона является то, что область от 8500 нм до 12 500 нм очень характерна для измеряемой молекулы, и эта область известна как область «отпечатков пальцев», поскольку ее можно использовать для подтверждения тождество многих чистых веществ.В то время как изучение спектроскопии среднего ИК-диапазона продолжало расти, особенно после Второй мировой войны, интерес к ближней ИК-области распространился на количественные измерения воды, нескольких простых органических соединений и очень немногих исследований конкретных белков. Никто не считал его полезным для характеристики образцов, и он считался слишком сложным для использования в количественном анализе.

Поглощения в ближней ИК-области

Если бы химические связи вели себя точно так же, как слабые пружины, то квантовая механика ограничила бы их колебания только двумя состояниями, и в ближней ИК-области было бы очень мало поглощений.Поглощение в ближней ИК-области (780–2500 нм) генерируется фундаментальными колебаниями в результате двух процессов; обертонов и их сочетаний. Обертоны можно рассматривать как гармоники. Таким образом, каждый фундаментальный сигнал будет производить серию поглощений с (приблизительно целым числом), кратным частоте (частота обратна длине волны). Комбинации более сложные. Поглощение NIR находится в более высоком состоянии возбуждения, поэтому для него требуется больше энергии, чем для основного поглощения. Комбинации возникают из-за разделения энергии NIR между двумя или более фундаментальными поглощениями.Хотя количество возможных обертонов из группы основных поглощений в молекуле ограничено несколькими, будет наблюдаться очень большое количество комбинаций. Эффект всех этих поглощений в совокупности делает многие NIR-спектры довольно неинтересными и состоящими лишь из нескольких довольно широких пиков. Рисунок 2 представляет собой спектр NIR хлороформа, CHCl 3 , молекула содержит только один атом водорода, но все поглощения в его спектре обусловлены этим единственным атомом.

Рис. 2.БИК-спектр хлороформа.

Важным обобщением является то, что в БИК-спектроскопии преобладает водород. Рисунок 3 представляет собой спектр метанола CH 3 OH, который содержит четыре атома водорода (но три эквивалентны), и этот спектр больше похож на типичный спектр NIR с широкими пиками. Фигура 4 представляет собой спектр сахарозы, C 12 H 24 O 12 , который показывает очень широкие области поглощения, но также и несколько довольно узких пиков. Важно понимать, что все эти широкие поглощения вызваны множественными узкими, перекрывающимися поглощениями.NIR-спектры намного сложнее, чем кажутся.

Рис. 3. БИК-спектр метанола. Рис. 4. БИК-спектр сахарозы.

Хотя спектры NIR более сложны, можно сделать некоторые общие наблюдения. Поскольку фундаментальное поглощение растяжения O–H отличается от фундаментального растяжения C–H, то ряд обертонов, генерируемых этими поглощениями, также будет другим. То же самое касается комбинированных полос. Наиболее распространенные (и энергичные) комбинированные полосы возникают из комбинаций растяжения и изгиба в одной и той же группе.Таким образом, мы видим поглощение из-за комбинации растяжения O–H с изгибом O–H и растяжения C–H с изгибом C–H, и они происходят в разных положениях в спектре. На рис. 5 представлен NIR-спектр образца бисквитного теста. Бисквитное тесто содержит несколько ингредиентов, каждый из которых содержит много разных молекул, поэтому этот спектр содержит сотни, если не тысячи абсорбций, но мы видим их интеграцию, и кажется, что есть только несколько широких абсорбций. По их положению можно в общих чертах сказать о причине поглощения, как показано на рисунке.

Рис. 5. Спектр бисквитного теста с выделением основных областей поглощения.

Когда впервые была осознана сложность поглощения в ближней ИК-области по сравнению с относительно более понятными спектрами в средней ИК-области, большинство исследователей считали, что изучение спектроскопии в ближней ИК-области мало что дает. Этим регионом пренебрегали, и студентов ошибочно учили, что изучение региона NIR ничего не даст. Многих студентов до сих пор учат тому же мнению.Требовались: спектрометры с очень низким уровнем шума, электронный компьютер, применение математических методов (хемометрика) и гениальность, чтобы собрать все это воедино. Это был Карл Норрис; инженер, работающий в Министерстве сельского хозяйства США в Белтсвилле. Его не учили спектроскопии, поэтому он не знал, что в БИК-области ничего нельзя было получить. Таким образом, подобно Гершелю, который искал что-то там, где ничего не было, Норрис разработал инструменты и использовал компьютеры, чтобы продемонстрировать, что NIR-область очень полезна для количественного анализа, особенно сельскохозяйственных образцов. Одна из причин, по которой NIR-анализ настолько полезен, заключается в том, что он может использовать отраженную энергию, а это означает, что NIR-анализ можно проводить практически без подготовки образца. Отраженная энергия сложна. Во-первых, потому что есть два компонента: зеркальный (или зеркальный) и рассеянный. В контексте БИК-спектроскопии зеркальный компонент не дает никакой информации. Диффузный компонент зависит от физической природы образца; особенно важен размер частиц. Изменение физических параметров образца вызывает изменения в спектре, так что наблюдаемый спектр представляет собой смесь химической и физической информации.

Использование отраженной энергии было навязано Карлу Норрису. Хотя это делает возможным NIR-анализ гораздо более широкого диапазона образцов, это добавляет еще один уровень сложности. Полная математическая теория спектроскопии отражения еще не доступна, но благодаря хорошей экспериментальной практике и использованию математических методов стало возможным использовать спектроскопию отражения в ближней ИК-области для аналитической химии. Поскольку этот метод может применяться с минимальной подготовкой проб или без нее, время анализа сокращается с часов до минут, и, кроме того, из одних и тех же данных NIR можно получить несколько аналитических результатов, в то время как для обычного анализа часто требуется другой метод и больше часов работы.Однако необходимо разработать калибровки, которые требуют большого количества образцов, многих часов работы и тысяч (или, возможно, миллионов) компьютерных вычислений. С такими атрибутами неудивительно, что через 40 лет после новаторских исследований с помощью NIR-спектроскопии можно проводить очень широкий спектр анализа.

Что удивительно, так это то, что, несмотря на успех спектроскопического анализа в ближней ИК-области, во всем мире очень мало университетских химических факультетов, которые имеют какую-либо программу исследований в области ближней ИК-спектроскопии.Следовательно, большинство студентов-химиков покидают университет, ничего не зная о NIR, за исключением, возможно, старомодного мнения о том, что нет ничего полезного для изучения области NIR.

Способность ближней инфракрасной (БИК) спектроскопии прогнозировать функциональные свойства пищевых продуктов: проблемы и возможности

3.1. Молочные продукты

Физико-химические характеристики пищевых ингредиентов и продуктов были оценены с использованием различных приборов видимой (VIS) и NIR-спектроскопии (например,г., портативные, настольные и гиперспектральные изображения), как сообщают разные авторы [14,15,16,17,18,19,20]. Использование NIR-спектроскопии для оценки функциональных свойств молочных продуктов оценивалось в недавнем исследовании [21]. Изменчивость в наборе данных была получена путем сбора образцов из разных партий, марок, типов и сроков хранения [21]. Результаты этого исследования показали эффективность от умеренной до хорошей при количественном определении и измерении таких параметров, как плотность после утряски, индекс нерастворимости, поверхностный свободный жир, содержание влаги и объемная плотность, где коэффициент детерминации варьировался от 0. 65 до 0,88 [21]. Эти авторы проанализировали различные модели, используя переменную важности в коэффициентах проекции и селективности, показав уникальность каждой модели прогнозирования для различных физико-химических характеристик, измеренных в образцах молочного порошка [21].

Сообщалось об использовании NIR-спектроскопии для прогнозирования фракции мелких частиц, дисперсности и объемной плотности различных образцов сухого молока [22]. Регрессия методом наименьших квадратов (PLS) использовалась для разработки прогностических моделей с использованием NIR-спектров образцов сухого молока и физических и функциональных свойств, определенных выше [22].Авторы этого исследования пришли к выводу, что модели PLS предсказывают свойства сухого молока с точностью 88–90 процентов [22].

Размер коллоидных частиц в пищевых продуктах оказывает значительное влияние на физико-химические, функциональные и сенсорные характеристики молочного продукта [23]. Использование видимой (VIS) и NIR спектроскопии использовалось для мониторинга и количественного определения размера жировых шариков в образцах молока [23]. В этом исследовании вариабельность распределения жировых шариков по размерам была создана с помощью ультразвуковой гомогенизации сырого молока [23].Авторы сообщили, что уменьшение размера жировых глобул привело к более высокой зависимости от длины волны как коэффициента объемного рассеяния спектров VIS, так и NIR, а также коэффициента анизотропии рассеяния [23]. Фактор анизотропии и коэффициенты объемного рассеяния для длин волн более 600 нм были снижены, и в них преобладало рэлеевское рассеяние [23]. В этом исследовании свойства объемного рассеяния можно было оценить (R 2 ≥ 0,90) путем измерения распределения частиц по размерам с использованием алгоритма, основанного на решении Ми [23].Авторы предположили, что инверсию этой модели можно использовать для оценки распределения частиц по размерам с помощью VIS и NIR спектроскопии [23].

Влияние физико-химических факторов, а также использования сухого обезжиренного молока на сычужную коагуляцию молока оценивали с помощью БИК-спектроскопии и многомерного разрешения кривой методом чередующихся наименьших квадратов (МКР-АЛС) [24]. Образование коагулята оценивали с использованием эталонных методов, а также с помощью БИК-спектроскопии при анализе образцов неизмененного восстановленного молока, пастеризованных образцов, образцов с добавлением хлорида кальция и образцов восстановленного молока, смешанного со свежим молоком [24].Калибровочные модели могли отслеживать изменения во время обработки, объясняя более 99,9% дисперсии в наборе данных [24]. Авторы пришли к выводу, что NIR-модели позволяют отслеживать широкий спектр условий коагуляции, демонстрируя пригодность этого метода для оценки сычужно-индуцированной коагуляции восстановленного молока [24].

Содержание обычных пищевых жирных кислот (ЖК) и содержание жира в жидком молоке оценивали с помощью NIR-спектроскопии с целью улучшения практики кормления коров [25].Кроме того, эти авторы использовали аквафотомику, чтобы лучше интерпретировать взаимодействие между молекулярной структурой воды и ЖК как инструмент для лучшего понимания функциональности жидкого молока [25]. В этом исследовании образцы молока (n > 250) собирали у разных коров в течение 14 недель, где содержание ЖК измеряли с помощью газовой хроматографии (ГХ) [25]. Для количественного определения этих жирных кислот в области 1300–1850 нм применяли аквафотометрию, применяемую к NIR-спектроскопии. Это исследование показало потенциал БИК-спектроскопии для количественного определения пищевых ЖК [25].Калибровочные модели прошли внешнюю валидацию, и была получена хорошая прогнозная статистика (R 2 > 0,75, RPD > 1,5) для капроновой и каприловой кислот и приемлемая для каприновой, лауриновой, миристиновой, миристиново-олеиновой, пальмитолеиновой и олеиновой кислот [25]. . Анализ и интерпретация наиболее важных длин волн NIR, которые способствовали разработке регрессионных моделей, показали, что вклад полос воды, связанных с протонированной и гидратной водой, можно объяснить взаимодействием воды и жирных кислот.Авторы этого исследования пришли к выводу, что эти взаимодействия важны для их самоорганизации в сборки с различной морфологией в пищевом матриксе [25].

3.2. Зерновые и крахмалосодержащие продукты

Понятие качества зерновых (например, пшеницы и ячменя) является сложным и зависит от различных характеристик зерна, окружающей среды и конечного использования [26,27]. Текстура эндосперма (твердость зерна), содержание белка и сила клейковины считаются основными факторами качества пшеницы [26,27].Например, текстура эндосперма пшеницы является самой важной и определяющей характеристикой качества, поскольку она облегчает классификацию пшеницы и влияет на качество помола, выпечки и конечного использования [26,27]. Различные методы, используемые для измерения твердости зерна, подразделяются на различные группы в соответствии с измельчением, дроблением и истиранием [26, 27]. Для измерения текстуры использовались различные методы, в том числе индикатор размера частиц (PSI), твердость в ближнем ИК-диапазоне, одноядерная система определения характеристик (SKCS), индекс перламутровости, электрофорез в полиакриламидном геле с додецилсульфатом натрия (SDS-PAGE) и полимеразная цепная реакция. ПЦР) маркеры [26,27].

Хорошо известно, что пшеничный глютен играет важную роль в хлебопекарной и мукомольной пищевой промышленности [28], особенно в выпечке, помогая стандартизировать свойства теста и увеличить объем хлеба [28]. Однако всесторонняя характеристика широкого спектра образцов глютена недоступна, если это было бы необходимо, чтобы связать характеристики состава с производственным процессом [28]. В этом исследовании исследователи измерили содержание сырого протеина, крахмала, липидов и золы, способность поглощать масло и воду, распределение частиц по размерам, состав белка глютена и спектры NIR образцов глютена от разных поставщиков [28].Авторы использовали анализ основных компонентов (PCA) для анализа тенденции и источников изменчивости в наборе данных от разных составов и производителей [28]. Было замечено, что состав образцов жизненно важного глютена от одного и того же производителя был схожим, а график оценки показал формирование кластера для образцов от трех поставщиков; вариабельность по всем образцам была сравнительно низкой [28]. Образцы других поставщиков были слишком похожи в целом, поэтому вряд ли можно было выявить четкие различия, также связанные с функциональностью [28].

Сообщалось об изменении физико-химических свойств при хранении риса при высоких температурах [29]. В этом исследовании образцы риса-сырца с низким содержанием амилозы (9–11%) и высоким содержанием амилозы (23–25%) хранились при температуре 39,2 °C и относительной влажности 43,1% до 31 недели [29]. Авторы сообщают об изменениях содержания влаги и других параметров, связанных с качеством приготовления, консистенцией и пастообразными свойствами в течение первых четырех недель хранения [29]. Прогностические модели, основанные на NIR-спектроскопии, были разработаны для прогнозирования минимального времени приготовления, клейкости, температуры пасты, пиковой вязкости и разрушения образцов риса (R 2 калибровки ≥ 0.81; R 2 валидации ≥ 0,87) [29].

Использование однозерновой NIR (SKNIR) использовалось для анализа эффектов фракционирования гетерогенной сыпучей пшеницы [30]. Это исследование показало, что сортировка пшеницы по трем функциональным фракциям проводилась на партиях низкого качества из органического полевого эксперимента из двух лет роста и двух местоположений [30]. Отсортированные партии представляли собой смеси, которые изначально были диверсифицированы тремя различными предшествующими промежуточными культурами, в результате чего было получено 12 фракций в дополнение к двум исходным партиям пшеницы, которые характеризовались 20 стандартными показателями качества зерна и муки [30].Данные были проанализированы с использованием PCA и дисперсионного анализа (ANOVA) [30]. В пределах каждого урожая и места/сорта фракционирование СКНИР оказало значительное положительное влияние на объемную плотность зерна, белок, содержание сырой клейковины, объем осаждения зеленого, водопоглощение фаринографа, размягчение фаринографа, число отказов, температуру желатинизации и индекс твердости [30]. Это исследование показало, что прямое использование области отпечатков пальцев NIR можно использовать при сортировке образцов без калибровки по одномерному эталону, что показало, что полученные фракции были основаны на основной дисперсии всего физико-химического признака качества в каждой партии, выраженной NIR. [30].Это исследование показало, что неконтролируемые подходы можно рассматривать как мощный инструмент для сортировки образцов в соответствии со сложными функциональными признаками, что повышает общее качество, применимость и ценность отсортированного урожая [30].

Двумерный (2D) корреляционный анализ использовали для характеристики пшеницы NIR [31]. Перед 2D-анализом NIR-спектры, имеющие эталонные значения соседних белков, усреднялись, а затем новый спектральный набор подвергался анализу главных компонент для кластерной классификации [31].Тот же подход был повторен для определения объема осаждения додецилсульфата натрия (SDSS) [31]. Как синхронные, так и асинхронные 2D-корреляционные спектры улучшили спектральное разрешение и предоставили информацию о содержании белка и зависимых от индекса SDSS изменениях интенсивности, которые невозможно получить из одномерных NIR-спектров пшеницы [31]. Результаты показали различия между содержанием белка и спектральным откликом NIR, индуцированным индексом SDSS [31]. Анализ спектров NIR показал несколько уникальных длин волн белка около 1980 нм, 2040 нм, 2200 нм, 2260 нм и 2350 нм в пшенице с высоким содержанием белка и SDSS [31].Авторы этого исследования указали, что по крайней мере одна из этих длин волн может быть связана с белком глютена (комплекс, образованный в основном из глиадина и глютенина), который влияет на конечное качество пшеничной муки [31].

Коммерческие пекарни нуждаются в быстрых и простых средствах для измерения функциональных возможностей пшеничной муки при обработке теста и выпечке хлеба [32]. Была исследована способность NIR-спектроскопии измерять как тесто, так и хлебопекарные свойства [32]. Образцы были получены из муки как твердой красной яровой, так и твердой красной озимой пшеницы.Образцы анализировали по водопоглощению, времени замеса теста, устойчивости к замешиванию теста, высоте буханки, внешнему виду внутреннего зерна и общему баллу за выпечку [32]. Авторы указали, что способность NIR-спектроскопии измерять белок, повреждения крахмала и положительную взаимосвязь между ними и водопоглощением, вероятно, сделала ее успешной для моделирования водопоглощения [32]. Модели для остальных пяти показателей были менее точными из-за сложности взаимодействий между белком, крахмалом и липидами и недостаточной чувствительности прибора [32].

Возможности БИК-спектроскопии оценивались при мониторинге эффектов термообработки в случае мукомольных фракций пшеницы и изменения качества этих фракций [33]. Процессы термической обработки применяются для увеличения срока годности зерновых продуктов или для изменения физических/реологических свойств [33]. Пшеничные продукты и фракции были произведены в промышленных условиях, где применялись следующие анализируемые характеристики, такие как венгерская пшеничная фракция (WF), венгерская жмыховая мука (CF) и пшеничная мука, богатая алейронами (ARF) [33].Изменения основных химических компонентов (таких как крахмал и белок) анализировали с помощью дисперсионных спектрофотометров с использованием видимого и ближнего ИК-диапазонов электромагнитного излучения в отношении термообработки [33]. Установлена ​​тесная корреляция между данными спектроскопических методов измерений, обработанных различными хемометрическими методами (например, анализ главных компонент и кластерный анализ) и типами используемых обработок [33]. Отчетливо наблюдаются не только различия, вызванные технологией измельчения и режимами термической обработки, но и различия между сухотермической и гидротермической обработкой [33].В ходе выполнения этой задачи стало очевидным, что NIR-методы могут обнаруживать отклонения в параметрах термообработки [33].

Фаринографические тесты используются для измерения функциональных свойств, а также качества пшеничной муки [34]. Этот тест был признан трудоемким и трудоемким [34]. Некоторые исследования показали, что NIR-спектроскопия показала ограниченную способность предсказывать параметры фаринографа; поэтому комбинации NIR и MIR спектроскопии были оценены для прогнозирования качественных характеристик фаринографа пшеничной муки (водопоглощение, время развития теста, стабильность теста и степень размягчения) [34].Калибровки были разработаны с использованием регрессии PLS и NIR, MIR и объединенных спектров [34]. Стратегии слияния данных были применены авторами, чтобы воспользоваться синергетическим эффектом информации, полученной из MIR и NIR спектроскопии [34]. Модели слияния данных низкого уровня показали более низкую производительность по сравнению с соответствующими моделями MIR и NIR, тогда как модели слияния данных среднего уровня в сочетании с алгоритмом выбора переменной прямого интервала были подтверждены для демонстрации хорошей производительности. Авторы указали, что слияние ранее выбранных переменных из спектров MIR и NIR улучшило точность прогнозирования параметров фаринографа, что указывает на превосходство алгоритма выбора переменной с прямым интервалом, который будет полезен в зерновой и хлебопекарной промышленности [34].

Способность NIR-спектроскопии прогнозировать химический состав (белок, влага, жир, зола и общее количество пищевых волокон) и функциональные свойства (масса 100 семян, способность к гидратации, процент шелухи, эффективность шелушения, цвет и качество приготовления) полевого гороха и сообщалось о нуте [35]. Точность калибровочных моделей NIR, как правило, была лучше на земле, чем на целых образцах по химическому составу, но лучше на цельных образцах, чем на наземных образцах, по физическим или функциональным свойствам [35]. Для большинства измеренных свойств точность NIR-калибровки считалась удовлетворительной или многообещающей, но успешное внедрение в программу разведения будет зависеть от дальнейшей оценки с использованием независимых образцов, расширения популяции образцов или улучшения эталонных методов [35].

Недавние обзоры и отчеты также подчеркнули способность NIR-спектроскопии предсказывать различные параметры, связанные с физико-химическими характеристиками крахмала, большинство из которых связано с функциональными свойствами злаков и других крахмалосодержащих продуктов [36,37,38,39].

БИК-анализ — Dairyland Laboratories, Inc.

 

Спектроскопия в ближней инфракрасной области спектра (БИК) является важным методом анализа кормов, позволяющим быстро и с минимальными затратами
характеристика многих важных питательных веществ в образце. Используя этот метод, клиенты Dairyland Laboratories могут получить анализ 10-20 питательных веществ в тот же день по той же цене, что и для измерения одного питательного вещества методом влажной химии.

В двух словах, БИК-анализ корма программирует компьютер для распознавания отдельных питательных веществ в корме на основе количества света, поглощаемого на каждой длине волны ближнего инфракрасного диапазона.Программирование компьютера для распознавания этих питательных веществ требует больших баз данных образцов, которые были отсканированы прибором NIR и проанализированы с помощью традиционной «влажной химии» или эталонных анализов.

Обеспечение точного NIR-анализа — важная задача, требующая точного эталонного анализа, точных процедур обработки проб, технических знаний и постоянно обновляемых баз данных. Обладая более чем 30-летним опытом NIR и одной из самых полных в отрасли лабораторий жидкой химии и крупнейшей базой данных образцов, Dairyland Laboratories и наши дочерние лаборатории имеют хорошие возможности для предоставления точных и своевременных услуг NIR.

** Цены действительны на 1 августа 2021 г.

Сено/сенаж

Пакеты Полный
29,50 долларов США
CNCPS
29,50 $
NDF Усвояемость
26,00 долларов США
БИК Выберите
20 долларов США
Конный выбор DE
24 доллара США
Базовый
18 долларов. 50
Влага, сырой белок, ADF, NDF
pH (силосованные корма)
АД-ИКП
ND-ICP-сс  
Жир, зола  
ТФУ  
16:0, 18:0, 18:1, 18:2, 18:3        
Лигнин  
Белковая растворимость
Скорректированный сырой протеин
Крахмал
Сахар (WSC)
Аммиак-N (силосованные корма)        
Экран VFA (силосованные корма)        
Ca, P, K, Mg, S
NFC
РФВ
Запрос предложений (требуется NDFD 48 часов. или 30 часов)      
NDFD и UNDF 24 и 30 часов          
NDFD и UNDF 24, 30 или 48 часов          
NDFD и UNDF 12, 30, 120, 240 часов          
UNDFom 240    
TDN, NEL, NEG, NEM На базе ADF
Расчет энергии OARDC.TDN, NEL, NEG, NEM  
Значение NDR и расчеты Корнелла/Пенна.            
Молоко 2006/2013 Энергетические расчеты, TDN, NEL, NEG, NEM      
Kd Rate (Ван Амбург)        
Скорость кд (Мертенс)          
Конский TDN, усваиваемая энергия и гемицеллюлоза          

Кукурузный силос

Пакеты Полный
29 долларов.50
CNCPS
29,50 $
NDF Усвояемость
26,00 долларов США
БИК Выберите
20 долларов США
Базовый
$18,50
Влага, сырой белок, ADF, NDF
pH (силосованные корма)
АД-ИКП
ND-ICP-сс  
Жир, зола  
ТФУ  
16:0, 18:0, 18:1, 18:2, 18:3      
Лигнин  
Белковая растворимость
Скорректированный сырой протеин
Крахмал
IVSD 7 часов NIR      
Сахар (WSC)
Аммиак-N (силосованные корма)      
Экран VFA (силосованные корма)      
Ca, P, K, Mg, S
NFC
NDFD и UNDF 24 и 30 часов        
NDFD и UNDF 24, 30 или 48 часов        
NDFD и UNDF 12, 30, 120, 240 часов        
UNDFom 240  
TDN, NEL, NEG, NEM На базе ADF
Расчет энергии OARDC. TDN, NEL, NEG, NEM  
Значение NDR и расчеты Корнелла/Пенна.          
Молоко 2006 Энергия Расч. TDN, NEL, NEG, NEM, Молоко/тонна    
Kd Rate (Ван Амбург)      
Скорость кд (Мертенс)        
Kd крахмала (мертенс)      

Мелкозерновой силос

Пакеты Полный
29 долларов.50
CNCPS
29,50 $
NDF Усвояемость
26,00 долларов США
БИК Выберите
20 долларов США
Базовый
$18,50
Влага, сырой белок, ADF, NDF
pH (силосованные корма)
АД-ИКП
ND-ICP-сс
Жир, зола  
ТФУ  
16:0, 18:0, 18:1, 18:2, 18:3      
Лигнин  
Белковая растворимость
Скорректированный сырой протеин
Крахмал
Сахар (WSC)
Аммиак-N (силосованные корма)      
Экран VFA (силосованные корма)      
Ca, P, K, Mg, S
NFC
РФВ
Запрос предложений (требуется NDFD 30 часов)    
NDFD и UNDF 24 и 30 часов        
NDFD и UNDF только на 24 или 30 часов        
NDFD и UNDF 12, 30, 120, 240 часов        
UNDFom 240  
TDN, NEL, NEG, NEM На базе ADF
Расчет энергии OARDC. TDN, NEL, NEG, NEM  
Значение NDR и расчеты Корнелла/Пенна.          
Молоко 2006/2013 Энергетические расчеты, TDN, NEL, NEG, NEM    
Kd Rate (Ван Амбург)      
Скорость кд (Мертенс)        

Кукуруза, обрывки, початки

Пакеты БИК в сборе
29 долларов.50
ЦНКПС
29,50 долларов США
БИК Выберите
20 долларов США
Базовый
$18,50
Влага, сырой белок, ADF, NDF
pH (силосованные корма)
АД-ИКП
ND-ICP-сс оценка. оценка оценка  
Жир, зола  
ТФУ  
16:0, 18:0, 18:1, 18:2, 18:3    
Лигнин оценка. оценка оценка  
Белковая растворимость
Скорректированный сырой протеин
Крахмал
IVSD 7 часов NIR    
Сахар (WSC)
Аммиак-N (силосованная кукуруза)    
Экран VFA (силосованная кукуруза)    
Ca, P, K, Mg
NFC
TDN, NEL, NEG, NEM На базе ADF
Расчет энергии OARDC. TDN, NEL, NEG, NEM  
Kd крахмала (мертенс)    

ПМР

Пакеты БИК Выберите
20 долларов США
Базовый
18 долларов.50

Кажущаяся усвояемость по NIR

61,00 $

(должен включать парную пробу навоза)

Влага
Сырой протеин, ADF, NDF  
НДФом    
пдНДФом    
pH (силосованные корма)  
АД-ИКП  
ND-ICP-сс оценка.    
Жир    
Ясень  
Лигнин    
UNDFom 240  
Органические вещества    
Белковая растворимость  
Скорректированный сырой протеин  
Крахмал
Сахар  
NFC    
Расчет энергии OARDC. TDN, NEL, NEG, NEM    

Зерно дистилляторов

Пакеты

ЦНКПС
29,50 долларов США

Выбор NIR

20,00 $

Влага
КП
Росс UCP  
CF, ADF, NDF, NDFom
НДФД/УНДФом 12,72,120  
Жир, зола
ТФУ
Белковая растворимость
Крахмал
Сахар
Ca, P, K, Mg, S
Энергия Расчеты. TDN, NEL, NEG, NEM

Чистое зерно

Пакеты NIR Select
20,00 $

Базовый 
$18,50

Влага, сырой белок, ADF, NDF
АД-ИКП
Скорректированный сырой протеин
Белковая растворимость
Сырое волокно
Крахмал
Жир (EE)  
Ясень  
Ca, P, Mg, K
NFC
TDN, NEL, NEG, NEM На базе ADF
Расчет энергии OARDC. TDN, NEL, NEG, NEM  

Свекольный жом

Пакеты ЦНКПС
29,50 долларов США
NIR Select
20,00 $
Влага
КП
Сырое волокно, NDF, NDFom
НДФД/УНДФом 12,72,120  
Жир, зола
Сахар (WSC)
Энергия Расчеты.TDN, NEL, NEG, NEM

Кровяная мука

Пакеты NIR Select
20,00 $
Влага
КП
Жир, зола

Зерно пивное

Пакеты ЦНКПС
29 долларов. 50
NIR Select
20,00 $
Влага
КП
андф, андфом
НДФД/УНДФом 12,72,120  
Сырое волокно
Крахмал
Жир, зола
Энергия Расчеты.TDN, NEL, NEG, NEM

Мука канолы

Пакеты ЦНКПС
29,50 долларов США
БИК Выберите
20 долларов США
Влага
КП
Росс UCP  
Сырое волокно, NDF, NDFom
НДФД/УНДФом 12,72,120  
Жир, зола
Энергия Расчеты. TDN, NEL, NEG, NEM

Кукурузный глютен

Пакеты ЦНКПС
29,50 долларов США
NIR Select
20,00 $
Влага
КП
Сырое волокно, NDF, NDFom
НДФД/УНДФом 12, 72, 120  
Жир, зола
Крахмал
Энергия Расчеты.TDN, NEL, NEG, NEM

Мясокостная мука

Пакеты БИК Выберите
20 долларов США
Влага
КП
Жир, зола

SBM – 44%, 48%, экструдированный, байпас и т.

д…
Пакеты ЦНКПС
29,50 долларов США
БИК Выберите
20 долларов США
Влага
КП
Росс UCP  
Сырое волокно, NDF, ADF, NDFom
Жир, зола
Энергия Расчеты.TDN, NEL, NEG, NEM

Соевые шелухи

Пакеты ЦНКПС
29,50 долларов США
NIR Select
20,00 $
Влага
КП
Сырое волокно, NDF, NDFom
НДФД/УНДФом 12, 72, 120  
Жир, зола
Крахмал
Энергия Расчеты. TDN, NEL, NEG, NEM

Кукурузные хлопья, приготовленные на пару

Пакеты БИК в сборе
29,50 долларов США
ЦНКПС
29,50 долларов США
БИК Выберите
20 долларов США
Базовый
$18,50
Влага, сырой белок, ADF, NDF
АД-ИКП
ND-ICP-сс оценка. оценка оценка  
Жир, зола  
ТФУ  
16:0, 18:0, 18:1, 18:2, 18:3    
Лигнин оценка. оценка оценка  
Белковая растворимость
Крахмал
IVSD 7 часов NIR    
Сахар (WSC)
Ca, P, K, Mg
NFC
TDN, NEL, NEG, NEM На базе ADF
Расчет энергии OARDC.TDN, NEL, NEG, NEM  
Kd крахмала (мертенс)    

Отруби пшеницы

Пакеты ЦНКПС
29,50 долларов США
NIR Выберите
20 долларов США. 00
Влага
КП
Сырое волокно, NDF, NDFom
НДФД/УНДФом 12,7 2, 120  
Жир, зола
Крахмал
Энергия Расчеты.TDN, NEL, NEG, NEM
Для получения дополнительной информации позвоните в Dairyland Laboratories, Inc. по телефону 608-323-2123 или свяжитесь с нами здесь.

границ | Оценка качества молока с помощью многокомпонентной аналитической платформы MicroNIR/Chemometric

Введение

Молоко является одной из наиболее изученных пищевых матриц во всем мире, и анализ обычно направлен на определение его химического состава для оценки его качества (Hambraeus, 1984; Cunsolo et al. , 2017). В частности, качество молока в основном связано с содержанием жирных кислот (Napoli et al., 2007; Zhou et al., 2014), а также количеством лактозы, белков и витамина D. Растущий спрос со стороны потребителей для инновационных диетических продуктов во всем мире привело к увеличению спроса на процедуры и методы для обнаружения фальсификации пищевых матриц (Cossignani et al., 2011; Materazzi et al., 2012). В частности, фальсификация молока в основном заключается в добавлении или незаконном использовании добавок или молекул, включая меламин (Балабин и Смирнов, 2011), сахара (Камбой и др., 2020), мочевина (Mabood et al., 2019) и формалин (Saha and Thangavel, 2018).

Таким образом, метод, который мог бы оценить качество пищевого продукта и выполнить многокомпонентную характеристику на первом уровне испытаний, представляет собой важную проблему, когда речь идет о мониторинге качества пищевых продуктов или здоровья человека. По этой причине все чаще рекомендуются инновационные системы скрининга, способные быстро обрабатывать образцы, не требуя какой-либо предварительной обработки или очистки, неразрушающим образом (Dunn et al. , 2011; Risoluti et al., 2016, 2019a,b,c; Д’Элиа и др., 2018). Эталонные аналитические процедуры для анализа молока обычно требуют хроматографических методов, таких как высокоэффективная жидкостная хроматография в сочетании с масс-спектрометрией (ВЭЖХ-МС) (Chotyakul et al., 2014; Aiello et al., 2015; Rocchetti et al., 2020), Gas Хроматография в сочетании с масс-спектрометрией (ГХ-МС) (Marchetti et al., 2002; Materazzi and Risoluti, 2014; Teng et al., 2017) и ядерным магнитным резонансом (ЯМР) (Garcia et al., 2012; Crea et al. ., 2014; Сантос и др., 2016; Айелло и др., 2018).

Спектроскопические методы широко признаны в качестве не требующих растворителей, быстрых и простых в использовании инструментов для проведения химических исследований различных матриц без разрушения образцов (Oliveri et al., 2011; Materazzi et al., 2017a,b; Véstia et al. др., 2019). В частности, NIR-спектроскопия, связанная с хемометрическим анализом, доказала свой высокий потенциал в многокомпонентных анализах при низких затратах и ​​без контроля специализированного персонала (Kurdziel et al. , 2003; Мильорати и др., 2013; Корди и др., 2017; Матерацци и др., 2017c; Мис и др., 2018). NIR-спектроскопия в основном предлагалась для исследования молока с целью предоставления инновационных и быстрых методов определения содержания лактозы, белков, каротиноидов и жирных кислот (Jankovskà and Šustovà, 2003; Numthuam et al., 2017; Risoluti et al. и др., 2017; Ван и др., 2019; Сулат и др., 2020). Кроме того, NIR-спектроскопия позволяет пользователям выходить за пределы лаборатории и выполнять прогнозирование аналитов в сложных матрицах (Navarra et al., 2003; Бретти и др., 2013 г.; Пайва и др., 2015; Басри и др., 2017; да Силва и др., 2017; Модроно и др., 2017; Рисолути и Матерацци, 2018 г.; Risoluti et al., 2018a,b) с помощью портативных приборов, которые непосредственно анализируют молоко и предоставляют результаты (De Angelis Curtis et al., 2008; Bian et al., 2017; Ferreira de Lima et al., 2018). Несмотря на то, что эти инструменты позволяют передавать проверенные методы непосредственно на месте, они не предоставляют инструментов, позволяющих потребителям быстро проверить продукт сам по себе для применения в реальных ситуациях.

На основании этих соображений в данной работе предлагается новый метод, основанный на миниатюрном спектрометре MicroNIR OnSite, для многокомпонентного анализа молока для контроля качества пищевых продуктов. Эта платформа использует хемометрические инструменты для разработки моделей прогнозирования, которые после проверки обеспечивают быструю и точную характеристику образцов молока одним щелчком мыши с использованием бесконтактного и беспроводного миниатюрного прибора, который можно установить на смартфон потребителя.

Материалы и методы

Экспериментальный

Аналитический рабочий процесс

Образцы молока были предоставлены различными производителями в Италии и включали коровье, козье и ослиное молоко, а также рисовое молоко.Кроме того, образцы были отобраны с учетом разного содержания жира и обработки, а также с учетом цельного, обезжиренного и нежирного молока, а также ультрапастеризованного молока. Для каждого образца около 1 мл молока анализировалось непосредственно с помощью MicroNIR, оснащенного специальным приспособлением для жидкостей; предварительная обработка образцов не требовалась. Подробный перечень исследованных образцов приведен в табл. 1.

Таблица 1 . Список исследованных образцов молока.

Хемометрический анализ был выполнен с помощью анализа основных компонентов, чтобы оценить корреляции между измерениями и предоставить быстрый инструмент, способный идентифицировать фальсификацию молока в зависимости от содержания жиров.

Калибровка и валидация платформы были получены путем разделения набора данных измерений в обучающем наборе и наборе для оценки, в то время как прогнозирование реальных образцов было достигнуто путем обработки 17 дополнительных образцов, ранее не включенных в набор данных и, таким образом, обработанных как независимый пакет. . Этот шаг строго необходим, чтобы гарантировать, что результаты не зависят от ванны, а также для обеспечения воспроизводимости и эффективности платформы.

Локальный спектрометр MicroNIR

MicroNIR On-Site — портативный спектрометр, работающий в ближней ИК-области спектра (900–1700 нм) и распространяемый компанией Viavi Solutions (JDSU Corporation, Милпитас, США). Это именно последняя версия сверхкомпактного MicroNIR от Viavi и представляет собой настоящее обновление в области миниатюрных устройств, выходящих за пределы лаборатории. На самом деле это обеспечивается двумя разными программными продуктами (JDSU Corporation, Милпитас, США): первое — это программное обеспечение MicroNIR Pro, которое позволяет обученным пользователям собирать образцы и разрабатывать модель прогнозирования; второй — система MicroNIR OnSite-W для прогнозирования образцов в реальном времени, и она подходит даже для неподготовленных пользователей.

Калибровка прибора проводилась до получения образца с помощью специального аксессуара, который позволял регистрировать темновой эталон (полная абсорбция) и белый эталон (полная отражательная способность) с помощью Spectralon. Инструментальные настройки включали номинальное спектральное разрешение при 6,25 нм и время интегрирования 10 мс при общем времени измерения 2,5 с на образец. Хемометрический анализ проводили с помощью V-JDSU Unscrambler Lite (Camo software AS, Осло, Норвегия). Для каждого образца собирали десять спектров, чтобы обеспечить неоднородность измерения, и среднее значение учитывали для хемометрического анализа. Исследование корреляции выборок было впервые выполнено с помощью анализа главных компонентов, а модели прогнозирования были разработаны с помощью алгоритмов частичной регрессии наименьших квадратов.

Результаты и обсуждение

Применимость инновационных методов для решения конкретных проблем строго зависит от стандартизации метода на эталонных образцах, максимально репрезентативных для тех, которые подлежат обработке.С этой целью был рассмотрен эталонный набор данных образцов путем обработки ряда различных видов молока, таких как коровье, козье и ослиное, с различным содержанием жирных кислот. Кроме того, были включены образцы молока после ультрапастеризации, чтобы обеспечить всеобъемлющий метод, который можно было бы использовать для различных продуктов. Чтобы избежать реакции аналитической платформы, зависящей от партии, были рассмотрены разные партии одного и того же молока и разные поставщики.

спектра в NIR-области были зарегистрированы устройством MicroNIR OnSite, как показано на рис. 1, и были исследованы предварительные хемометрические обработки для разделения образцов в соответствии с различными типами молока.

Рисунок 1 . Собраны спектры образцов молока.

Были оценены математические преобразования, обычно рекомендуемые для спектроскопических данных (Barnes et al., 1989); в частности, применялись методы коррекции рассеяния, такие как стандартное преобразование нормальной переменной (SNV) (Geladi et al., 1985), мультипликативная коррекция рассеяния (MSC), центрирование среднего значения (MC) (Wold and Sjöström, 1977) и нормализация. (Савицкий и Голей, 1964). Кроме того, методы спектральной деривации, в том числе фильтры полиномиальной производной Савицки-Голея (SG) (Rinnan et al., 2009). Среди предварительных обработок исследованных спектров использовалась комбинация коррекции базовой линии, преобразования первой производной и коррекции мультипликативного рассеяния (MSC), чтобы выделить различия между спектрами и, таким образом, разделить образцы в соответствии с различным химическим составом.

Подтверждены результаты интерпретации NIR-спектров Sýasic and Ozaki (2001), как показано на рис. 2, где представлен график зависимости нагрузок от компонентов PC1 и PC4.

Рисунок 2 . График коэффициентов нагрузки в зависимости от основных компонентов ПК 1 и ПК 4.

Таким образом, предварительный анализ основных компонентов, выполненный для всего набора данных измерений, показывает хорошее соответствие между образцами, принадлежащими к одному и тому же классу (рис. 3), и показывает распределение образцов в зависимости от возрастающего содержания жирных кислот (рис. 4). .

Рисунок 3 . Анализ главных компонентов проводился для всех собранных образцов.

Рисунок 4 . Анализ главных компонентов проводили на всех отобранных образцах коровьего молока с разным содержанием жира.

Такое поведение привело нас к разработке модели количественного анализа путем рассмотрения алгоритма частичной регрессии наименьших квадратов, чтобы разработать модель прогнозирования молока, позволяющую быстро оценить его происхождение и качество. В соответствии с требованиями валидации аналитических методов все собранные спектры были разделены на обучающую выборку (около 75 % выборок) и оценочную выборку (около 25 % выборок), а также оценивался ряд параметров для расчета эффективности модели. представления.

Среди них среднеквадратические ошибки (RMSE) и коэффициент корреляции (R 2 ) были оценены при калибровке и перекрестной проверке с использованием семи скрытых переменных, в то время как точность и чувствительность были рассчитаны для обеспечения быстрых и точных результатов при работе с с анализом реальных образцов.

Как показано на рис. 5, модель позволяет пользователям одновременно различать цельное, полуобезжиренное и обезжиренное молоко и определять различное происхождение.

Рисунок 5 .Модель PLS для количественного определения жира в образцах молока.

Как следствие, модель может распознавать качество молока как функцию принадлежащего кластера спектров и предварительно обращаться к последующим анализам.

Предсказательная способность модели была оценена путем оценки показателей качества, и можно наблюдать удовлетворительные результаты; фактически значения корреляции никогда не были ниже 0,99 при калибровке или перекрестной проверке.

Кроме того, были рассчитаны точность, прецизионность, наклон и среднеквадратическая ошибка (RMSE) с учетом семи скрытых переменных.Результаты приведены в таблице 2.

Таблица 2 . Модель PLS для молока: оценка показателей качества при калибровке и перекрестной проверке.

Могут наблюдаться удовлетворительные характеристики модели, что приводит к ошибкам перекрестной проверки не выше 0,002 г/мл и значениям точности не ниже 97,1%. Точность метода также была рассчитана, и были получены подходящие результаты, в результате чего точность составила около 74,6%.

Осуществимость платформы

Прогнозирование реальных образцов было выполнено путем обработки 17 образцов молока, имеющихся в продаже на итальянских рынках, для оценки характеристик платформы. Образцы анализировали с помощью MicroNIR On-Site, а спектры обрабатывали с помощью оптимизированной хемометрической модели. Хорошее соответствие между измерениями наблюдалось по результатам MicroNIR, как указано в таблице 3. График измеренных и спрогнозированных образцов обеспечивает коэффициент корреляции около 0,996, поскольку все образцы были правильно предсказаны моделью, что подтверждает многообещающее применение Платформа.

Таблица 3 . Результаты, полученные на новой платформе для независимых реальных образцов.

Выводы

В этой работе предлагается новая аналитическая платформа, основанная на NIR-спектроскопии и хемометрике, для мониторинга качества молока. Новизна платформы тесно связана с инновационным устройством MicroNIR On-Site, которое может использоваться для сбора образцов и выполнения прогноза за несколько секунд даже неподготовленным персоналом с помощью автоматизированной платформы, доступной на смартфоне. Надежность этого нового теста была оценена путем обработки независимых реальных образцов, что подтвердило осуществимость этой новой платформы. Кроме того, модель была проверена путем оценки характеристических показателей качества, таких как точность, наклон, прецизионность и среднеквадратичная ошибка, что продемонстрировало ее пригодность для применения в качестве скринингового теста для потребителей для мониторинга пищевых продуктов.

Заявление о доступности данных

Необработанные данные, подтверждающие выводы этой статьи, будут предоставлены авторами без неоправданных оговорок.

Вклад авторов

SM и RR задумали исследование и интерпретировали данные с помощью хемометрии, а GG провела анализ.Рукопись написана за счет вклада всех авторов. Все авторы одобрили окончательный вариант рукописи.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Каталожные номера

Айелло Д., Фурия Э., Сицилиано К., Бонджорно Д. и Наполи А. (2018). Исследование координации орто-тирозина и транс-4-гидроксипролина с алюминием(III) и железом(III). Дж. Мол. жидкость 269, 387–397. doi: 10.1016/j.molliq.2018.08.074

Полнотекстовая перекрестная ссылка | Академия Google

Айелло Д., Матерацци С., Рисолути Р., Тангавел Х., Ди Донна Л. и Маццотти (2015). Основной аллерген радужной форели ( Oncorhynchus mykiss ): полные последовательности парвальбумина с помощью тандемной масс-спектрометрии MALDI. Мол. Биосист. 11, 2373–2382. дои: 10.1039/C5MB00148J

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Балабин Р.М., Смирнов С.В. (2011). Обнаружение меламина с помощью спектроскопии среднего и ближнего ИК-диапазона (МИР/БИК): быстрый и чувствительный метод анализа молочных продуктов, включая жидкое молоко, детские смеси и сухое молоко. Таланта 85, 562–568. doi: 10.1016/j.talanta.2011.04.026

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Барнс, Р. Дж., Дханоа, М. С., и Листер, С. Дж. (1989). Стандартное нормальное переменное преобразование и устранение тренда спектров диффузного отражения в ближней инфракрасной области. Заяв. Спектроск. 43, 772–777. дои: 10.1366/0003702894202201

Полнотекстовая перекрестная ссылка | Академия Google

Басри, К.Н., Хуссейн, М.Н., Бакар, Дж., Хир, М.Ф.А., и Зулфакар, А.С. (2017). Классификация и количественная оценка фальсификации пальмового масла с помощью портативной NIR-спектроскопии. Спектрохим. Акта Мол. биомол. Спектроск. 173, 335–342. doi: 10.1016/j.saa.2016.09.028

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Биан, Х., Zhang, C., Liu, P., Wei, J., Tan, X., Lin, L., et al. (2017). Быстрая идентификация образцов молока с помощью высокочастотного и низкочастотного развернутого дискриминантного анализа методом наименьших квадратов в сочетании со спектроскопией в ближней инфракрасной области спектра. Хим. Интел. лаборатория Сист . 170, 96–101. doi: 10.1016/j.chemolab.2017.09.004

Полнотекстовая перекрестная ссылка | Академия Google

Бретти К., Креа Ф., Де Стефано К., Фоти К., Матерацци С. и Вианелли Г. (2013). Термодинамические свойства дофамина в водном растворе.кислотно-основные свойства, распределение и коэффициенты активности в водных растворах NaCl при различной ионной силе и температуре. J. Chem. англ. Данные 58, 2835–2847. дои: 10.1021/je400568u

Полнотекстовая перекрестная ссылка | Академия Google

Чотякул, Н., Патейро-Моуре, М., Сараива, Дж. А., Торрес, Дж. А., и Перес-Ламела, К. (2014). Параллельная ВЭЖХ-ДАД количественная оценка содержания витаминов А и Е в сыром, пастеризованном и ультрапастеризованном коровьем молоке и их изменения при хранении. евро. Еда Рез. Технол. 238, 535–547. doi: 10.1007/s00217-013-2130-7

Полнотекстовая перекрестная ссылка | Академия Google

Cossignani, L., Blasi, F., Bosi, A., D’Arco, G., Maurelli, S. , Simonetti, M., et al. (2011). Обнаружение коровьего молока в ослином молоке хемометрическими методами по результатам стереоспецифического анализа триацилглицеринов. Дж. Молочная Рез. 78, 335–342. дои: 10.1017/S00220290495

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Креа, Ф., Фальконе Г., Фоти К., Джуффре О. и Матерацци С. (2014). Термодинамические данные секвестрации Pb 2+ и Zn 2+ биологически важными S-донорными лигандами при различных температурах и ионной силе. New J. Chem. 38, 3973–3983. дои: 10.1039/C4NJ00830H

Полнотекстовая перекрестная ссылка | Академия Google

Кунсоло В., Салетти Р., Мучилли В., Галлина С., Ди Франческо А. и Фоти С. (2017). Белки и биоактивные пептиды из ослиного молока: молекулярная основа его пониженных аллергенных свойств. Еда Рез. Междунар. 99, 41–57. doi: 10.1016/j.foodres.2017.07.002

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

да Силва, Н. К., Кавальканти, С.Дж., Онорато, Ф.А., Амиго, Дж.М., и Пиментел, М.Ф. (2017). Стандартизация от настольного до портативного БИК-спектрометра с использованием математически смешанных БИК-спектров для определения параметров качества топлива. Анал. Чим. Acta 954, 32–42. doi: 10.1016/j.aca.2016.12.018

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Де Анджелис Кертис, С., Курдзиэль, К., Матерацци, С., и Веккио, С. (2008). Кристаллическая структура и термоаналитическое исследование комплекса марганца(II) с 1-аллилимидазолом. Дж. Терм. Анальный. Калорим. . 92, 109–114. doi: 10.1007/s10973-007-8747-7

Полнотекстовая перекрестная ссылка | Академия Google

Д’Элиа В., Монтальво Г., Гарса Руис К., Ермоленков В. В., Ахмед Ю. и Леднев И. К. (2018). Ультрафиолетовая резонансная рамановская спектроскопия для обнаружения кокаина в ротовой жидкости. Спектрохим.Акта Мол. биомол. Спектроск. 188, 338–340. doi: 10.1016/j. saa.2017.07.010

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Данн, Дж. Д., Гриневич-Рузицка, К. М., Кауфман, Дж. Ф., Вестенбергер, Б. Дж., и Бузе, Л. Ф. (2011). Использование портативного спектрометра ионной подвижности для скрининга пищевых добавок на наличие сибутрамина. Дж. Фарм. Биомед. Анальный. 54, 469–474. doi: 10.1016/j.jpba.2010.09.017

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Феррейра де Лима, Г., Cardoso Andrade, S.A., da Silva, VH, and Araújo Honorato, F. (2018). Многомерная классификация ультрапастеризованного молока на наличие лактозы с использованием настольных и портативных БИК-спектрометров. Анал с едой. Методы 11, 2699–2706. doi: 10.1007/s12161-018-1253-7

Полнотекстовая перекрестная ссылка | Академия Google

Гарсия, К., Лутс, Н.В., Конфорт-Гуни, С., Коццоне, П.Дж., Арман, М., и Бернар, М. (2012). Фосфолипидные отпечатки молока разных млекопитающих, определенные с помощью ЯМР 31P: навстречу интересу к здоровью человека. Пищевая хим. 135, 1777–1783 гг. doi: 10.1016/j.foodchem.2012.05.111

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Гелади, П., Макдугалл, Д., и Мартенс, Х. (1985). Линеаризация и коррекция рассеяния для спектров отражения мяса в ближней инфракрасной области. Заяв. Спектроск. 39, 491–500. дои: 10.1366/0003702854248656

Полнотекстовая перекрестная ссылка | Академия Google

Хамбреус, Л. (1984). Состав грудного молока. Нутр. Абстр. 54, 219–236.

Академия Google

Янковская, Р., и Шустова, К. (2003). Анализ коровьего молока методом ближней инфракрасной спектроскопии. Чехия J. Food Sci . 21, 123–128. DOI: 10.17221/3488-CJFS

Полнотекстовая перекрестная ссылка | Академия Google

Камбой, У., Каушал, Н., и Джабин, С. (2020). Ближняя инфракрасная спектроскопия как эффективный инструмент для качественного и количественного определения фальсификации сахара в молоке. J. Phys. конф. сер. 1531:012024. дои: 10.1088/1742-6596/1531/1/012024

Полнотекстовая перекрестная ссылка | Академия Google

Корди Б., Ковачеви М., Слобод Т., Видови А. и Джови Б. (2017). FT-IR и NIR спектроскопическое исследование водородных связей в системах индол-эфир. Дж. Мол. Структура 1144, 159–165. doi: 10.1016/j.molstruc.2017.05.035

Полнотекстовая перекрестная ссылка | Академия Google

Курдзель, К., Гловяк, Т., Матерацци, С., и Езерска, Дж. (2003). Кристаллическая структура и физико-химические свойства комплексов кобальта(II) и марганца(II) с имидазол-4-ацетат-анионом. Многогранник 22, 3123–3128. doi: 10.1016/j.poly.2003.07.004

Полнотекстовая перекрестная ссылка | Академия Google

Мабуд Ф., Али Л., Бок Р., Аббас Г., Джабин Ф., Хак К. М. И. и др. (2019). Надежная инфракрасная спектроскопия с преобразованием Фурье в сочетании с многомерными методами обнаружения и количественного определения фальсификации мочевины в образцах свежего молока. Пищевая наука. Нутр. 8, 5249–5458. doi: 10.1002/fsn3.987

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Маркетти, Л., Sabbieti, M.G., Menghi, M., Materazzi, S., Hurley, M.M., and Menghi, G. (2002). Влияние сложных эфиров фталевой кислоты на актиновый цитоскелет остеобластов Py1a крыс. Хистол. Гистопатол . 17, 1061–1066. дои: 10.14670/HH-17.1061

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Матерацци, С., Грегори, А., Рипани, Л., Априсено, А., и Рисолути, Р. (2017b). Профилирование кокаина: реализация прогностической модели с помощью ATR-FTIR в сочетании с хемометрикой в ​​судебно-химической экспертизе. Таланта 166, 328–335. doi: 10.1016/j.talanta.2017.01.045

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Матерацци, С., Пелузо, Г., Рипани, Л., и Рисолути, Р. (2017c). Высокопроизводительный прогноз AKB48 в новых незаконных продуктах с помощью NIR-спектроскопии и хемометрии. Микрохим. J. 134, 277–283. doi: 10.1016/j.microc.2017.06.014

Полнотекстовая перекрестная ссылка | Академия Google

Матерацци, С., и Рисолути, Р. (2014).Анализ выделяющегося газа методом масс-спектрометрии. Заяв. Спектроск. Ред. 49, 635–665. дои: 10.1080/05704928.2014.887021

Полнотекстовая перекрестная ссылка | Академия Google

Матерацци С., Рисолути Р., Пинчи С. и Ромоло Ф. С. (2017a). Новые взгляды на судебную химию: NIR/Хемометрический анализ тонеров для экспертизы сомнительных документов. Таланта 174, 673–678. doi: 10.1016/j.talanta.2017.06.044

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Матерацци, С., Веккио, С., Во, Л.В., и Де Анджелис Кертис, С. (2012). TG-MS и TG-FTIR исследования имидазолзамещенных координационных соединений: Co(II) и Ni(II)-комплексы бис(1-метилимидазол-2-ил)кетона. Термохим. Acta 543, 183–187. doi: 10.1016/j.tca.2012.05.013

Полнотекстовая перекрестная ссылка | Академия Google

Mees, C. , Souard, F., Delported, C., Deconinck, E., Stoffelen, P., Stévigny, C., et al. (2018). Идентификация кофейных листьев с помощью спектроскопии FT-NIR и SIMCA. Таланта 177, 4–11. doi: 10.1016/j.talanta.2017.09.056

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Мильорати В., Баллирано П., Гонтрани Л., Матерацци С., Чеккаччи Ф. и Каминити Р. (2013). Комплексное теоретическое и экспериментальное исследование твердых октил- и дециламмонийхлоридов и их водных растворов. J. Phys. хим. Б 117, 7806–7818. дои: 10.1021/jp403103w

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Модроно, С., Сольдадо, А., Мартинес-Фернандес, А., и де ла Роза Дельгадо, Б. (2017). Портативные датчики NIRS для рутинного контроля качества комбикормов: анализ в режиме реального времени и мониторинг в полевых условиях. Таланта 162, 597–603. doi: 10.1016/j.talanta.2016.10.075

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Наполи, А. , Айелло, Д., Ди Донна, Л., Прендуши, Х., и Синдона, Г. (2007). Использование эндогенной протеазной активности в сыром маститном молоке с помощью MALDI-TOF/TOF. Анал.хим. 79, 5941–5948. DOI: 10.1021/ac0704863

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Наварра, М.А., Матерацци, С., Панеро, С., и Скросати, Б. (2003). Мембраны на основе PVdF для приложений DMFC. Дж. Электрохим. соц. 150, А1528–А1532. дои: 10.1149/1.1615607

Полнотекстовая перекрестная ссылка | Академия Google

Нумтуам, С., Хонгпатонг, Дж., Чароенсук, Р., и Рунгчанг, С. (2017). Разработка метода анализа общего количества бактерий в сыром молоке с использованием ближней инфракрасной спектроскопии. J. Food Safe. 37:e12335. doi: 10.1111/jfs.12335

Полнотекстовая перекрестная ссылка | Академия Google

Оливери, П., Ди Эджидио, В., Вудкок, Т., и Дауни, Г. (2011). Применение методов моделирования классов к данным ближнего инфракрасного диапазона для целей аутентификации пищевых продуктов. Пищевая хим. 125, 1450–1456. doi: 10.1016/j.foodchem.2010.10.047

Полнотекстовая перекрестная ссылка | Академия Google

Пайва, Э. М., Роведдер, Дж. Дж. Р., Пасквини, К., Пиментел, М. Ф., и Перейра, К.Ф. (2015). Количественное определение биодизеля и фальсификации растительными маслами в смесях дизель/биодизель с использованием портативного спектрометра ближнего инфракрасного диапазона. Топливо 160, 57–63. doi: 10.1016/j.fuel.2015.07.067

Полнотекстовая перекрестная ссылка | Академия Google

Риннан, А., ван ден Берг, Ф., и Энгельсен, С.Б. (2009). Обзор наиболее распространенных методов предварительной обработки спектров ближнего инфракрасного диапазона. Анальные тенденции. хим. 28:10. doi: 10.1016/j.trac.2009.07.007

Полнотекстовая перекрестная ссылка | Академия Google

Ризолути, Р., Фабиано, М.А., Гуллифа, Г., Веккьо Чиприоти, С., и Матерацци, С. (2017). Анализ выделяющегося газа с помощью FTIR в недавних термоаналитических исследованиях. Заяв. Спектроск. 52, 39–72. дои: 10.1080/05704928.2016.1207658

Полнотекстовая перекрестная ссылка | Академия Google

Ризолути Р., Грегори А., Скьявоне С. и Матерацци С. (2018a). Технология «Click and Screen» для обнаружения взрывчатых веществ на руках человека с помощью портативной платформы MicroNIR/Chemometrics. Анал. хим. 90, 4288–4292.doi: 10.1021/acs.analchem.7b03661

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Рисолути Р., Гуллифа Г., Баттистини А. и Матерацци С. (2019b). Обнаружение запрещенных наркотиков в жидкостях ротовой полости методом «лаборатория по щелчку» с помощью микроБИК-хемометрии. Анал. хим. 91, 6435–6439. doi: 10.1021/acs.analchem.9b00197

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Рисолути Р., Гуллифа Г., Баттистини А. и Матерацци С. (2019c).MicroNIR/Хемометрика: новая аналитическая платформа для быстрого и точного обнаружения Δ9-тетрагидроканнабинола (THC) в ротовой жидкости. Наркотики Алкогольная зависимость. 205:107578. doi: 10.1016/j.drugalcdep.2019.107578

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Рисолути Р., Матерацци С., Тау Ф., Руссо А. и Ромоло Ф. С. (2018b). На пути к инновациям в датировании бумаги: аналитическая платформа MicroNIR и хемометрика. Аналитик 143, 4394–4399. дои: 10.1039/C8AN00871J

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Ризолути, Р., Пьяццезе, Д., Наполи, А., и Матерацци, С. (2016). Изучение комплексов [2-(2′-пиридил)имидазол] для подтверждения двух основных характерных термоаналитических свойств комплексов переходных металлов на основе производных имидазола. Дж. Анал. заявл. Пирол. 117, 82–87. doi: 10.1016/j.jaap.2015.11.018

Полнотекстовая перекрестная ссылка | Академия Google

Рисолути Р., Пичини С., Пасифичи, Р., и Матерацци, С. (2019a). Миниатюрная аналитическая платформа для обнаружения кокаина в ротовой жидкости с помощью MicroNIR/Chemometrics. Таланта 202, 546–553. doi: 10.1016/j.talanta.2019.04.081

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Роккетти Г., Галло А., Ночетти М., Лучини Л. и Масоэро Ф. (2020). Метаболомика молока на основе сверхвысокоэффективной жидкостной хроматографии в сочетании с квадрупольной времяпролетной масс-спектрометрией для различения различных режимов кормления коров. Еда Рез. Междунар. 134:109279. doi: 10.1016/j.foodres.2020.109279

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Саха, Д., и Тангавел, К. (2018). Быстрое обнаружение формалина в молоке с помощью Фурье-спектроскопии в ближней инфракрасной области спектра. Дж. Агрик. Рез. 55, 772–774. дои: 10.5958/2395-146X.2018.00143.6

Полнотекстовая перекрестная ссылка | Академия Google

Сантос, М.П., ​​Перейра-Фильос, Э.Р., и Колнаго, Л.А. (2016). Обнаружение и количественная оценка фальсификации молока с помощью ядерного магнитного резонанса во временной области (TD-NMR). Микрохим. J. 124, 15–19. doi: 10.1016/j.microc.2015.07.013

Полнотекстовая перекрестная ссылка | Академия Google

Сулат, Дж., Андуэза, Д., Грауле, Б., Жирар, К.Л., Лабонн, К., Айт-Каддур, А., и др. (2020). Сравнение потенциальных возможностей трех методов спектроскопии: ближнего инфракрасного, среднего инфракрасного и молекулярной флуоресценции для прогнозирования содержания каротиноидов, витаминов и жирных кислот в коровьем молоке. Еда 9:592. doi: 10.3390/foods92

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Сясич, С.и Одзаки Ю. (2001). Коротковолновая ближняя инфракрасная спектроскопия биологических жидкостей. Количественный анализ жира, белка и лактозы в сыром молоке с помощью частичной регрессии по методу наименьших квадратов и присвоения полос. Анал. хим. 73, 64–71. дои: 10.1021/ac000469c

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Тенг Ф., Ван П. , Ян Л., Ма Ю. и Дэй Л. (2017). Количественное определение жирных кислот в человеческом, коровьем, буйволином, козьем, ячьем и верблюжьем молоке с использованием усовершенствованного одноэтапного метода GC-FID. Анал с едой. Методы 10, 2881–2891. doi: 10.1007/s12161-017-0852-z

Полнотекстовая перекрестная ссылка | Академия Google

Вестия, Дж., Баррос, Дж. М., Феррейра, Х., Гаспар, Л., и Рато, А. Е. (2019). Прогнозирование кальция в виноградном сусле и базовом вине с помощью спектроскопии FT-NIR. Пищевая хим. 276, 71–76. doi: 10.1016/j.foodchem.2018.09.116

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Ван, Ю., Го, В., Чжу, X., и Лю, К. (2019). Влияние гомогенизации на определение содержания молочного белка на основе спектроскопии диффузного отражения в ближней инфракрасной области спектра. Междунар. Дж. Пищевая наука. Технол. 54, 387–395. doi: 10.1111/ijfs.13948

Полнотекстовая перекрестная ссылка | Академия Google

Уолд, С. , и Шёстрём, М. (1977). Хемометрика: теория и приложения. утра. хим. соц. Симп. Серия 52, 243–282. doi: 10.1021/bk-1977-0052.ch012

Полнотекстовая перекрестная ссылка | Академия Google

Чжоу, К., Гао, Б., Чжан, X., Сюй, Ю., Ши, Х. и Ю, Л. (2014). Химическое профилирование триацилглицеролов и диацилглицеролов в жире коровьего молока с помощью высокоэффективной конвергентной хроматографии в сочетании с квадрупольной времяпролетной масс-спектрометрией. Пищевая хим. 143, 199–204. doi: 10.1016/j.foodchem.2013.07.114

Полнотекстовая перекрестная ссылка | Академия Google

.

Оставить комментарий

Ваш адрес email не будет опубликован.