Прогнозирование технологических свойств пшеничной муки сочетанием методов UV-VIS-NIR спектроскопии и многомерного анализа

За последние десятилетия для идентификации и контроля состава пищевой продукции широко использовались методы оптической спектроскопии, не требующие сложной пробоподготовки. В настоящем исследовании проанализирована возможность применения UV-VIS-NIR спектроскопии в сочетании с многомерным анализом для градации пшеничной муки по группам, различающимся по технологическим свойствам. UV-VIS-NIR спектры содержат информацию о сочетании и интенсивности полос поглощения, приписываемых функциональным группам компонентов состава и определяющих технологические свойства пшеничной муки. Сформирована база данных UV-VIS-NIR спектров образцов пшеничной муки, различающихся по технологическим свойствам на три группы: первая группа — образцы пшеничной муки с хорошими хлебопекарными свойствами, вторая группа — с пониженными хлебопекарными свойствами, третья группа — с низкими хлебопекарными свойствами. По видимому диапазону UV-VIS-NIR спектра диффузного отражения произведен расчет координат цвета в колориметрической системе МКО L*a*b*. Самое значительное различие в цветовых координатах образцов между группами обнаружено в координате b*, что обусловлено различным содержанием красящих пигментов. База данных спектров использована для построения классификационной модели градации пшеничной муки на группы качества сочетанием методов главных компонент и линейного дискриминантного анализа (PCA-LDA). Достигнутые результаты указывают на то, что классификационная модель, построенная на обучающей выборке, способна различать спектры пшеничной муки по группам качества с точностью 96,49%. Эффективность модели проверена с использованием тестового набора спектров образцов пшеничной муки. Настоящее исследование подтверждает, что комбинация UV-VIS-NIR спектроскопии в сочетании с методом PCA-LDA обладает значительным потенциалом для определения группы качества пшеничной муки по технологическим свойствам.

1. Cortés, V., Blasco, J., Aleixos, N., Cubero, S., Talens, P. (2019). Monitoring strategies for quality control of agricultural products using visible and near-infrared spectroscopy: A review. Trends in Food Science and Technology, 85, 138–148. https://doi.org/10.1016/j.tifs.2019.01.015

2. Сибирина, Т. Ф., Мельникова, Е. В., Мордвинова, Н. М., Полубояринов, Н. А., Беляков, А. А. (2020). Прогнозирование силы муки яровой пшеницы, возделываемой в условиях лесостепи. Эпоха науки, 21, 49–60. https://doi.org/10.24411/2409-3203-2020-11007

3. Porep, J. U., Kammerer, D. R., Carle, R. (2015). On-line application of near infrared (NIR) spectroscopy in food production. Trends in Food Science and Technology, 46(2(A)), 211–230. https://doi.org/10.1016/j.tifs.2015.10.002

4. Galata, D. L., Meszaros, L. A., Ficzere, M., Vass, P., Nagy, B., Szabo, E. et al. (2021). Continuous blending monitored and feedback controlled by machine visionbased PAT tool. Journal of Pharmaceutical and Biomedical Analysis, 196, Article 113902. https://doi.org/10.1016/j.jpba.2021.113902

5. Radman, M., Jurina, T., Benković, M., Tušek, A.J., Valinger, D., Kljusurić, J. G. (2018). Application of NIR spectroscopy in gluten detection as a cross-contaminant in food. Hrvatski Casopis za Prehrambenu Tehnologiju, Biotehnologiju i Nutricionizam, 13(3–4), 120–127. https://doi.org/10.31895/hcptbn.13.3-4.4

6. Platov, Y. T., Metlenkin, D. A., Platova, R. A., Rassulov, V. A., Vereshchagin, A. I., Marin, V. A. (2021). Buckwheat identification by combined UV-VIS-NIR spectroscopy and multivariate analysis. Journal of Applied Spectroscopy, 88, 723–730. https://doi.org/10.1007/s10812-022-01315-7

7. de Brito, A. A., Campos, F., dos Reis Nascimento, A., Damiani, C., da Silva, F. A., de Almeida Teixeira, G. H. et al. (2022). Non-destructive determination of color, titratable acidity, and dry matter in intact tomatoes using a portable VisNIR spectrometer. Journal of Food Composition and Analysis, 107, Article 104288. https://doi.org/10.1016/j.jfca.2021.104288

8. Pourdarbani, R., Sabzi, S., Kalantari, D., Karimzadeh, R., Ilbeygi, E., Arribas, J. I. (2020). Automatic non-destructive video estimation of maturation levels in Fuji apple (Malus Malus pumila) fruit in orchard based on colour (Vis) and spectral (NIR) data. Biosystems Engineering, 195, 136–151. https://doi.org/10.1016/j.biosystemseng.2020.04.015

9. Menezes, C. M., da Costa, A. B., Renner, R. R., Bastos, L. F., Ferrão, M. F., Dressler, V. L. (2014). Direct determination of tannins in Acacia mearnsii bark using near-infrared spectroscopy. Analytical Methods, 6(20), 8299–8305. https://doi.org/10.1039/C4AY01558D

10. de Matos, M. F. R., Bezerra, P. Q. M., Correia, L. C. A., Viola, D. N., de Oliveira Rios, A., Druzian, J. I. et al. (2021). Innovative methodological approach using CIELab and dye screening for chemometric classification and HPLC for the confirmation of dyes in cassava flour: A contribution to product quality control. Food Chemistry, 365, Article 130446. https://doi.org/10.1016/j.foodchem.2021.130446

11. Jeber, J. N., Hassan, R. F., Hammood, M. K., Al-Jeilawi, O. H. R. (2021). Sensitive and simple colorimetric methods for visual detection and quantitative determination of semicarbazide in flour products using colorimetric reagents. Sensors and Actuators B: Chemical, 341, Article 130009. https://doi.org/10.1016/j.snb.2021.130009

12. Rodionova, O. Ye., Pomerantsev, A. L. (2006). Chemometrics: Achievements and prospects. Russian Chemical Reviews, 75(4), 271–287. https://doi.org/10.1070/RC2006v075n04ABEH003599

13. Prasadi, V. P. N., Joye, I. J. (2023). Effect of soluble dietary fibre from barley on the rheology, water mobility and baking quality of wheat flour dough. Journal of Cereal Science, 112, Article 103715. https://doi.org/10.1016/j.jcs.2023.103715

14. Парасич, А. В., Парасич, В. А., Парасич, И. В. (2021). Формирование обучающей выборки в задачах машинного обучения. Обзор. Информационно-управляющие системы, 4(113), 61–70. https://doi.org/10.31799/1684-8853-2021-4-61-70

15. Aw, W. C., Ballard, J. W. O. (2019). Near-infrared spectroscopy for metabolite quantification and species identification. Ecology and Evolution, 9(3), 1336–1343. https://doi.org/10.1002/ece3.4847

16. Шибаева, А. А., Мясникова, Е. Н. (2020). Факторы и стандарты, формирующие качество пшеничной муки. Технологии пищевой и перерабатывающей промышленности АПК-продукты здорового питания, 3, 72–77. https://doi.org/10.24411/2311-6447-2020-10064

17. Horváth, Z. H., Véha, A. (2015). Colour characteristics of winter wheat grits of different grain size. Acta Universitatis Sapientiae, Alimentaria, 8(1), 70–77. https://doi.org/10.1515/ausal-2015-0006

18. Мальчиков П. Н., Мясникова М. Г. (2020). Содержание желтых пигментов в зерне твердой пшеницы (Triticum durum Desf.): биосинтез, генетический контроль, маркерная селекция. Вавиловский журнал генетики и селекции. 24(5), 501–511. https://doi.org/10.18699/VJ20.642

19. Lachman, J., Martinek, P., Kotikova, Z, Orsáka, M., Šulcaet, M. (2017). Genetics and chemistry of pigments in wheat grain — A review. Journal of Cereal Science, 74, 145–154. https://doi.org/10.1016/j.jcs.2017.02.007

20. Fratianni, A., Irano, M., Panfili, G., Acquistucci, R. (2005). Estimation of Color of Durum Wheat. Comparison of WSB, HPLC, and Reflectance Colorimeter Measurements. Journal of Agricultural and Food Chemistry, 53(7), 2373–2378. https://doi.org/10.1021/jf040351n

21. Steinberg, T. S., Meleshkina, E. P., Shvedova, O. G., Morozova, O. V., Zhiltsova, N. S. (2020). Changes of the optical properties of top-grade flour (semolina) from durum wheat during its ripening. Food Systems, 3(2), 24–28. https://doi.org/10.21323/2618-9771-2020-3-2-24-28

22. Kolašinac, S. M., Dajić-Stevanović, Z. P., Kilibarda, S. N., Kostić, A. Ž. (2021). Carotenoids: New applications of “old” pigments. Phyton-International Journal of Experimental Botany, 90(4), 1041–1062. https://doi.org/10.32604/phyton.2021.015996

23. Шлыкова, А. Н., Балабаев, А. А., Трухина, Е. В., Базарнова, Ю. Г. (2020). Получение каротиноидных пигментов из микроводорослей Chlorella. Вестник ПНИПУ. Химическая технология и биотехнология, 3, 20–37. https://doi.org/10.15593/2224-9400/2020.3.02

24. Britton, G. (2020). Carotenoid research: History and new perspectives for chemistry in biological systems. Biochimica et Biophysica Acta (BBA)-Molecular and Cell Biology of Lipids, 1865(11), Article 158699. https://doi.org/10.1016/j.bbalip.2020.158699

25. Dowell, F. E., Maghirang, E. B., Graybosch, R. A., Berzonsky, W. A., Delwiche, S. R. (2009). Selecting and sorting waxy wheat kernels using near-infrared spectroscopy. Cereal Chemistry, 86(3), 251–255. https://doi.org/10.1094/CCHEM-86-3-0251

26. Joe, A. A. F., Gopal, A. (April 20–21, 2017). Identification of spectral regions of the key components in the near infrared spectrum of wheat grain. International Conference on Circuit, Power and Computing Technologies (ICCPCT). IEEE, Kollam. https://doi.org/10.1109/ICCPCT.2017.8074207

27. Hoffman, L. C., Ni, D., Dayananda, B., Abdul Ghafar, N., Cozzolino, D. (2022). Unscrambling the provenance of eggs by combining chemometrics and nearinfrared reflectance spectroscopy. Sensors, 22(13), Article 4988. https://doi.org/10.3390/s22134988

28. Wang, P., Ma, T., Slipchenko, M. N., Liang, S., Hui, J., Shung, K. K. et al. (2014). High-speed intravascular photoacoustic imaging of lipid-laden atherosclerotic plaque enabled by a 2-kHz barium nitrite Raman laser. Scientific Reports, 4(1), Article 6889. https://doi.org/10.1038/srep06889

29. Puertas, G., Cazón, P., Vázquez, M. (2023). Application of UV-VIS-NIR spectroscopy in membrane separation processes for fast quantitative compositional analysis: A case study of egg products. LWT, 174, Article 114429. https://doi.org/10.1016/j.lwt.2023.114429

30. Monago-Maraña, O., Eskildsen, C. E., Galeano-Díaz, T., de la Peña, A. M., Wold, J. P. (2021). Untargeted classification for paprika powder authentication using visible–Near infrared spectroscopy (VIS-NIRS). Food Control, 121, Article 107564. https://doi.org/10.1016/j.foodcont.2020.107564

31. Núñez-Sánchez, N., Martínez-Marín, A. L., Polvillo, O., Fernández-Cabanás, V. M., Carrizosa, J., Urrutia, B. et al. (2016). Near Infrared Spectroscopy (NIRS) for the determination of the milk fat fatty acid profile of goats. Food Chemistry, 190, 244–252. https://doi.org/10.1016/j.foodchem.2015.05.083

32. Uysal, R. S., Acar-Soykut, E., Boyaci, I. H. (2020). Determination of yolk: White ratio of egg using SDS-PAGE. Food Science and Biotechnology, 29, 179–186. https://doi.org/10.1007/s10068-019-00650-4

33. Wilson, R. N., Nadeau, K. P., Jaworski, F. B., Tromberg, B. J., Durkina, A. J. (2015). Review of short-wave infrared spectroscopy and imaging methods for biological tissue characterization. Journal of Biomedical Optics, 20(3), Article 03090. https://doi.org/10.1117/1.JBO.20.3.030901

34. Taira, E. (2021). Information and Communication Technology in Agriculture. Chapter in a book: Near-infrared spectroscopy: Theory, spectral analysis, instrumentation, and applications. Singapore: Springer, 2021. https://doi.org/10.1007/978-981-15-8648-4

35. Næs, T., Isaksson, T., Fearn, T., Davies, T. (2002). A user-friendly guide to multivariate calibration and classification. NIR Publications, Chichester, UK. 2002.