zldmЗаводская лаборатория. Диагностика материаловIndustrial laboratory. Diagnostics of materials1028-68612588-0187ООО «Издательство «ТЕСТ-ЗЛ»10.26896/1028-6861-2023-89-2-I-5-12zldm-1854Research ArticleАНАЛИЗ ВЕЩЕСТВАSUBSTANCES ANALYSISИдентификация и аутентификация растительных масел методом цифровой цветометрии и хемометрического анализаTitration curve for the determination of free lithium in a lithium-boron alloyАмелинВ. Г.AmerinV. G.

Василий Григорьевич Амелин

600000, г. Владимир, ул. Горького, д. 87

123022, Москва, Звенигородское шоссе, д. 5

Vasily G. Amerin

87, Gor'kogo ul., Vladimir, 600000

5, Zvenigorodskoye shosse, Moscow, 123022

amelinvg@mail.ruШаокаЗ. А. Ч.ShogahZ. A. Ch.

Зин Алабдин Чалави Шаока

600000, г. Владимир, ул. Горького, д. 87

Zen Alabden Ch. Shogah

87, Gor'kogo ul., Vladimir, 600000

БольшаковД. С.BolshakovD. S.

Дмитрий Сергеевич Большаков

600005, г. Владимир, ул. Токарева, д. 5

Dmitry S. Bolshakov

5, Tokareva ul., Vladimir, 600005

ТретьяковА. В.TretyakovA. V.

Алексей Викторович Третьяков

123022, Москва, Звенигородское шоссе, д. 5

Alexey V. Tretyakov

5, Zvenigorodskoye shosse, Moscow, 123022

Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых; Всероссийский государственный центр качества и стандартизации лекарственных средств для животных и кормовРоссияAlexander Stoletov and Nikolay Stoletov Vladimir State University; The Russian State Center for Animal Feed and Drug Standardization and QualityRussian FederationВладимирский государственный университет имени Александра Григорьевича и Николая Григорьевича СтолетовыхРоссияAlexander Stoletov and Nikolay Stoletov Vladimir State UniversityRussian FederationЦентр гигиены и эпидемиологии в Владимирской областиРоссияCenter for Hygiene and Epidemiology in the Vladimir RegionRussian FederationВсероссийский государственный центр качества и стандартизации лекарственных средств для животных и кормовРоссияThe Russian State Center for Animal Feed and Drug Standardization and QualityRussian Federation202323022023892(I)512Copyright © Амелин В.Г., Шаока З.Ч., Большаков Д.С., Третьяков А.В., 20232023Амелин В.Г., Шаока З.Ч., Большаков Д.С., Третьяков А.В.Amerin V.G., Shogah Z.A., Bolshakov D.S., Tretyakov A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.zldm.ru/jour/article/view/1854

Описан простой и доступный способ идентификации и аутентификации пищевых растительных масел с использованием смартфона и хемометрического анализа. Идентификацию по региону происхождения и видовой принадлежности (оливковое, подсолнечное, рапсовое, хлопковое и др.) и аутентификацию (подлинность и фальсификация) растительных масел осуществляли по собственной окраске и флуоресценции при облучении образцов монохроматическим ультрафиолетовым излучением (А = 365 им). В качестве регистрирующего устройства при изучении оптических и цветометрических характеристик применяли смартфоны iPhone X и iPhone XIII (Apple, США), оснащенные специализированным программным обеспечением RGBer. Предложены тест-устройство на базе смартфона и способ измерения цветометрических параметров в аддитивной системе RGB для идентификации и аутентификации пищевых растительных масел. Обработку массива данных (по трем переменным R, G и В) проводили с использованием программного продукта XLSTAT. Для дифференциации образцов по региону происхождения и видовой принадлежности использовали методы главных компонент и иерархического кластерного анализа. Апробация представленного подхода выполнена с использованием образцов растительных масел коммерческого производства, приобретенных в магазинах розничной торговли. Применение хемометрического анализа позволило установить подлинность масел, идентифицировать их по региону происхождения и выявить факты фальсификации путем разбавления дорогих масел более дешевыми. Предложенный способ оценки качества растительной продукции отличают простота аппаратурного оформления, доступность используемых технических средств и материалов, возможность анализа на месте без привлечения высококвалифицированных специалистов, а также наглядность и экспрессность получения информации.

A simple and available method for identification and authentication of edible vegetable oils using a smartphone and chemometric analysis is presented. Identification of oils by the region of origin and species (olive, sunflower, rapeseed, cotton, etc.), as well as their authentication (authenticity and falsification) were carried out by the intrinsic color of vegetable oils and fluorescence under irradiation of the samples with monochromatic ultraviolet light (A = 365 nm). The iPhone X and iPhone XIII smartphones (Apple, USA) equipped with a specialized software (RGBer) were used as a color-recording device in the study of optical and colorimetric characteristics. A smartphone-based test device and a method for measuring colorimetric parameters in an additive RGB system for identification and authentication of edible vegetable oils are proposed. The processing of the data array (for three variables R, G, and B) was carried out using the XLSTAT software product. To differentiate the samples by the region of origin and species, the method of principal components and hierarchical cluster analysis were used. Approbation of the developed approach was carried out on the samples of commercially produced vegetable oils purchased in retail stores. The use of algorithms of chemometric analysis made it possible to establish the authenticity of vegetable oils, identify them by the region of origin, and to reveal facts of falsification by diluting expensive oils with cheaper ones. The developed method for assessing the quality of plant products is advantageous for the simplicity of hardware design, the availability of technical means and materials used, the possibility of in situ analysis without involving highly qualified specialists, and the clarity and speed of obtaining information.

идентификация и аутентификация растительных маселцифровая цветометриясмартфонхемометрический анализidentification and authentication of vegetable oilsdigital colorimetrysmartphonechemometric analysisReferencesYang Y., Ferro М. D., Cavaco I., Liang Y. Detection and identification of extra virgin olive oil adulteration by GC-MS combined with chemometrics / J. Agric. Food Chem. 2013. Vol. 61. E 36933702. DOI: 10.1021/jf4000538Yang Y., Ferro M. D., Cavaco I., Liang Y. Detection and identification of extra virgin olive oil adulteration by GC-MS combined with chemometrics / J. Agric. Food Chem. 2013. Vol. 61. E 36933702. DOI: 10.1021/jf4000538Tomazzoni G., Meira M., Quintella С. M., et al. Identification of vegetable oil or biodiesel added to diesel using fluorescence spectroscopy and principal component analysis / Am. Oil Chem. Soc. 2014. Vol. 91. E 215 - 227. DOI: 10.1007Ы1746-013-2354-5Tomazzoni G., Meira M., Quintella C. M., et al. Identification of vegetable oil or biodiesel added to diesel using fluorescence spectroscopy and principal component analysis / Am. Oil Chem. Soc. 2014. Vol. 91. E 215 - 227. DOI: 10.1007Ы1746-013-2354-5Al-Kahtani H. A., Ahmed M. A., Abou-Arab A. A., Hayat K. Identification of lard in vegetable oil binary mixtures and commercial food products by FTIR / Qual. Assur. Saf Crops Foods. 2017. Vol. 9. N 1. E 11 - 22. DOI: 10.3920/QAS2015.0692Al-Kahtani H. A., Ahmed M. A., Abou-Arab A. A., Hayat K. Identification of lard in vegetable oil binary mixtures and commercial food products by FTIR / Qual. Assur. Sail Crops Foods. 2017. Vol. 9. N 1. E 11 - 22. DOI: 10.3920/QAS2015.0692Chen Y., Wang J., Xu Q., et al. Identification of edible-vegetable-oil types based on multi-kernel learning and multi-spectral fusion / IOF Conf. Sen: Mater. Sci. Eng. 2018. Vol. 452. 022054. DOI: 10.1088/1757-899X/452/2/022054Chen Y., Wang J., Xu Q., et al. Identification of edible-vegetable-oil types based on multi-kernel learning and multi-spectral fusion / IOP Conf. Sen: Mater. Sci. Eng. 2018. Vol. 452. 022054. DOI: 10.1088/1757-899X/452/2/022054EOCT 30623-2018. Масла растительные и продукты со смешанным составом жировой фазы. Метод обнаружения фальсификации. — М.: Стандартинформ, 2018. — 23 с.GOST 30623-98. Vegetable oils and blended fat products. Falsification detection method. — Moscow: Standartinform, 2018. — 23 p. [in Russian].Моногарова О. В., Осколок К. В., Апяр и В. В. Цветометрия в химическом анализе / Жури, аналит. химии. 2018. Т. 73. № 11. С. 857 - 867. DOI: 10.1134/S0044450218110063Monogarova O. V, Oskolok K. V, Apyari V V Colorimetry in chemical analysis / J. Anal. Chem. 2018. Vol. 73. N 11. E 1076 - 1084. DOI: 10.1134/S10619348il0060Иванов В. М., Кузнецов а О. В. Химическая цветометрия: возможности метода, области применения и перспективы / Успехи химии. 2001. Т. 70. № 5. С. 411 - 428. DOI: 10.1070/RC2001v070n05ABEH000636Ivanov V M., Kuznetsova O. V. Chemical chromaticity: potential of the method, application areas and future prospects / Russ. Chem. Rev. 2001. Vol. 70. N 5. E 357 – 372. DOI: 10.1070/RC2001v070n05ABEH000636Амели н В. Г., Шаока 3. А. Ч., Большако в Д. С. Твердофазно-флуориметрическое определение тетрациклинов на целлюлозной бумаге и тонком слое силикагеля в лекарственных препаратах с использованием смартфона / Хим.-фарм. жури. 2021. Т. 55. № 3. С. 52 - 54. DOI: 10.30906/0023-1134-2021-55-3-52-57Amelin V G., Shaoka Z. A. Ch., Bol'shakov D. S. Solid phase fluorimetric determination of tetracyclines on cellulose paper and a thin layer of silica gel in drugs using a smartphone / Khim.-Farm. Zh. 2021. Vol. 55. N 3. E 52 - 54 [in Russian]. DOI: 10.30906/0023-1134-2021-55-3-52-57Амели н В. Г., Шаока 3. А. Ч., Большако в Д. С , Третьяков А. В. Цифровая цветометрия индикаторных тест-систем с использованием смартфона и хемометрического анализа при определении хинолонов в лекарственных препаратах / Жури, прикл. спектроск. 2022. Т. 89. № 1. С. 84 - 93. DOI: 10.47612/0514-7506-2022-89-1-84-93Amelin V. G., Shaoka Z. A. Ch., Bol'shakov D. S., Tret'yakov A. V Digital colorimetry of indicator test systems using a smartphone and chemometric analysis in the determination of quinolones in drugs / Zh. Prikl. Spektrosk. 2022. Vol. 89. N 1. E 84-9 3 [in Russian]. DOI: 10.47612/0514-7506-2022-89-1-84-93Амелин В. Г., Шаока 3. А. Ч., Большаков Д. С. Использование смартфона в твердофазно-флуориметрическом определении некоторых нестероидных противовоспалительных средств в лекарственных препаратах / Хим.-фарм. жури. 2021. Т. 55. №9. С. 54-60. DOI: 10.30906/0023-1134-2021-55-9-54-60Amelin V G., Shaoka Z. A. Ch., Bol'shakov D. S. The use of a smartphone in the solid phase fluorimetric determination of some non-steroidal anti-inflammatory drugs in drugs / Khim.-Farm. Zh. 2021. Vol. 55. N 9. E 54 - 60 [in Russian]. DOI: 10.30906/0023-1134-2021-55-9-54-60Амели н В. Г., Шаока 3. А. Ч., Большако в Д. С. Сорбционно-флуориметрическое определение хинолонов в сточных и природных водах с использованием смартфона / Вести. Моск. ун-та. Сер. 2. 2021. Т. 62. № 4. С. 371 - 379.Amelin V G., Shaoka Z. A. Ch., Bol'shakov D. S. Sorption-fluorimetric determination of quinolones in waste and natural waters using a smartphone / Vestn. Mosk. Univ. Sen 2. 2021. Vol. 62. N 4. E 371 - 379 [in Russian].Амели н В. Г., Шаока 3. А. Ч., Большако в Д. С. Использование смартфона для определения тетрациклинов в воде и молоке по сенсибилизированной твердофазной флуоресценции европия на его гидроксиде / Жури, аналит. химии. 2021. Т. 76. № 10. С. 952 - 958. DOI: 10.31857/S0044450221080028Amelin V. G., Shaoka Z. A. Ch., Bol'shakov D. S. Using a smartphone for determining tetracyclines in water and milk by the sensitized solid state fluorescence of europium on its hydroxide / J. Anal. Chem. 2021. Vol. 76. N 10. E 1211 - 1216. DOI: 10.1134/S10611934821080025Calabria D., Mirasoli М., Guardigli М., et al. Faper-based smartphone chemosensor for reflectometric on-site total polyphenols quantification in olive oil / Sens. Actuators, B. 2020. Vol. 305. 127522. DOI: 10.1016/j.snb.2019.127522Calabria D., Mirasoli M., Guardigli M., et al. Faper-based smartphone chemosensor for reflectometric on-site total polyphenols quantification in olive oil / Sens. Actuators, B. 2020. Vol. 305. 127522. DOI: 10.1016/j.snb.2019.127522Nikolova K., Perifanova-Nemska M., Georgieva P., Boyadjiev D. Identification of vegetable oil adulterants in sunflower oil through discriminant analysis of colorimetric parameters / Bulgarian J. Agric. Sci. 2013. Vol. 19. N 3. E 508 – 512.Nikolova K., Perifanova-Nemska M., Georgieva P., Boyadjiev D. Identification of vegetable oil adulterants in sunflower oil through discriminant analysis of colorimetric parameters / Bulgarian J. Agric. Sci. 2013. Vol. 19. N 3. E 508 - 512.Christodouleas D., Fotakis C, Papadopoulos K., et al. Luminescent methods in the analysis of untreated edible oils: A review / Anal. Lett. 2012. Vol. 45. N. 5 - 6. E 625 - 641. DOI: 10.1080/00032719.2011.649461Christodouleas D., Fotakis C, Papadopoulos K., et al. Luminescent methods in the analysis of untreated edible oils: A review / Anal. Lett. 2012. Vol. 45. N. 5 - 6. E 625 - 641. DOI: 10.1080/00032719.2011.649461Song W., Nanf eng J., Wang H. Use of smartphone videos and pattern recognition for food authentication / Sens. Actuators, B. 2019. Vol. 304. 127247. DOI: 10.1016/j.snb.2019.127247Song W., Nanfeng J., Wang H. Use of smartphone videos and pattern recognition for food authentication / Sens. Actuators, B. 2019. Vol. 304. 127247. DOI: 10.1016/j.snb.2019.127247De Melo Milanez K. D. Т., Pontes M. J. C. Classification of extra virgin olive oil and verification of adulteration using digital image and discriminant analysis / Anal. Methods. 2015. Vol. 7. E 8839 - 8846. DOI: 10.1039/C5AY01765CDe Melo Milanez K. D. Т., Pontes M. J. С Classification of extra virgin olive oil and verification of adulteration using digital image and discriminant analysis / Anal. Methods. 2015. Vol. 7. E 8839 - 8846. DOI: 10.1039/C5AY01765CKaragiorgos N., Nenadis N., Trypidis D., et al. An approach for estimating adulteration of virgin olive oil with soybran oil using image analysis / Froc. of 2017 6th International Conference on Modern Circuits and Systems Technologies (MOCAST). DOI: 10.1109/mocast.2017.7937672Karagiorgos N., Nenadis N., Trypidis D., et al. An approach for estimating adulteration of virgin olive oil with soybran oil using image analysis / Froc. of 2017 6th International Conference on Modern Circuits and Systems Technologies (MOCAST). DOI: 10.1109/mocast.2017.7937672Milanez К. D. Т. D. М., Pontes М. J. С. Classification of edible vegetable oil using digital image and pattern recognition techniques / Microchem. J. 2014. Vol. 113. ЕЮ - 16. DOI: 10.1016/j.microc.2013.10.011Milanez K. D. T. D. M., Pontes M. J. С Classification of edible vegetable oil using digital image and pattern recognition techniques / Microchem. J. 2014. Vol. ИЗ. ЕЮ - 16. DOI: 10.1016/j.microc.2013.10.011Перегонча я О. В., Королькова Н. В., Нуридино в Ш. 3., Соколова С. А. Перспективы использования цифровой цветометрии в контроле цветности растительных масел при их рафинации / Агропромышленные технологии Центральной России. 2019. Вып. 4. № 14. С. 29 - 38.Peregonchaya O. V, Korol'kova N. V, Nuridinov Sh. Z., Sokolova S. A. Prospects for the use of digital colorimetry in the control of the color of vegetable oils during their refining / Agroprom. Tekhnol. Tsentr. Rossii. 2019. Vol. 4. N 14. E 29 - 38 [in Russian].

The authors declare that there are no conflicts of interest present.