Preview

Журнал прикладной спектроскопии

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Определение содержания алюминия в мучных изделиях методом лазерной атомно-эмиссионной спектроскопии в сочетании с методом наименьших квадратов

Аннотация

С использованием метода наименьших квадратов (PLS) проведены сравнение и анализ влияния различных точек сглаживания и различных методов предварительной обработки на точность модели PLS. Показано, что количественная модель PLS дает наилучший эффект при использовании  11-точечного сглаживания в сочетании со стандартными нормальными переменными (SNVs) в качестве метода предварительной обработки. Коэффициенты детерминации Rc2 и Rp2 обучающего набора модели и набора прогнозирования составляют 0.9900 и 0.9996. Среднеквадратичные ошибки RMSECV = 11.7 и RMSEP = 5.23, средняя относительная ошибка прогнозирования 2.96% указывает на высокий уровень точности и точности прогнозирования. Продемонстрированы перспективы применения лазерной атомно-эмиссионной спектроскопии для количественного определения конкретных ингредиентов в мучных изделиях в качестве основы для мониторинга и оценки безопасности пищевых продуктов в режиме реального времени.

Об авторах

Q. Ding
Инженерный колледж Сельскохозяйственного университета Цзянси
Китай

Наньчан



M. Yao
Инженерный колледж Сельскохозяйственного университета Цзянси
Китай

Наньчан



Sh. Wu
Инженерный колледж Сельскохозяйственного университета Цзянси
Китай

Наньчан



M. Zeng
Инженерный колледж Сельскохозяйственного университета Цзянси
Китай

Наньчан



N. Xue
Инженерный колледж Сельскохозяйственного университета Цзянси
Китай

Наньчан



D. Wu
Инженерный колледж Сельскохозяйственного университета Цзянси
Китай

Наньчан



J. Xu
Инженерный колледж Сельскохозяйственного университета Цзянси
Китай

Наньчан



Список литературы

1. H. Cao, T. Wang, Y. Min, J. Yu, F. Xu, J. Food Prot., 80, No. 10, 523–531 (2017).

2. G. Ma, J. Ethnic Foods, 2, No. 4, 195–199 (2015).

3. P. A. Akin, B. Sezer, T. Sanal, H. Apaydin, H. Koksel, İ. H. Boyaci, J. Cereal Sci., 92, 102920 (2020).

4. F. Liu, C. Zhang, Z. Huang, P. Liu, D. Chen, J. Instrum. Anal., 38, No. 4, 390–395 (2019).

5. S. Akhtar, F. M. Anjum, M. Akbar Anjum, Food Res. Int., 44, No. 3, 652–659 (2010).

6. H. Hua, X. Jiang, S. Wu, Food Chem., 207, 1–5 (2016).

7. A. M. Abdulwahab, Y. A. A. Al-Magdashi, A. Meftah, D. A. Al-Eryani, A. A. Qaid, Chin. J. Phys., 60, 510–521 (2019).

8. S. Sarin, D. Julka, K. D. Gill, Mol. Cell. Biochem., 168, 95–100 (1997).

9. J. L. Greger, C. F. Powers, Toxicology, 76, No. 2, 119–132 (1992).

10. R. O. Oruko, J. N. Edokpayi, T. A. M. Msagati, N. T. Tavengwa, H. J. O. Ogola, G. Ijoma, J. O. Odiyo, Environ. Sci. Poll. Res. Int., 16, No. 7, 480–488 (2019).

11. C. J. Savelli, A. Bradshaw, P. B. Embarek, C. Mateus, Foodborne Pathogens and Disease, 16, No. 7, 480–488 (2019).

12. Z. Chen, T. Shen, J. Yao, W. Wang, F. Liu, X. Li, Y. He, Molecules (Basel, Switzerland), 24, No. 13, 2517 (2019).

13. J. M. R. Antoine, F. L. A. Hoo, C. N. Grant, Toxic. Rep., 4, 181–187 (2017).

14. S. Farahani, N. Eshghi, A. Abbasi, F. Karimi, E. S. Malekabad, M. Rezaei, Toxin Rev., 34, No. 2, 96–100 (2015).

15. R. Chekri, E. Le Calvez, J. Zinck, J. C. Leblanc, V. Sirot, M. Hulin, L. Noël, T. Guérin, J. Food Comp. Anal., 78, 108–120 (2019).

16. M. M. Keszycka, X. Cama-Moncunill, M. P. Casado-Gavalda, Y. Dixit, R. Cama-Moncunill, P. J. Cullen, C. Sullivan, Trends Food Sci. Tech., 65, 80–93 (2017).

17. X. Li, Y. Yang, G. Li, B. Chen, W. Hu, Plasma Sci. Tech., 22, No. 7, 122–126 (2020).

18. A. Lang, D. Engelberg, N. T. Smith, D. Trivedi, O. Horsfall, A. Banford, P. A. Martin, P. Coffey, W. R. Bower, C. Walther, M. Weiß, H. Bosco, A. Jenkins, G. T. W. Law, J. Hazard Mater., 345, 114–122 (2018).

19. R. Gaudiuso, E. Ewusi-Annan, N. Melikechi, X. Sun, Be. Liu, L. F. Campesato, T. Merghoub, Spectrochim. Acta B: At. Spectrosc., 146, 106–114 (2018).

20. S. Schröder, K. Rammelkamp, F. Hanke, I. Weber, D. S. Vogt, S. Frohmann, S. Kubitza, U. Böttger, H. W. Hübers, J. Raman Spectrosc., 51, No. 9, 1667–1681 (2020).

21. E. C. Ferreira, José A. G. Neto, Débora M. B. P. Milori, E. J. Ferreira, J. M. Anzano, Spectrochim. Acta B: At. Spectrosc., 110, 96–99 (2015).

22. R. H. El-Saeid, M. Abdelhamid, M. A. Harith, Spectrochim. Acta B: At. Spectrosc., 116, 1–7 (2016).

23. Q. Wang, G. Teng, C. Li, Y. Zhao, Z. Peng, J. Hazard Mater., 369, 423–429 (2019).

24. A. Jabbar, M. Akhtar, S. Mahmood, R. Ahmed, M. A. Baig, Anal. Lett., 53, No. 8, 1328–1341 (2020).

25. X. Cama-Moncunill, M. M. Keszycka, P. J. Cullen, C. Sullivan, M. P. Casado-Gavalda, Food Chem., 309, 125754 (2020).

26. Y. Tian, Q. Chen, Y. Lin, Y. Lu, Y. Li, H. Lin, Spectrochim. Acta B: At. Spectrosc., 175, 106027 (2021).

27. A. A. Pervin, S. Banu, B. Scott R, P. Kamaranga, T. Michael, A. Hakan, B. İ. Hakkı, J. Sci. Food Agric., 101, No. 3, 1076–1084 (2020).

28. V. C. Costa, D. V. Babos, F. W. B. Aquino, A. Virgílio, F. A. C. Amorim, E. R. Pereira-Filho, Food Anal. Methods, 11, No. 7, 1886–1896 (2018).

29. H. M. Velioglu, B. Sezer, G. Bilge, S. E. Baytur, I. H. Boyac, Meat Sci., 138, 28–33 (2018).

30. B. Sezer, G. Bilge, A. Berkkan, U. Tamer, I. H. Boyaci, Food Chem., 240, 84–89 (2018).

31. Y. Liu, X. Gao, X. Jiang, H. Gao, X. Lin, Y. Zhang, Y. Zheng, Spectrosc. Spectr. Anal., 40, No. 9, 2815–2820 (2020).

32. L. Wang, T. Liu, Y. Chen, Y. Sun, Z. Xiu, Chin. J. Biotech., 33, No. 1, 68–78 (2017).


Рецензия

Для цитирования:


Ding Q., Yao M., Wu Sh., Zeng M., Xue N., Wu D., Xu J. Определение содержания алюминия в мучных изделиях методом лазерной атомно-эмиссионной спектроскопии в сочетании с методом наименьших квадратов. Журнал прикладной спектроскопии. 2022;89(4):548-554.

For citation:


Ding Q., Yao M., Wu Sh., Zeng M., Xue N., Wu D., Xu J. Quantitative Analysis of Al Inflour Products by Laser-Induced Breakdown Spectroscopy Combined with Partial Least Squares. Zhurnal Prikladnoii Spektroskopii. 2022;89(4):548-554.

Просмотров: 118


ISSN 0514-7506 (Print)