Классификация масел: Виды моторных масел: расставляем все по полочкам

Содержание

Моторные масла классификация SAE API ACEA ILSAC

Как классифицируются моторные масла по стандартам. Что означают обозначения.

Cовременные моторные масла классифицируются по нескольким основным общепринятым мировым стандартам

Международный стандарт SAE J 300 показывающий вязкостно-температурные характеристики масла

Классы вязкости моторного масла по спецификации SAE:

  • Класс 0W, 5W, 10W и т.д – зимний (от англ. Winter) класс вязкости, определяет температуру «холодного» пуска двигателя, его основной характеристикой является низкотемпературная вязкость, которая определяется показателями проворачиваемости и прокачиваемости ( чем меньше – тем лучше ).
  • Класс 30W, 40W, 50W и т.д. – высокотемпературный класс вязкости, подбирается исходя из конструкции двигателя, определяет кинематическую вязкость моторного масла и его энергосберегающие характеристики при рабочих (от 100 до 150 град С ) температурах.

Международный стандарт API ( American Petroleum Institute)

Данный стандарт показывает предназначенность масел для бензиновых и дизельных двигателей. Масла для двигателей, работающих на бензине обозначаются маркировками начинающимися с буквы S. Степень очистки данных масел и диапазон годов производства двигателей обозначается буквой после S и классифицируется по алфавиту от меньшего к большему. Т.Е. чем дальше буква после S по алфавиту, тем масло более современно( SG, SL, SM, SN). Масла для двигателей, работающих на дизельном топливе, обозначаются маркировками начинающимися с буквы C. По аналогии с бензиновой классификацией, вторая буква или несколько букв после С обозначает степень очистки масел и диапазон годов производства двигателей.

Также классифицируется от большего к меньшему по алфавиту. Так, например, масла классификации CD –являются, несколько, устаревшими дизельными маслами. А масла классификации CH или CI-4 являются довольно современными. Большинство моторных масел являются универсальными, предназначенными как для бензиновых, так и дизельных двигателей, обозначение в них пишется через слеш (SL/СF).

Международный стандарт ACEA ( Европейский стандарт )

Данный стандарт также показывает предназначенность масла для бензиновых и дизельных двигателей. Отдельно показывает предназначенность масла для двигателей с доп. оборудованием. В обозначении аббревиатуры A – бензиновый показатель, B – дизельный. Цифры после букв A и B обозначают зольность масла, где 1 и 5 – это малозольные масла, а 2,3,4 – это полнозольные масла. К примеру: A5/B5 –малозольные масла, A3/B4 – полнозольные.

Термин зольность можно понять как содержание серы в масле. Малозольные масла – масла с низким содержанием серы, данные масла крайне мало оставляют отходов при сгорании. Аббревиатура C обозначает, что масло предназначено для двигателей с дополнительным оборудованием (сажевый фильтр, катализатор).

  • Классификация ACEA (А../В..) для бензиновых и дизельных двигателей
  • Классификация ACEA (С..) для высокоэкологичных двигателей

Международный стандарт ILSAC (International Lubricant Standartization and Approval Committee)

Ещё его называют Азиатский стандарт.

Классы качества моторного масла по стандарту ILSAC:

Класс ILSAC GF-x* – маловязкие моторные масла для бензиновых двигателей легковых автомобилей с повышенными энергосберегающими свойствами. Как правило выпускаются в классах вязкости SAE xW-20, xW-30. Имеют ограничение по применяемости в моторах не рассчитанных на работу с маловязкими маслами.

Допуски и одобрения автопроизводителей (OEM)

Данные допуски указывают на то, что масло помимо тестов отраслевых стандартов, таких как API, ACEA и ILSAC прошло более жесткие дополнительные испытания автопроизводителей и допущено к применению в ДВС определенных марок и моделей, требующих применения смазочных материалов с повышенными потребительскими свойствами.

Ниже приведены примеры допусков нескольких популярных автопроизводителей:

OEM. VAG OEM. FORD

DIN 51524 — классификация гидравлических масел

Классификации масел и смазок, применяемые для подбора масел для гидравлики.

В России наиболее распространёнными являются следующие классы:
DIN 51524-3 HVLP — масла, которые содержат присадки против коррозии, окисления, износа, а также присадки, которые увеличивают индекс вязкости (индекс вязкости более 140, давление более 100 бар). Масла обозначаются как универсального применения, но наибольший эффект достигается при использовании таких масел в наружных гидравлических системах различной техники.

DIN 51524-2 HLP — масла, содержащие присадки против коррозии, окисления и износа (индекс вязкости превышает 80-100, давление более 100 бар). Масла универсального применения, которые, тем не менее, рекомендуется использовать во внутренних гидравлических системах.
DIN 51524-1 HL — масла, содержащие присадки против коррозии и окисления (индекс вязкости превышает 80-100, давление более 100 бар). Такие масла рекомендуется использовать во внутренних гидравлических системах с относительно невысоким давлением в системе.

Классификация гидравлических масел по ISO 6743 — 4.

ISO — L — HH Минеральные масла, которые не содержат ингибиторов коррозии.
ISO — L — HL Масла класса HH, но с добавленными антиокислительными и антикоррозийными присадками.
ISO — L — HM Масла класса HL, но с добавленными противоизносными присадками.
ISO — L — HR Масла класса HL, но с добавленными более эффективными противоизносными присадками.
ISO — L — HV Масла класса HL, но с высоким индексом вязкости.
ISO — L — HG Масла HM, но с высоким индексом вязкости.
ISO — L — HS Масла HM, но с повышенными свойствами по смягчению ударных нагрузок. Синтетические по составу.

Классификация огнеупорных гидравлических масел ISO 6743 — 4.

ISO — L — HFAE
ISO — L — HFAS
ISO — L — HFB Эмульсия типа «масло в воде». Химические соединения, растворенные в воде.
ISO — L — HFC Водно-жировая эмульсия.
ISO — L — HFDR Вода и гликоли.
ISO — L — HFDS Эфиры фосфорной кислоты — не содержат воды.
ISO — L — HFDT Хлорированные углеводороды — не содержат воды.
ISO — L — HFDU Смеси HFDR / HFDS. Безводные жидкости, более устойчивые, чем HFDR, HFDS или HFDT.

Классификация БР (биологически разлагающихся) гидравлических жидкостей ISO 6743 — 4.

ISO — L — HETG Триглицериды (растительные масла).

ISO — L — HEES Синтетические сложные эфиры типа R-O-R.
ISO — L — HEPG Полигликоли.

Классификация масел для поршневых воздушных компрессоров DIN 51506.

Наиболее распространёнными классами являются:
DIN 51506 VDL — масла, содержащие присадки против коррозии и окисления, температура сжатого воздуха не должна превышать 220ºC. Рекомендуется для компрессоров с двуэтапным сжатием воздуха.
DIN 51506 VCL — масла, содержащие присадки против коррозии и окисления, температура сжатого воздуха не должна превышать 160ºC.
DIN 51506 VBL — масла, содержащие присадки против коррозии и окисления, температура сжатого воздуха не должна превышать 140ºC.

Классификация турбинных масел DIN 51515.

Наиболее распространёнными являются:
DIN 51515-2 L-TG — масла, рекомендованы к применению при температурах, превышающих обычную.
DIN 51515-1 L-TD — масла, рекомендованы к применению в обычном температурном диапазоне.

Классификация редукционных масел DIN 51517.

Наиболее распространённые:
DIN 51517 CGLP — масла, содержащие присадки против коррозии, окисления и износа для применения в местах смешанного трения, а также присадки, улучшающие свойства скольжения поверхностей.
DIN 51517-3 CLP — масла, содержащие присадки против коррозии, окисления и износа для применения в зоне смешанного трения.

DIN 51517-2 CL — масла, содержащие присадки против коррозии и окисления, для применения в условиях средней нагрузки.

Классификация масел для холодильных компрессоров DIN 51503.

Наиболее распространёнными являются:
DIN 51503 KA — масла, пригодные для использования в системах охлаждения с аммиаком.
DIN 51503 KC — масла, пригодные для использования в системах охлаждения с хлорированными фреонами.

Классификация пластичных смазок DIN 51825.

Наиболее распространёнными являются:

DIN 51825 K — смазка, изготовленная из минерального и / либо синтетического масла высокой вязкости, с прменением загустителя.
DIN 51825 KP — смазка класса K с дополнительными присадками, снижающими трение и защищающими от износа, для применения в зоне смешанного трения.
DIN 51825 KF — смазка класса K с дополнительными твёрдыми присадками (графит, дисульфид молибдена и т.д.).
DIN 51825 KPF — смазка класса K с дополнительными присадками, снижающими трение и защищающими от износа в зоне смешанного трения, а также с дополнительными твёрдыми присадками (графит, дисульфид молибдена и т.д.).

SAE классификация | Классификация масел

Современный мир производителей моторных масел предполагает различные способы и методы классификации моторных масел. Один из них, самый распространенный, — SAE — классификация моторных масел по вязкостиSAE классификация включает в себя набор изменений характеристик вязкости масла в зависимости от изменения температуры, и определяет совокупность таких показателей как:

  • динамическая вязкость масла
  • кинематическая вязкость масла

К этому списку, наверно, не помешает добавить собственно вязкость масла, и обратить внимание читателя, что все эти показатели привязаны к температуре тестируемого моторного масла. Прошу не путать с температурой двигателя, это абсолютно разные показатели. Например, если датчик температуры двигателя покажет 120°С — это повод для паники водителя, но для моторного масла — это рабочая температура. Но мы говорим о SAE — классификации моторных масел, потому «вернемся к нашим баранам».

Что именно нужно знать о классификации SAE? Зачем, вообще, нужна SAE классификация? Можно-ли самому определить нужную для Вашего мотора вязкость моторного масла?

SAE-классификация — это что? Или «О чем говорит SAE»

Обо всем — по порядку. SAE — это Американская Ассоциация Автомобильных Инженеров. Организована в далеком 1911 году. С тех пор SAE — единственная общепринятая международная организация, классифицирующая масла по вязкости (или «вязкостным характеристикам»). Согласно классификации SAE J 300 APR 97 «устаканен» максимум для показателя динамической вязкости при отрицательной температуре и минимум для показателя кинематической вязкости при 100°С. Это для «зимних» классов. Их шесть — SAE 0w, SAE 5w, SAE 10w, SAE 15w, SAE 20w, SAE 25w (в аббревиатуре присутствует «w»). Для «летних» (SAE 20, SAE 30, SAE 40, SAE 50, SAE 60) масел SAE классификация «застолбила» максимальное значение для кинематической вязкости при100°С, и минимум для динамической вязкости при 150°С и скорости сдвига 106 с-?.

Всесезонные масла, а таких сейчас большинство, согласно SAE классификации, соответствуют аналогичным показателям «зимних» и «летних» масел одновременно. Ясное дело, всесезонность — это возможность применять данное масло и зимой, и летом. В аббревиатуре присутствуют оба показателя, например, SAE 5w30, SAE 10w40, SAE 15w40, SAE 0w20. Цифры указывают на вязкость масла. Чем выше показатель, тем выше вязкость. Показатели вязкости таких масел очень слабо меняются от изменения температуры. То есть, при низкой температуре масло остается достаточно текучим, а при высокой сохраняет свою вязкость, не разжижаясь полностью. Достигается такое соотношения путем использования синтетических основ масла, или добавлением специальных присадок.

SAE-классификация. Мифы и реальность

Бытует мнение, что цифры в маркировке масла, определяющей классификацию SAE (SAE 5w30, SAE 10w40), указывают на нижний и верхний предел температуры окружающей среды, при которой можно применять данное масло.

Тогда вопрос. При каких температурах можно применять масло SAE 0w20? Согласно вышесказанному диапазон температур где-то в районе -40+20. А при +30 — мотор просто застучит? Или сразу заклинит? И это на высококачественном, синтетическом, суперсовременном моторном масле для суперновых двигателей? Бред, ей-богу!!!

Где-то на сайте я уже писал об этом. И даже приводил пример, как вычислить нижнюю возможную температуру для того или иного масла по SAE. Да, нижнюю (морозную) определить можно. Чисто теоретически и очень приблизительно. Ведь классификация SAE определяет минимальные значения. А в реальности честные показатели прокачиваемости масла и проворачиваемости двигателя (именно так называется показатель, который зачастую называют «зимним» в классификации SAE) можно узнать только из характеристик моторного масла производителя.

SAE-классификация для моего авто. Как подобрать?

Напоследок пара слов о том, можно-ли определить или подобрать вязкость масла по SAE самостоятельно. У меня на этот счет, есть два предложения.

Первое. Подбирая вязкость для своего двигателя Вы руководствуетесь сервисной книжкой автомобиля. Обычно этого хватает, и нет смысла «мудрить» дальше. Поверьте, если производитель Вашего двигателя рекомендует масло классификации SAE 5w40 — лейте SAE 5w40. На заводе Ваш мотор хорошо «погоняли» на разных режимах, и экспериментальным путем определили необходимую вязкость масла по классификации SAE именно для Вашего мотора. Без разницы, сколько он «пробежал».

И второе предложение. Покупаете масла всех вязкостей SAE, которые Вам улыбаются больше всего. И проводите эксперимент самостоятельно. Очень неплохой вариант поучиться на своих ошибках. Подходит в том случае, если Ваша машина Вам больше не нужна.

Статьи в тему из этой рубрики:

Классификация базовых масел

Классы базового масла по API

ГРУППА 1 – минеральная, содержит менее 90% предельных углеводородов и 0,03% серы, имеет индекс вязкости от 80 до 120 (обычно <90)
ГРУППА 2 – минеральная, содержит не менее 90% предельных углеводородов и менее 0,03% серы, имеет индекс вязкости от 80 до 120 (обычно 95)
ГРУППА 3 – содержит не менее 90% предельных углеводородов и менее 0,03% серы, имеет индекс вязкости более 120 (обычно 140-150) (НС-синтетические, крекинговые, гидросинтетические, техносинтез, Syntetishblend, МС-синтез)
ГРУППА 4 – синтетические полиальфаолефины (индекс вязкости 130)
ГРУППА 5 – синтетические базовые масла других типов, не вошедшие в группы 1-4 (сложные спирты и эфиры)


МИНЕРАЛЬНЫЕ БАЗОВЫЕ МАСЛА (MINERALISCHE OIL)


Высококачественное минеральное базовое масло является надежной основой для получения современных смазочных материалов. Такие базовые масла обладают стабильными свойствами, в частности, высокой растворимостью присадок, что обеспечивает эффективность их действия. Они также имеют хорошие смазочные свойства, что в свою очередь обеспечивает гидродинамический режим смазывания в широком диапазоне рабочих температур.
Однако на базе минерального масла трудно, а иногда даже и просто невозможно разработать смазочный материал, обладающий высокими эксплуатационными характеристиками как при весьма низких, так и при очень высоких температурах.


ЧАСТИЧНО СИНТЕТИЧЕСКИЕ И ПОЛУСИНТЕТИЧЕСКИЕ МАСЛА
(TEILESYNTETISCHES)


Низкотемпературные свойства минеральных масел можно улучшать введением некоторого количества (до 30%) синтетики. Таким способом можно производить недорогие, но обладающие хорошей жидкотекучестью при низких температурах, всесезонные масла SAE 5W-XX, которые трудно или невозможно изготовить на базе только минерального масла.

СИНТЕТИЧЕСКИЕ МАСЛА (VOLLSYNTETISCHES)


Еще более высокие служебные характеристики смазочных материалов можно получить за счет использования синтетических базовых масел. Однако само по себе применение синтетического базового масла не всегда гарантирует высокие эксплуатационные свойства конечного продукта. Для достижения максимального эффекта необходимы тщательный подбор всех компонентов и оптимизация рецептуры. Этим объясняется весьма существенная разница в стоимости «однотипных» синтетических масел.

Синтетические масла позволяют дополнительно обеспечить:

• Отличные свойства при низких температурах, в т. ч. легкий запуск двигателя и надежное смазывание при «холодном» пуске.
• Отличные функциональные свойства при высоких температурах, в частности, стабильность против окисления, низкую летучесть и расход масла.
• Великолепные моющие свойства и минимизацию отложений.
• Увеличение сроков сменности масла и снижение расхода топлива.

НС-СИНТЕТИЧЕСКИЕ БАЗОВЫЕ МАСЛА


МЕТОД КАТАЛИТИЧЕСКОГО ГИДРОКРЕКИНГА (НС-синтеза) – HC-Synthese (Hydrocracking Synthese
Technology, VHVI, XHVI, ExSyn и т.д.)

Гидрокрекинг является одним из самых перспективных методов улучшения свойств масла. При гидрокрекинге протекает ряд химических реакций, в результате которых удаляются соединения серы, азота и другие вещества, снижающие служебные характеристики масла. Эти процессы обеспечивают улучшение молекулярной структуры минерального масла, усиливают стойкость к механическим, термическим и химическим воздействиям, а также повышают стабильность свойств масла в течение всего межсервисного периода. Именно обработка базовых масел методом каталитического гидрокрекинга позволяет добиться очень высоких эксплуатационных характеристик моторных масел, сравнимых, а по ряду параметров и превосходящих свойства «100% синтетики».


При производстве смазочных материалов под брендом Liqui Moly используются лучшие сорта базовых масел из доступных на рынке. В этом заключается одно из конкурентных преимуществ компании по сравнению с корпорациями, которые привязанны к конкретному месторождению нефти и потому зависимы от ее качества.

Произошла ошибка при настройке пользовательского файла cookie

Этот сайт использует файлы cookie для повышения производительности. Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.


Настройка вашего браузера для приема файлов cookie

Существует множество причин, по которым cookie не может быть установлен правильно. Ниже приведены наиболее частые причины:

  • В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки своего браузера, чтобы он принимал файлы cookie, или чтобы спросить вас, хотите ли вы принимать файлы cookie.
  • Ваш браузер спрашивает вас, хотите ли вы принимать файлы cookie, и вы отказались. Чтобы принять файлы cookie с этого сайта, нажмите кнопку «Назад» и примите файлы cookie.
  • Ваш браузер не поддерживает файлы cookie. Если вы подозреваете это, попробуйте другой браузер.
  • Дата на вашем компьютере в прошлом. Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы исправить это, установите правильное время и дату на своем компьютере.
  • Вы установили приложение, которое отслеживает или блокирует установку файлов cookie. Вы должны отключить приложение при входе в систему или проконсультироваться с системным администратором.

Почему этому сайту требуются файлы cookie?

Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу. Чтобы предоставить доступ без файлов cookie потребует, чтобы сайт создавал новый сеанс для каждой посещаемой страницы, что замедляет работу системы до неприемлемого уровня.


Что сохраняется в файле cookie?

Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в cookie; никакая другая информация не фиксируется.

Как правило, в файлах cookie может храниться только информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта. Например, сайт не может определить ваше имя электронной почты, пока вы не введете его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступа к остальной части вашего компьютера, и только сайт, который создал файл cookie, может его прочитать.

Исчерпывающая классификация пищевых масел в соответствии с их спектральным профилем улавливания радикалов, оцененная с помощью расширенной хемометрии

https://doi.org/10.1016/j.saa.2019.01.065Получить права и содержание

Основные характеристики

30 холод -прессованные пищевые масла были классифицированы в соответствии с их антиоксидантной способностью.

Были выделены пищевые масла со значительным высоким антиоксидантным потенциалом.

Профили улавливания радикалов были оценены с помощью передовых хемометрических методов.

Были предложены новые шкалы антиоксидантной активности с использованием оценок PCA и LDA.

Были определены информативные длины волн, которые способствуют классификации пищевых масел.

Реферат

Представлено комплексное исследование, касающееся характеристики и классификации 30 пищевых масел холодного отжима в соответствии с их УФ-видимыми спектрами и профилями улавливания радикалов с использованием анализа 2,2-дифенил-1-пикрилгидразил (DPPH). .С учетом профилей нагрузок анализа главных компонент (PCA) и нечеткого анализа главных компонент (FPCA) были идентифицированы характерные спектральные области, которые существенно влияют на классификацию проб нефти, и были связаны с характерными факторами в каждой группе. Более того, были обнаружены масла с высокой антирадикальной способностью. Баллы, соответствующие первому главному компоненту, и канонические баллы, соответствующие первой дискриминантной функции, полученные из спектральных профилей улавливания радикалов, позволили провести соответствующую классификацию масел в четко определенные группы, связанные с их высокой, средней и низкой способностью улавливать радикалы.Метод FPCA-LDA, примененный к спектральным профилям поглощения радикалов DPPH пищевых масел, оказался наиболее эффективным методом с правильной степенью классификации 96,7%.

Ключевые слова

Пищевые масла

УФ – видимая спектроскопия

Профили улавливания радикалов

Анализ главных компонентов

Нечеткий анализ главных компонентов

Линейный дискриминантный анализ

Рекомендуемые статьи Цитирующие статьи (0)

Просмотреть полный текст © 2019 Else

Б.V. Все права защищены.

Рекомендуемые товары

Ссылки на статьи

Приложение: Классификация оливкового масла

Приложение: Классификация оливкового масла


Приложение: классификация оливкового масла

На основании Регламента ЕС 2568/91; Регламент ЕС 1638/98 приостановлено и отложил на будущее принятие улучшенных аналитических методов, касающихся органолептический рейтинг. С вступлением в силу Регламента ЕС1513/01, старт с 1/11/2002 максимальный уровень свободной кислотности оливкового масла первого отжима был уменьшен (0,8 грамма на 100 граммов), в то время как уровень для первого масла остается то же самое (максимум 2 процента), обычная категория удаляется и масла с более 2 процентов кислотности попадают в категорию масел лампанте. Уровень кислотность оливкового масла и масла из жмыха была снижена до 1 грамма на 100 грамм.

· ДЕВИНА ОЛИВКА МАСЛО

Оливковое масло, полученное из плодов оливкового дерева исключительно механические или другие физические средства в условиях, особенно термических условия, не приводящие к изменениям в масле и не подверглись любой обработке, кроме промывки, декантации, центрифугирования и фильтрация, за исключением масел, полученных растворителем или переэтерификацией процессы и любые смеси с маслами других видов.

Оливковое масло первого холодного отжима

Оливковое масло первого отжима с органолептическим показателем 6,5 или больше и свободная кислотность, выраженная в олеиновой кислоте, не более 1 грамма на 100 граммов с учетом других критериев, изложенных в данном стандарт.

Оливковое масло первого отжима

Оливковое масло первого отжима с органолептическим рейтингом 5,5 или больше и свободная кислотность, выраженная в олеиновой кислоте, не более 2 граммов на 100 граммов с учетом других критериев, изложенных в данном стандарт.

Оливковое масло первого холодного отжима

Оливковое масло первого отжима с органолептическим показателем 3,3 или больше и свободная кислотность, выраженная в олеиновой кислоте, не более 3,3 грамма на 100 граммов с учетом других критериев, изложенных в данном стандарт.

Оливковое масло первого холодного отжима Lampante

Оливковое масло первого отжима с органолептическим показателем ниже 3,3 и / или свободная кислотность, выраженная в олеиновой кислоте, более 3,3 грамма на 100 граммов с учетом других критериев, изложенных в данном стандарт.

· ОЛИВКОВОЕ МАСЛО РАФИНИРОВАННОЕ оливковое масло, полученное из оливкового масла первого отжима методами очистки, которые не приводят к изменения в исходной глицеридной структуре.

· ОЛИВКОВОЕ МАСЛО

Масло, состоящее из смеси рафинированного оливкового масла и первого холодного отжима. оливковое масло пригодно для употребления в том виде, в каком оно есть.

· ОЛИВКОВЫЕ-ЖИМНЫЕ МАСЛО

Масло, полученное обработкой жмыха оливок растворителями, кроме масла, полученные в результате процессов реэтерификации, и любые смеси с другими видами масла.Он продается в соответствии со следующими обозначениями и определения.

Неочищенное оливковое масло из жмыха

Масло оливковое жмыха, предназначенное для рафинации и употребления в пищу, или технических целей

Масло оливковое рафинированное

Масло, полученное из сырого оливкового масла методом рафинации которые не приводят к изменению исходной глицеридной структуры.

Масло жмыха оливковое

Масло, состоящее из смеси рафинированного оливкового масла из жмыха и Оливки первого отжима пригодны для употребления в том виде, в котором они есть.Этот купаж ни в коем случае нельзя называть «Оливковое масло».


Многомерный анализ данных в классификации растительных масел, характеризующихся содержанием жирных кислот ». Хемометрика и интеллектуальные лабораторные системы, 75 (1), 31-43

Нейрон выполняет выбранный критерий наилучшего совпадения

между весами нейрона и компонентами входного вектора. Веса c-го нейрона, w

ci

, затем корректируются в

таким образом, что ответ будет еще ближе к оптимальному

(d

j

= 0) для данного критерий в частности приложение Koh-NN

.Помимо коррекции выигравшего (центрального) нейрона

, также корректируются веса соседних нейронов

. Следующее уравнение определяет поправки:

wnew

ji ¼wold

ji þgðtÞbðdcdjÞðxsi wold

ji ÞðA2Þ

Параметр g определяет скорость обучения; он максимален в начале

(t = 1, g = a

max

) и минимален в конце процедуры обучения

Koh-NN (t = t

max

, g =

мин.

).Функция

ция b (.) В уравнении. (A-2) описывает, как коррекция весов

w

ji

уменьшается с увеличением топологического расстояния

между центральным нейроном и корректируемым нейроном.

Индекс j определяет отдельный нейрон и проходит от 1 до n.

Топологическое расстояние j-го нейрона от центрального

определяется в соответствии с топологией, используемой для распределения нейронов на плоскости: в сетке прямоугольника центральный нейрон

имеет восемь первых соседей ( d

c

d

j

= 1), 16 секунд

соседи (d

c

d

j

= 2) и т. д.Минимальное расстояние равно нулю

(j = c, d

c

d

j

= 0), что соответствует максимальной функции коррекции

(b = 1). Максимальное расстояние

(d

c

d

max

), к которому применяется коррекция, сокращается на

во время процедуры обучения. Функция коррекции на максимальном расстоянии

минимальна (b = 0). В начале

d

c

d

max

охватывает всю сеть, а в конце, на

t = t

max

, он ограничен только центральным нейроном. .

Нейронная сеть встречного распространения (CP ANN) [31,32]

Моделирование

основано на двухэтапной процедуре обучения, которая на первом этапе

не контролируется. Первый шаг соответствует

отображению объектов на входе или так называемому слою Кохонена

, потому что он идентичен описанной выше процедуре обучения Кох-НН

. Второй этап обучения

является контролируемым, что означает, что для процедуры обучения

требуется ответ или целевое значение для каждого входа.Таким образом, сеть

обучается с помощью набора пар вход-цель

{X

s

, T

s

}. Для реализации CP ANN в че-

мометрической обработке проб масла, вход X

s

=

(x

s1

, x

s2

, … x

si

… x

sm

) представляет состав жирных кислот

s-го образца масла, описанный процентным содержанием жирных кислот

уровней или переменных.В применении CP ANN для классификации проб нефти

соответствующая цель T

s

=

(t

s1

) является семикомпонентным двоичным вектором, указывающим один из семи возможных классов

. s-го образца. Обучение сети

означает корректировку весов нейронов таким образом, чтобы для каждой входной выборки X

s

из обучающего набора сеть

ответила выходом Out

s

идентична цели

T

s

.Обучение представляет собой итеративную процедуру, включающую подачу

всех пар ввода-вывода {X

s

, T

s

} в сеть и

корректировки весов нейронов в соответствии с различиями

между целями и текущими выходами (T

с

Out

с

). Как уже подчеркивалось, цели нужны только в последней части

каждого шага итеративного обучения.Неконтролируемый элемент

в процедуре обучения ИНС CP — это отображение

векторов проб масла в слой Кохонена ИНС CP

, который основан исключительно на составе жирных кислот.

Для этого шага не требуется никаких сведений о целевом векторе (масло

класс). Как только положение (центральный нейрон c) входного вектора

определено, веса входного и выходного слоя

CP ANN корректируются соответствующим образом.Следующее уравнение понижения

(уравнение (A-3)) определяет поправки в выходном слое

, в то время как поправки весов во входном слое

были даны выше в уравнении. (А-2).

outnew

ji ¼outold

ji þgðtÞbðdcdjÞðTsi outold

ji Þ

ðA3Þ

Ссылки

[1] D.S. Lee, B.S. Но, С.Ю. Бэ, К. Ким, Anal. Чим. Acta 358 (1998)

163 — 175.

[2] Y.G. Мартин, J.L.P.Павон, Б. Кордеро, К. Пинто, анал. Чим.

Acta 384 (1999) 83 — 94.

[3] Y.G. Мартин, M.C.C. Оливерос, J.L.P. Павон, К. Пинто, Б.

Кордеро, Анал. Чим. Acta 449 (2001) 69–80.

[4] M.C.C. Оливерос, J.L.P. Павон, К. Пинто, M.E.F. Лаеспада, Б.

Кордеро, М. Форина, Анал. Чим. Acta 459 (2002) 219 — 228.

[5] Г. Бьянки, Л. Джиансанте, А. Шоу, Д. Kell, Eur. J. Lipid Sci.

Technol. 103 (2001) 141–150.

[6] I.М. Лоренцо, J.L.P. Павон, M.E.F. Лаеспада, К. Пинто, Б.

Cordero, J. Chromatogr., A 945 (2002) 221 — 230.

[7] A. Sacco, MA Brescia, V. Liuzzi, F. Reniero, C. Guillou, S. Ghelli,

P. ван дер Меер, J. Am. Oil Chem. Soc. 77 (2000) 619 — 625.

[8] A.D. Shaw, A. diCamillo, G. Vlahov, A. Jones, G. Bianchi, J.

Rowland, D.B. Келл, Анал. Чим. Acta 348 (1997) 357 — 374.

[9] S. Lanteri, C. Armanino, E. Perri, A. Palopoli, Food Chem.76 (2002)

501 — 507.

[10] D.S. Lee, E.S. Ли, Х.Дж. Ким, С.О. Ким, К. Ким, Anal. Чим. Acta

429 (2001) 321 — 330.

[11] П. Дамиани, Л. Коссиньяни, М.С. Симонетти, Б. Кампизи, Л. Фавретто,

L.G. Favretto, J. Chromatogr., A 758 (1997) 109 — 116.

[12] S. Dejong, Mikrochim. Acta 2 (1991) 93 — 101.

[13] В. Баэтен, П. Хурант, M.T. Morales, R. Aparicio, J. Agric. Продукты питания

Chem. 46 (1998) 2638 — 2646.

[14] F.Гонг, Л.З. Лян, Q.S. Сюй, Ф. Chau, J. Chromatogr., A 905

(2001) 193 — 205.

[15] N.R. Азеведо, И.Ф.П. Кампос, Х. Феррейра, Т.А. Портес, J.C. Seraphin,

de Paula, J.R. de Paula, S.C. Santos, P.H. Ферри, Biochem. Syst. Ecol.

30 (2002) 205 — 216.

[16] N.R. Азеведо, И.Ф.П. Кампос, Х. Феррейра, Т.А. Portes, S.C.

Santos, J.C. Seraphin, J.R. Paula, P.H. Ферри, Фитохимия 57

(2001) 733 — 736.

[17] D.Angelopoulou, C. Demetzos, D. Perdetzoglou, Biochem. Syst.

Эколог. 29 (2001) 405 — 415.

[18] H. Joensen, O.G. Nielsen, Comp. Biochem. Phys., B 129 (2001)

73 — 85.

[19] C. Armanino, R. De Acutis, M.R. Festa, Anal. Чим. Acta 454 (2002)

315 — 326.

[20] Животные и растительные жиры и масла, ISO 12228: 1999 (E).

[21] S. de Koning, B. van der Meer, G. Alkema, H.G. Janssen, U.A.T.

Brinkman, J. Chromatogr., А 922 (2001) 391 — 397.

[22] М.Б. Oliveira, M.R. Alves, M.A. Ferreira, J. Chemom. 15 (2001)

71 — 84.

[23] D.L. Massart, B.G.M. Vandeginste, L.M.C. Buydens, S. De Jong, P.J.

Lewi, J. Smeyers-Verbeke, Handbook of Chemometrics and Quali-

metrics: Part A, Elsevier, Amsterdam, 1997, pp. 519–556.

D. Brodnjak-Voncˇina et al. / Хемометрия и интеллектуальные лабораторные системы 75 (2005) 31–4342

Количественная оценка и классификация кукурузного и подсолнечного масел как примесей в оливковом масле с использованием хемометрии и FTIR-спектров

В коммерческих целях оливковое масло первого отжима (EVOO) подвергается фальсификации недорогие масла, близкие по цвету к EVOO.Инфракрасная спектроскопия с преобразованием Фурье (FTIR) в сочетании с хемометрикой успешно использовалась для классификации и количественного определения кукурузного (CO) и подсолнечного масла (SFO) в наборах EVOO. Комбинированные диапазоны частот 3027–3000, 1076–860 и 790–698 см –1 использовались для классификации и количественной оценки СО в EVOO; Между тем, SFO анализировался с использованием частотных диапазонов 3025–3000 и 1400–985 см –1 . Дискриминантный анализ позволяет классифицировать чистые EVOO и EVOO, фальсифицированные CO и SFO, без каких-либо ошибок классификации.Присутствие CO в EVOO определяли с помощью частичной калибровки по методу наименьших квадратов с использованием нормальных спектров FTIR. Ошибки калибровки и проверки, полученные при количественном определении CO, составляют 0,404 и 1,13% соответственно. Между тем, первая производная FTIR-спектры и калибровочная модель PLS были предпочтительны для количественного определения SFO в EVOO с высоким коэффициентом детерминации () и низкими ошибками либо в калибровочных, либо в проверочных наборах образцов.

1. Введение

Оливковое масло первого отжима (EVOO) — это оливковое масло высшего класса, на долю которого приходится примерно 10% производства оливкового масла.Оливковое масло — одно из самых важных масел, используемых людьми. Оливки имеют большое экономическое и социальное значение для средиземноморских регионов [1]. Однако люди Средиземноморья не употребляют оливковое масло строго. На рынке оливковое масло имеет высокую цену; следовательно, оливковое масло может быть смешано с другими маслами аналогичного цвета, такими как кукурузное и подсолнечное масла [2].

По экономическим причинам некоторые недобросовестные участники рынка могут попытаться добавить более дешевые растительные или ореховые масла в свежие EVOO.Это действие несправедливо по отношению к потребителю, поскольку неправильная маркировка может представлять собой коммерческий обман [3]. Кроме того, практика фальсификации также может вызвать серьезные проблемы со здоровьем и безопасностью, особенно у тех, у кого есть аллергия в анамнезе [4]. Следовательно, нет никаких сомнений в том, что обнаружение фальсификации необходимо решить для обеспечения качества EVOO [5].

Основанные на хроматографии методы, такие как высокоэффективная жидкостная хроматография [6, 7] и газовая хроматография [8], особенно в сочетании с масс-спектрометром и дорогими приборами, такими как спектроскопия ЯМР [9], являются обычными аналитическими методами, широко используемыми для обнаружения EVOO фальсификация.Однако в этом методе используется чрезмерное количество химических реагентов и растворителей, небезопасных для человека и окружающей среды. По этой причине было предпринято несколько попыток обнаружить фальсификацию EVOO с использованием более экологичных методов. В основе таких методов лежат колебательные спектроскопические методы комбинационного рассеяния света [5] и инфракрасного излучения [10, 11].

Колебательная спектроскопия может рассматриваться как экологически чистый метод анализа из-за бесполезности химических реагентов и растворителей.

Инфракрасная спектроскопия с преобразованием Фурье (FTIR) стала мощным и альтернативным методом для мокрых и хроматографических методов, поскольку требуется небольшая подготовка проб, быстрый анализ и минимизация использования опасных растворителей.Эти качественные аналитические показатели приводят к экономии времени и средств, а также к увеличению количества анализируемых образцов [12]. С помощью хемометрических методов ИК-Фурье спектроскопия успешно использовалась для классификации и количественного определения примесей растительных масел в EVOO. Такими примесями являются кунжутное масло [13] и пальмовое масло [14], количественно определенное с помощью регрессии частичного наименьших квадратов (PLS), подсолнечное, кукурузное, соевое и лесное ореховое масла с использованием множественной линейной регрессии и линейного дискриминантного анализа [15], кукурузное и подсолнечное масла с использованием PLS-дискриминантный анализ [16].Настоящее исследование подчеркивает применение FTIR-спектров в сочетании с хемометрическими методами для классификации и количественной оценки кукурузного и подсолнечного масел после того, как FTIR-спектры подвергаются нескольким спектральным обработкам.

2. Материалы и методы
2.1. Материалы

Оливковое масло первого холодного отжима, кукурузное и подсолнечное масла были получены из нескольких супермаркетов в Джокьякарте, Индонезия. Для оценки чистоты исследуемых масел был определен жирнокислотный состав масел.Профили ЖК в этих маслах сравнивались с профилями, указанными в стандартном Кодексе [17]. В противном случае все реактивы и химические вещества, использованные в этом исследовании, были приобретены у E. Merck (Дармстат, Германия). Стандарт метиловых эфиров жирных кислот (C4 – C24) был приобретен у Sigma Aldrich (США).

2.2. Анализ жирных кислот

Состав жирных кислот в пробах масла определяли с помощью газовой хроматографии в сочетании с пламенно-ионизационным детектором (GC-FID). Метиловые эфиры жирных кислот (МЭЖК) получали по методике Кокса и ван Реде [18].Примерно 50 мг образцов масла растворяли в 1,0 мл гексана и добавляли 0,25 мл метоксида натрия 1 М. Смесь встряхивали и верхний слой, содержащий FAME, переносили во флакон на 2 мл для последующего анализа с использованием газового хроматографа (Agilent Technologies 6890N. , Санта-Клара, Калифорния). В качестве капиллярной колонки использовалась RESTEX 2330 (внутренний диаметр 0,25 мм, длина 30 м и толщина пленки 0,2 мкм; м; Restek Corp, Bellefonte, PA, USA) при давлении колонки Па. Начальная температура колонки составляла 50 ° C ( выдерживали в течение 2 мин), затем увеличивали до 180 ° со скоростью 5 ° C / мин, выдерживали в течение 2 минут при 180 ° C, затем увеличивали со скоростью 8 ° C / мин до 200 ° C и выдерживали в течение 5 минут. мин при 200 ° C.Стандартный FAME от Sigma был использован в качестве аутентичных образцов. Предварительная идентификация пика была сделана путем сравнения относительного времени удерживания образцов со стандартными FAMEs. Количественная оценка FAME проводилась на основе метода внутренней нормализации.

2.3. Классификация

Классификация EVOO и EVOO, фальсифицированных CO, SFO и смесью CO-SFO, была проведена с использованием дискриминантного анализа (DA). В этом исследовании представлен набор из 20 образцов EVOO и 20 образцов EVOO, фальсифицированных CO и SFO с диапазонами концентраций 2.Готовили 0–50,0% (об. / Об.). Все образцы сканировали с помощью FTIR-спектрометра.

2.4. Количественная оценка

Количественная оценка CO и SFO была проведена с помощью многомерной калибровки, а именно регрессии основных компонентов (ПЦР) и частичного наименьших квадратов (PLS). Для анализа CO в EVOO был приготовлен набор из 19 калибровочных образцов и 19 проверочных образцов в чистом виде, содержащих CO в диапазоне концентраций 1,0–50,0% (об. / Об.). Образцы для калибровки и проверки SFO в EVOO были сделаны аналогично CO, как указано выше.Все образцы были измерены с помощью FTIR-спектрометра.

2.5. Получение спектров FTIR

Все спектры образцов сканировали с использованием FTIR-спектрометра Nicolet от Thermo Nicolet Corp., Мэдисон, Висконсин, США. Этот прибор был оснащен детектором DTGS и делителем пучка из KBr / германия. В качестве операционной системы использовалось программное обеспечение OMNIC (версия 7.0, Thermo Nicolet, Мэдисон, Висконсин, США). В качестве отсека для отбора проб использовался комплект Smart Attenuated Total Reflectance (Smart ARK, Thermo Electron Corp.) размером 10 × 60 мм.Smart ARK — это усовершенствованный аксессуар с горизонтальным ослабленным отражением, обеспечивающий 12 внутренних отражений с глубиной проникновения (инфракрасный луч) 2,0 мкм м. Аксессуар состоит из кристалла селенида цинка (ZnSe) с апертурным углом 45 ° и показателем преломления 2,4 при 1000 см −1 . Спектры FTIR были получены в области 4000–650 см −1 при совместном добавлении. 32 интерферограммы и разрешение 4 см −1 с сильной аподизацией. Эти спектры вычитались на фоне спектра воздуха.После каждого сканирования снимался фон нового эталонного спектра воздуха. Планшет ATR был тщательно очищен мягкой тканью, пропитанной гексаном и ацетоном, для удаления любых остатков от предыдущих образцов. Чистота ATR контролировалась путем сбора фонового спектра и сравнения с предыдущим. Эти спектры регистрировали как значения оптической плотности в каждой точке данных в трех экземплярах.

2.6. Chemometrics

Дискриминантный анализ и многомерные калибровки с использованием частичного наименьших квадратов (PLS) и регрессии основных компонентов (PCR) были выполнены программным обеспечением TQ Analyst (Thermo electronic Corporation), включенным в FTIR-спектрометр.Разницу между фактическими и расчетными значениями кукурузного и подсолнечного масел в калибровочной модели рассчитывали как среднеквадратичную ошибку калибровки (RMSEC). Прогностическая способность PLS оценивалась путем вычисления среднеквадратичной ошибки прогноза (RMSEP) и значений.

3. Результаты и обсуждение
3.1. Состав жирных кислот

Некоторые авторы объяснили, что состав жирных кислот, как известно, влияет на точное положение и интенсивность пиков из-за соотношения насыщенных и ненасыщенных жирных кислот [19, 20].SFO и CO показали максимальное поглощение при 3009 см -1 , в то время как EVOO имеет максимальное пиковое поглощение при 3006 см -1 . Сдвиг спектральной полосы был объяснен различием в соотношении ацильных групп олеиновой кислоты и линолевой и линоленовой ацильных групп [20]. Жирнокислотный состав SFO, CO и EVOO представлен в таблице 1.

0,06 0,06 901 ± 0,01 ± 0,26 0,2 1,92 0,01 ± 0,5 0,01 г

Состав ЖК исследуемых масел
EVOO CO
6 SF21O
6
C14: 0 0.02 ± 0,00 0,06 ± 0,02 0,03 ± 0,01
C16: 0 10,48 ± 0,12 12,70 ± 0,45 6,81 ± 0,06
C16: 1 0,03 ± 0,01
C18: 0 3,20 ± 0,02 2,01 ± 0,08 3,99 ± 0,15
C18: 1 71,50 ± 1,15
C18: 2 10.65 ± 0,29 53,24 ± 0,92 44,08 ± 0,33
C20: 0 0,05 ± 0,01 0,09 ± 0,00 0,65 ± 0,00
C18: 3 6 ± 0,02 3,68 ± 0,15
C20: 1 0,46 ± 0,01 0,43 ± 0,01 0,40 ± 0,02
C22: 0 0,29 ± 0,01 0,50629 0,50629 0,29 ± 0,01

3.2. Спектральный анализ FTIR

Характеристики спектров в средней инфракрасной области для оливкового масла первого отжима (EVOO), кукурузного масла (CO) и подсолнечного масла (SFO) показаны на рисунке 1. Эти спектры выглядят очень похожими и показывают типичные характеристика пиков абсорбции для обычного триглицерида, основного компонента, состоящего из пищевых жиров и масел. Полоса при 3007 см −1 приписывается валентному колебанию = C – H. Наблюдались сильные полосовые поглощения в области 3000–2800 см –1 , обусловленные соответствующими валентными колебаниями C – H.Растягивающие колебания метиленовой (–CH 2 -) и метильной (–CH 3 ) групп видны на частотах 2922 и 2853 см –1 соответственно. Метиленовые и метильные группы также наблюдаются при 1465 см -1 и 1377 см -1 из-за их изгибных колебаний. Большой пик около 1740 см -1 обусловлен валентным колебанием двойной связи C = O. Деформация и изгиб C – H и валентные колебания C – O приводят к пикам в области 1500–650 см, –1 [21].


Различия между ними были явно небольшими и наблюдались только в ограниченных областях спектров, особенно в пиковых интенсивностях в областях отпечатков пальцев (1500–650 см, –1 ) и при 3007 или 3009 см, –1 . Выбор частотных диапазонов, используемых для анализа, автоматически предлагался программой; однако аналитик должен оценить этот регион, наблюдая за различиями между EVOO и примесями (CO и SFO).

3.3. Классификационный анализ

Классификация EVOO и EVOO, фальсифицированных SFO и CO, была проведена с помощью дискриминантного анализа (DA) с использованием частотных диапазонов 3027–3000, 1076–860 и 790–698 см –1 (CO) и частотных диапазонов 3025–3000 и 1400–985 см –1 для SFO.Эти частоты предлагают хорошую модель для классификации. В этом исследовании EVOO был смешан с SFO и CO по отдельности. На рисунках 2 (a) и 2 (b) показан график Куманса, рассчитанный на основе расстояния Махаланобиса для EVOO, фальсифицированного SFO и CO. Расстояние Махаланобиса для EVOO, смешанного с примесями для EVOO, было описано по оси ; Между тем, расстояние от EVOO до EVOO, добавленных с примесью, было показано по оси .

Смоделированный DA может успешно провести классификацию между EVOO и EVOO, фальсифицированными CO и SFO, без каких-либо ошибок классификации.Это означает, что DA может классифицировать оба класса с точностью до 100%. Иногда ошибочная классификация может происходить по некоторым причинам, а именно: (i) близкое сходство с точки зрения химического состава между примесями и EVOO и (ii) используемые частотные диапазоны не подходят.

3.4. Количественная оценка

Количественная оценка CO и SFO проводилась с помощью многомерной калибровки. Две калибровочные модели, а именно частичный метод наименьших квадратов (PLS) и регрессия главных компонентов (PCR), были использованы для оценки степени согласия для отношения между фактическим значением (-ось) и прогнозируемым значением FTIR (-ось) CO и SFO в EVOO.В таблице 3 собраны характеристики PLS и ПЦР для количественного определения CO в EVOO. На основании таблицы 3 спектры первой производной предлагают наивысший коэффициент детерминации (1.000) и наименьшие ошибки в модели калибровки, выраженные как среднеквадратичная ошибка калибровки или RMSEC 0,019% об. / Об.), Однако эта модель показывает высокий ошибка в модели прогнозирования выражается среднеквадратической ошибкой прогнозирования (RMSEP) 2,34% об. / об. Кроме того, количество используемых факторов слишком велико (8 факторов).Это означает, что для такой модели происходит переоснащение.

Переоснащение регрессионной модели является одним из потенциальных недостатков при использовании регрессии PLS [22]. Это означает, что модель генерирует оптимистичную модель для набора данных, используемых для калибровки (низкое значение RMSEC), но модель не будет хорошо работать с другими наборами данных с аналогичным материалом, обычно используемым в наборе данных для проверки (высокое значение RMSEP). По этой причине присутствие CO в EVOO было лучше количественно определено с помощью PLS с использованием нормальных спектров FTIR по той причине, что низкое значение RMSEC (0.404% об. / Об.) С низкой ошибкой в ​​RMSEP (1,13% об. / Об.). На рисунке 3 показана тесная взаимосвязь между этими двумя параметрами в наборах образцов для калибровки или валидации.

Кроме того, присутствие SFO в EVOO было лучше количественно определено с использованием PLS со спектрами первой производной (таблица 2). Среди прочего, PLS со спектрами первой производной дает разумные результаты либо при калибровке, либо при проверке и предлагает приемлемые ошибки при калибровке и проверке. Используя эту модель, необходимо 8 факторов, чтобы получить значение RMSEC, равное 0.034 и значение RMSEP 2,02% об. / Об. Диаграмма разброса для зависимости между фактическим значением (ось) и предсказанным значением FTIR (ось) SFO в EVOO была показана на рисунке 4. На основании этого результата можно сделать вывод, что FTIR-спектроскопия с соответствующим выбором калибровочной модели а спектральная обработка может облегчить обнаружение и количественное определение CO и SFO в качестве примесей в EVOO. Разработанный метод является быстрым и не требует использования токсичных и опасных растворителей и реагентов.

6 906 −6 0,499 = 1,199 + 0,020 906 −6 0,499 = 1,199

Уравнение 𝑅2 RM RM
MC Spectra Factor

SEC
SEP
(об.%) (% об.)

PLS Нормальный = 1.000𝑥 − 0,001 𝑦 = 1,097𝑥 − 0,378 1.000 0,997 0,005 2,34
1-я ступень (8) (8) = 1 1,015𝑥 + 0,139 1.000 0,987 0,034 2,02
2-я ступень (7) 17 = 0,99 9,505 0.999 0,580 0,425 10,3

PCR Нормальный (9) 𝑦 = 0,999𝑥 + 0,020 0,426 4,07
1-я ступень (9) 𝑦 = 0,997 + 0,067 𝑦 = 0,958 + 1,085 0,997 0,985 0,829 906 1,98 der (9) 𝑦 = 0.901 + 1,976 𝑦 = 0,083 + 11,612 0,901 0,052 4,44 17,2

906 906 9020 9015 906 906 906 906 906 906.999𝑥 + 0,013
R 2 RM RM
MC Spectra Фактор Калибровка Прогноз Калибровка (об.%) (об.%)

PLS Нормальный (3) 𝑦 = 0,969𝑥 + 1,363 0,999 0,997 0,404 1,13
0,00 −1
1-ый der6 7296 𝑦 = 0,936𝑥 + 1,519 1.000 0,977 0,019 2,34
2-я ступень (8) 𝑦 = 0,999𝑥 −0,001 = 5,4 0,534 0.083 10,5

PCR Нормальный (10) 𝑦 = 0,999𝑥 + 0,014 𝑦 = 0,970𝑥 + 1,136 6 0,9996 6 0,9996
1-я ступень (10) 𝑦 = 0,999 + 0,012 𝑦 = 0,931 + 1,462 0,999 0,977 0,356 2,33 10 29 2-я ступень 𝑦 = 0.995𝑥 + 0,095 𝑦 = 0,567𝑥 + 5,338 0,995 0,497 1,02 11,0

9 Спектральный анализ (Фурье-анализ). предлагает простой способ классификации EVOO и EVOO, фальсифицированных CO и SFO. DA может точно классифицировать оба класса без каких-либо ошибок классификации образцов. Количественное определение CO и SFO в качестве примесей в EVOO с использованием калибровки PLS дает хорошую модель калибровки и проверки с приемлемыми ошибками.Разработанный метод является быстрым, свободным от пробоподготовки, не требует использования химикатов и реагентов; Таким образом, метод FTIR можно рассматривать как зеленый аналитический инструмент для классификации и количественного определения примесей EVOO.

Выражение признательности

Это исследование было поддержано Управлением высшего образования Министерства национального образования и предоставило Абдулу Рохману финансовую стипендию во время его докторской диссертации. учиться.

Классификация оливковых масел первого отжима двух основных кретанских сортов на основе их жирнокислотного состава

  • 1.

    Минчоне, Б., А.М. Джуффре, У. Леуцци и Н. Ломбардо, Ricerche sugli Oli di Oliva Monovarientali, Nota I, Caratterizzazione della Produzione della Calabria, Riv. Ital. Sostanze Grasse 71 : 335–338 (1994).

    CAS Google ученый

  • 2.

    Де Леонардис, А., М. Де Феличе и В. Макчола, Studio sulla Composizione Acidica degli Oli Vergini di Oliva del Basso Molise, Там же: 321–325 (1996).

    Google ученый

  • 3.

    Цимиду М. и К. X. Каракостас, Географическая классификация греческого оливкового масла первого отжима путем непараметрической многомерной оценки состава жирных кислот, J. Sci. Продовольственное сельское хозяйство. 62 : 253–257 (1993).

    Артикул CAS Google ученый

  • 4.

    Фрега, Н., Ф. Боччи и Г. Леркер, Состав Lipidica della Drupa di Olivo di Due Cultivars della Zone del Chianti in Funzione della Maturazione, Nota 1: Trigliceridi ed Acidi Grassi, Riv.Ital. Sostanze Grasse 68 : 69–74 (1991).

    Google ученый

  • 5.

    Мариани, К., Э. Федели, К. Гроб и А. Арто, Indagine sulle Variazioni dei Componenti Minori Liberi ed Esterificati di Oli Ottenuti da Olive in Funzione della Maturazione e dello Stoccaggio, Ibid.:179 –187 (1991).

    CAS Google ученый

  • 6.

    Фиорино П. и Ф. Низзи Грифи, Созревание оливок и вариации в некоторых компонентах масла, Olivae 35 : 25–33 (1991).

    Google ученый

  • 7.

    Бошелле, О., А. Рогич, Д. Кочянчич и Л.С. Conte, Caratteri Stiche Compositive della Frazione Lipidica di Due Cultivar di Olivo dell ’Isola di Cherso (Croazia) в Funzione della Maturazione, Riv. Ital. Sostanze Grasse 71 : 341–346 (1994).

    CAS Google ученый

  • 8.

    Синури, С., К. Стафилакис, С. Конту и В.Цамзис, Исследование характеристик греческого оливкового масла первого отжима, Olivae 57 : 27–33 (1995).

    Google ученый

  • 9.

    Сандерс Т.Х., Триацилглицерины арахиса: влияние сезона и места производства, J. Am. Oil Chem. Soc. 59 : 346–351 (1982).

    Артикул CAS Google ученый

  • 10.

    Монтедоро, Г.Ф. и Л. Гарофоло, Caratteristiche Qualitative delli Oli Vergini di Oliva, Influenza di Alcune Variabili: Varieta, Ambiente, Conservazione, Estrazione Condizionamento del Prodotto Finito, Riv.Ital. Sostanze Grasse 61 : 157–168 (1984).

    CAS Google ученый

  • 11.

    Феррейро Л. и Р. Апарисио, «Влияние на высоту и составление кимика де лос Асейтес де Олива Вирхенес де Андалусия». Ecuaciones Matemáticas de Clasificación, Grasas Aceites 43, : 149–156 (1992).

    CAS Google ученый

  • 12.

    Раналли, Г., Дж. Де Маттиа, М.Л. Ферранте и Л. Джиансанте, Отношение площади возделывания оливок к аналитическим характеристикам масла, Примечание 1, Riv. Ital. Sostanze Grasse 74 : 501–508 (1997).

    CAS Google ученый

  • 13.

    Цимиду М., М. Макрэ и И. Уилсон, Аутентификация оливковых масел первого отжима с использованием анализа основных компонентов профилей триглицеридов и жирных кислот: Часть 1 — Классификация греческих оливковых масел, Food Chem. 25, : 227–239 (1987).

    Артикул CAS Google ученый

  • 14.

    Алонсо Гарсиа, М.В. и Р. Апарисио, Характеристика европейских оливковых масел первого отжима с использованием жирных кислот, Grasas Aceites 44 : 18–24 (1993).

    CAS Google ученый

  • 15.

    Стефанудаки Э., Ф. Коцифаки и А. Куцафтакис, Возможности профилей триглицеридов ВЭЖХ для классификации критских оливковых масел, Food Chem.60 : 425–432 (1997).

    Артикул CAS Google ученый

  • 16.

    Cimato, A., Variazioni di Parametri durante la Maturazione delle Olive: Influenza delle Techniche Colturali, Consiglio Nazionale delle Ricerche 3 : 28 (1988).

    Google ученый

  • Сорта и стандарты оливкового масла и оливкового масла из жмыха

  • US Extra Virgin Olive Oil — оливковое масло первого отжима с отличным вкусом и запахом (медиана дефектов равна нулю, а медиана фруктовости больше нуля) и содержание свободных жирных кислот в пересчете на олеиновую кислоту не более 0.8 грамм на 100 грамм и соответствует дополнительным требованиям, изложенным в §52.1539, в зависимости от обстоятельств.

  • Оливковое масло первого отжима США — оливковое масло первого отжима, которое имеет достаточно хороший вкус и запах (медиана дефектов между нулем и 2,5 и медиана фруктового вкуса больше нуля) и содержание свободных жирных кислот, выраженное в виде олеиновой кислоты, не более 2,0 грамма на 100 граммов, и соответствует дополнительным требованиям, изложенным в §52.1539, в зависимости от обстоятельств. Оливковое масло, попадающее в эту классификацию, не должно иметь сорта выше «U.S. Оливковое масло первого отжима »(это ограничивающее правило).

  • Оливковое масло первого отжима, США, непригодное для употребления в пищу без дальнейшей обработки , иногда обозначаемое как «U.S. Оливковое масло первого отжима Lampante »- это оливковое масло первого отжима с плохим вкусом и запахом (медиана дефектов между 2,5 и 6,0 или когда медиана дефектов меньше или равна 2,5, а медиана плодов равна нулю), свободная жирная кислота содержание, выраженное в олеиновой кислоте, более 2,0 граммов на 100 граммов, и отвечает дополнительным требованиям, изложенным в §52.1539 в зависимости от ситуации. Оливковое масло, попадающее в эту классификацию, не должно быть выше категории «Оливковое масло первого отжима США, непригодное для употребления в пищу без дальнейшей обработки» (это ограничивающее правило). Он предназначен для рафинирования или для других целей, кроме употребления в пищу.

  • Оливковое масло США — масло, состоящее из смеси рафинированного оливкового масла и оливкового масла первого отжима, пригодного для употребления без дальнейшей обработки. Он имеет содержание свободных жирных кислот, выраженных в олеиновой кислоте, не более 1.0 грамм на 100 грамм, имеет приемлемый запах и вкус, характерные для «оливкового масла первого отжима», и соответствует дополнительным требованиям, изложенным в §52.1539, в зависимости от обстоятельств. Оливковое масло, попадающее в эту классификацию, не должно иметь сорта выше «США». Оливковое масло »(это ограничивающее правило). Максимально допустимый уровень общего альфа-токоферола в конечном продукте составляет 200 мг / кг.

  • Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *