KÍSÉRLET A KAKAÓPOR ZSÍR-, FEHÉRJE- ÉS SZÉNHIDRÁTTARTALMÁNAK NIR TECHNIKÁVAL VALÓ MEGHATÁROZÁSÁRA

Acta Alimentaria, Vol. 11 (3), pp. 271-288 (1982)

KÍSÉRLET A KAKAÓPOR ZSÍR-, FEHÉRJE- ÉS SZÉNHIDRÁTTARTALMÁNAK NIR TECHNIKÁVAL VALÓ MEGHATÁROZÁSÁRA KAFFKA, K. J., NORRIS, K. H., KULCSÁR, F. and DRASKOVITS, I. (Benyújtva: 1981. április 3.; elfogadva: 1981. április 9.)

Előzetes vizsgálatokat folytattunk különböző, előre meghatározott összetételi értékekkel rendelkező kakaópormintákon azzal a céllal, hogy megállapítsuk, hogyan határozhatóak meg az összetételi jellemzők, különösen a zsír-, fehérje- és szénhidráttartalom a közeli infravörös hullámhossztartományban (1000-től 2638,4 nm-ig) végzett reflexiós mérésekkel, ill. hogy felmérjük, mennyire megbízható a kakaópor kémiai összetevőinek az említett műszeres eljárás használatával történő meghatározása. Egy egyedi, számítógépes (az USDA-BARC-West Instrumentation Research Laboratory, Beltsville által gyártott) spektrofotométert használtunk a Budapesten, a Mezőgazdasági és Élelmezésügyi Minisztérium Élelmiszeranalitikai és -minőségellenőrzési Központjában speciálisan előkészített kakaóporminták vizsgálatához. Itt ezeken a kakaópormintákon a hagyományos szabványos eljárásokkal meghatározott összetételi jellemzőket is feltüntették. 60 kakaóporminta közeli infravörös reflexiós tényező (R) spektrumát rögzítettük. A spektrumokat aztán log (1/R) a hullámhossz függvényében, ill. a log (1/R) második deriváltja a hullámhossz függvényében függvényekké transzformáltuk, hogy megállapítható legyen az összetételi adatokkal való korreláció. Lineáris, lépésenkénti regressziós eljárásokat használtunk az optimális hullámhossz és más paraméterek meghatározására, hogy minden egyes kémiai összetevőt meg tudjunk mérni. A kakaóporra alkalmazott NIR technika (három ismétléses mérés átlagolása) segítségével egytényezős egyenleteket kapunk – a log (1/R) két jellemző hullámhosszon mért második deriváltjának arányát használva –, amik a következő korrelációs együtthatókat adják: zsírokra 0,999; fehérjékre 0,982; szénhidrátokra pedig 0,994. A kakaóporminta három ismétléses mérésekor kevesebb, mint 6 perc alatt lehetséges volt a zsírtartalom ±0,134 tömeg%, a fehérjetartalom ±0,186 tömeg% és a szénhidráttartalom ±0,223 tömeg% standard kalibrációs hibával történő meghatározása. A NIR technikának a kakaóporösszetétel-méréshez hasonló lehetséges alkalmazásait és korlátait vitatják. A NIR technika alkalmas a kakaópor minőségének gyors értékelésére.

Az élelmiszerösszetételi vizsgálatok és a minőségellenőrzés iránt az utóbbi években megnövekedett igényt különféle technikák alkalmazásával elégítették ki. E technikák egyike, amely alkalmasnak bizonyult nagyszámú összetevő mérésére, a mintának a közeli infravörös sugárzással való kölcsönhatásán alapul. Egy a mintán áthatoló vagy róla visszaverődő fénysugár a minta tulajdonságaira vonatkozó információkat tartalmaz. Számos élelmiszerösszetevő abszorpciós csúcsa az 1000-2500 nm-ig terjedő közeli infravörös színképtartományban van; ezért ez a tartomány különösen jól használható az élelmiszertermékek összetételének meghatározására. Egy a mintán áthatoló vagy róla visszaverődő fénysugarat a közeli infravörös spektrális tartományon át mérnek, és a kapott spektrumokat vagy azok transzformált görbéit használják a minta összetételének származtatására. Acta Alimentaria 11, 1982

272

KAFFKA et al.: KAKAÓPOR VIZSGÁLATA NIR TECHNIKÁVAL

Az élelmiszeripari termékek, és különösen a kakaó – termékek állandó és tökéletesített minősége iránti igény a minőségi paraméterek gyors meghatározására alkalmas műszerek kifejlesztését követeli meg. A kakaópor legjellemzőbb minőségi paraméterei a zsír-, fehérje- és szénhidráttartalom. Az erre vonatkozó Magyar Szabvány (1975a) írja le a fenti paraméterek meghatározására szolgáló analitikai eljárásokat. A kakaópor zsír-, fehérje- és szénhidráttartalmának hagyományos módszerekkel történő pontos vizsgálata lassú folyamat, több órát is igénybe vesz, mire megkapjuk a vizsgálati eredményeket, és speciális vegyületek is szükségesek hozzá. Az ezekhez a kémiai vizsgálatokhoz szükséges idő túl hosszú ahhoz, hogy ezek a módszerek használhatóak legyenek a termelés automatikus ellenőrzésére. Másrészt az idő- és munkaerőszükséglet miatt ezek az eljárások a kakaótermékek bolti minőségellenőrzésére sem alkalmasak. A közeli infravörös műszerrel történő méréshez szükséges idő körülbelül két perc, ami a nedves kémiai módszerhez képest sokkal kedvezőbb; és a mérés egyszerre végezhető el a zsírokra, fehérjékre és szénhidrátokra. HYMOWITZ és munkatársai (1974) kukorica, szójabab és zabmag fehérje- és olajtartalmát mérték közeli infravörös reflexió alapján. RINNE és munkatársai (1975) szójabab fehérje- és olajtartalmát határozták meg közeli infravörös reflexiós analízissel. NORRIS és munkatársai (1976) a takarmány minőségét (a nyers fehérje-, savas detergens rost-, semleges detergens rost-, szárazanyag- stb. tartalmát) határozták meg közeli infravörös reflexiós spektroszkópiával. NORRIS és BARNES (1976) közeli infravörös reflexiót használt a takarmányok tápértékének meghatározására. Ebben a cikkben kukoricakeményítő, szójafehérje és cellulóz spektrumokat mutatnak be és hasonlítanak össze. MILLER és POMERANZ (1978) proteinmeghatározás céljából végzett Kjeldahl és NIR vizsgálatok laboratóriumon belüli és laboratóriumok közötti reprodukálhatóságát hasonlította össze. MINER és munkatársai (1980) egy kéziratukban különféle csokoládék, kakaóporok, bonbonok, likőrök, nyers babok és pörkölt babok zsír – és nedvességtartalmát határozták meg. Az élelmiszeripari termékek nagypontosságú spektrofotometriás mérésére alkalmas műszerek kifejlesztésével kapcsolatban is előrehaladottak a kutatások. MASSIE és NORRIS (1971) egy számítógéphez csatlakoztatott, nagyteljesítményű, élelmiszerminőség-vizsgálatokra alkalmas spektrofotométert írt le. ROSENTHAL (1973) egy olyan berendezésről tesz említést beszámolójában, ami gabona és gabonatermékek nedvesség-, olaj- és fehérjetartalmának NIR technológia segítségével történő gyors és pontos meghatározására alkalmas. LANDA (1979) egy nagysebességű letapogatóval rendelkező, nagyteljesítményű monokromátorral végzett élelmiszerösszetevő-vizsgálatról publikált egy cikket. A fenti eredmények alapján úgy döntöttünk, megvizsgáljuk, hogy alkalmazható-e ez a NIR technika a kakaópor összetételének meghatározására.

Acta Alimentaria 11, 1982

273


Eddig ilyen mérésekről nem számoltak be a szakirodalomban, viszont a berendezések gyártói azt állítják, hogy a kakaópor elemezhető NIR készülékeikkel, és a fent említett kézirat (amelyet személyesen adtak át nekünk) is beszámol a kakaópor zsír- és nedvességtartalmának meghatározásával kapcsolatos eredményekről. Jelen tanulmány célja, hogy megtalálja a NIR technika alkalmazási lehetőségét a kakaópor zsír-, fehérje- és szénhidráttartalmának gyors meghatározására; és hogy egyúttal a különböző összetevők mérésének pontosságát megállapítsa, hogy a regressziós egyenletek legalkalmasabb formáját kiválassza, meghatározza a paramétereket (jellemző hullámhosszok, tényezők és állandók) és végül, de nem utolsósorban, hogy a transzformált reflexiós spektrumok tanulmányozása által elérhető pontosságnövekedést vizsgálja. E vizsgálatok eredményei remélhetőleg lehetővé teszik számunkra, hogy ki tudjunk fejleszteni egy egyfunkcionális készüléket, vagy hogy kiterjesszük egy másik készülék használhatóságát úgy, hogy ilyen vizsgálatokat is el lehessen vele végezni.

1. Anyagok és módszerek Mivel a NIR technika szigorúan korrelatív, a kalibrációs minták analitikai adatainak pontossága alapvetően fontos. Hogy az optikai jellemzők és az összetétel közötti kapcsolatot meghatározhassuk, szükségünk volt egy kalibráló mintasorra, amelyben a zsír-, fehérje- és szénhidráttartalom-értékek a köznapi gyakorlatban megtalálható minták minimum és maximum értékei között változnak – lehetőleg egyenlő eloszlásban. Emiatt ezeket a kakaópormintákat gondosan előkészítették Budapesten, a Mezőgazdasági és Élelmezésügyi Minisztérium Élelmiszeranalitikai és -minőségellenőrzési Központjában. 1.1. A kakaóporminták előkészítése A gyors, műszeres összetételelemzésre használható NIR technika kidolgozásához szükséges kakaópormintákat négy összetevőből készítettük, melyek a következők voltak: eredeti kakaópor, sovány tejpor, keményítő, kakaóvaj. A felhasznált eredeti kakaópor megfelelt a Magyar Szabvány (1975b) követelményeinek. A sovány tejporral kapcsolatos követelményeket szintén Magyar Szabvány (1976) írta le. A felhasznált keményítő eleget tett a Magyar Szabvány (1963) követelményeinek. Az eredeti kakaóport Acta Alimentaria 11, 1982

274

KAFFKA et. al.: KAKAÓPOR VIZSGÁLATA NIR TECHNIKÁVAL

és kakaóvajat külön a mi céljainkra készítette a Szerencsi Csokoládégyár. A minták speciális elkészítése során előre meghatározott arányban kevertünk össze eredeti kakaóport, kakaóvajat, sovány tejport és keményítőt, hogy olyan kalibráló mintákhoz jussunk, amelyek megfelelnek a fent említett követelményeknek. Összekevertük a por alakú összetevőket, és petróleum-éter oldatban hozzáadtuk a kakaóvajat, elpárologtattuk az oldószert, majd mozsárban óvatosan homogenizáltuk a mintát. A gondosan analizált összetevőket előre meghatározott arányban kevertük össze: úgy mértük ki őket, hogy a kakaóporminták összetételét ki tudjuk számítani. A különböző minták összetételét aztán újra analizáltuk, hogy biztosak lehessünk benne, hogy a számított adatok megfelelnek az analitikai adatoknak. A zsír-, fehérje- és szénhidráttartalmat az erre vonatkozó Magyar Szabvány alapján határoztuk meg (1975a). A kalibráláshoz 20 mintát készítettünk, a következőképpen: - 1-5-ös sz. minta: a kakaópor zsírtartalmát 2, 4, 6, ill. 8 tömegszázalék kakaóvaj hozzáadásával növeltük úgy, hogy 100 tömegszázalékos legyen - 6-10-es sz. minta: a kakaópor fehérjetartalmát 1, 2, 3, ill. 4 tömegszázalék sovány tejpor hozzáadásával növeltük úgy, hogy 100 tömegszázalékos legyen (sajnálattal jegyezzük meg, hogy ezzel egyidejűleg a keményítőtartalom is növekedett a tejpor keményítőtartalma miatt) - 11-15-ös sz. minta: a kakaópor szénhidráttartalmát 2, 4, 6, ill. 8 tömegszázalék keményítő hozzáadásával növeltük, hogy 100 tömegszázalékos legyen - 16-20-as sz. minta: a kakaópor összetevőinek mennyiségét egyidejűleg növeltük négy lépésben, lépésenként 2 tömegszázalék kakaóvaj, 1 tömegszázalék sovány tejpor és 2 tömegszázalék keményítő hozzáadásával úgy, hogy minden egyes lépésnél 100 tömegszázalékos legyen a minta. 10 cm3 kakaópormintát tettünk a 38 mm átmérőjű mintatartóba (sejtbe), amelynek egyik oldalon 1,2 mm vastag speciális kvarc ablaka van (G. E. 124 típusú), a másik oldala pedig körülbelül 10 mPa nyomással sajtolt. Megvilágításnak olyan fénysugarat használtunk, melynek keresztmetszete nem volt pontosan kör alakú, átmérője pedig 15-20 mm között változott 0° beesési szöggel a kvarc ablakon keresztül (a fénysugár a minta felületére merőleges volt). Négy ólomszulfid detektort (szenzort) helyeztünk el egymástól egyenlő távolságra a beeső fénysugár körül azzal a céllal, hogy a minta által 45°-ban, szórtan visszavert sugárzást mérjük. A Budapesten, a Mezőgazdasági és Élelmezésügyi Minisztérium Élelmiszeranalitikai és -minőségellenőrzési Központjában előkészített 20 különböző kakaóporminta mindegyikét 3-3 sejtbe tettük, így összesen 60 mintát nyertünk az elemzés és a kalibrálás céljára. Mivel 3-3 ismétlésünk volt a 20 eredeti mintából, lehetőségünk volt csökkenteni a hibát azzal, hogy átlagoltuk a méréseket. Acta Alimentaria 11, 1982


275

1.2. A felhasznált NIR spektrofotométer A kakaóporminták közeli infravörös reflexiós tulajdonságait egy egyedi, számítógépes spektrofotométerrel mértük, melyet az USDA-BARCWest Instrumentation Research Laboratory készített Beltsville-ben. Ezt a készüléket egy a közeli infravörös spektrumra optimalizált optikájú Cary 14-es típusú prizmás monokromátor köré építették. A monokromátor digitális számítógéphez van kapcsolva, ami az adatokat összegyűjti és elemzi. A készülék egysugaras üzemmódban működik a számítógépben tárolt összehasonlító spektrumot használva. A monokromátort 2 mm-es résekkel működtettük, így 7 nm-es hasznos abszorpciós sávot kaptunk. A vizsgált tartomány 1000-2638,4 nm. Az ólomszulfid detektorok által adott jelet felerősítettük, digitalizáltuk, és továbbítottuk a digitális számítógép felé. A reflexiós adatokat 0,2 nm-enként gyűjtöttük, pontonként 256 digitális átalakítással. Így 8192 reflexiós pontot kaptunk a teljes hullámhossztartományra nézve. A letapogatási sebesség 10 nm/s volt, így a két adatgyűjtés közötti időtartam 20 ms volt; az idő egyik fele 256 „világos szakaszban” történt méréssel telt, a másik fele pedig a „sötét szakaszban”, az AC áramkörhöz kapcsolt erősítő jeleinek mérésével, az abszolút amplitúdó helyreállítása céljából. Ahhoz, hogy teljes reflexiós spektrumot vegyünk egy mintáról, kb. 165 másodpercre volt szükségünk. Összehasonlító standardként kerámiát használtunk, mert reflexiója 1000-től 2700 nm-ig minden hullámhosszon egyforma. A kerámia standardról visszatükrözött jelet a számítógépben tároltuk, és a kakaópormintákról visszatükrözött jelek elkülönítésére használtuk. Ez egy olyan eredő görbét ad, amely a valódi diffúz irányított-kúpos reflexiót ábrázolja a kerámia standardra vonatkoztatva. (Az irányított-kúpos reflexió kifejezés alatt az egy kúpos térszög által összegyűjtött visszatükrözött fény és az alapvetően párhuzamosított beeső fény arányát értjük.) A számítógép a kerámia standard reflexiójához igazítja az eredményeket, hogy a diffúz irányított-kúpos reflexiós tényező (R) valós értékét kapjuk meg; a minta felületéről éppen visszavert fénynek ahhoz a fényhez viszonyított arányát, amelyet egy a mintával pontosan megegyező módon megvilágított, ideális (veszteség nélküli), tökéletesen diffúz (lamberti) standard felület ugyanabba a visszaverődött fénysugár geometriába visszatükrözne. A diffúz irányított-kúpos reflexiós tényező adatokat minden egyes mért reflexiós pont esetén minden egyes kakaópormintára vonatkozóan rögzítettük, és a spektrális adatokat későbbi feldolgozás céljára mágnesszalagokon tároltuk. Körülbelül óránként új, a kerámia standardról vett összehasonlító jelet tároltunk a számítógépben, hogy minimalizáljuk a hosszú ideig tartó áramlás miatti hibát. Az adatfeldolgozáskor a 8192 pontból álló spektrális görbéket minden pontnál egy 21 pontból képzett mozgó átlaggal simítottuk, és 1024 pontból álló görbékké kicsinyítettük őket úgy, hogy kiválasztottunk minden 8. pontot, és azokat a két szomszédos ponttal átlagoltuk. Az összezsugorított spektrális görbéket log (1/R) görbékké alakítottuk át, és az összetételi adatokkal együtt minden egyes mintára vonatkozóan rögzítettük őket. Az R spektrális görbék log (1/R) görbékké való transzformálása hasznosnak bizonyult, mert Acta Alimentaria 11, 1982

276


a log (1/R) függvény egy-egy adott mért összetevő koncentrációjával lineáris korrelációt mutat. A log (1/R) – nek a hullámhossz függvényében való ábrázolása olyan spektrális görbét ad, amely összehasonlítható egy abszorpciós görbével, mivel csúcsai olyan hullámhosszaknál vannak, amelyek megfelelnek a minta abszorpciós sávjainak. Az előzetes vizsgálatok azt mutatták, hogy az ábrázolás látványossága fokozható azzal, ha inkább a log (1/R) spektrális görbe második deriváltját használjuk a log (1/R)-rel szemben. Ezért minden adatot az egyes hullámhosszpontok második deriválása segítségével vizsgáltunk. A második derivált számítás be volt építve a lineáris regresszió-elemzést végző számítógépes programba. Egy lépésenkénti többszörös regresszió programot is használtunk az adatok elemzésére és az optimális hullámhosszak és a kakaóporminták zsír-, fehérje- és szénhidráttartalmának mérése szempontjából fontos, további paraméterek meghatározására. Miután a reflexióban tapasztalt eltérések még viszonylag nagy összetételbeli különbségek esetén is kicsik, a reflexiós adatokat nagyon pontosan kell rögzíteni. Emiatt a méréseknél 0,0000305 log (1/R) egység felbontást használtunk [1 log (1/R) 32 768 lépésnek felel meg]. A kísérlet során használt standard kalibrációs hiba definíciója a következő: n

∑  Q i =1

− Qci  si  n −1− p

2

ahol Qs az adott minőségi paraméter (függő változó), hagyományos szabványos módszerekkel meghatározva, Qc ugyanaz a minőségi paraméter a regressziós egyenletből kiszámolva, n a minták száma, p a független változók száma. A standard kalibrációs hibát úgy származtatjuk, hogy egy mintasorozat laboratóriumi adatait összehasonlítjuk ugyanannak a sorozatnak a műszeres adataival amikor megalkotjuk a kalibrációs egyenletet. A mérés standard hibáját pedig úgy kapjuk meg, hogy egy második mintasorozat laboratóriumi adatait hasonlítjuk össze ennek a második sorozatnak a műszeres, százalékos adataival, és így ellenőrizzük a meglévő kalibrációt. Minden említett mérést egy 296 K (+23 ºC) hőmérsékletű, légkondícionált laboratóriumban végeztünk.

2. Eredmények A 20 kakaóporminta összetételi adatait, nevezetesen zsír-, fehérje- és szénhidráttartalmukat az 1. táblázatban foglaltuk össze. Kiválasztottuk három: egy nagy zsírtartalmú, egy nagy fehérjetartalmú, ill. egy nagy szénhidráttartalmú kakaóporminta log (1/R) spektrumát, Acta Alimentaria 11, 1982


277

Table 1 A 20 kakaóporminta összetételi adatai Mintaszám No.

fehérjtartalom (tömeg %)

zsírtartalom (tömeg %)

I 2 3 4 5 6 7 8 9 10 II 12 13 14 15 16 17 18 19 20

20.00 19.60 19.20 18.80 18.40 20.00 20.459 20.918 21.377 21.836 20.00 19.60 19.20 18.80 18.40 20.00 19.566 19.318 18.977 18.636

10.00 11.80 13.60 16.40 17.20 10.00 9.73 9.46 9.19 8.92 10.00 9.80 9.60 9.40 9.20 10.00 10.606 12.66 13.99 15.32

szénhidrát tartalom (tömeg %) 38.00 37.24 36.48 35.72 34.96 38.00 38.324 38.648 38.972 39.296 38.00 39.24 40.48 41.72 42.96 38.00 38.990 39.608 40.412 41.216

ezeket mutatják az 1-3. ábrák. A megfelelő log (1/R) spektrumok második deriváltjainak görbéit is ugyanezeken az ábrákon ábrázoltuk. A 4-6. ábra a három összetevő log (1/R) spektrumát mutatja, azaz a kakaóvajét, a sovány tejporét és a keményítőét, amiket arra használtunk, hogy növeljük az eredeti kakaópor zsír-, fehérje- és szénhidráttartalmát, emellett a megfelelő log (1/R) spektrumok második deriváltjainak görbéit is ábrázoltuk ezeken az ábrákon. Az ábrák szemléltetik, hogy a log (1/R) spektrumok második deriváltjai sokkal nagyobb különbséget mutatnak két különböző összetételű minta között, mint a log (1/R), így határozottabbak is a görbék részletei. A log (1/R) értékek és a 20 kakaóporminta (60 spektrum, mintánként 3 ismétlés) zsír-, fehérjeés szénhidráttartalma közötti kapcsolat meghatározásához iterációs módszert használtunk, többszörös regresszióanalíziseket végeztünk. A számítógépes program meghatározta a jellegzetes hullámhosszakat, és azokat az együtthatókat, amelyek minden egyes mért összetevőnél a legjobb illeszkedést mutatták Acta Alimentaria 11, 1982

278


1. ábra: A nagy olajtartalmú 5-ös sz. minta log (1/R) spektruma és annak második deriváltja. A mérési geometria: 0°/45°. A beeső fénysugár átmérője: 20/15 mm. Spektrális sáv: 7 nm. A spektrumokat 2nm-es lépésközzel vettük fel, kicsinyítettük, majd 1,6 nm-es lépésenként rögzítettük. A függőleges felbontás 0,00003 log (1/R) egység. 1: az 5-ös sz. minta log (1/R) spektruma 2: a log (1/R) spektrum második deriváltja

2. ábra: A magas fehérjetartalmú 10-es sz. minta log (1/R) spektruma és annak második deriváltja. A mérési geometria: 0°/45°. A beeső fénysugár átmérője: 20/15 mm. Spektrális sáv: 7 nm. A spektrumokat 2nm-es lépésközzel vettük fel, kicsinyítettük, majd 1,6 nm-es lépésenként rögzítettük. A függőleges felbontás 0,00003 log (1/R) egység. 1: az 10-ös sz. minta log (1/R) spektruma 2: a log (1/R) spektrum második deriváltja


279

3. ábra: A nagy szénhidráttartalmú 15-ös sz. minta log (1/R) spektruma és annak második deriváltja. A mérési geometria: 0°/45°. A beeső fénysugár átmérője: 20/15 mm. Spektrális sáv: 7 nm. A spektrumokat 2nm-es lépésközzel vettük fel, kicsinyítettük, majd 1,6 nm-es lépésenként rögzítettük. A függőleges felbontás 0,00003 log (1/R) egység. 1: az 15-ös sz. minta log (1/R) spektruma 2: a log (1/R) spektrum második deriváltja

4. ábra: A kakaóvaj log (1/R) spektruma és annak második deriváltja. A mérési geometria: 0°/45°. A beeső fénysugár átmérője: 20/15 mm. Spektrális sáv: 7 nm. A spektrumokat 2nm-es lépésközzel vettük fel, kicsinyítettük, majd 1,6 nm-es lépésenként rögzítettük. A függőleges felbontás 0,00003 log (1/R) egység. 1: az kakaóvaj minta log (1/R) spektruma 2: a log (1/R) spektrum második deriváltja

280


..

5. ábra: A sovány tejpor log (1/R) spektruma és annak második deriváltja. A mérési geometria: 0°/45°. A beeső fénysugár átmérője: 20/15 mm. Spektrális sáv: 7 nm. A spektrumokat 2nm-es lépésközzel vettük fel, kicsinyítettük, majd 1,6 nm-es lépésenként rögzítettük. A függőleges felbontás 0,00003 log (1/R) egység. 1: az sovány tejpor minta log (1/R) spektruma 2: a log (1/R) spektrum második deriváltja

6. ábra: A keményítő log (1/R) spektruma és annak második deriváltja. A mérési geometria: 0°/45°. A beeső fénysugár átmérője: 20/15 mm. Spektrális sáv: 7 nm. A spektrumokat 2nm-es lépésközzel vettük fel, kicsinyítettük, majd 1,6 nm-es lépésenként rögzítettük. A függőleges felbontás 0,00003 log (1/R) egység. 1: az keményítő minta log (1/R) spektruma 2: a log (1/R) spektrum második deriváltja

281

KAFFKA et a1.: KAKAÓPOR VIZSGÁLATA NIR TECHNIKÁVAL

a következő egyenlet esetén: Q1i = K0i + K1iVλ2i + K1iVλ2i ahol az összetételi jellemzőket jelenti (zsír-, fehérje- és Q1i szénhidráttartalom); K0i, K1i és K2i együtthatók, ill. konstansok; λ1i és λ2i a jellemző hullámhosszak; Vλ1i és Vλ2i az ezekhez a jellemző hullámhosszakhoz tartozó log (1/R) értékek. A kalibráló minták korlátozott mennyisége miatt csak kétismeretlenes egyenleteket használtunk az ún. túlillesztési jelenség (overfitting) elkerülése érdekében. A zsír-, fehérje- és szénhidráttartalomra vonatkozó eredményeket a 2. táblázatban foglaltuk össze, ahol a jellemző hullámhosszakat, a regressziós egyenletek együtthatóit és állandóit, a standard kalibrációs hibát és a többszörös korrelációs együtthatókat is feltüntettük. Megpróbáltunk az összetételi jellemzők és a log (1/R) értékek között kapcsolatot találni a fent említett összetevők más hullámsávjainál, ugyanazt az egyenletet alkalmazva. A standard kalibrációs hibával és a többszörös korrelációs együtthatóval kapcsolatos eredményeink majdnem olyan jók voltak, mint a 2. táblázatban bemutatottak. 2. táblázat A 20 kakaóporminta kémiai adataira és az 1000-2500 nm-ig terjedő kutatás során két jellemző hullámhosszon mért log (1/R) értékeire vonatkozó lineáris regressziós analízisek összefoglalása: Az egyenlet alakja: Q1i = K0i + K1iVλ2i + K1iVλ2i zsírtartalom

Fehérjetartalom

Szénhidráttartalom

λ1 jellegzetes hullámhossz (nm) λ2 jellegzetes hullámhossz (nm) K0 konstans K1 együttható K együttható Standard kalibrációs hiba (tömeg%) Többszörös korrelációs együttható

Ezt követően növelni szerettük volna a megbízhatóságot azzal, hogy az adatokat a log (1/R) spektrumok második deriváltjává transzformáltuk. Az átalakított spektrális adatok és az összetételi jellemzők közti kapcsolatot a

282


következő egyenlet formájában vizsgáltuk: Q2i = K3i + K4i Vλ3i Vλ4i

ahol

Q2i az összetételi jellemzőket jelenti; K3i és K4i együtthatók, ill. állandók, Vλn3i és Vλn4i a log (1/R) második deriváltjainak értékei a λ3i és λ4i jellegzeteshullámhosszaknál. Ezeknek az egyismeretlenes regressziós egyenleteknek a jellemző hullámhosszait, állandóit és együtthatóit, ill. a standard kalibrációs hibát és a korrelációs együtthatókat a 3. táblázatban foglatuk össze. 3. táblázat A 20 kakaóporminta kémiai adataira és az 1000-2500 nm-ig terjedő kutatás során két jellemző hullámhosszon mért log (1/R) értékeire vonatkozó lineáris regressziós analízisek összefoglalása

Az egyenlet alakja: Q2i = K3i + K4iVλ3i/Vλ4i zsírtartalom

Fehérjetartalom

Szénhidráttartalom

Λ3 jellegzetes hullámhossz (nm) λ4 jellegzetes hullámhossz (nm) K3 konstans K4 együttható Szegmens (hullhos az átlagoláshoz)(nm) Számláló kapu (nm) Nevező kapu (nm) Standard kalibrációs hiba (tömeg%) Korrelációs együttható

Ebben a táblázatban a numerátor és denominátor hullámhossz - kapukat, ill. a szegmenseket soroltuk fel. A kapuk a második derivált származtatására használt három hullámhossz közötti távolságot mutatják, míg a szegmens azt a hullámhossztartományt jelenti, amelyben a mért spektrális adatokat átlagoljuk. A zsíroknak, fehérjéknek és szénhidrátoknak a közeli infravörös számos tartományában vannak abszorpciós sávjai, ezért hasonló eredményeket adó, szelektált tartományokat vizsgáltunk. A log (1/R) értékeket és a második derivált hányadost használó zsír-, fehérje- és szénhidrát-meghatározásnak a 2. és 3. táblázatban bemutatott eredményeit a 7-12. ábrán ábrázoltuk. A reprodukálhatóságot úgy határoztuk meg, hogy összehasonlítottuk a


283

7. ábra: A kémiai elemzéssel meghatározott zsírtartalom és a többszörös regressziós analízis során, két jellemző hullámhossznál kapott log (1/R) értékek közötti kapcsolat

8. ábra: A kémiai elemzéssel meghatározott fehérjetartalom és a többszörös regressziós analízis során, két jellemző hullámhossznál kapott log (1/R) értékek közötti kapcsolat

hogy összehasonlítottuk a húsz eredeti minta három ismétlésének spektrumait. A reprodukálhatóságot a kapott adatok standard szórásainak átlaga jellemezte, a különböző összetevők és egyenletek esetére kapott értékek a 4. táblázatban láthatók.

284


4. Táblázat A kakaóporminták reprodukálhatósága és ismételhetősége a zsír-, fehérje- és szénhidráttartalomra többismeretlenes log (1/R) (1), ill. második derivált (2) egyenletek használatával kapott adatok standard szórásainak átlagaként kifejezve

Q1ZSÍR Q2ZSÍR Q1FEHÉRJE Q2FEHÉRJE Q1SZÉNHIDRÁT Q2SZÉNHIDRÁT

Reprodukálhatóság 0.156 0.187 0.519 0.230 0.513 0.484

Ismételhetőség 0.067 0.099 0.117 0.169 0.099 0.233

Az ismételhetőséget úgy határoztuk meg, hogy tíz spektrális képet rögzítettünk mindhárom kiválasztott mintáról anélkül, hogy a minták helyzetét megváltoztattuk volna. A kiválasztott minták a nagy zsír-, fehérje-, ill. szénhidráttartalmú minták voltak (5-ös, 10-es és 15-ös sz. minta). Az ismételhetőséget a 3-3 mintáról vett 10-10 színkép alapján kapott adatok standard szórásainak átlaga jellemezte. Az ismételhetőségi eredményeket a különböző összetevők és egyenletek esetére a 4. táblázatban mutatjuk be.

9. ábra: A kémiai elemzéssel meghatározott szénhidráttartalom és a többszörös regressziós analízis során, két jellemző hullámhossznál kapott log (1/R) értékek közötti kapcsolat


10. ábra: A kémiai elemzéssel meghatározott zsírtartalom és a többszörös regressziós analízis során, két jellemző hullámhossznál kapott log (1/R) értékek közötti kapcsolat

11. ábra: A kémiai elemzéssel meghatározott fehérjetartalom és a többszörös regressziós analízis során, két jellemző hullámhossznál kapott log (1/R) értékek közötti kapcsolat

286


12. ábra: A kémiai elemzéssel meghatározott szénhidráttartalom és a többszörös regressziós analízis során, két jellemző hullámhossznál kapott log (1/R) értékek közötti kapcsolat

3. Végkövetkeztetés Amint az 1. táblázatban látható, kakaópormintáink zsírtartalma 8,92-től 17,20 tömegszázalékig terjed, a zsírtartalom változása kb. 92%. A fehérjetartalom 18,40-től 21,84 tömegszázalékig terjed, a fehérjetartalom változása kb. 19%. A szénhidráttartalom pedig 34,96-tól 42,96 tömegszázalékig terjed, a szénhidráttartalom változása kb. 23%. A minták részecskeméret szerinti eloszlását nem vizsgáltuk. A MINER és mtsai. (1980) által nyert tapasztalatokkal egybehangzóan úgy találtuk, hogy a részecskeméret nagyon kicsi és egységes volt, így nem volt zavaró hatása. Kutatásunk során egy mintát sem hagytunk ki a számítások miatt, pedig eredményeinket a nagy szórású minták elhagyásával feljavíthattuk volna. Vizsgálataink kielégítő eredményt hoztak a kakaópor zsír-, fehérje- és szénhidrát-meghatározásának pontosságára vonatkozólag a két jellegzetes hullámhosszon mért log (1/R) értékeket tartalmazó kétismeretlenes lineáris egyenletek esetén, bár nagyobb pontosságot értünk el a log (1/R) spektrumok transzformálásával, nevezetesen a spektrumok második deriváltjainak használatával. Ebben az esetben igazából egy egyismeretlenes egyenletet használtunk, ahol a log (1/R) spektrumok második deriváltjának az első jellegzetes hullámhossznál mért értékét elosztottuk Acta Alimentaria 11, 1982

KAFFKA et a1.: KAKAÓPOR VIZSGÁLATA NIR TECHNIKÁVAL

'2f3 7

a log (1/R) spektrumok második deriváltjának a második jellegzetes hullámhossznál mért értékével. Amikor a Q2i egyenletben más hullámhosszakat használtunk, néhány sokkal jobb eredményre jutottunk a standard kalibrációs hibára vonatkozólag, viszont a reprodukálhatósági és ismételhetőségi vizsgálatok rendkívül rossz eredményeket hoztak, ami egyértelműen rávilágít arra, hogy túlméretezési problémával állunk szemben. Ez azt jelenti, hogy az ilyen „pszeudo-jellegzetes” hullámhosszakat használó egyenletek csak erre a mintasorra vonatkozólag jellemezték az összetétel és az optikai tulajdonságok közötti kapcsolatot, nem a természet által létrehozott „valódi” kapcsolatra vonatkozólag. Ezek a „pszeudo-jellegzetes” hullámhosszak, amelyek ilyen „jó” eredményeket adtak, nem azok, amelyeknél a vizsgált összetevők abszorpciós sávjai voltak. Természetesen további vizsgálataink során kihagytuk őket. MINER és mtsai (1980) a korábban említett tanulmányukban a kakaópor nedvesség- és zsírtartalmának meghatározásával foglalkoztak, míg a mi kutatásunk a fehérje- és szénhidráttartalom-meghatározásra is kiterjedt. A kakaópor színe mint ismeretes, különböző tényezők eredményeképpen változik, mint a fajta, a termesztés földrajzi helye, a talajadottságok, az éghajlat stb.. Más vizsgált élelmiszerek esetén azt tapasztalták, hogy ha voltak is különbségek a látható spektrumok között, nem volt különbség az 1000 nm feletti spektrális tartományban. Ezt a kakaópor esetére vonatkoztatva, az eltérő színű mintákat nem vettük be a kalibráló minták közé. Az itt bemutatott korrelációs eredmények azt mutatják, hogy az infravörös reflexiós mérések a kakaópor összetételelemzésével összefüggést mutatnak. A kalibrációs eredményeket ismeretlen mintákkal nem teszteltük, de az igen magas korrelációs együtthatók azt jelzik, hogy lehetségesnek kell lennie, hogy a közeli infravörös technikák nagy pontossággal használhatóak a zsír-, fehérje- és szénhidráttartalom meghatározására. Ezeket az eredményeket a sok lehetséges adatfeldolgozási eljárás közül csak kettő vizsgálatával, és a spektrofotométer által vezérelt optikai geometria és mintaméret használatával nyertük. A reprodukálhatósági és ismételhetőségi eredmények azt mutatják, hogy a látványosság több ismétlés rözítésével, ill. a beeső fénysugár átmérőjének és erősségének növelésével szignifikánsan növelhető lenne, és az is elképzelhető, hogy más adatfeldolgozási módszerek használatával is javítható lenne.

*

Köszönettel tartozunk Ms. Joycenak, USDA.BARC- West Instrumentation Research Laboratory, Beltsville a mérések és a kiértékelések elvégzéséhez nyújtott lelkiismeretes technikai segítségéért. We are most grateful to the Institute of State Food Control and Analysis, Miskolc for providing us with specially prepared cocoa powder and cocoa butter samples and the useful advice given.

288


Irodalom HUNGARIAN STANDARD (1963): Kemenyitő indikátor. (Starch indicator.) MSZ 1159l. HUNGARIAN STANDARD (1975a): Kakaópor és kakaópor készítmények mintavétele és vizsgálata. (Cocoa powder and cocoa powder products. Sampling and testing.) MSZ 9434. HUNGARIAN STANDARD (1975b): Kakaópor. Minőségi követelmények. (Cocoa powder. Quality requirements.) MSZ 9435. HUNGARIAN STANDARD (1976): Tejpor (porlasztva szárított). Minőségi követelmények.(Powdered milk. Quality requirements.) MSZ 3726. HYMOWITZ, T., DUDLEY, J. W., COLLINS, F. I., & BROWN, C. M. (1974): Estimation of pro-tein and oil concentration in corn, soybean, and oat seed by near infrared light re-flectance. Crop Sci., 14, 713. LANDA, I. J. (1979): Food constituents analysis using a monochromator with high speed scan and high energy throughput. ASAE and CSAE, Proceedings, Annual Meeting, Winnipeg, Canada. MASSIE, D. R. & NORRIS, K. H. (1971): A high intensity spectrophotometer interfaced with a computer for food quality measurements. Trans. Am. Soc. agric. Engrs., 18, 173-176. MILLER, B. S. & POMEBANZ, Y. (1978): Interlaboratory and intralaboratory reproducibility of protein determination in Hard Red Winter 'Wheat by Kjeldahl and near infrared procedures. Cereal Foods Wld., 23, 198-202. MINER, D. C., ZIOMEK, J. V. & LANDA, I. J. (1980): Near infrared instrumentation for con-trolling the quality of chocolate product8. Manuscript. pp. 1-19. NORRIS, K. H. & BARNES, R. F. (1976): Infrared reflectance analysis of nutritive value of feedstuffs. Proceedings, First International Symposium Feed Composition, Utah. NORRIS, K. H., BARNES, R. F., MOORE, J. E. & SHENK, J. S. (1976): Predicting forage quality by infrared reflectance spectroscopy. J. Anim. Sci., 43, 887. RINNE, R. W., GIBSON, S., BRADLEY, J., SElF, R. & BRI)'I, C. 'V. (1975): Soybean protein and oil percentages determined by infrared analysis. Agr. Res. Pub. ARC-NC-26, USDA. ROSENTHAL, R. D. (1973): A rapid and accurate means of determining the percent mois-.ture, oil and protein in grain and grain products. Am. Ass. Cereal Chem., Annual Meeting, Denver, Colorado. pp. 1-30.

A szerzők elérhetőségei: Dr. Károly J. KAFFKA

Központi Élelmiszkutó Intézet H-1022 Budapest, Herman Ottó út 15. Hungary

Karl H. NORRIS

USDA.BARC-West Instrumentation Research Laboratory Beltsville, Maryland 20705 USA

Dr. Ferenc KULCSAR Ms. Imelda DRASKOVITS

Centre of Food Control and Analysis of the Ministry of Agriculture and Food H-I051 Budapest, Guszev utca 25. Hungary

KÍSÉRLET A KAKAÓPOR ZSÍR-, FEHÉRJE- ÉS SZÉNHIDRÁTTARTALMÁNAK NIR TECHNIKÁVAL VALÓ MEGHATÁROZÁSÁRA

Recommend Documents