Preview

Аграрная наука

Расширенный поиск

БИК-анализ для оценки качества мяса

https://doi.org/10.32634/0869-8155-2020-342-10-103-106

Полный текст:

Аннотация

Качество мяса и мясной продукции сегодня необходимо оценивать по многим параметрам быстро и оперативно, особенно в технологиях переработки на разных этапах. В последние годы интенсивно развивается применение метода ближней инфракрасной (NIR, БИК) спектроскопии из-за возможности быстрого прогнозирования качества мяса, идентификации  мяса и мясных продуктов. В обзоре обсуждаются принципы БИК-анализа,  способы пробоподготовки и результаты количественного анализа на примере мяса говядины и мясных продуктов.

Об авторах

С. Л. Белопухов
ФГБОУ ВО «Российский государственный аграрный университет — Московская сельскохозяйственная академия имени К.А. Тимирязева»
Россия

доктор сельскохозяйственных наук, профессор, профессор кафедры химии

Москва



С. Ю. Зайцев
Федеральный научный центр животноводства — ВИЖ имени академика Л.К. Эрнста.
Россия

доктор биологических наук, доктор химических наук, профессор

142132, Московская обл., городской округ Подольск, пос. Дубровицы, д. 60



С. В. Золотарев
ФГБОУ ВО «Российский государственный аграрный университет — Московская сельскохозяйственная академия имени К.А. Тимирязева»
Россия

доктор технических наук, профессор

Москва
,  



Б. К. Салаев
ФГБОУ ВО «Калмыцкий государственный университет» Республика Калмыкия, г. Элиста, ул. Пушкина, 11
Россия

кандидат педагогических наук, профессор

Республика Калмыкия, г. Элиста, ул. Пушкина, 11



Список литературы

1. Елисеева О.В., Елисеев А.Ф., Белопухов С.Л. Применение ближней инфракрасной спектроскопии для анализа химического состава базилика. Бутлеровские сообщения. 2019;60(12):152-156.

2. Enakiev Y.I., Grishina E.A., Belopukhov S.L., Dmitrevskaya I.I. Application of NIR spectroscopy for cellulose determination in flax. Bulgarian Journal of Agricultural Science. 2018;24(5):897-901.

3. Belopukhov S., Dmitrevskaya I., Grishina E., Zaitsev S., Uschapovsky I. Effects of Humic Substances Obtained from Shives on Flax Yield Characteristics. Journal of Natural Fibers. 2017;14. (1):126-133.

4. Юшина Ю.К., Куликовский А.В., Становова И.А. Унификация методов контроля качественных характеристик мяса и мясных продуктов. Все о мясе. 2016;(4):18-21.

5. Roberts J.J., Motin J.C., Swain D., Cozzolino D. A feasibility study on the potential use of near infrared reflectance spectroscopy to analyze meat in live animals: discrimination of muscles. Journal of Spectroscopy. 2017. Article ID 3948708

6. Chapman J., Elbourne A., Truong V.K., Cozzolino D. Shining light into meat — a review on the recent advances in in vivo and carcass applications of near infrared spectroscopy. International Journal of Food Science and Technology. 2020;55(3):935-941.

7. Santos, C.A.T., Lopo, M., Páscoa, R.N.M.J. A Review on the Applications of Portable near-Infrared Spectrometers in the AgroFood Industry. Appl. Spectrosc. 013;67(11):1215–1233.

8. Porep J.U., Kammerer D.R., Carle R. On-Line Application of Near Infrared (NIR) Spectroscopy in Food Production. Trends Food Sci. Technol. 2015;46(2A):211–230.

9. Niu Zhiyou, Han Lujia, Su Xiao›ou, Yang Zhenhai Nongye gongcheng xuebao. Trans. Chin. Soc. Agr. Eng. 2005;21(4):155-157.

10. Prieto N., López-Campos Ó., Aalhus J.L. Use of near Infrared Spectroscopy for Estimating Meat Chemical Composition, Quality Traits and Fatty Acid Content from Cattle Fed Sunflower or Flaxseed. Meat Sci. 2014;98(2):279–288.

11. Wood J.D., Richardson I.R., Nute G.R. Effects of Fatty Acids on Meat Quality: A Review. Meat Sci. 2003;(66):21–32.

12. Guy F., Prache S., Thomas A. Prediction of Lamb Meat Fatty Acid Composition Using near-Infrared Reflectance Spectroscopy (NIRS). Food Chem. 2011;127(3):1280–1286.

13. Prieto N., Ross D.W., Navajas E.A. Online Prediction of Fatty Acid Profiles in Crossbred Limousin and Aberdeen Angus Beef Cattle Using near Infrared Reflectance Spectroscopy. Anim. 2011;5(1):155–165.

14. Mourot B.P., Gruffat D., Durand D. Breeds and Muscle Types Modulate Performance of Near-Infrared Reflectance Spectroscopy to Predict the Fatty Acid Composition of Bovine Meat. Meat Sci. 2015;(99):104–112.

15. Azizian H., Kramer J. A Rapid Method for the Quantification of Fatty Acids in Fats and Oils with Emphasis on Trans Fatty Acids Using Fourier Transform Near Infrared Spectroscopy (FT-NIR). Lipids. 2005;40(8):855–867.

16. Kapper C., Klont R.E., Verdonk J.M.A.J. Prediction of Pork Quality with Near Infrared Spectroscopy (NIRS): 1. Feasibility and Robustness of Nirs Measurements at Laboratory Scale. Meat Sci. 2012;91(3):294–299.

17. Balage J.M., Luze Silva, S., Gomide C.A.Predicting Pork Quality Using Vis/Nir Spectroscopy. Meat Sci. 2015;(108):37–43.

18. De Marchi M., Penasa M., Cecchinato A. The Relevance of Different near Infrared Technologies and Sample Treatments for Predicting Meat Quality Traits in Commercial Beef Cuts. Meat Sci. 2013;(93):329–335.

19. De Marchi M., Penasa M., Battagin M. Feasibility of the Direct Application of near-Infrared Reflectance Spectroscopy on Intact Chicken Breasts to Predict Meat Color and Physical Traits. Poult. Sci. 2011;90(7):1594–1599.

20. Liao Y.-T., Fan Y.-X., Cheng F. On-Line Prediction of Fresh Pork Quality Using Visible/near-Infrared Reflectance Spectroscopy. Meat Sci. 2010;86(4):901–907.

21. Prieto N., Roehe R., Lav≪n P. Application of near Infrared Reflectance Spectroscopy to Predict Meat and Meat Products Quality: A Review. Meat Sci. 2009;(83):175–186.

22. Elmasry G., Barbin D.F., Sun D.-W. Meat Quality Evaluation by Hyperspectral Imaging Technique: An Overview. Crit. Rev. Food Sci. Nutr. 2012;52(8):689–711.

23. Prieto N., Andrés S., Giráldez F.J. Ability of near Infrared Reflectance Spectroscopy (Nirs) to Estimate Physical Parameters of Adult Steers (Oxen) and Young Cattle Meat Samples. Meat Sci. 2008;(79):692–699.

24. Scollan N.D., Dannenberger D., Nuernberg K. Enhancing the Nutritional and Health Value of Beef Lipids and Their Relationship with Meat Quality. Meat Sci. 2014;97(3):384–394.

25. Dugan M.E.R., Vahmani P., Turner T.D. Pork as a Source of Omega-3 (N-3) Fatty Acids. J. Clin. Med. 2015;4(12):1999–2011.

26. Fernández-Cabanás V.M., Polvillo O., Rodríguez-Acuña R. Rapid Determination of the Fatty Acid Profile in Pork Dry-Cured Sausages by Nir Spectroscopy. Food Chem. 2011;124(1):373–378.

27. Prevolnik M., Škrlep M., Janeš L. Accuracy of near Infrared Spectroscopy for Prediction of Chemical Composition, Salt Content and Free Amino Acids in Dry-Cured Ham. Meat Sci. 2011;88(2):299–304.

28. Honeyman M.S., Pirog R., Huber G. The United States Pork Niche Market Phenomenon. J. Anim. Sci. 2006;84(8):2269–2275.

29. Mamani-Linares L.W., Gallo C., Alomar D. Identification of Cattle, Llama and Horse Meat by Near Infrared Reflectance or Transflectance Spectroscopy. Meat Sci. 2012;90(2):378–385.

30. Restaino E., Fassio A., Cozzolino D. Discrimination of Meat Patés According to the Animal Species by Means of near Infrared Spectroscopy and Chemometrics Discriminación De Muestras De Paté De Carne Según Tipo De Especie Mediante El Uso De La Espectroscopia En El Infrarrojo Cercano Y La Quimiometria. CyTA. J. Food. 2011;9(3):210–213.

31. Schmutzler M., Beganovic A., Böhler G. Methods for Detection of Pork Adulteration in Veal Product Based on Ft-Nir Spectroscopy for Laboratory, Industrial and on-Site Analysis. Food Control. 2015;(57):258–267.

32. Sun S., Guo B., Wei Y. Classification of Geographical Origins and Prediction of Δ13c and Δ15n Values of Lamb Meat by near Infrared Reflectance Spectroscopy. Food Chem. 2012;135(2):508–514.

33. Zamora-Rojas E., Pérez-Marín D., De Pedro-Sanz E. In-Situ Iberian Pig Carcass Classification Using a MicroElectro-Mechanical System (Mems)-Based near Infrared (Nir) Spectrometer. Meat Sci. 2012;90(3):636–642.


Для цитирования:


Белопухов С.Л., Зайцев С.Ю., Золотарев С.В., Салаев Б.К. БИК-анализ для оценки качества мяса. Аграрная наука. 2020;(10):103-106. https://doi.org/10.32634/0869-8155-2020-342-10-103-106

For citation:


Belopukhov S.L., Zaitsev S.Yu., Zolotarev S.V., Salaev B.K. NIR analysis for assessing meat quality. Agrarian science. 2020;(10):103-106. (In Russ.) https://doi.org/10.32634/0869-8155-2020-342-10-103-106

Просмотров: 36


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0869-8155 (Print)
ISSN 2686-701X (Online)