Цифровая цветометрия с использованием смартфонов в экспресс-контроле цветности сахара
Автор: Черноусова О. В., Рудаков О. Б., Аббуд Мохамед
Журнал: Вестник Воронежского государственного университета инженерных технологий @vestnik-vsuet
Рубрика: Пищевая биотехнология
Статья в выпуске: 2 (100) т.86, 2024 года.
Бесплатный доступ
Важный контролируемый параметр в сахарной промышленности - цветность сахара, обусловленная различными группами красящих веществ, образующихся при проведении технологических процессов в производстве. В классической методике предполагается использование сочетания методов рефрактометрии и фотоколориметрии. В работе предлагается использовать более современный метод - цифровую цветометрию с применением смартфонов для регистрации и обработки аналитического сигнала. Предложенная методика включает в себя более простой и экспрессный способ пробоподготовки исследуемых образцов. В качестве объектов анализа использовали пять образцов сахара, приобретенных в торговой сети. Из них три образца - кусковой сахар, два образца - кристаллический сахар, один образец - тростниковый сахар. По данным, полученным в ходе анализа, цветность в единицах ICUMSA двух образцов сахара удовлетворяет заявленной категории, а два образца имеют значения превышающие нормы цветности в своей категории. Тростниковый сахар ожидаемо имеет высокие значения цветности. Полученные результаты согласуются с данными, полученными на фотоколориметре. Это подтверждает возможность использования предложенной методики для определения цветности сахара. Мобильность системы и простота регистрации цветометрических характеристик в сочетании с экспрессностью и дешевизной, обусловливает перспективность использования данного способа не только в заводских лабораториях, но и вне лабораторий, в местах хранения и реализации. Кроме этого следует отметить удобство документирования и хранения электронных изображений в виде файлов, их статистической обработки и передачи по интернету в любую лабораторию или службу.
Цифровая цветометрия, цветовая система rgb, сахар, мобильные устройства
Короткий адрес: https://sciup.org/140306949
IDR: 140306949 | УДК: 543.6 | DOI: 10.20914/2310-1202-2024-2-93-98
Текст научной статьи Цифровая цветометрия с использованием смартфонов в экспресс-контроле цветности сахара
Цветность сахара является одним из нормируемых показателей качества. Она характеризует степень окрашенности раствора сахара, вызванную наличием красящих веществ сахарного производства в кристаллах сахара, выраженную в единицах оптической плотности (единицах ICUMSA). За окраску отвечают красящие вещества сахарного производства в виде сложных органических соединений различной степени конденсации и полимеризации, имеющие цвет Для цитирования
Черноусова О.В., Рудаков О.Б., Аббуд М. Цифровая цветометрия с использованием смартфонов в экспресс-контроле цветности сахара // Вестник ВГУИТ. 2024. Т. 86. № 2. С. 93–98.
от светло-желтого до темно-коричневого и образовавшиеся в результате химического взаимодействия некоторых извлеченных из сырья вместе с сахарозой природных веществ между собой и с полученными в ходе превращений в полуфабрикатах технологического потока веществами, придающие окраску полуфабрикатам и готовой продукции. Для определения этого показателя используют межгосударственный стандарт ГОСТ 12572–2015 «САХАР. Метод определения цветности» [1].
This is an open access article distributed under the terms of the Creative Commons Attribution 4.0 International License
В химическом анализе цветометрия используется уже около 35 лет [2]. Для изучения цветности пищевых продуктов на протяжении последних двух десятков лет активно применяется метод цифровой цветометрии (ЦЦМ) [3–9]. Кроме того, ЦЦМ используют для контроля качества лекарственных препаратов [10–13], в экологическом мониторинге [14–17], для контроля примесей в цементах [18], определения свойств полимеров [19]. Cреди пищевых продуктов много исследований посвящено применению метода ЦЦМ для контроля качества молочной продукции [4–6], продолжаются изучение возможностей этого метода для анализа растительных масел [7]. В то же время анализ цветности сахара этим методом при использовании мобильных устройствах используется мало. Так, например, в работе [20] используется зависимость цветовых характеристик, полученных при сканировании образцов. В работах иностранных коллег используются сложные хемометрические приемы для анализа цветности коричневого сахара [21] или для определения его содержания в напитках [22].
Первоначально цифровая цветометрия основывалась на применении фотокамер, сканеров, в последнее время все больше встречается работ с использованием смартфонов в качестве аналитического прибора [23]. Так, в обзоре [24] показано современное состояние и перспективы развития метода ЦЦМ при применении смартфона в качестве цветорегистрирующего устройства при экспресс-анализе для контроля объектов окружающей среды, биологических жидкостей, пищевых продуктов, лекарственных препаратов и некоторых специфических объектов, проведен анализ достоинств и недостатков смартфона, оснащенного различными программными продуктами.
Цель работы – определение цветности сахара и изучение возможности использования цветометрии на мобильных устройствах для контроля этого параметра.
Материалы и методы
В качестве объектов анализа (таблица 1) выбрали пять образцов сахара, приобретенных в торговой сети. Из них три образца – кусковой сахар, два образца – кристаллический сахар, один образец – тростниковый сахар.
В работе использовали следующие приборы и оборудование: рефрактометр ИРФ-454 Б2М, спектрофотометр марки КФК-3 КМ, для ЦЦМ применяли смартфон Huawei P Smart. Для подготовки образцов взвешивали на технических весах 50±0,1 г сахара, переносили в коническую колбу вместимостью 250 см3. Затем в колбу добавляли 50 см3 дистиллированной воды с рН = 7,0 (значение контролировали с помощью рН-метра), растворяли сахар, затем фильтровали в сухую коническую колбу. В профильтрованном растворе рефрактометром определяли массовую долю сухих веществ по ГОСТ 31896–2012. Измерения оптической плотности растворов проводили в кювете с толщиной слоя 3 см при длине волны 420 нм, в качестве раствора сравнения использовали дистиллированную воду.
Для ЦЦМ использовали пластиковые бюксы высотой 28 мм, диаметром 25 мм, помещенные в органайзер размером 16х13,5 см (рисунок 1). В бюксы помещали образцы сахара, при этом сахар-рафинад предварительно измельчали в фарфоровой ступке. Условия освещения стандартизировали с использованием лампы дневного света. Условия съемки: ISO 400, S 1/280s, F 1,9, баланс белого «авто». Для вычислений использовали программное обеспечение для смартфонов Color Picker (рисунок 2). В качестве стандарта белизны применяли порошок кристаллического BaSO 4 .

Рисунок 1. Фотографии образцов в пластиковых бюксах в органайзере
Figure 1. Photos of samples in plastic bottles in an organizer

Рисунок 2. Скриншот программы Color Picker
Figure 2. Screenshot of the Color Picker program
Таблица 1.
Объекты анализа
Table 1.
Objects of analysis
Образец Sample |
Наименование Name |
Категория, происхождение Category, origin |
Производитель Manufacturer |
Нормативный документ Regulatory document |
1 |
Русский сахар Russian sugar |
Сахар белый кусковой категории ТС 2, свекловичный White lump sugar of TC 2 category, beet sugar |
«РУСАГРО – БЕЛГОРОД» ЖШК – «НИКА» филиалы "RUSAGRO - BELGOROD" ZhSHK -"NIKA" branches |
ГОСТ 33222–2015 |
2 |
Селяночка Selyanochka |
Сахар белый кристаллический категории ТС 2, свекловичный White crystalline sugar, beet sugar, category TC 2 |
ООО «Перелешинский сахарный комбинат» Pereleshinsky Sugar Mill LLC |
ГОСТ 33222–2015 |
3 |
Бакалейный стандарт Grocery standard |
Сахар белый кристаллический категории ТС 3, свекловичный White crystalline sugar, beet sugar, category TC 3 |
ООО «Орбита» Orbita LLC |
ГОСТ 33222–2015 |
4 |
Чайкофский Chaikofsky |
Сахар белый кусковой категории экстра, свекловичный White lump sugar, extra category, beet sugar |
ООО «РУСАГРО-ТАМБОВ» RUSAGRO-TAMBOV LLC |
ГОСТ 33222–2015 |
5 |
Global Village |
Сахар нерафинированный тростниковый кусковой прессованный |
ЗАО «Санкт-Петербургский сахарный завод CJSC "St. Petersburg Sugar Plant |
ТУ 9111–002– 15157693–2005 |
Результаты
По результатам измерений оптической плотности на фотоколориметре и определения показаний на рефрактометре вычисляли цветность в единицах ICUMSA:
Д420100-1000 СВр/ ’ где Д420 – оптическая плотность; 100 – коэффициент перевода на 100 % сухих веществ; 1000 – коэффициент индексации результата в диапазон целых чисел; СВ – массовая доля сухих веществ, %; ρ – плотность раствора сахара, г/см3; l – толщина поглощающего слоя, см.
Затем получали изображения растворов сахара на смартфоне в пластиковых бюксах и параллельно изображения порошка кристаллического BaSO 4 .
Фотографии обрабатывали с помощью бесплатного программного обеспечения Color Picker. Расчеты проводили в трёхкомпонентной цветовой системе RGB.
Цветность порошков сахара в цифровой цветометрии оценивали в долях от стандарта белизны по формулам (3):
F’ R = F R (о)/ F R (ст) (1)
F’ G = F G (о)/ F G (ст) (2)
F’ B = F B (о)/ F B (ст) (3)
где F’ R , F’ G , F’ B – относительные изменения красной, зеленой и голубой компонент цветности в долях от стандарта; F R (ст), F G (ст), F B (ст) – значения красной, зеленой и голубой компонент цветности для стандарта; F R (ст), F G (ст), F B (ст) – значения красной, зеленой и голубой компонент цветности для образца сахара. Стандартный образец сравнения (BaSO 4 ) использовали для нивелирования погрешностей, обусловленных возможными различиями в освещенности проб.
Результаты определения цветности сахара представлены в таблицах 2 и 3.
Обсуждение
По данным, полученным в ходе анализа, цветность в единицах ICUMSA двух образцов сахара удовлетворяет заявленной категории, а два образца имеют значения превышающие нормы цветности в своей категории. Тростниковый сахар ожидаемо имеет высокие значения. Анализируя данные, представленные в таблице 3, можно сделать вывод, что более чувствительной к цветности сахара является интенсивность синей компоненты цветности ( F’ B ), наименее чувствительной является интенсивность красной компоненты цветности ( F’ R ). Наиболее приближенным к белому цвету является сахар марки экстра, наименьшая белизна у тростникового сахара, что хорошо согласуется с данными, полученными на фотоколориметре. Это подтверждает возможность использования предложенной методики определения цветности сахара.
Предлагаемая методика характеризуется доступностью оборудования, программного обеспечения. Кроме того, мобильность системы и простота регистрации цветометрических характеристик в сочетании с экспрессностью и дешевизной, доступностью пробоподготовки, обусловливает перспективность использования данного способа в заводских лабораториях.
Таблица 2.
Результаты определения цветности
Table 2.
Color determination results
Образец Sample |
Цветность | Color |
|
ICUMSA |
ГОСТ 33222–2015 |
|
1 |
93,9 |
104,0 |
2 |
148,6 |
|
3 |
160,6 |
195,0 |
4 |
96,1 |
45,0 |
5 |
3656 |
- |
Таблица 3.
Результаты определения цветности образцов сахара, помещенных в пластиковые бюксы, с помощью смартфона
Table 3.
Results of determining the color of sugar samples using a smartphone
Образец Sample |
Цветность | Color |
|||||||
F’ R , |
S r , % |
F’ G |
S r , % |
F’ B |
S r , % |
F’ ср |
S r , % |
|
1 |
0.963±0.010 |
0,95 |
0.960±0.018 |
1,59 |
0.965±0.007 |
0,64 |
0.964±0.009 |
0,84 |
2 |
0,932±0,017 |
1,60 |
0,922±0,024 |
2,30 |
0,908±0,016 |
1,57 |
0.922±0.018 |
1,72 |
3 |
0,911±0,021 |
2,02 |
0,893±0,025 |
2,47 |
0,864±0,021 |
2,15 |
0.891±0.020 |
1,96 |
4 |
0.970±0.014 |
1,23 |
0.973±0.020 |
1,76 |
0.980±0.006 |
0,54 |
0.976±0.012 |
1,08 |
5 |
0.703±0.016 |
1,95 |
0.513±0.027 |
4,61 |
0.410±0.018 |
3,81 |
0.543±0.018 |
2,96 |
Заключение
C помощью ЦЦМ можно структурировать результаты измерений в электронных базах данных, заметно повысить экспрессность анализа. Использование смартфонов делает метод ЦЦМ мобильным и доступным не только высококвалифицированным специалистам, но и обычным потребителям, что является неоспоримым преимуществом этого метода. Предложенный способ оценки белизны требует дальнейшей валидации, еще нет критериев, по которым можно оценить соответствие сахара определенной категории, т. к. шкала RGB использована впервые в этой области. К достоинствам разработанного подхода следует отнести то, что предложен эталон, с которым можно было бы сравнивать цвет сахара, подобно стандартам для оценки цветности других пищевых продуктов (например, муки). Метрологические характеристики ЦЦМ, сопоставимы с классическими оптическими методами анализа. Кроме этого следует отметить удобство документирования и хранения электронных изображений в виде файлов, их статистической обработки и передачи по интернету в любую лабораторию или службу.
Список литературы Цифровая цветометрия с использованием смартфонов в экспресс-контроле цветности сахара
- ГОСТ 12572-2015. Сахар. Метод определения цветности. М.: Стандартинформ, 2016. 8 c.
- Шульц Э.В., Моногарова О.В., Осколок К.В. Цифровая цветометрия: аналитические возможности и перспективы использования // Вестник Московского университета. Серия 2: Химия. 2019. Т. 60. № 2. С. 79-87.
- Neto J.H.S. Speciation analysis based on digital image colorimetry: Iron (I I/III) in white wine // Talanta. 2019. V. 194. P. 86-89. https://doi.org/10.1016/j.talanta.2018.09.102
- Амелин В.Г., Шаока З.А.Ч., Большаков Д.С. Идентификация и аутентификация сухого коровьего молока с использованием смартфона и хемометрического анализа // Вестник Московского университета. Серия 2: Химия. 2023. Т. 64. № 1. С. 49-59. https://doi.org/10.55959/MSU0579-9384-2-2023-64-1-49-59.
- Амелин В.Г., Шаока З.А.Ч., Большаков Д.С., Третьяков А.В. Установление фальсификации сливочного масла цветометрическим методом с использованием смартфона и хемометрического анализа // Известия высших учебных заведений. Серия: Химия и химическая технология. 2023. Т. 66. № 2. С. 53-61. https://doi.org/10.6060/ivkkt.20236602.6717
- Амелин В.Г., Шаока З.А.Ч., Большаков Д.С., Третьяков А.В. Идентификация и аутентификация молока с использованием цифровой цветометрии индикаторных тест-систем, смартфона и хемометрического анализа // Журнал аналитической химии. 2023. Т. 78. № 1. С. 24-33. https://doi.org/10.31857/S0044450223010024
- Перегончая О.В., Соколова С.А., Дьяконова О.В., Королькова Н.В. Цифровая цветометрия при определении цветного числа растительных масел // Технологии и товароведение сельскохозяйственной продукции. 2022. № 2(19). С. 125-134. https://doi.org/10.53914/issn2311-6870_2022_2_125
- Амелин В.Г., Шаока З.А.Ч., Большаков Д.С., Третьяков А.В. и др. Установление порчи морепродуктов методом цифровой цветометрии индикаторных тест-систем // Заводская лаборатория. Диагностика материалов. 2023. Т. 89. № 9. С. 25-33. https://doi.org/10.26896/1028-6861-2023-89-9-25-33
- Сергеев А.И., Калинина И.Г., Шилкина Н.Г. и др. Изменение физико-химических и органолептических характеристик яблочного пюре при повышенных температурах хранения // Техника и технология пищевых производств. 2023. Т. 53. № 2. С. 259-271. https://doi.org/10.21603/2074-9414-2023-2-2430
- Чапленко А.А., Моногарова О.В., Осколок К.В. Идентификация нестероидных противовоспалительных средств методом цифровой цветометрии с применением способа главных компонент // Разработка и регистрация лекарственных средств. 2020. Т. 9. № 1. С. 55-59. https://doi.org/10.33380/2305-2066-2020-9-1-55-59
- Моногарова О.В., Чапленко А.А., Осколок К.В. Идентификация и определение левомицетина в лекарственных препаратах методом мультисенсорной цифровой цветометрии // Вестник Московского университета. Серия 2: Химия. 2020. Т. 61. № 1. С. 3-10.
- Моногарова О.В., Чапленко А.А., Осколок К.В. Мультисенсорный цветометрический анализ препаратов дидрогестерона, троксерутина и адеметионина с использованием штрих-кодов // Фармация и фармакология. 2021. Т. 9. № 1. С. 64-72. https://doi.org/10.19163/2307-9266-2021-9-1-64-72
- Рудаков О.Б., Рудакова Л.В., Аббуд М. Цифровая цветометрия в фармацевтическом анализе и контроле продуктов питания // Аналитика. 2024. Т. 14. № 1. С. 58-67. https://doi.org/10.22184/2227-572X.2024.14.1.58.66
- Голованов В.И. Основные влияющие факторы при определении мутности и цветности воды фотографическим методом // Журнал аналитической химии. 2020. Т. 75. № 3. С. 248-258. https://doi.org/10.31857/S0044450220030056
- Ракутько С.А., Васькин А.Н., Ракутько Е.Н. Применение морфо-цветометрического анализа в биоиндикации экосистем // Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2022. № 3(67). С. 445-458. https://doi.org/10.32786/2071-9485-2022-03-51
- Ракутько С.А., Ракутько Е.Н. Способ биоиндикации агроэкосистем с применением метода компьютерной морфоцветометрии // Известия Санкт-Петербургского государственного аграрного университета. 2023. № 1(70). С. 111-119. https://doi.org/10.24412/2078-1318-2023-1-111-119
- Галицкая А.А., Акопян А.А., Дыкман Л.А., Богатырев В.А. Цветометрическая система мониторинга роста микроводоросли Dunaliella salina в лабораторных условиях // Известия Саратовского университета. Новая серия. Серия: Химия. Биология. Экология. 2023. Т. 23. № 1. С. 104-109. https://doi.org/10.18500/1816-9775-2023-23-1-104-109
- Рудаков О.Б., Черноусова О.В., Вострикова Т.О., Усачев С.М. Цветометрический контроль цементов мобильными устройствами // Химия, физика и механика материалов. 2019. № 3(22). С. 35-48.
- Иванов В.Б., Солина, Е.В., Саморядов А.В. Анализ устойчивости полимерных материалов в экстремальных условиях методом цветометрии // Российский химический журнал. 2020. Т. 64. № 4. С. 30-38. https://doi.org/10.6060/rcj.2020644.3
- Беляева Л.И., Пружин М.К., Остапенко А.В., Сысоева Т.И. Взаимосвязь цветовых характеристик белого сахара в растворе и кристаллическом виде // Пищевая промышленность. 2022. № 10. С. 76-79. https://doi.org/10.52653/PPI.2022.10.10.017
- Alves V., dos Santos J.M., Pinto E., Ferreira I.M. et al. Digital image processing combined with machine learning: A new strategy for brown sugar classification // Microchemical Journal. 2024. V. 196. P. 109604. https://doi.org/10.1016/j.microc.2023.109604
- Schlesner S.K., Voss M., Helfer G.A., Costa A.B. et al. Smartphone-based miniaturized, green and rapid methods for the colorimetric determination of sugar in soft drinks // Green Analytical Chemistry. 2022. V. 1. P. 100003. https://doi.org/10.1016/j.greeac.2022.100003
- Mahato K., Chandra P. Paper - based miniaturized immunosensor for naked eye ALP detection based on digital image colorimetry integrated with smartphone // Biosensors and Bioelectronics. 2019. V. 128. P. 9-16. https://doi.org/10.1016/j.bios.2018.12.006
- Шаока З.А.Ч., Большаков Д.С., Амелин В.Г. Использование смартфона в химическом анализе // Журнал аналитической химии. 2023. Т. 78. № 4. С. 317-353. https://doi.org/10.31857/S0044450223030131