Оценка качества мяса по мониторингу содержания в нем летучих карбоновых кислот Текст научной статьи по специальности «Прочие технологии»

Динамическая вязкость воздуха считалась константой = 1,91-10“5 Па ■ с.

ЛИТЕРАТУРА

1. Остапчук Н.В. Математическое моделирование технологических процессов хранения и переработки зерна. - М.: Колос, 1977.-209 с.

2. Лыков А.В., Михайлов Ю.А. Теория тепло- и массопе-хноса. - М.: Энергоатомиздат, 1965.-427 с.

3. Влага в зерне / А.С. Гинзбург и др. - М.: Колос, 1969. -

205 с.

4. Мельник Б.Е., Малин Н.И. Справочник по сушке и активному вентилированию зерна. - М.: Колос, 1980. - 175 с.

5. Аэров М.Е., Тодес О.М. Гидравлические и тепловые основы операций в аппаратах с неподвижным и кипящим слоем гранулированных материалов. - Л.: Химия, 1968. - 304 с.

6. Гинзбург А.С., Савина И.М. Массовлагообменные характеристики пищевых продуктов. - М.: Легкая и пищевая пром-сть, 1982. - 280 с.

Кафедра автоматизации производственных процессов

Поступила 29.06.04 г.

637.512.7.002.612

ОЦЕНКА КА ЧЕСТВА МЯСА ПО МОНИТОРИНГУ СОДЕРЖАНИЯ В НЕМ ЛЕТУЧИХ КАРБОНОВЫХ КИСЛОТ

ИЛ. МАРЮХИНА, Л.И. ПИЛЬ, З.А. ТЕМЕРДАШЕВ,

О.Е. РУВИНСКИЙ

кубанский государственный университет к убанский государственный технологический университет

Одним из химических показателей свежести мяса является содержание летучих карбоновых кислот ЛКК) [1-4]. Летучие карбоновые кислоты - продукты эаспада белков, липидов, поэтому они характеризуют процессы, происходящие в мышечной ткани мяса при хранении. Накопление ЛКК в мясе приводит к разного рода пищевым отравлениям.

Анализ литературных данных [1,3] позволяет сделать вывод, что в парном мясе в количественном отношении преобладают муравьиная и уксусная кислоты. С увеличением срока хранения соотношение между низко- и высококипящими компонентами меняется: количество муравьиной и уксусной кислот уменьшается, а пропионовой, изомасляной и других высококипя-щих кислот увеличивается. Одновременно заметно возрастает общее количество ЛКК. Таким образом, содержание указанных кислот может характеризовать свежесть мяса и, следовательно, его пригодность к потреблению.

Для определения содержания ЛКК используются различные методы [5, 6], каждый из которых имеет свои преимущества и недостатки. Наиболее современ--ыми являются хроматографические методы анализа, сочетающие в себе высокую точность определения, кспрессность и низкий предел обнаружения. Однако хроматографические методы предназначены для коли-ественного определения индивидуальных компонентов. - -

Титриметрические методы анализа позволяют находить суммарное содержание ЛКК, однако сложность визуальной оценки точки эквивалентности по изменению окраски индикатора не позволяет с высокой точностью проводить их определение.

Цель данного исследования - разработка методики определения содержания ЛКК в мясе методом косвен-

ной редокс-потенциометрии без проведения титрования.

Известной школой Рувинского О.Е. [7] разработан косвенный редокс-потенциометрический метод йодат-метрического определения титруемой кислотности вин и виноматериалов. Достоинством этого метода является экспрессность, доступность оборудования и возможность автоматизации процесса.

При добавлении избытка I ~ к раствору Ю3~ в кислой среде протекает окислительно-восстановительная реакция [8]

Юз" + 8 Г+ 6 Н+ <-> 3 13" + 3 Н20.

Количество выделившегося йода эквивалентно прореагировавшей части добавленной кислоты, а линейный характер зависимости аналитического сигнала Е от концентрации 13 может быть использован для количественного определения.

Предварительно были изучены зависимости Е (1373Г) от рС для уксусной, пропионовой, изомасляной, валериановой, изовалериановой и муравьиной кислот. Для этого к указанной системе реагентов добавляли от 0,1 до 4 см3 стандартизированных растворов кислот. Значения постоянных а и Ь в уравнении регрессии у = а + Ьх представлены в табл. 1.

Таблица 1

Кислота

а + Да

Ь + А6

Уксусная

Пропионовая

Изомасляная

Валериановая

Изовалериановая

Муравьиная

0,3966 ± 0,0041 0,3969 ±0,0034 0,3930 ± 0,0049 0,3992 ± 0,0058 0,3908 ± 0,0036 0,3943 ± 0,0039

-0,0321 ± 0,0012 -0,0322 ±0,0014 -0,0313 ±0,0014 -0,0333 ±0,0017 -0,0312 ±0,0014 -0,0315 ±0,001

количество выделившегося йода практически одинаково для всех исследуемых кислот и поэтому отклик аналитического сигнала можно использовать для количественного определения летучих кислот.

Таблица 2

№ смеси Объем смеси, см3 j Добавка Введено v • 106, моль Найдено (v± А) • 10б, моль S • 103 Sr- 102

1 0,1 НС] 1,02 1,20 ±0,10 4,7 0,87

0.6. СНзСООН 6,12 6,44 ±0,13 6,6 1,06

. As,.. НС1 5,63 7 7;' 5,70 ±0,17 • і‘А *" 1,6

* ."JEM?-' эй СНзСООН 6,75 6,81 ±0,16 8,9

3 0,5 НС1 •г- .. / 6,49 .<■■■ - 6,62 ±0,16 І &V 0,33

0,5 СНзСООН 6,49 6,52 ±0,17 1,4

4 6,5 ' ‘ ■' НС1 5,52 - Л--.' '' " 5,45 ± 0,09 ' 471 0,87

0,6 СНзСООН 6,63 6,59 ±0,12 6,3 '' 0,95

Стадия пробоподготовки в значительной степени определяет длительность и правильность анализа. В настоящей работе для выделения летучих карбоновых кислот из мяса использовали отгонку с водяным паром, поскольку данный прием более экономичен и прост в исполнении. Известно, что в молекулярной форме кислоты легче отгоняются. Для подавления диссоциации кислот и увеличения содержания молекулярной формы необходимо присутствие сильной кислоты. С этой целью были опробованы 20%-е растворы серной и ортофосфорной кислот. При проведении холостого опыта с серной кислотой отогнанный дистиллят имел кислую реакцию среды, что указывало на частичную отгонку самой сильной кислоты, причем ее количество было непостоянным. В случае использования ортофосфорной кислоты мы получили удовлетворительные результаты. В качестве высаливателя использовали Ыа2504.

Потенциометрические измерения проводили с использованием цифрового иономера И-130, индикаторного платинового электрода и хлоридсеребряного электрода сравнения (нас.). Раствор перемешивали электромагнитной мешалкой. В качестве реагента использовали окислительно-восстановительную систему: смесь 0,2 М раствора КЮ3 и 0,6 М раствора К1. В качестве стандартной добавки применяли фиксаналь-ный раствор уксусной кислоты. Качественный и количественный состав использованных в работе модельных смесей кислот, подобранный на основании литературных данных [1,3], был следующим: ,

1) НСООН: СНзСООН ,.:Л. ^ ...... 1:2,5 ...м

2)НСООН: СНзСООН ^ 2,7:1

3) НСООН : СНзСООН 1.7: I

4) НСООН : СНзСООН : С2Н3СООН :

изо-С3Н7СООН : С4Н9СООН : 29 : 10,7 : 1 : 1: 1 : 1

изо-СлНоСООН

При анализе модельных смесей использовали метод стандартной добавки: в стакан помещали 30 мл 0,2 М раствора КЮ3 и 1,5 мл 0,6 М раствора К1, приливали заданный объем модельной смеси и измеряли потенциал Е\, после чего в полученный раствор добавляли уксусную кислоту (сДоб= 0,01 М) и измеряли потенциал Е2. Количество кислот рассчитывали по формуле

' > с V

V =_____- ст

ю:,;: /;! -1 ’ ;

где сст - концентрация стандартной добавки, моль/дм3; - объем стандартной добавки, дм-’; 5 - крутизна электродной функции, мВ;

Е1 и Е2 - потенциалы системы до и после введения стандартной добавки соответственно, мВ.

Правильность методики определения проверяли методом «введено-найдено». Результаты определения представлены в табл. 2 (Р = 0,95; п = 6).

Методика определения летучих карбоновых кислот состояла в следующем. Навеску фарша, приготовленного по ГОСТ 7269-79, массой (25 ± 0,01) г, взвешенную на лабораторных весах помещали в отгонную колбу. Прибавляли 5 см3 дистиллированной воды, 2 г сульфата натрия и 2 см3 20%-го раствора ортофосфорной кислоты. Дистиллированную воду в парообразователе доводили до кипения и с паром отгоняли кислоты до тех пор, пока объем дистиллята не составит 50 см3. Во время отгона колбу с навеской подогревали. Затем 10 см3 отгона помещали в стакан с раствором окислительно-восстановительной системы реагентов и измеряли потенциал Ех. После чего добавляли 0,3 см3 0,01 моль/дм3 раствора уксусной кислоты и измеряли потенциал Е2. Содержание ЛКК в образце рассчитывали по формуле (1) и выражали в мг/кгмяса.

Таблица 3

Образец мяса Содержание кислот, мг/кг Д%

ГОСТ 23392-78 Метод косвенной ре-докс-потенциометрии

Свежее мясо

Свинина 44,5 42,0 :

Нутрия 26,2 24,4 ^ 7

Говядина 90,2 86,2 4,43

Несвежее мясо ' ! *

Нутрия 636 623 “ 2,т

* В табл. 3 приведены результаты косвенного ре-докс-потенциометрического определения суммы летучих карбоновых кислот в образцах мяса в сравнении со стандартным методом [4].

Относительная погрешность определения не превысила 7%. Таким образом, разработанная методика может быть использована для оценки степени свежести различных видов мяса.

Работа выполнена при поддержке Российского фонда фундаментальных исследований (грант №03-03-96548). -

,.::й , ,ЛИТЕРАТУРА ^; ; “

1. Шадура Е.А. Исследование качества мяса после тепловой обработки и хранения // Общественное питание. - 1973. - № 9. -С. 174-180.

2. Крылова Н.Н. Изучение содержания летучих жирных кислот I вареных колбасах//Тр. ВНИИмяспром.-1970.-№23,-С. 26-31.

3. Васильев А.А. Изменение летучих кислот и оснований при оакении охлажденной конины // Холодильная обработка и хпане-э: пищ. продуктов. -1976. - С. 80-84.

4. ГОСТ 23392-78. Мясо. Методы химического и микроскопи-- ;ского анализа свежести. Взамен ГОСТ 7269-54; Введ. 01.01.80. -V : Изд-во стандартов, 1990.-20 с.

5. Головкин Н.А. Изменение азотистых веществ, летучих жир--:ых кислот и переваримости соленого говяжьего мяса при холодильном хранении // Холодильная обработка и хранение пищ. про--«сшв.-1978.-С. 50-59.

6. Лучнина Н.Н. О новых методах контроля доброкачественности изделий из рубленого мяса // Вопр. технологии производства прод. обществ, питания. -1977. - № 5. - С. 31-34.

7. Ruvinskii О.Е. Determination of weak acids by indirect potentiometry without titration // Fresenius. J. Anal. Chem. (1998) 361:309-310.

8. Турьян Я.И. Окислительно-восстановительные реакции и потенциалы в аналитической химии. - М.: Химия, 1989. - С. 117.

Кафедра аналитической химии

Поступила 22.01.04 г.

578.001.3

ИСПОЛЬЗОВАНИЕ МЕТОДИКИ НЕЙРОННЫХ СЕТЕЙ В ПИЩЕВОЙ БИОТЕХНОЛОГИИ

\Х. ХРАМЦОВ, В.В. САДОВОЙ, В.А. САМЫЛИНА

~агро-Кавказский государственный технический университет

Последнее время наблюдается повышенный инте-:ес к нейронным сетям, они находят успешное применение в самых различных областях - бизнесе, медици-

- е. технике, геологии, физике и других сферах деятельности человека. Нейронные сети вошли в практи-

; везде, где нужно решать задачи прогнозирования, ліссификации, оптимизации, управления технологическими процессами. Они применимы в любой ситуации, когда существует связь между входными (факто-: ами) и выходными (функцией или функциями) пере-енными, даже если эта связь имеет очень сложную ироду и ее трудно выразить обычными статистическими методами. Нейронные сети могут использовать-независимо или служить дополнением к методам —зтистического анализа. Нейросетевой подход годит-:і для линейных и сложных нелинейных зависимостей, он особенно эффективен в разведочном анализе ~1нных и оптимизации выходных переменных.

В пищевой биотехнологии основной круг решаемых задач сводится к оптимизации технологических гежимов и проектированию многокомпонентных составов с высокими пищевой ценностью и функциональными свойствами.

Оптимизация технологических режимов обычно -лючается в определении условий хода технологией кого процесса, обеспечивающих максимальный ре-: • льтат в области качественных характеристик готово-~ продукта и экономической эффективности разработанной технологии.

При проектировании многокомпонентных соста-I ?з в биотехнологии необходимы прогнозирование ; нкционально-технологических свойств композиции : ;■ чет явления синергизма. Первостепенное значение ттн производстве продуктов питания имеет возмож-

- сть моделирования потребительских характеристик -.товых изделий. Учет качественных показателей не-

?зможен без оценки условий протекания технологи-

ческого процесса и поведения отдельных компонентов пищевой смеси - белка, жира, углеводов, минеральных веществ и др. Образование белковых дисперсных систем с заданными структурно-механическими свойствами имеет огромное значение при производстве высококачественных пищевых продуктов. Применение некоторых видов белоксодержащих препаратов позволяет ре1улировать функционально-технологические свойства (ФТС) продуктов питания.

Специалистами пищевой промышленности уделяется большое внимание изучению и внедрению в производство способов идентификации сырья и модификации его ФТС. В современной технологии главенствующую роль в регулировании ФТС играют пищевые добавки, оказывающие влияние на характер взаимодействия компонентов пищевых систем и обеспечивающие качественные и количественные характеристики пищевых продуктов.

В настоящей работе изложены основные принципы применения методики нейронных сетей при оптимизации технологических процессов и создании многокомпонентных пищевых добавок. В качестве компонентов использовали белковые и углеводные ингредиенты, обладающие определенными гелеобразующими и эмульгирующими свойствами. Для обработки результатов экспериментальных исследований использовали Statistic Neural Networks, программный пакет которой содержит средства для проектирования, моделирования, обучения искусственных нейронных сетей (ИНС) от базовых моделей персептрона до самых современных ассоциативных и самоорганизующихся сетей.

Для каждого типа архитектуры и обучающего алгоритма ИНС имеются функции инициализации, обучения, адаптации, создания, моделирования, демонстрации, а также примеры применения. Искусственные многослойные нейронные сети конструируются по принципам построения их биологических аналогов. Элементарным преобразователем в данных сетях является искусственный нейрон, названный так по аналогии с биологическим прототипом. Нейрон получает