Analiza możliwości wykorzystania spektrometrii w bliskiej podczerwieni (NIR) jako metody wyznaczania składu podstawowego mięsa wołowego

• Autorzy: Półtorak A. , Wyrwisz J. , Ulanicka U. , Żontała K. , Stelmasiak A. , Łopacka J. , Moczkowska M. , Zalewska M. , Wierzbicka A.

Warianty tytułu

EN

Analysis of possibilities of using spectometry in near infrared (NIR) as a method of determination of the basic composition of beef

• Języki publikacji: PL

Abstrakty

PL

Spektrometria w bliskiej podczerwieni (NIR) jest jedną z najczęściej wykorzystywanych metod do badania produktów rolno-spożywczych. Główną zaletą tej metody jest krótki czas badania i wysoka precyzja uzyskiwanych wyników. W przemyśle rolno spożywczym może być wykorzystywany do badania składu podstawowego pasz, półproduktów i produktów rolnych. Natomiast w przemyśle przetwórczym mięsa znajduje zastosowanie zarówno do badania składu podstawowego, a także do prognozowania parametrów technologicznych takich jak barwa, kruchość, pH czy też zdolność utrzymania wody. Na podstawie badań przy użyciu NIR można także rozróżniać mięso pod względem rodzaju mięśni, płci, wieku oraz rasy zwierzęcia, z którego pochodzi, czy sposobu jego żywienia. Odpowiednie udoskonalenia konstrukcyjne umożliwiają przeprowadzenie szybkich nieinwazyjnych analiz na dowolnym etapie produkcji – począwszy od badań półtuszy a kończąc na wyrobie gotowym. Celem pracy jest analiza możliwości wykorzystania NIR w badaniach mięsa wołowego.

EN

Spectometry in near infrared is one of the most frequently used methods for investigating agro-food products. The main advantage of this method is a short time of investigation and high precision of obtained results. In the agri-food industry it may be used for investigating basic composition of fodders, half-products and agricultural products.Whereas in the meat processing industry it is used for investigating both the basic composition as well as forecasting technological parameters such as colour, brittleness, pH or ability for retaining water. On the basis of investigation based on NIR, meat may be differentiated on account of type of muscles, sex, age and breed or the feeding way. Proper structural improvements enable to carry out fast non-invasive analyses on any production stage - starting from half-carcases tests and finishing with a ready product. The objective of the paper is to analyse the use of NIR in research on beef.

Słowa kluczowe

PL

NIR; mięso wołowe; skład podstawowy

EN

NIR; beef; basic composition

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2013
• Tom: R. 17, nr 1, t. 1
• Strony: 319--329
• Opis fizyczny: Bibliogr. 41 poz., rys., tab., wykr.

Twórcy

autor

Półtorak A.

• Samodzielny Zakład Techniki w Żywieniu, Szkoła Główna Gospodarstwa Wiejskiego w Warszawie, ul. Nowoursynowska 159C, 02-776 Warszawa

autor

Wyrwisz J.

• Samodzielny Zakład Techniki w Żywieniu Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Ulanicka U.

• Samodzielny Zakład Techniki w Żywieniu Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Żontała K.

• Samodzielny Zakład Techniki w Żywieniu Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Stelmasiak A.

• Samodzielny Zakład Techniki w Żywieniu Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Łopacka J.

• Samodzielny Zakład Techniki w Żywieniu Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Moczkowska M.

• Samodzielny Zakład Techniki w Żywieniu Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Zalewska M.

• Samodzielny Zakład Techniki w Żywieniu Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Wierzbicka A.

• Samodzielny Zakład Techniki w Żywieniu Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

Bibliografia

• Alomar, D.; Gallo, C.; Coustañeda, M.; Fuchslocher, R. (2003). Chemical and discriminant analysis of bovine meat by near infrared reflectance spectroscopy (NIRS). Meat Science, 63, 441-450.
• Anderson, N. M.; Walker, P. N. (2003). Measuring fat content of ground beef stream using on-line visible/NIR spectroscopy. American Sciety of Agricultural Engineers, 46, 117-124.
• Andrés, S.; Silva, A.; Soares-Pereira, A. L.; Martins, C.; Bruno-Soare,s A. M.; Murray, I. (2008). The use of visible and near infrared spectroscopy to predict beef M. longissimus thoracis et lumborum quality attributes. Meat Science, 78, 217-224.
• Balcerowska, G.; Siuda, R.; Sadowski, C. (2008). Modelowanie zawartości materiału porażonego fuzariozą w rozdrobnionym ziarnie pszenicy na podstawie odbiciowych widm optycznych rejestrowanych w różnych zakresach długości fali. Acta Agrophysica, 11, 2, 323-334.
• Blanco, M.; Villarroya, I. (2002). NIR spectroscopy: a rapid-response analytical tool. Trends in Analytical Chemistry, 21, 4, 240-250.
• Bosco, G. L. (2010). James L. Waters Symposium 2009 on near-infrared spectroscopy. Trends in Analytical Chemistry, 29, 3, 197-208.
• Büning-Pfaue, H. (2003). Analysis of water in food by near infrared spectroscopy. Food Chemistry, 82, 107-115.
• Byrne, C. E.; Downey, G.; Troy, D. J.; Buckley, D. J. (1998). Nondestructive prediction of selected quality attributes of beef by near-infrared reflectance spectroscopy between 750 and 1098 nm. Meat Science, 49, 399-409.
• Cen, H.; He, Y. (2007). Theory and application of near infrared reflectance spectroscopy in determination of food quality. Trends in Food Science and Technology, 18, 72-83.
• Collell, C.; Gou, P.; Picouet P.; Arnau J.; Composada J. (2010). Feasibility of near-infrared spectroscopy to predict aw and moisture and NaCl contents of fermented pork sausages. Meat Science, 85, 325-330.
• Cozzolino, D.; De Mattos, D.; Martins, V. (2002a). Visible/near infrared reflectance spectroscopy for predicting composition and tracing system of production of beef myscle. Animal Science, 74, 477-484.
• Cozzolino, D.; Murray, I. (2002). Effect of sample presentation and animal muscle species on the analysis of meat by near-infrared spectroscopy. Journal of Near Infrared Spectroscopy, 10, 37-44.
• Cozzolino, D.; Murray, I. (2004). Identyfication of animal meat muscles by visible and near infrared reflectance spectroscopy. Lebensmittel-Wissenschaft und Technologie, 37, 447-452.
• De Marchi, M.; Berzaghi, P.; Boukha, A.; Mirisola, M.; Gallo, L. (2007). Use of near infrared spectroscopy for assessment of beef quality traits. Italian Journal of Animal Science, 6, 421-423.
• Demski, T. (2010). Wykorzystanie data mining do oceny produktów na podstawie widma NIR. StatSoft Polska, 55-68.
• Destefanis, G.; Barge, M. T; Brugiapaglia, A.; Tassone, S. (2000). The use of principal component analysis (PCA) to characterize beef. Meat Science, 56, 255-259.
• Downey, G.; Beauchêne, D. (1997). Discrimination between fresh and frozen then-thawed beef m. longissimus dorsi by combined visible-near infrared reflectance spectroscopy: A feasibility study. Meat Science, 45, 353-363.
• Hoving-Bolink, A. H.; Vedder, H. W.; Merks, J. W. M.; De Klein, W. J. H.; Reimert, H. G. M.; Frankhuizene R.; Van Den Broek W.H.A.M; En Lambooij E. (2005). Perspective of NIRS measurements early post mortem for prediction of pork quality. Meat Science, 69, 417-423.
• Kolbuszewski M. (2009). Spektroskopia bliskiej podczerwieni w laboratorium. Laboratorium, 11-12, 44-45;
• Kołczak, T. (2008). Jakość wołowiny. Żywność. Nauka. Technologia. Jakość, 1, 56, 5-22.
• Leroy, B.; Lambotte, S.; Dotreppe, O.; Lecocq, H.; Istasse, L.; Clinquart, A. (2003). Prediction of technological and organoleptic properties of beef longissimus thoracis from near infrared reflectance and transmission spectra. Meat Science, 66, 45-54.
• Liu, Y.; Lyon, G.; Windhan, W. R.; Realini, C. E.; Pringl,e T. D. D.; Duckett, S.(2003). Prediction of colour, texture and sensory characteristic of beef steaks by visible and near infrared reflectance spectroscopy. A feasibility study. Meat Science, 65, 1107-1115.
• Magda, F. (2011). Szybka analiza IRS w przemyśle mięsnym. Gospodarka mięsna, 8, 36-39.
• Mitsumoto, M.; Ozawa, S.; Mitsuhashi, T. (2000). The influence of sample temperature on the determination of moisture and fat content in beef longissimus by near infrared spectroscopy. In A. M. C. Davies & R. Giangiacomo (Eds.). Proceeding of the 9th International Conference Near Infrared Spectrometry, Chichester, UK: NIR Publications, 805-807.
• Naes, T.; Hildrum, K. I. (1997). A comparison of multivariable calibration and discriminant analysis for determining tenderness of meat by NIR spectroscopy. Applied Spectroscopy, 51, 350-357.
• Park, B.; Chen, Y. R.; Hruschka, W. R.; Shackelford, S. D.; Koohmaraie, M. (1998). Near-infrared reflectance analysis for predicting beef longissimus tenderness. Journal of Animal Science, 76, 2115-2120.
• Prevolnik, M.; Čandek-Potokar, M.; Škorjanc, D.; Velikonja-Bolta, Š.; Škrlep, M.; Žnidaršič, T.; Babnik, D. (2005). Predicting intramuscular fat content in pork and beef by near infrared spectroscopy. Journal of Near Infrared Spectroscopy, 13, 77-85.
• Prieto, N.; Andrés, S.; Giráldez, F. J.; Mantecón, A. R.; Lavin P. (2006). Potential use of near infrared reflectance spectroscopy (NIRS) for the estimation of chemical composition of oxen meat sample. Meat Science, 74, 487-496.
• Prieto, N.; Andrés, S.; Giráldez, F. J.; Mantecón, A. R.; Lavin, P. (2008a). Ability of near infrared reflectance spectroscopy (NIRS) to estimate physical parametersof adult steers (oxen) and young cattle meat samples. Meat Science, 79, 692-699.
• Prieto, N.; Andrés, S.; Giráldez, F. J.; Mantecón, A. R.; Lavin P. (2008b). Discrimination of adult steers (oxen) and young cattle ground meat samples by near infrared reflectance spectroscopy (NIRS). Meat Science, 79, 198-201.
• Prieto, N.; Roehe, R.; Lanvin, P.; Batten, G.; Andrés, S. (2009). Application of near infrared reflectance spectroscopy to predict meat and meat products quality: A review. Meat Science, 83, 175-186.
• Ripoll, G.; Alberti, P.; Panea, B.; Olleta, J. L.; Sanudo, C. (2008). Near infrared reflectance spectroscopy for predicting chemical, instrumental and sensory quality of beef. Meat Science, 80, 697-702.
• Rødbotten, R.; Mevik, B. H.; Hildrum, K. I. (2000). Prediction of beef quality attributes from early post mortem near infrared reflectance spectra. Food Chemistry, 69, 427-436.
• Rødbotten, R.; Mevik, B. H.; Hildrum, K. I. (2001). Prediction and classification of tenderness in beef from non-invasive diode array detected NIR spectra. Journal of Near Infrared Spectroscopy, 9, 199-210.
• Sanderson, R.; Lister, S. J.; Dhanoa, M. S.; Barnes, R. J.; Thomas, C. (1997). Use of near infrared reflectance spectroscopy to predict and compare the composition of carcass samples from young steers. Animal Science, 65, 45-54.
• Szterk, A.; Lewicki, P. P. (2010). Spektroskopia NIR on-line w kontroli procesów produkcji żywności. Przemysł Spożywczy, 64, 1, 26-30.
• Thyholt, K.; Isaksson, T. (1997). Differentation of frozen and unfrozen beef using near-infrared spectroscopy. Journal of the Science of Food and Agriculture, 73, 525-532.
• Tøgersen, G.; Arnesen, J. F.; Nilsen, B. N.; Hildrum, K. J. (2003). On-line prediction of chemical composition of semi-frozen ground beef by non-invasive NIR spectroscopy. Meat Science, 63, 515-523.
• Tøgersen, G.; Isaksson, T.; Nielsen, B. N.; Baker, E. A.; Hildrum, K. I. (1999). On-line NIR analysis of fat, water and protein in industrial scale ground meat batches. Meat Science, 51, 97-102.
• Venel, C.; Mullen, A. M.; Downey, G.; Troy, D. J. (2001). Prediction of tenderness and other quality attributes of beef by near infrared reflectance spectroscopy between 750 and 1100 nm, further studies. Journal of Near Infrared Spectroscopy, 9, 185-198.
• Wrosz, P.; Dopierała, A.; Mazerski, J. (2011). Rola i dobór wstępnej obróbki surowych widm w analizie jakościowej i ilościowej z wykorzystaniem techniki spektroskopii bliskiej podczerwieni (NIR). Analityka, 3, 24-29.