Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  plant-based milk alternatives
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Cel: Ocena możliwości wykorzystania technologii NIR do kontroli wybranych wyróżników jakościowych roślinnych zamienników mleka dostępnych na polskim rynku. Projekt badania/metodyka badawcza/koncepcja: Spektroskopia w bliskiej podczerwieni (NIR) została wykorzystana do analizy produktów z kategorii roślinnych zamienników mleka wyprodukowanych z różnych surowców: kokosu, owsa, migdału, ryżu, soi oraz orzecha laskowego. Z wykorzystaniem tradycyjnych metod laboratoryjnych oznaczono w badanych produktach zawartość ekstraktu ogólnego, suchej masy oraz gęstość i zmętnienie. Modele predykcyjne opracowano z wykorzystaniem analizy regresji cząstkowych najmniejszych kwadratów (PLS). Wyniki/wnioski: Najlepszą zdolnością predykcyjną charakteryzował się model do przewidywania zawartości suchej masy (R2 = 0,93; RMSECV = 0,62%). Zbliżonymi parametrami charakteryzowały się modele do przewidywania zawartości ekstraktu ogólnego (R2 = 0,84; RMSECV = 1,06°Bx), zmętnienia (R2 = 0,88; RMSECV = 7,42 NTU) oraz gęstości (R2 = 0,84; RMSECV = 0,04 g/ml). Ograniczenia: Niewielka liczba próbek badawczych nie odzwierciedla pełnej zmienności właściwej dla badanej grupy produktów. Wyniki wskazują na potencjalną możliwość wykorzystania technologii NIR do oceny jakości, praktyczne rozwiązania dla przemysłu rolno-spożywczego wymagają wykorzystania modeli opracowanych na większej liczbie próbek. Zastosowanie praktyczne: Sensory NIR wsparte systemami informatycznymi mogą być wykorzystywane do analiz on-line oraz in-line w celu monitorowania procesu produkcyjnego napojów roślinnych przy minimalnym wpływie na środowisko poprzez oszczędność zasobów i ograniczenie odpadów. Oryginalność/wartość poznawcza: Uzyskane wyniki wskazują na możliwość jednoczesnego oznaczania kilku parametrów jakościowych roślinnych zamienników mleka w sposób szybki i nieniszczący na podstawie bezpośredniego pomiaru widma NIR. Technologia NIR stanowi atrakcyjną alternatywę dla tradycyjnych metod analitycznych.
EN
Purpose: Assessment of the applicability of NIR technology for monitoring selected quality attributes of plant-based milk alternatives available on the Polish market. Design/methodology/approach: Near infrared (NIR) spectroscopy was used to analyze plant-based milk alternatives made from different raw materials, such as coconut, oat, almond, rice, soy, and hazelnut. Using conventional laboratory methods, the total soluble solids content, dry matter, density, and turbidity were determined. Predictive models were developed using partial least squares (PLS) regression. Findings/conclusions: The best predictive performance was observed for dry matter content model (R² = 0.93; RMSECV = 0.62%). Comparable predictive abilities were demonstrated by the models for the soluble solids content (R² = 0.84; RMSECV = 1.06°Bx), turbidity (R² = 0.88; RMSECV = 7.42 NTU) and density (R2 = 0,84; RMSECV = 0,04 g/ml). Research limitations: Due to the limited number of samples, the full variability typical of this product category may not have been fully represented. The findings, however, demonstrate the potential of NIR technology for quality evaluation. For practical applications in the food and agricultural sectors, a larger and more diverse sample set is necessary. Practical implications: NIR sensors, integrated with information systems, can be used for on-line and in-line analyses to monitor the production process with minimal environmental impact through resource savings and waste reduction. Originality/value: The obtained results indicate the feasibility of simultaneous rapid and non-destructive determination of multiple quality parameters of milk alternatives based on direct NIR spectral measurements. NIR technology represents an attractive alternative to traditional analytical methods.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.