• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Kemi
    En snabbare och mer pålitlig metod för att kategorisera olivolja är validerad

    Klassificera olivoljor i kategorierna extra jungfru (EVOO), virgin (VOO) och lampante (LOO) är fortfarande en ganska stor utmaning att hantera eftersom den officiella metoden inkluderar fysikalisk-kemiska och sensoriska analyser med hjälp av en panel av provsmakare. Dessa provare måste vara specialiserade, och vid många tillfällen är inte tillgängliga, förutom att det är dyrt och långsamt. Allt detta har skapat nödvändigheten att utveckla nya analytiska metoder med hjälp av prisvärda, pålitliga verktyg som kan överföras till industrin. Kredit:Universidad de Córdoba (Spanien)

    Klassificera olivoljor i kategorierna extra jungfru (EVOO), virgin (VOO) och lampante (LOO) är fortfarande en ganska stor utmaning att hantera eftersom den officiella metoden inkluderar fysikalisk-kemiska och sensoriska analyser med hjälp av en panel av provsmakare. Dessa provare måste vara specialiserade, och vid många tillfällen är inte tillgängliga, förutom att det är dyrt och långsamt. Allt detta har skapat nödvändigheten att utveckla nya analysmetoder med hjälp av prisvärda, pålitliga verktyg som kan överföras till industrin.

    Forskargruppen AGR-287, ledd av professor Lourdes Arce, var en pionjär i att demonstrera möjligheterna som gaskromatografi tillsammans med jonmobilitetsspektrometri (GC-IMS) kunde ge för att klassificera oljor i tre kategorier (EVOO, VOO och LOO). Denna metod gör det möjligt att analysera två prover i timmen. När ett representativt antal prover har analyserats, den insamlade kemiska informationen hanteras med hjälp av statistiska verktyg för att skapa kalibreringsekvationer som kommer att möjliggöra klassificering av prover av okänd olja i deras respektive kategorier i framtiden.

    En avgörande punkt i valideringen av denna metod är antalet prover som behövs för att kalibrera utrustningen. Den forskning som gjorts har visat att för att få bra resultat, det är inte bara nödvändigt att analysera ett representativt antal prover utan att även ha prover av olivolja som tillhör var och en av de tre kategorierna, från olika sorter, från olika årstider och smakade av minst två paneler vars resultat sammanfaller. Därav, dessa metoder försöker inte ersätta, utan snarare komplettera och stödja, rollen som ackrediterade provningspaneler. I dessa forskningsprojekt, vikten av att bygga en bank av oljeprover har visats, så att de kan vara referensstandarder som kommer att användas för att konstruera kalibrerade ekvationer. Dessa ekvationer kommer att fastställa kategorierna av analyserade oljeprov.

    Resultaten från denna forskning har väckt intresse hos olika företag inom oljesektorn som för närvarande samarbetar för att genomföra överföringen av denna forskning till industrin. Vad är mer, använda kunskapen från denna forskning, ett nytt instrument utvecklas som ska klassificera oljor baserat på användning av IMS-teknik. Detta utgör en av linjerna i Project Innolivar, vars syfte är att öka konkurrenskraften, internationell positionering, teknisk kapacitet och ekonomisk lönsamhet för olivlundar och deras tillhörande affärssektor.

    Ett annat forskningsprojekt genomförs av doktoranden Natividad Jurado, har avslöjat att rätt klassificering av oljor kräver att man också tar hänsyn till de kemiska föreningar som varje smakprov urskiljer. Den föreslagna metoden är baserad på utvinning av vissa föreningar som finns i olja, till exempel polyfenoler, och sedan bestämma dem med hjälp av kapillärelektrofores (CE-UV) - en teknik för att separera olika molekyler - kopplad till en ultraviolett detektor. I en tidning publicerad i Talanta , den integrerade användningen av båda teknikerna (CE-UV och GC-IMS) föreslogs för att detektera icke-flyktiga föreningar som upptäcks av munnen, och även de flyktiga föreningar som detekteras av näsan. All information som erhålls med båda teknikerna hanteras av statistiska verktyg som är lämpliga för att klassificera ett oljeprov i rätt kategori. Denna fusion av data har visat sig vara användbar vid klassificering av gränsprover som finns i gränssnittet mellan två grupper (EVOO/VOO eller VOO/LOO).


    © Vetenskap https://sv.scienceaq.com