Методы математической обработки спектральных характеристик молока и молочной продукции

Барковская Ирина Александровна

doi:10.21603/1019-8946-2026-5-99

УДК 63

МЕТОДЫ МАТЕМАТИЧЕСКОЙ ОБРАБОТКИ СПЕКТРАЛЬНЫХ ХАРАКТЕРИСТИК МОЛОКА И МОЛОЧНОЙ ПРОДУКЦИИ Методы математической обработки спектральных характеристик молока и молочной продукции

АА Аа

Опубликовано в Молочная промышленность · Номер 5, 2026 · Страницы 90–96 · Рубрика: Обзорная статья

DOI: https://doi.org/10.21603/1019-8946-2026-5-99 · EDN: ESTAVI

Получено: 14.04.2026 Одобрено: 15.09.2026 Опубликовано: 15.10.2026 Язык публикаций: RUS

Авторы

БА

Барковская Ирина Александровна

ORCID SPIN

БА

Барковская Ирина Александровна

Всероссийский научно-исследовательский институт молочной промышленности Россия · Москва

ORCID SPIN

АННОТАЦИЯ

Современные задачи контроля качества молока и молочной продукции требуют внедрения быстрых и достоверных методов анализа. Рамановская спектроскопия является перспективным инструментом экспресс-анализа благодаря высокой чувствительности к молекулярным модификациям и возможности получения воспроизводимых спектральных характеристик. Несмотря на широкий потенциал использования анализа спектров в испытательных и исследовательских целях, высокая информативность данных сопровождается сложностью их интерпретации, обусловленной многомерностью спектральных полос, наличием шумов и перекрывающих диапазонов. Перечисленные ограничения спектроскопического анализа особенно характерны для многокомпонентных органических систем, таких как молоко и молочные продукты. Специалисты данной области на практике используют широкий перечень математических средств обработки первичных спектров исследуемых объектов и математических подходов для их классификации и прогнозирования количественных физико-химических показателей, технологических параметров и прочее. Однако на сегодняшний день не существует унифицированных рекомендаций по выбору методов обработки и оценки результатов спектроскопических исследований, в том числе и для молочных продуктов. В работе проведено обобщение современных подходов к математической обработке спектральных характеристик, включая методы предварительной обработки, хемометрические алгоритмы и методы машинного обучения. Показано, что эффективная стратегия анализа спектров комбинационного рассеяния включает комплексную предобработку данных (удаление артефактов, коррекция базовой линии, сглаживание, нормализация и коррекция рассеяния), обеспечивающую повышение информативности спектров и их сопоставимость. Установлено, что для моделирования и прогнозирования наиболее эффективными являются методы контролируемого обучения, прежде всего метод частичных наименьших квадратов, а также алгоритмы машинного обучения, позволяющие учитывать сложные нелинейные зависимости. Показано, что интеграция методов предварительной обработки и многовариантного анализа позволяет существенно повысить точность, воспроизводимость и достоверность экспресс-анализа молока и молочных продуктов.

КЛЮЧЕВЫЕ СЛОВА

молочные продукты, контроль качества, рамановская спектроскопия, математическая обработка, хемометрия, машинное обучение

Текст

Текст (PDF)

Читать Скачать

1. Юрова, Е. А. Особенность оценки состава жировой фазы многокомпонентной пищевой продукции, выработанной из молочного сырья / Е. А. Юрова, А. О. Евсюкова, С. А. Фильчакова // Пищевая промышленность. 2025. № 5. С. 86–90. https://doi.org/10.52653/PPI.2025.5.5.015; https://elibrary.ru/schcfg

2. Юрова, Е. А. Оценка подлинности молока и молочной продукции согласно ГОСТ Р 72209-2025 / Е. А. Юрова // Молочная промышленность. 2025. № 5. С. 2–4. https://elibrary.ru/waoxda

3. Юрова, Е. А. Разработка критериев оценки продуктов с высоким содержанием белка / Е. А. Юрова, С. А. Фильчакова // Пищевая промышленность. 2025. № 10. С. 80–85. https://doi.org/10.52653/PPI.2025.10.10.015; https://elibrary.ru/hshcer

4. Ryabova, A. E. Effects of storage conditions on milk powder properties / A. E. Ryabova, V. K. Semipyatnyi, A. G. Galstyan // Journal of Dairy Science. 2023. Vol. 106(10). P. 6741–6758. https://doi.org/10.3168/jds.2022-23094

5. Галстян, А. Г. Киберфизические компоненты пищевой метаинженерии / А. Г. Галстян [и др.] // Вестник Российской академии наук. 2025. № 6. С. 77–84. https://doi.org/10.31857/S0869587325060099; https://elibrary.ru/fbgugw

6. Криницына, А. А. Оценка распределения остаточных количеств лекарственного препарата пенициллина-G в молоке и молочных продуктах / А. А. Криницына, А. Н. Петров, А. Г. Кручинин // Вестник КрасГАУ. 2024. № 3(204). С. 198–205. https://doi.org/10.36718/1819-4036-2024-3-198-205; https://elibrary.ru/gjbmsa

7. Benattia, F. K. Methods and applications of Raman spectroscopy: A powerful technique in modern research, diagnosis, and food quality control / F. K. Benattia, Z. Arrar, F. Dergal // Current Nutrition & Food Science. 2024. Vol. 20(1). P. 41–61. https://doi.org/10.2174/1573401319666230503150005

8. Feng, Y. Advancing food safety and quality assessment: A comprehensive review of non-destructive analytical technologies / Y. Feng [et al.] // Analytical Methods. 2025. Vol. 17. P. 4697–4717. https://doi.org/10.1039/D5AY00647C

9. Petersen, M. Application of Raman spectroscopic methods in food safety: A review / M. Petersen, Z. Yu, X. Lu // Biosensors. 2021. Vol. 11(6). Art. no. 187. https://doi.org/10.3390/bios11060187

10. Барковская, И. А. Сравнение методов ИК- и Раман-спектроскопии для оценки структурных изменений в молоке при тепловой обработке / И. А. Барковская [и др.] // Пищевая метаинженерия. 2025. Т. 3, № 3. С. 21–38. https://doi.org/10.3390/bios11060187; https://elibrary.ru/hsknhe

11. Kolašinac, S. M. Raman spectroscopy in the characterization of food carotenoids: Challenges and prospects / S. M. Kolašinac [et al.] // Foods. 2025. Vol. 14(6). Art. no. 953. https://doi.org/10.3390/foods14060953

12. Esmonde-White, K. Raman spectroscopy in analyzing fats and oils in foods / K. Esmonde-White [et al.] // Spectroscopy. 2022. Vol. 37(s6). P. 34–45. https://doi.org/10.56530/spectroscopy.jb8390i4

13. Bokobza, L. Spectroscopic techniques for the characterization of polymer nanocomposites: A review / L. Bokobza // Polymers. 2017. Vol. 10(1). Art. no. 7. https://doi.org/10.3390/polym10010007

14. Allakhverdiev, E. S. Spectral insights: Navigating the frontiers of biomedical and microbiological exploration with Raman spectroscopy / E. S. Allakhverdiev [et al.] // Journal of Photochemistry and Photobiology B: Biology. 2024. Vol. 252. Art. no. 112870. https://doi.org/10.1016/j.jphotobiol.2024.112870

15. Rodriguez, L. Recent advances of Raman spectroscopy for the analysis of bacteria / L. Rodriguez, Z. Zhang, D. Wang // Analytical Science Advances. 2023. Vol. 4(3–4). P. 81–95. https://doi.org/10.1002/ansa.202200066

16. McCarthy, U. Potential of Raman spectroscopy for in-line measurement of raw milk composition / U. McCarthy [et al.] // Food Control. 2023. Vol. 152. Art. no. 109862. https://doi.org/10.1080/10408398.2018.1528436

17. He, H. Applications of Raman spectroscopic techniques for quality and safety evaluation of milk: A review of recent developments / H. He [et al.] // Critical Reviews in Food Science and Nutrition. 2019. Vol. 59(5). P. 770–793. https://doi.org/10.1080/10408398.2018.1528436

18. Муклецова, Е. И. Основные спектральные характеристики молока и молочных продуктов / Е. И. Муклецова, И. А. Барковская // Пищевая промышленность. 2026. № 1. С. 106–111. https://doi.org/10.52653/PPI.2026.1.1.022; https://elibrary.ru/kwyohi

19. Surkova, A. Analysis of milk microstructure using Raman hyperspectral imaging / A. Surkova, A. Bogomolov // Molecules. 2023. Vol. 28(6). Art. no. 2770. https://doi.org/10.3390/molecules28062770

20. Mohammadi, S. Vibrational spectroscopy data fusion for enhanced classification of different milk types / S. Mohammadi, A. Gowen, C. O’Donnell // Heliyon. 2024. Vol. 10(16). Art. no. e36385. https://doi.org/10.1016/j.heliyon.2024.e36385

21. Chang, B. Rapid quantitative determination of adulteration of camellia oil using portable Raman spectroscopy and chemometrics / B. Chang [et al.] // Processes. 2025. Vol. 13(2). Art. no. 456. https://doi.org/10.3390/pr13020456

22. Li, Y. S. Raman spectroscopy in the analysis of food and pharmaceutical nanomaterials / Y. S. Li, J. S. Church // Journal of Food and Drug Analysis. 2014. Vol. 22(1). P. 29–48. https://doi.org/10.1016/j.jfda.2014.01.003

23. Taylan, O. Detection of lard in butter using Raman spectroscopy combined with chemometrics / O. Taylan [et al.] // Food Chemistry. 2020. Vol. 332. Art. no. 127344. https://doi.org/10.1016/j.foodchem.2020.127344

24. Nedeljkovic, A. The feasibility of artificial intelligence and Raman spectroscopy for determining the authenticity of minced meat / A. Nedeljkovic [et al.] // Foods. 2025. Vol. 14(17). Art. no. 3084. https://doi.org/10.3390/foods14173084

25. Павлов, В. Н. Использование интеллектуальных методов обработки данных раман-спектроскопии для диагностики злокачественных опухолей / В. Н. Павлов [и др.] // Медицинский вестник Башкортостана. 2018. Т. 13, № 3(75). С. 43–47. https://elibrary.ru/sqrsql

26. Савельева, Т. А. Методы машинного обучения для анализа спектрально-разрешенных изображений в нейроонкологии / Т. А. Савельева [и др.] // Biomedical Photonics. 2024. Т. 13, № 4. С. 40–54. https://doi.org/10.24931/2413-9432-2024-13-4-40-54; https://elibrary.ru/inzwkh

27. Тимурзиева, А. Б. Использование раман-флуоресцентных технологий в ранней диагностике воспалительных и опухолевых заболеваний как часть стратегического направления формирования общественного здоровья и инструмент для повышения качества оказания медицинской помощи: обзор литературы / А. Б. Тимурзиева // Лазерная медицина. 2021. Т. 25, № 4. С. 42–50. https://doi.org/10.37895/2071-8004-2021-25-4-42-50; https://elibrary.ru/opnkhn

28. Yan, C. A review on spectral data preprocessing techniques for machine learning and quantitative analysis / C. Yan // iScience. 2025. Vol. 28(7). Art. no. 112759. https://doi.org/10.1016/j.isci.2025.112759

29. Wu, X. Identification and quantification of adulterated honey by Raman spectroscopy combined with convolutional neural network and chemometrics / X. Wu [et al.] // Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy. 2022. Vol. 274. Art. no. 121133. https://doi.org/10.1016/j.saa.2022.121133

PDF JATS XML

Главный редактор

Просеков Александр Юрьевич

загрузок

ГОСТ

Барковская И. А. Методы математической обработки спектральных характеристик молока и молочной продукции // Молочная промышленность. 2026. № 5. С. 90-96. DOI: https://doi.org/10.21603/1019-8946-2026-5-99. EDN: ESTAVI. (дата обращения: 18.10.2026).

MLA

Барковская Ирина Александровна. "Методы математической обработки спектральных характеристик молока и молочной продукции." Молочная промышленность.5 (2026): 90-96. DOI: https://doi.org/10.21603/1019-8946-2026-5-99. EDN: ESTAVI.

APA

Барковская И. А. (2026). Методы математической обработки спектральных характеристик молока и молочной продукции. Молочная промышленность(5), 90-96. https://doi.org/10.21603/1019-8946-2026-5-99 EDN: ESTAVI.

Chicago

Барковская Ирина Александровна. "Методы математической обработки спектральных характеристик молока и молочной продукции." Молочная промышленность, no. 5 (2026): 90-96. https://doi.org/10.21603/1019-8946-2026-5-99. EDN: ESTAVI.

WIKI

{{cite journal | author = Барковская И. А. | title = Методы математической обработки спектральных характеристик молока и молочной продукции | journal = Молочная промышленность | year = 2026 | issue = 5 | pages = 90-96 | doi = 10.21603/1019-8946-2026-5-99 }} EDN: ESTAVI

Скопировать

Экспорт: BibTeX EndNote RefMan RusMARC

Подтверждение