Preview

Обнаружение металлических и неметаллических включений в пищевых продуктах электрометрическим методом

https://doi.org/hfb.2019.i4.s279

Полный текст:

Аннотация

Одним из важнейших показателей качества и безопасности пищевой продукции является отсутствие посторонних включений. Посторонние включения представляют собой объекты, не характерные для данного пищевого продукта и видимые невооруженным глазом. К ним относятся различные упаковочные материалы (пластик, дерево, керамика и стекло), а также инородные материалы, которые могут попасть в пищевой продукт из-за нарушений технологических процессов или из-за неправильной эксплуатации оборудования (осколки кости в мясе, листья и стебли во фруктах, насекомые и др.). Анализ литературных источников свидетельствует о том, что перспективными средствами по обнаружению посторонних включений в пищевых продуктах являются такие виды контроля, которые, не изменяя качества, параметров и характеристик этих продуктов, позволяют по косвенным, второстепенным признакам обнаруживать посторонние включения. Целью настоящей работы являлась разработка метода определения основных параметров для обнаружения посторонних металлических и неметаллических включений в пищевых продуктах (в мясном фарше, в частности) на основе применения электромагнитных методов, селекции сигналов и автоматического удаления частиц из продукта в условиях непрерывного производственного процесса. Для изучения возможности применения электроконтактного метода для обнаружения посторонних частиц был выполнен расчет датчика- обнаружителя. Расчёт величины сигнала от посторонней частицы производился методом вторичного поля, который был реализован в устройстве (приборе) для обнаружения. На основании экспериментальных данных была построена круговая фазовая диаграмма вторичных полей локальных тел, которая показывает, что металлы и неметаллы имеют фазы сигналов, отличные как от контролируемых пищевых продуктов, так и между собой. Из этого следует, что возможно применение метода фазовой избирательности для селекции сигналов от металлических и неметаллических частиц, находящихся в пищевых продуктах. Разработанный обнаружитель состоит из датчиков и анализатора посторонних включений. Датчик состоит из 22 чувствительных элементов. Каждый из датчиков включен в мостовую измерительную схему. Проведенные исследования позволили разработать автоматическое устройство для удаления обнаруженных частиц без остановки технологического процесса при производстве колбасного фарша, экспериментальный образец которого был опробован в производственных условиях мясокомбината.

Об авторах

И. Д. Мурашов
ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия

Мурашов Игорь Дмитриевич

125080, Москва, Волоколамское шоссе, дом 11



Е. В. Крюкова
ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия

Крюкова Елизавета Вячеславовна

125080, Москва, Волоколамское шоссе, дом 11



Е. Д. Горячева
ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия

Горячева Елена Давидовна

125080, Москва, Волоколамское шоссе, дом 11



А. Э. Джабакова
ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия

Джабакова Анна Эдуардовна

125080, Москва, Волоколамское шоссе, дом 11



Г. В. Парамонов
ООО «СЕНСОРИЛАБ»; ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия

Парамонов Григорий Викторович

121205, город Москва, тер. Сколково инновационного центра, Большой б-р, дом 42, стр. 1

125080, Москва, Волоколамское шоссе, дом 11



Список литературы

1. Coelho, L. M., Pessoa, D. R., Oliveira, K.M., de Sousa, P. A. R., da Silva, L. A., & Coelho, N .M. M. (2016). Potential Exposure and Risk Associated with Metal Contamination in Foods. Significance, Prevention and Control of Food Related Diseases, 99-123. https://doi.org/10.5772/62683

2. Graves, M., Batchelor, B. G., & Palmer, S. C. (1994). Three-dimensional X-ray inspection of food products. Applications of digital image. In Applications of Digital Image, 2298, 248.

3. Hæggström, E., & Luukkala, M. (2001). Ultrasound detection and identification of foreign bodies in food products. Food Control, 12(1), 37–45. https://doi.org/10.1016/s0956-7135(00)00007-4

4. Jördens, C. (2008). Detection of foreign bodies in chocolate with pulsed terahertz spectroscopy. Optical Engineering, 47(3), 037003. https://doi.org/10.1117/1.2896597

5. Krause, H.-J., Panaitov, G. I., Wolters, N., Lomparski, D., Zander, W., Zhang, Y., Oberdoerffer, E., Wollersheim, D., & Wilke, W. (2005). Detection of Magnetic Contaminations in Industrial Products Using HTS SQUIDs. IEEE Transactions on Appiled Superconductivity, 15(2), 729–732. https://doi.org/10.1109/tasc.2005.850027

6. Marsh, R.A., & Angold R.E. (2004). Identifying potential sources of foreign bodies in the supply chain. In: M. Edwards (Ed.) Detecting foreign bodies in food. Woodhead Publishing Ltd.

7. Mohd Khairi, M. T., Ibrahim, S., Md Yunus, M. A., & Faramarzi, M. (2018). Noninvasive techniques for detection of foreign bodies in food: A review. Journal of Food Process Engineering, e12808. https://doi.org/10.1111/jfpe.12808

8. Montanari, A. (2015). Inorganic Contaminants of Food as a Function of Packaging Features. SpringerBriefs in Molecular Science, 17–41. https://doi.org/10.1007/978-3-319-14827-4_2

9. Nielsen, M. S., Lauridsen, T., Christensen, L. B. & Feidenhans’l, R. (2013). X-ray dark-field imaging for detection of foreign bodies in food. Food Control, 30(2), 531–535. https://doi.org/10.1016/j.foodcont.2012.08.007

10. Ohtani, T., Narita, Y., Tanaka, S., Ariyoshi, S. & Suzuki, S. (2015). Development of three channel SQUIDs contaminant detector for food inspection. In 2015 IEEE Magnetics Conference (INTERMAG). https://doi.org/10.1109/intmag.2015.7157575

11. Ok, G., Kim, H. J., Chun, H. S., & Choi, S.-W. (2014). Foreign-body detection in dry food using continuous sub-terahertz wave imaging. Food Control, 42, 284–289. https://doi.org/10.1016/j.foodcont.2014.02.021

12. Patel, D., Davies, E. R. & Hannah, I. (1995). Towards a breakthrough in the detection of contaminants in food products. Sensor Review, 15(2), 27–28. https://doi.org/10.1108/02602289510085570

13. Penman, D. W., Olsson, O. J. & Beach, D. A. (1992). Automatic x-ray inspection of canned products for foreign material. In Machine Vision Applications. Architectures, and Systems Integration, 1823. https://doi.org/10.1117/12.132090

14. Schatzki, T. F., Young, R., Haff, R. P., Eye, J., & Wright, G. (1996). Visual detection of particulates in x-ray images of processed meat products, Optical Engineering, 35(8). https://doi.org/10.1117/1.601010

15. Tanaka, S., Akai, T., Hatsukade, Y., Ohtani, T., & Suzuki, S. (2009). High Tc SQUID System for Detection of Small Metallic Contaminant in Industrial Products. IEEE Transactions on Applied Superconductivity, 19(3), 882–885. https://doi.org/10.1109/tasc.2009.2019655

16. Tanaka, S., Akai, T., Takemoto, M., Hatsukade, Y., Ohtani, T., Ikeda, Y., & Suzuki, S. (2010). Metallic Contaminant Detection using a High-Temperature Superconducting Quantum Interference Devices Gradiometer. Chinese Physics Letters, 27(8), 088503. https://doi.org/10.1088/0256-307x/27/8/088503

17. Tanaka, S., Hatsukade, Y., Ohtani, T., & Suzuki, S. (2009). SQUID sensor application for small metallic particle detection. Journal of Magnetism and Magnetic Materials, 321(7), 880–883. https://doi.org/10.1016/j.jmmm.2008.11.060

18. Tanaka, S., Natsume, M., Uchida, M., Hotta, N., Matsuda, T., Spanut, Z. A., & Hatsukade, Y. (2004). Measurement of metallic contaminants in food with a high-TcSQUID. Superconductor Science and Technology, 17(4), 620–623. https://doi.org/10.1088/0953-2048/17/4/009

19. Tanaka, S., Ohtani, T., Uchida, Y., Hatsukade, Y., & Suzuki, S. (2014). Ultra-Sensitive Contaminant Detection System Using High-Tc SQUID. Journal of Superconductivity and Novel Magnetism, 28(2), 667–670. https://doi.org/10.1007/s10948-014-2668-z

20. Tanaka, S., Uchida, Y., Kitamura, Y., Hatsukade, Y., Ohtani, T., & Suzuki, S. (2012). Development of High-T c SQUID and Application to Ultra-Sensitive Contaminant Detection System. Journal of Superconductivity and Novel Magnetism, 26(4), 845–849. https://doi.org/10.1007/s10948-012-1944-z

21. Toyofuku, N., & Haff, R. P. (2012). Computer vision for foreign body detection and removal in the food industry. Computer Vision Technology in the Food and Beverage Industries, 181–205. https://doi.org/10.1533/9780857095770.2.181

22. Trafialek, J., Kaczmarek, S., & Kolanowski, W. (2016). The Risk Analysis of Metallic Foreign Bodies in Food Products. Journal of Food Quality, 39(4), 398–407. https://doi.org/10.1111/jfq.12193

23. Wang, C., Zhou, R., Huang, Y., Xie, L. & Ying, Y. (2018). Terahertz spectroscopic imaging with discriminant analysis for detecting foreign materials among sausages. Food Control, 97, 100-104. https://doi.org/10.1016/j.foodcont.2018.10.024


Просмотров: 8


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2712-7648 (Online)