Preview

Зерновое хозяйство России

Расширенный поиск

Фотолюминесцентная диагностика нута

https://doi.org/10.31367/2079-8725-2025-101-6-5-10

Аннотация

Качественный посевной материал – одно из важнейших условий эффективности производства зерна и зернопродуктов. Для производства высококачественной продукции требуется больше растительного белка, источником которого является нут. При хранении зерна и семян очень важен контроль качественных показателей, который возможно осуществлять оптическими методами. Целью данного исследования является обоснование выбора информативных спектральных параметров для создания фотолюминесцентного метода диагностики нута. Исследовали оптические спектральные люминесцентные свойства среднеспелого сорта нута Память урожая 2024, 2019 и 2017 годов. Оптические измерения проводили на дифракционном спектрофлуориметре «СМ2203». Получили спектры возбуждения (поглощения) и спектры люминесценции. Возбуждение нута происходит в диапазоне 250–550 нм и для всех исследованных образцов имеет максимумы 362 и 424 нм. Наибольшее различие интегрального параметра поглощения наблюдается в диапазоне возбуждения 370–500 нм. Получены интегральные параметры спектров люминесценции при возбуждениях 362 и 424 нм. Интегральные потоки фотолюминесценции зависят от времени хранения и содержания белков и жиров. Погрешность определения потоков не превышает 4,5 %. Наиболее информативная длина волны возбуждения выбрана из условия максимального уровня фотосигнала, минимальной погрешности определения потока и наибольшего увеличения потока для разных значений содержания белка и жира. Наилучшей является длина волны возбуждения 424 нм. Диапазон регистрации фотолюминесцентного излучения при данном возбуждении находится на длинах волн 480–650 нм. Полученные результаты будут положены в основу разработки фотолюминесцентного метода контроля параметров нута в процессе длительного хранения.

Об авторах

М. Н. Московский
ФГБНУ «Федеральный научный агроинженерный центр ВИМ»
Россия

М.Н. Московский, доктор технических наук, профессор РАН, главный научный сотрудник, лаборатория технологий и машин для послеуборочной обработки зерна и семян

109428, г. Москва, 1-й Институтский проезд, д. 5



М. В. Беляков
ФГБНУ «Федеральный научный агроинженерный центр ВИМ»
Россия

М.В. Беляков, доктор технических наук, доцент, главный научный сотрудник, лаборатория инновационных технологий и технических средств кормления в животноводстве

109428, г. Москва, 1-й Институтский проезд, д. 5



И. Ю. Ефременков
ФГБНУ «Федеральный научный агроинженерный центр ВИМ»
Россия

И.Ю. Ефременков, младший научный сотрудник, лаборатория инновационных технологий и технических средств кормления в животноводстве

109428, г. Москва, 1-й Институтский проезд, д. 5



Список литературы

1. Беляков М.В. Оптические люминесцентные свойства семян сельскохозяйственных растений // Агрофизика. 2024. № 4. С. 72–79. DOI: https://doi.org/10.25695/AGRPH.2024.04.09

2. Волков Д.П., Башинская О.С., Зайцев С.А., Левкина А.Ю., Бабушкин Д.Д., Бычкова В.В., Калинин Ю.А. Технологический потенциал зернобобовых культур // АгроЭкоИнфо: Электронный научно-производственный журнал. 2023. № 3(57). C. 1–13. DOI: 10.51419/202133305

3. Донская М.В., Бобков С.В., Костикова Н.О. Оценка качества зерна различных сортообразцов нута // Зернобобовые и крупяные культуры. 2021. № 1(37). С. 30–36. DOI: 10.24412/2309-348X-2021-1-30-36

4. Исаков Н., Айбек У.У. Проблемы хранения зерна и семян // Вестник Кыргызского национального аграрного университета им. К.И. Скрябина. 2023. № 1(64). С. 35–42.

5. Сазонова И.А., Бычкова В.В., Ерохина А.В., Молчанов А.В., Зайцев С.А. Потенциал зернобобовых культур как высокобелкового компонента в кормопроизводстве // Аграрный научный журнал. 2024. № 8. С. 103–107. DOI: 10.28983/asj.y2024i8pp103-107

6. Ценч Ю.С. Научнотехнический потенциал как главный фактор развития механизации сельского хозяйства // Сельскохозяйственные машины и технологии. 2022. № 2(16). С. 4–13. DOI: 10.22314/2073-7599-2022-16-2-4-13

7. Bankin M., Tykyrin Ya., Duk M., Samsonova M., Kozlov K. Modeling Chickpea Productivity with Artificial Image Objects and Convolutional Neural Network // Plants. 2024. Vol. 13, № 17. P. 2444. DOI: https://doi.org/10.3390/plants13172444

8. Cakmak Y.S., Boyacı I.H. Quality evaluation of chickpeas using an artificial neural network integrated computer vision system // International Journal of Food Science and Technology. 2011. Vol. 46, Iss. 1. P. 194–200. DOI: https://doi.org/10.1111/j.1365-2621.2010.02482.x

9. Di Francesco A., De Santis M.A., Lanzoni A., Pittala M.G.G., Saletti R., Flagella Z., Cunsolo V. Mass Spectrometry Characterization of the SDS-PAGE Protein Profile of Legumins and Vicilins from Chickpea Seed // Foods. 2024. Vol. 13, № 6. P. 887. DOI: https://doi.org/10.3390/foods13060887

10. Indore N.S., Chaudhry M., Jayas D.S., Paliwal J., Karunakaran Ch. Non-Destructive Assessment of Microstructural Changes in Kabuli Chickpeas during Storage // Foods. 2024. Vol. 13, № 3. P. 433. DOI: https://doi.org/10.3390/foods13030433


Рецензия

Для цитирования:


Московский М.Н., Беляков М.В., Ефременков И.Ю. Фотолюминесцентная диагностика нута. Зерновое хозяйство России. 2025;17(6):5-10. https://doi.org/10.31367/2079-8725-2025-101-6-5-10

For citation:


Moskovsky M.N., Belyakov M.V., Efrremenkov I.Yu. Photoluminescent diagnostics of chickpeas. Grain Economy of Russia. 2025;17(6):5-10. (In Russ.) https://doi.org/10.31367/2079-8725-2025-101-6-5-10

Просмотров: 16

JATS XML


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


ISSN 2079-8725 (Print)
ISSN 2079-8733 (Online)