Два анализатора могут почти идеально согласованно отслеживать изменение жирности молока и при этом давать разные численные результаты. В исследовании MilkoScan FT-120 и Bruker MPA корреляция по жиру в коровьем молоке достигала 0,999, но среднее относительное расхождение составляло 9,3%. Для лаборатории, которая использует результат при нормализации продукта или оценке сырья, такая разница существенна, даже если точки на сравнительном графике выстраиваются почти в прямую линию.
Работы с приборами семейства MilkoScan позволяют увидеть, откуда возникают подобные расхождения. Одни эксперименты проверяют согласованность методов, другие – возможность определить отдельные жирные кислоты, третьи – влияние консерванта или переноса калибровки между приборами. За разными числами в этих исследованиях стоят разные задачи измерения. Их практический смысл становится понятнее, если рассмотреть, что именно меняли в опыте и с чем сравнивали результат.
Почему близкая корреляция допускает заметное расхождение
В работе Mohamed и соавторов, опубликованной в 2021 году, исследовали 150 проб коровьего и 217 проб верблюжьего молока. MilkoScan FT-120 использовал средний инфракрасный диапазон, Bruker MPA – ближний. Одни и те же образцы анализировали обоими приборами, поэтому можно было сравнить, насколько одинаково они реагируют на различия состава.
Корреляция характеризует согласованность изменений. Представим два метода: когда один показывает больше жира, второй тоже показывает больше, но каждый раз прибавляет 0,3 процентного пункта. Их корреляция может быть равна единице, хотя результаты не совпадают ни для одной пробы. Систематическая прибавка сдвигает всю совокупность точек относительно линии равенства, сохраняя её прямолинейность.
В реальном исследовании для коровьего молока MilkoScan давал в среднем более высокий результат по белку и более низкий по жиру. Относительные различия составляли +8,2 и -9,3% соответственно. Эти проценты рассчитывали относительно среднего результата двух методов. Для белка средняя разница MIR-NIR составляла +0,26 процентного пункта. По масштабу такой сдвиг соответствует разнице между 3,00 и 3,26% белка.
Химического референса в этой работе не было, поэтому определить, какой прибор был ближе к истинному составу, по ней нельзя. Но для замены одного метода другим результат вполне конкретен: совпадение тенденции ещё нужно дополнить проверкой смещения и ошибки на рабочих пробах. При этом разница может зависеть от концентрации. Если она увеличивается с жирностью, одной постоянной поправки будет недостаточно.
Так же проверяют переход на другой вид молока или рецептуру. Меняется не только содержание компонентов, но и их соотношение, структура белковой фазы, размеры жировых шариков. Всё это влияет на спектр. В исследовании сычужного свёртывания буйволиного молока Manuelian и соавторы использовали MilkoScan FT6000, откалиброванный по стандартам именно буйволиного молока. Подбор соответствующей матрицы начинается уже на этапе настройки измерения.
Как вода мешает определять отдельные жирные кислоты
Общее количество жира и его жирнокислотный состав – разные характеристики. Два образца могут иметь одинаковую жирность, но различаться долями пальмитиновой, стеариновой и ненасыщенных кислот. Чтобы распознать эту разницу, модели нужно выделить сравнительно тонкие особенности спектра внутри сильного общего сигнала жировой фазы.
В исследовании Afseth и соавторов исходный набор включал 262 пробы коровьего молока из кормового эксперимента. Жирнокислотный состав определяли газовой хроматографией: после подготовки пробы отдельные компоненты разделяли и количественно оценивали. С этими референсными значениями связывали инфракрасные спектры. Жидкое молоко измеряли на MilkoScan в составе CombiFoss 6500, а высушенные плёнки – на Bruker Tensor 27. В итоговые модели вошли 224 и 219 образцов соответственно.
Результаты зависели от определяемого компонента. Для суммы насыщенных жирных кислот коэффициент детерминации R² был высоким в обоих вариантах: 0,92 для жидкости и 0,96 для плёнки. Для отдельных кислот разница оказалась значительно больше.
| Показатель | Жидкое молоко, R² | Сухая плёнка, R² |
|---|---|---|
| Сумма насыщенных кислот | 0,92 | 0,96 |
| Пальмитиновая кислота (16:0) | 0,65 | 0,93 |
| Стеариновая кислота (18:0) | 0,48 | 0,91 |
Прогноз долей в сумме жирных кислот. Перекрёстная проверка, Afseth et al., 2010, таблица II.
R² показывает, насколько модель описывает различия между образцами. Значение 0,93 не означает, что 93% измерений выполнены без ошибки. В этой работе качество оценивали перекрёстной проверкой: часть проб временно исключали из обучения, рассчитывали для них прогноз и повторяли процедуру для остальных частей набора.
Высушивание меняет условия измерения сразу по нескольким причинам. Удаляется основная масса воды, которая поглощает инфракрасный свет и перекрывает часть полезных областей. Компоненты сухого остатка становятся более концентрированными, их слабые спектральные признаки легче выделить. Одновременно меняются структура образца, оптический путь и сам прибор. Поэтому выигрыш относится ко всему способу анализа сухой плёнки.
Для поточной лаборатории такое измерение потребовало бы отдельной подготовки и сушки. Быстрый анализ жидкости сохраняет своё преимущество, а для подробного исследования жировой фазы может оказаться полезным другой способ подготовки. При выборе калибровки нужно уточнять конкретный показатель: хороший прогноз суммы насыщенных кислот ещё не гарантирует столь же надёжного определения каждой из них.
Что меняет консервант при оценке точки замерзания
Растворённые вещества понижают температуру замерзания воды. В молоке существенный вклад вносят лактоза и соли. При добавлении воды раствор разбавляется, и температура замерзания обычно приближается к нулю. На этом основано использование показателя для выявления возможного разбавления сырья.
Криоскоп определяет температуру в процессе замерзания пробы. В MilkoScan FT2 её оценка связана с измерением электропроводности в жидкостном тракте. Проводимость зависит от содержания и подвижности ионов, тогда как температура замерзания – от совокупности растворённых частиц. Между этими свойствами молока существует связь, которую используют при настройке, но изменение состава пробы может изменить и саму связь.
Souhassou и соавторы в 2018 году исследовали 25 проб коровьего молока. Из каждой подготовили варианты с разными консервантами и долями добавленной воды от 0 до 7%, затем сравнили FT2 с термисторным криоскопом. Модуль среднего расхождения методов составил 3,12 м°C, то есть 0,00312 °C. Без консерванта среднее расхождение составляло 1,38 м°C, а при большей из двух испытанных доз пероксида водорода – 5,99 м°C.
Разница в несколько тысячных градуса кажется малой, но именно в таком масштабе сравнивают близкие пробы. Консервант добавляет вещества в раствор и может влиять на свойства, по которым рассчитывается результат. Поэтому проба после консервации уже не полностью эквивалентна свежей: важно учитывать состав добавки и её количество. Эксперимент показывает, что условия хранения и подготовки могут повлиять на согласование методов даже при исправной работе приборов.
В исследовании Sánchez и соавторов на козьем молоке среднее расхождение FT6000 с криоскопией составляло 1,5 м°C. Для опыта использовали 45 исходных танковых проб и также варьировали консервацию и добавление воды. Близость методов позволяла применять прибор для предварительного отбора подозрительных образцов, однако небольшое разбавление оставалось более трудной задачей.
Практический порядок работы следует из физики измерения: быстрый анализ выделяет образцы с необычным результатом, а криоскопия помогает проверить его. При интерпретации учитывают естественные вариации молока и подготовку пробы. Одна повышенная температура замерзания сама по себе ещё не устанавливает причину изменения.
Зачем согласовывать спектры разных приборов
Калибровочная модель связывает форму спектра с составом. Если на другом приборе та же проба даёт немного иной спектральный отклик, модель может принять приборное различие за изменение продукта. Такая ситуация возникает из-за различий оптических систем и их состояния, а также изменений отклика со временем. Стандартизация приводит спектры к более согласованному виду до расчёта показателей.
В работе Mensching и соавторов 2025 года исследовали два MilkoScan 7 RM и три MilkoScan FT+. Общий массив включал 2,3 млн рутинных спектров. Для оценки межприборных различий использовали многократные измерения одних и тех же проб, а для контроля во времени – стандартное молоко с известными значениями состава. Приборы уже проходили базовую стандартизацию FOSS; авторы изучали дополнительную статистическую коррекцию.
На стандартном молоке ошибку определения жира сравнивали с гравиметрическим референсом. Для модели по исходным спектрам RMSE составляла 0,0406 процентного пункта, после дополнительной стандартизации – 0,0195. У обычного лабораторного результата, полученного с принятой системой корректировок, она была ещё ниже: 0,0141 процентного пункта.
RMSE рассчитывают так: разницу между прогнозом и референсом для каждой пробы возводят в квадрат, усредняют и извлекают корень. Положительные и отрицательные ошибки при этом не компенсируются, а большие отклонения сильнее влияют на результат. Снижение с 0,0406 до 0,0195 процентного пункта означает уменьшение общего масштаба ошибки примерно вдвое. Это не максимальная ошибка отдельной пробы.
Смысл опыта хорошо виден в сравнении трёх результатов. Дополнительная стандартизация существенно улучшила перенос общей модели, а действующая лабораторная система контроля и корректировок по-прежнему давала меньшую ошибку. Для сети приборов это полезное дополнение к работе с контрольными образцами: оно уменьшает ту часть различий, которая возникает до расчёта состава.
При изменении сырья или рецептуры остаётся другая задача – проверить саму калибровку на новом продукте. Согласованные спектры обеспечивают сопоставимый вход в модель, но её связь с составом должна подтверждаться референсными анализами. Поэтому при расхождении результатов сначала выясняют, что изменилось: проба, приборный отклик или область применения калибровки. От этого зависит, поможет ли очистка и стандартизация, потребуется ли корректировка модели или нужен другой метод измерения.
MilkoScan FT3 CombiFoss 7 MilkoScan Mars