Differenzierung von Buttersorten

摘要

Eine Deklarations- und Qualitätskontrolle bezüglich der Handelsklasseneinstufung der in der Butterverordnung definierten Buttersorten wird durch differentialanalytische Untersuchung und Auswertung über eine lineare Verknüpfung kompositioneller Produktparameter zweifelsfrei ermöglicht. Zu diesen Butterserumparametern zählen Citronensäure, D(R)- und L(S)-Milchsäure, die Ribonucleoside Adenosin und Uridin und der pH-Wert. Werden neben Citronensäure und Milchsäure (D- plus L-Form) Adenosin und Uridin in die Index-Bildung einbezogen, gelingt eine zweifelsfreie Zuordnung der drei Buttersorten auf der Grundlage von 44 untersuchten Butterproben des Handels. Bei vielen Aufgaben einer solchen Merkmalsextraktion sind in den letzten Jahren neuronale Netze zu einem nützlichen Hilfsmittel bei der Befundung analytischer Daten geworden. So war es möglich, mit einem dreilagigen, vorwärtsverknüpften neuronalen Netz eine chemometrische Klassifizierung der drei Buttersorten zu erreichen. Dabei wurden insgesamt 60 Butterproben des Handels auf die vorgenannten 6 kompositionellen Produktparameter (Citronensäure, D-Milchsäure, L-Milchsäure, Adenosin, Uridin, pH-Wert) analysiert. Für das Training des Netzes wurden aus den 60 Butterproben 30 Datensätze zufällig ausgewählt, und mit 15 weiteren zufällig ausgewählten Datensätzen das trainierte neuronale Netz getestet. Die Validierung erfolgte dann mit den restlichen 15 Datensätzen. Dabei war es möglich, mit einem Minimum von 2 Eingabeneuronen und 2 Zwischenschichten sowie 3 simultanen Ausgabeneuronen eine fehlerfreie Zuordnung der 3 Buttersorten zu erreichen. Eine solche fehlerfreie Zuordnung gelang auch bei 3 Eingabeneuronen (pH, Citronensäure, Uridin oder pH, Citronensäure, Adenosin oder pH, L-Milchsäure, D-Milchsäure). Fehler in der Zuordnung traten dagegen bei Verwendung von 2 Eingabeneuronen für die kompositionellen Parameter pH plus Uridin, pH plus D- und L-Milchsäure, pH plus Adenosin und pH plus L-Milchsäure auf.%A declaration- and quality control with respect to the grading category of the butter types as defined in the German Butter Regulation is unequivocally possible using analytical differentiation and evaluation via a linear combination of compositional parameters. Among these butter serum parameters are citric acid, D-lactic acid (R-isomer) and L-lactic acid (S-isomer), the ribonucleosides adenosine and uridine and the pH-value. If not only citric acid and lactic acid (D- plus L-form), but also adenosine and uridine are taken into account in index calculation an unequivocal distinction of the 3 butter types is possible on the basis of 44 commercial butter samples analysed. For many problems arising in connection with "extracting" such characteristics neural networks have recently been applied as a useful tool in validating analytical data. So, it was possible to chemometrically classify the 3 butter types using a three layer feed-forward back-propagation network. In this context a total of 60 commercial butter samples was analysed for the aforementioned 6 compositional parameters (citric acid, D-lactic acid, L-lactic acid, adenosine, uridine, pH-value). For training the network 30 data sets were randomly selected from the 60 butter samples and the trained neural network tested using a further 15 randomly selected data sets. Then validation was done with the remaining 15 data sets. Here it was possible to achieve an unequivocal identification of the 3 butter types using a minimum of 2 input layers, 2 hidden layers and 3 output layers.