Библиография

1. 1. ГОСТ 32261-2013. Межгосударственный стандарт. Масло сливочное. Технические условия. М.: Стандартинформ, 2019. 19 с.
2. 2. ГОСТ 31452-2012. Межгосударственный стандарт. Сметана. Технические условия. М.: Стандартинформ, 2013. 8 с.
3. 3. ГОСТ Р 52096-2003. Государственный стандарт Российской Федерации. Творог. Технические условия. М.: Стандартинформ, 2008. 6 с.
4. 4. ГОСТ Р 52253-2004. Национальный стандарт Российской Федерации. Масло и паста масляная из коровьего молока. Общие технические условия. М.: Стандартинформ, 2004. 9 с.
5. 5. ГОСТ 31450-2013. Межгосударственный стандарт. Молоко питьевое. Технические условия. М.: Стандартинформ, 2013. 7 с.
6. 6. ГОСТ 31454-2012. Межгосударственный стандарт. Кефир. Технические условия. М.: Стандартинформ, 2013. 8 с.
7. 7. Mohanty T.J., Sahoo J.P., Samal K.C. Сommon milk adulteration in India and rapid detection techniques // Food Sci. Reports. 2020. V. 1. № 10. P. 59. https://doi.org/ 10.13140/RG.2.2.30007.44963
8. 8. Zachar P., Soltes M., Kasarda R., Novotny J., Novikmecova M., Marcincakova D. Analytical methods for the species identification of milk and milk products // Mljekarstvo. 2011. V. 3. № 63. P. 199.
9. 9. Musa M. A., Yang S. Detection and quantification of cow milk adulteration using portable near-infrared spectroscopy combined with chemometrics // African J. Agric. Res. 2020. V. 112. № 2. P. 198. https://doi.org/ 10.5897/ajar2020.15321
10. 10. Ullah R., Khan S., Ali H., Bilal M. Potentiality of using front face fluorescence spectroscopy for quantitative analysis of cow milk adulteration in buffalo milk // Spectrochim. Acta A. 2020. V. 225. Article 117518. https://doi.org/ 10.1016/j.saa.2019.117518
11. 11. Karoui R., Baerdemaeker J.D. A review of the analytical methods coupled with chemometric tools for the determination of the quality and identity of dairy products // Food Chem. 2007. V. 102. P. 621. https://doi.org/ 10.1016/j.foodchem.2006.05.042
12. 12. Hosseini E., Ghasemi J.B., Daraei B., Asadi G., Adib N. Near-Infrared spectroscopy and machine learning-based classification and calibration methods in detection and measurement of anionic surfactant in milk // J. Food Compos. Anal. 2021. V. 104. Article 104170. https://doi.org/ 10.1016/j.jfca.2021.104170
13. 13. Naktiyok J., Dogan T.H. A research on the detection of fake butter by traditional and modern methods // J. Eng. Sci. Design. 2021. V. 9. № 2. P. 453. https://doi.org/ 10.21923/jesd.790310
14. 14. ГОСТ 31663-2012. Масла растительные и жиры животные. Определение методом газовой хроматографии массовой доли метиловых эфиров жирных кислот. М.: Стандартинформ, 2019. 12 с.
15. 15. ГОСТ 31979-2012. Молоко и молочные продукты. Метод обнаружения растительных жиров в жировой фазе газожидкостной хроматографией стеринов. М.: Стандартинформ, 2014. 13 с.
16. 16. Nurrulhidayah F.A., Rohman A., Salleh R.A., Amin l., Shuhaimi M., Farahwahida M.Y., Rashidi O., Aizat J.M., Khatib A. Authentication of butter from lard adulteration using high-resolution of nuclear magnetic resonance spectroscopy and high-performance liquid chromatography // Int. J. Food Properties. 2017. V. 20. Article 1233428. https://doi.org/ 10.1080/10942912.2016.1233428
17. 17. Kucheryavskiy S., Melenteva A., Bogomolov A. Determination of fat and total protein content in milk using conventional digital imaging // Talanta. 2014. V. 121. P. 144. https://doi.org/ 10.1016/j.talanta.2013.12.055
18. 18. Younas M., Maryam A., Khan M., Nawaz A.A., Jaffery S.H.I., Anwar M.N., Ali L. Parametric analysis of wax printing technique for fabricating microfluidic paper-based analytic devices (µPAD) for milk adulteration analysis // Microfluid. Nanofluidics. 2019. V. 23. Article 38. https://doi.org/ 10.1007/s10404-019-2208-z.
19. 19. Govindarajalu A.K., Ponnuchamy M., Sivasamy B., Prabhu M.V., Kapoor A.A. Сellulosic paper-based sensor for detection of starch contamination in milk // Bull. Mater. Sci. 2019. V. 42. Article 255. https://doi.org/ 10.1007/s12034-019-1958-2
20. 20. Iymen G., Tanriver G., Hayirlioglu Y.Z., Ergen O. Artificial intelligence-based identification of butter variations as a model study for detecting food adulteration // J. Innovative Food Sci. Emerg. Technol. 2020. V. 66. Article 102527. https://doi.org/ 10.1016/j.ifset.2020.102527
21. 21. Pereira E.V.S., Fernandes D.D.S., Almeida L.F., Maciel M.S., Dias Diniz P.H.P. Goat milk authentication by one-class classification of digital image-based fingerprint signatures: Detection of adulteration with cow milk // Microchem. J. 2022. V. 180. Article 107640. https://doi.org/ 10.1016/j.microc.2022.107640
22. 22. Моногарова О.В., Осколок К.В., Апяри В.В. Цветометрия в химическом анализе // Журн. аналит. химии. 2018. Т. 73. № 11. С. 857. https://doi.org/ 10.1134/S0044450218110063
23. 23. Шаока З.А.Ч., Большаков Д.С., Амелин В.Г. Использование смартфона в химическом анализе // Журн. аналит. химии. 2023. Т. 78. № 4. С. 317. https://doi.org/ 10.31857/S0044450223030131
24. 24. Böck F. C., Helfer G. A., da Costa A. B., Dessuy M. B., Ferrao M. F. PhotoMetrix and colorimetric image analysis using smartphones // J. Chemometrics. 2020. V. 34. Article 12. https://doi.org/ 10.1002/cem.3251
25. 25. Helfer G. A., Magnus V. S., Böck F. C., Teichmann A., Ferrãoa M. F., da Costa A. B. PhotoMetrix: An application for univariate calibration and principal components analysis using colorimetry on mobile devices // J. Braz. Chem. Soc. 2017. V. 28. № 2. P. 328. DOI: 10.5935/0103-5053.20160182
26. 26. Rateni G., Dario P., Cavallo F. Smartphone-based food diagnostic technologies: A review // Sensors. 2017. V. 17. P. 1453. DOI: 10.3390/s17061453
27. 27. Rezazadeh M., Seidi S., Lid M., Pedersen-Bjergaard S., Yamini Y. The modern role of smartphones in analytical chemistry // Trends Anal. Chem. 2019. V. 118. P. 548. https://doi.org/ 10.1016/j.trac.2019.06.019
28. 28. ГОСТ 5867-90. Межгосударственный стандарт. Молоко и молочные продукты. Методы определения жира. М.: Стандартинформ, 1991. 10 с.