Реальные варианты ОГЭ (ГИА) по математике

Пособие содержит 30 вариантов типовых контрольных измерительных материалов Государственной итоговой аттестации (по новой форме).
Цель пособия — формирование практических навыков учащихся при подготовке к ЕГЭ по математике (в новой форме) в 9 классе.
Сборник содержит ответы на все задания вариантов.
Пособие адресовано учителям и методистам, использующим типовые тестовые задания для подготовки обучающихся к Государственной итоговой аттестации (по новой форме) в 2014 году, а также может быть использовано обучающимися для самоподготовки и самоконтроля.

Примеры.
Когда самолет находится в горизонтальном полете, подъемная сила, действующая на крылья, зависит только от скорости. На рисунке показана эта зависимость для некоторых самолетов. По оси абсцисс отложена скорость (в километрах в час), по оси ординат — сила (в тоннах силы). Определите по рисунку, при какой скорости (в километрах в час) подъемная сила достигает 1 тонны силы?

На пост президента школьного совета претендовали два кандидата. В голосовании приняли участие 84 человека. Голоса между кандидатами распределились в соотношении 3:4. Сколько голосов получил победитель?

Какие из следующих утверждений верны?
1) Если угол равен 60°, то прилежащий угол равен 120°.
2) Через любую точку проходит ровно одна прямая.
3) Если при пересечении двух прямых третьей прямой сумма внутренних поперечных углов равна 180°, то эти две прямые параллельны.

СОДЕРЖАНИЕ
Введение
Рабочие инструкции
Вариант 1
Часть 1
Часть 2
Вариант 2
Часть 1
Часть 2
Опция 3
Часть 1
Часть 2
Опция 4
Часть 1
Часть 2
Опция 5
Часть 1
2
Опция 7
Часть 1
Часть 2
Опция 8
Часть 1
Часть 2
Опция 9
Часть 1
Часть 2

Опция 10
Часть 1
Часть 2
Вариант 11 0009
Часть 1
Часть 2
Опция 12
Часть 1
Часть 2
Опция 13
Часть 1
Часть 2
Опция 14
Часть 1
2
Опция 16
Часть 1
Часть 2
Опция 17
Часть 1
Часть 2
Опция 18
Часть 1
Часть 2
Опция 19
Часть 1
Часть 2

0008 Опция 20
Часть 1
Часть 2
Опция 21
Часть 1
Часть 2
Опция 22
Часть 1
Часть 2
Опция 23
Часть 1
Часть 2
Вариант 24
Часть 1
Часть 2
Опция 25
Часть 1
Часть 2
Опция 26
Часть 1
Часть 2
Опция 27
Часть 1
Часть 2
Опция 28
Часть 1
0003 Часть 2
Вариант 29
Часть 1
Часть 2
Вариант 30
Часть 1
Часть 2
Ответы.

Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу ГИА 2014, Математика, 3 модуля, 30 вариантов типовых тестовых заданий, Ященко И.В., Шестаков С.А., Трепалнн А.С., Семенов А.В., Захаров П.И. — fileskachat.com, быстрая и бесплатная загрузка.

• Домашнее задание по математике, Шульцева О.В., 2013 г., к сборнику «ЕГЭ: 3000 заданий», Семенов А.Л., Ященко И.В., 2013 г.
• ЕГЭ, 4000 заданий с ответами по математике, все задания «Закрытый отрезок», базовый и профильный уровни, Ященко И.В. и др., 2019
• ОГЭ, Математика, Комплект материалов для подготовки студентов, Семенов А.В., Трепалин А.С., Ященко И.В., Захаров П.И., Высоцкий И.Р., 2017
• ЕГЭ 2014, Математика, Типовые тестовые задания, Высоцкий И.Р., Захаров П.И., Панферов В.С., Посицельский С.Е., Семенов А.В., Семенова М.А., Сергеев И.Н. , Смирнов В.А., Шестаков С.А., Шноль Д.Е., Ященко И.В., Семенов А.Л.

Следующие учебные пособия и книги:

• Математика, 3 класс, тетрадь для контрольных работ для учащихся организаций образования, Рудницкая В. Н., Юдачева Т.В., 2014
• Математика, контрольно-проверочная работа, 2 класс, пособие для учителей общеобразовательных учреждения. среде, образование с русским языком. яз. обучение, Канашевич Т.Н., 2014

Работа состоит из двух модулей : «Алгебра и геометрия». Всего 26 задач . Модуль «Алгебра» «Геометрия»

3 часа 55 минут (235 минут).

в виде одной цифры

, квадрат компас Калькуляторы на экзамене не используются .

паспорт ), проход и капилляр или!

Разрешено брать с собой вода (в прозрачной бутылке) и еда

Работа состоит из два модуля : «Алгебра и геометрия». Всего 26 задач . Модуль «Алгебра» содержит семнадцать заданий: в части 1 — четырнадцать заданий; во 2 части — три задания. Модуль «Геометрия» содержит девять заданий: в части 1 — шесть заданий; во 2 части — три задания.

На выполнение экзаменационной работы по математике дается 3 часа 55 минут (235 минут).

Ответы на задания 2, 3, 14 запишите в бланк ответов №1 в виде одной цифры , которая соответствует номеру правильного ответа.

Для остальных заданий части 1 ответом является число или последовательность цифр . Запишите свой ответ в поле ответа в тексте работы, а затем перенесите его в бланк ответов №1. Если в ответе получена обыкновенная дробь, переведите ее в десятичную

.

При выполнении работы можно использовать те, которые содержат основные формулы курса математики, выдаваемые вместе с работой. Разрешено использовать линейку , квадрат , другие шаблоны для построения геометрических фигур ( циркуль ). Запрещается использовать инструменты с напечатанными на них справочными материалами. Калькуляторы на экзамене не используются .

На экзамен необходимо иметь при себе документ, удостоверяющий личность. паспорт ), пропуск и ручка капиллярная или гелевая с черными чернилами ! Разрешено брать с собой воду (в прозрачной бутылке) и продукты питания (фрукты, шоколад, булочки, бутерброды), но могут попросить оставить в коридоре.

Работа состоит из трех модулей: «Алгебра», «Геометрия», «Реальная математика». Всего 26 заданий. Модуль «Алгебра» содержит 11 заданий: в части 1 — восемь заданий; во 2 части — три задания. Модуль «Геометрия» содержит восемь заданий: в части 1 — пять заданий; во 2 части — три задания. Модуль «Настоящая математика» содержит семь заданий: все задания этого модуля находятся в части 1.

На выполнение экзаменационной работы по математике отводится 3 часа 55 минут (235 минут).

Ответы на задания 2, 3, 8, 14 записываются одной цифрой, что соответствует номеру правильного ответа. Запишите это число в поле ответа в тексте работы.

Для остальных заданий части 1 ответом является число или последовательность цифр, которые необходимо вписать в поле ответа в тексте работы. Если ответ представляет собой обыкновенную дробь, преобразуйте ее в десятичную. Если вы записали неправильный ответ на задания части 1, зачеркните его и запишите рядом новый.

В процессе работы вы можете пользоваться справочными материалами.

Баллы, полученные за правильно выполненные задания, суммируются. Для успешного прохождения итоговой аттестации необходимо в сумме набрать не менее 8 баллов, из них не менее 3 баллов по модулю «Алгебра», не менее 2 баллов по модулю «Геометрия» и не менее 2 баллов по модулю «Реальная математика». За каждое правильно выполненное задание части 1 дается 1 балл. В каждом модуле части 2 задания оцениваются в 2 балла.

• шкала пересчета первичного балла за выполнение экзаменационной работы 2020 года в оценку по пятибалльной шкале;
• шкала пересчета первичного балла за выполнение экзаменационной работы 2019 года в оценку по пятибалльной шкале;
• шкала пересчета первичного балла за выполнение экзаменационной работы в 2018 году в балл по пятибалльной шкале;
• шкала пересчета первичного балла за выполнение экзаменационной работы в 2017 году в балл по пятибалльной шкале;
• шкала пересчета первичного балла за выполнение экзаменационной работы в 2016 году в балл по пятибалльной шкале;
• шкала пересчета первичного балла за выполнение экзаменационной работы в 2015 году в балл по пятибалльной шкале;
• шкала пересчета первичного балла за выполнение экзаменационной работы в 2014 году в балл по пятибалльной шкале;
• шкала пересчета первичного балла за выполнение экзаменационной работы в 2013 году в балл по пятибалльной шкале.

Изменения в демонстрационных вариантах ОГЭ по физике

Демонстрационные варианты ОГЭ по физике 2009 — 2014 состояли из 3-х частей: задания с выбором ответа, задания с кратким ответом, задания с развернутым ответом.

В 2013 году в демо версия ОГЭ по физике следующие изменения :

• Было добавлено задание 8 с выбором ответа — по тепловым явлениям,
• Было
с добавленным заданием 2 короткий ответ – осмысление и анализ экспериментальных данных, представленных в виде таблицы, графика или рисунка (схемы),
• Было количество заданий с развернутым ответом увеличено до пяти : добавлено задание 19 части 1 к четырем заданиям с развернутым ответом части 3 — на использование информации из текста физического содержания.

В 2014 году демоверсия ОГЭ по физике 2014 года по отношению к предыдущему году по структуре и содержанию не изменились , однако были изменены критерии оценка заданий с развернутым ответом.

В 2015 году была изменена структура варианта :

• Вариант стал состоящим из двух частей .
• Нумерация заданий стала с по по всему варианту без букв А, Б, В.
• Изменена форма записи ответа в заданиях с выбором ответа: ответ стал необходимо писать цифра с номером правильного ответа (не обведена).

В 2016 году в демо версии ОГЭ по физике произошло существенных изменений :

• Всего заданий уменьшено до 26 .
• Количество пунктов кратких ответов увеличено до 8
• Максимальный балл за всю работу не изменился (по-прежнему — 40 баллов ).

АТ демо версии ОГЭ 2017 — 2019в физике по сравнению с демкой 2016 года изменений не произошло.

В демо версия ОГЭ 2020 по физике по сравнению с 2019 демо изменена структура экзаменационной работы:

Общее количество заданий в экзаменационной работе уменьшено с 926002 до 5.

Количество открытые задания Было увеличено с 5 до 6.

Изменены требования для выполнения экспериментальных заданий : стала обязательной запись прямых измерений с учетом абсолютной погрешности.

Введены новых критериев оценки экспериментальных заданий . Максимальный балл за выполнение этих заданий был 3.

Электрохимия | Бесплатный полнотекстовый | Emerging Trends of Electrochemical Sensors in Food Analysis

Качество и безопасность пищевых продуктов представляют растущую угрозу для здоровья человека во всем мире. Поэтому разработка аналитических методов и методик для обеспечения качества и безопасности пищевых продуктов имеет большое значение. Для этой цели электрохимические датчики становятся подходящими аналитическими инструментами, поскольку они представляют собой недорогой и чувствительный вариант на основе портативных устройств, способных быстро обнаруживать ряд аналитов с высокой чувствительностью и специфичностью. У них есть потенциал для преодоления ограничений и недостатков традиционных методов. Кроме того, эти датчики обладают особыми возможностями распознавания для широкого спектра молекул с высокой стабильностью в экстремальных экспериментальных условиях. В данной статье рассматривается прогресс использования электрохимических сенсоров в пищевой промышленности, а именно в области оценки качества и безопасности. Будущие перспективы и проблемы также обсуждаются.

Качество и безопасность пищевых продуктов являются основными объектами исследований в области производства продуктов питания. Таким образом, большой интерес представляют надежные способы обнаружения, идентификации, количественной оценки, характеристики и мониторинга проблем качества и безопасности пищевых продуктов. Многие аналитические методы, включая методы хроматографии, такие как газовая хроматография (ГХ), высокоэффективная жидкостная хроматография (ВЭЖХ), газовая хроматография-масс-спектрометрия (ГХ-МС) и жидкостная хроматография-масс-спектрометрия (ЖХ-МС), или иммунологическое определение, такие как как твердофазный иммуноферментный анализ (ELISA) и иммуноанализ с латеральным потоком, использовались для контроля качества и безопасности пищевых продуктов. Хотя эти традиционные методы относительно чувствительны и специфичны, они являются дорогостоящими, трудоемкими и трудоемкими и требуют хорошо обученных технических специалистов, что делает их несовместимыми с развивающимися странами и регионами, в которых отсутствуют оборудованные помещения и специалисты. В этом смысле пищевая промышленность нуждается в практичных, быстрых, недорогих, точных, чувствительных и онлайн-технологиях для мониторинга/оценки качества и безопасности пищевых продуктов [1].

Электрохимические сенсоры применялись во многих академических и промышленных целях, а именно в пищевой промышленности, фармацевтике и охране окружающей среды, что свидетельствует об их растущей коммерциализации и важности в качестве аналитических устройств не только из-за их долговременной надежности, высокой чувствительности и точности, но и из-за их низкая стоимость, скорость и простота сокращения [2].

В течение последних нескольких десятилетий несколько наноматериалов с исключительными характеристиками, таких как металлы, проводящие полимеры, оксиды металлов, металлоорганические и углеродные наноматериалы, были включены в электрохимические анализы для улучшения аналитических характеристик. Эта модификация позволяет увеличить нагрузочную способность с помощью распознающих молекул, таких как ферменты, антитела и аптамеры, а также биоинспирированных рецепторов, которые могут специфически и эффективно захватывать мишени, тем самым повышая специфичность электрохимических сенсоров. Это тесно связано с целью обеспечения сильной электрокаталитической активности для определенных электрохимических процессов. Кроме того, изменяя форму и структуру поверхности, можно увеличить как электропроводность, так и площадь поверхности, что должно повысить чувствительность этих тестов. В последнее время электрохимические датчики приобрели популярность благодаря новым приложениям, таким как обнаружение отдельных молекул, анализ in vivo, носимые устройства и диагностика в местах оказания медицинской помощи [3].

Датчики этого типа можно разделить на несколько категорий, включая амперометрические, потенциометрические, вольтамперометрические, импедиметрические, фотоэлектрохимические и электрогенерируемую хемилюминесценцию [2].

Обработка многомерных выходных данных, генерируемых массивами, представляет собой еще одну важную часть концепции электрохимических устройств. Используемые статистические методы основаны на коммерческом или специально разработанном программном обеспечении, использующем процедуры распознавания образов, такие как анализ основных компонентов (PCA), кластерный анализ (CA), частичный метод наименьших квадратов (PLS), линейный дискриминантный анализ (LDA) и искусственная нейронная сеть (ANN). ) [4].

Хорошим примером электрохимического сенсорного устройства, широко применяемого для анализа пищевых продуктов, является электронный язык (E-tongue). Его принцип работы был вдохновлен распознаванием вкусовых ощущений человеческим языком. В человеческом языке восприятие основных вкусов генерируется 10 000 вкусовых луковиц (каждая с 50–100 вкусовыми клетками), расположенных на языке, посредством чего информация затем обрабатывается человеческим мозгом. Точно так же электронные языки также устанавливают общий химический отпечаток конкретной жидкой матрицы с помощью набора неспецифических датчиков. Затем сгенерированные электрохимические профили обрабатываются с использованием хемометрических инструментов и искусственного интеллекта для достижения той же цели, то есть для качественной или количественной оценки физико-химического или органолептического профиля анализируемого образца, чтобы иметь возможность классифицировать образцы в соответствии (или нет) к заранее заданному атрибуту или качеству [5,6].

Что касается применения, электрохимические сенсорные устройства появились в качестве аналитических инструментов в пищевой промышленности. Производители продуктов питания и напитков уделяют огромное внимание контролю качества, органолептической оценке и оценке свежести своей продукции. Эти основные требования стимулировали разработку новых аналитических методов, направленных на минимизацию или дополнение обычных традиционных аналитических методов, которые в большинстве случаев являются дорогостоящими, требуют квалифицированных технических специалистов и требуют длительного времени анализа.

Недавно Nehra et al. [7] опубликовали обзор по выявлению аллергенов молока с помощью электрохимических биосенсоров. В этом обзорном документе основное внимание уделяется достижениям в исследованиях биосенсоров, в частности иммуносенсоров и аптасенсоров, для обнаружения аллергенов молока.

Более того, Tian et al. [8] представили обзор различных и широко используемых подходов к биосенсорному обнаружению токсинов моллюсков, подчеркнув важность электрохимических биосенсоров и импедиметрических.

Кроме того, антибиотики представляют собой группу фармацевтических препаратов, широко используемых в медицине и ветеринарии для лечения многих различных инфекционных заболеваний. Большое количество антибиотиков используется для животных, остатки которых образуются в пищевых продуктах, таких как мясо, курица, яйца, молоко, мед и рыба. Остатки этих препаратов могут вызывать ряд токсических эффектов у человека. Чтобы свести к минимуму неблагоприятное воздействие антибиотиков, Европейский Союз запретил некоторые конкретные противомикробные препараты, а для тех, которые не запрещены, были установлены максимально допустимые уровни остаточного содержания (MRL), чтобы обеспечить безопасность потребителей от попадания остатков антибиотиков в пищу животного происхождения. В этом смысле в литературе сообщалось о биосенсорных подходах к обнаружению антибиотиков.

Майдинасаб и др. [9] представили и подчеркнули достижения в разработке биосенсоров в вышеупомянутой области применения, свидетельствующие о различных типах задействованных наноматериалов и элементов биораспознавания.

Недавно Sun et al. [10] пересмотрели существующие технологии обнаружения антибиотиков, включая хроматографию, масс-спектрометрию, капиллярный электрофорез, оптическое обнаружение и электрохимию, указав их преимущества и недостатки.

Арриета и др. [11] сообщили об успешном применении электронных языков для идентификации образцов кофе, фальсифицированных жареной кукурузой и жареной соей. Кроме того, Ван и Сунь применили E-tongue к инструменту раннего обнаружения для оценки порчи яблочного сока из-за присутствия Zygosaccharomyces rouxii [12].

Фактически, E-tongues применялись для анализа оливкового масла, а именно для оценки географического происхождения масла, определения сорта оливок, установления химических и органолептических профилей, характеристики оливкового масла с различной степенью горечи, контроля качества и стабильности к окислению. оливковых масел во время хранения, а также оценка срока их годности, выявление фальсификаций с другими растительными маслами или оливковыми маслами с низким химическим или органолептическим качеством и оценка оливковых масел, полученных из оливок, произведенных столетними деревьями [13,14]. ,15,16,17,18,19,20,21,22,23]. Недавно Маркс и соавторы [24] предложили краткий обзор применения электрохимических сенсорных инструментов для оценки биоактивных соединений в оливковом масле, демонстрируя универсальность и потенциал этого типа устройств. Кроме того, было показано, что это электрохимическое устройство является практичным и мощным инструментом классификации вкуса для оценки товарного сорта столовых оливок с учетом как положительных, так и отрицательных органолептических свойств, с удовлетворительными и аналогичными количественными характеристиками, как у обученной сенсорной панели [25, 26,27]. Более того, эти инструменты были способны удовлетворительно отслеживать изменения, происходящие во время удаления горечи из традиционных зеленых столовых оливок с косточкой [28].

Ардуини и др. [29] оценили способность биосенсоров обнаруживать пестициды в образцах оливкового масла. Авторы продемонстрировали, что чувствительный биосенсор с трафаретным электродом на основе бутирилхолинэстеразы/черного углерода показал оптимальную воспроизводимость, а также хорошие аналитические характеристики с низким пределом обнаружения (6 частей на миллиард) фосфорорганического пестицида в экстракте оливкового масла. Полученные результаты позволяют предположить, что предложенный биосенсор можно рассматривать как адекватный аналитический прибор для анализа контаминантов в оливковом масле.

Пищевая упаковка является важным фактором сохранения и поддержания качества пищевых продуктов. Использование интеллектуальной упаковки представляет собой инновационный способ предоставления более точной информации не только поставщикам, но и, что наиболее важно, потребителям. Интеллектуальная упаковка с биосенсорами, представляющая собой особое применение сенсоров, также заслуживает особого внимания. Существует значительная разница между химическими сенсорами и биосенсорами в слое распознавания. Химические сенсоры состоят из слоя, предназначенного для распознавания химического соединения. Напротив, биосенсоры состоят из рецепторов биологических материалов, то есть антигенов, ферментов, нуклеиновых кислот или гормонов [30,31]. Биосенсоры работают по принципу мониторинга и обнаружения биологических реакций в контролируемых продуктах. Кроме того, такой биосенсор становится неотъемлемой частью упаковки или располагается непосредственно внутри нее [32]. Биологические датчики для интеллектуальной упаковки пищевых продуктов применяются для предоставления информации о степени свежести продукта и в основном используются для скоропортящихся продуктов, таких как молоко, мясо, рыба и морепродукты.

Например, Magnaghi et al. [33] заметили, что миниатюрный [защищенный электронной почтой] датчик, изготовленный из бромкрезолового пурпурного (BCP) и ковалентно связанный с сополимером этилена и винилового спирта (EVOH), соответствует цели контроля свежести молока во время хранения в холодильнике, позволяя как невооруженным глазом оценка и моделирование порчи с помощью хемометрии.

Однако, несмотря на инновации и разработку новых интеллектуальных и интеллектуальных упаковочных материалов на биологической основе, все еще существуют некоторые ограничения, и, согласно литературным данным и исследованиям рынка, в настоящее время в продаже нет подходящих решений [34].

Внедрение новых методов анализа пищевых продуктов является одним из наиболее важных вопросов контроля качества и безопасности пищевых продуктов. Электрохимические сенсорные устройства можно рассматривать как новые и многообещающие аналитические устройства, которые, в зависимости от применяемой электрохимической технологии, могут быть очень полезными в качестве инструментов контроля качества и мониторинга для применения в пищевой промышленности среди других областей, будучи быстрыми, чистыми, экологичными и экономически эффективными аналитическими. устройства. Однако массовое применение электрохимических сенсоров в пищевой промышленности все еще представляется сложной задачей. В этом смысле будущие исследования могут быть сосредоточены на создании миниатюрных и портативных массивов, которые объединяют в одном устройстве датчики для анализа газа, жидкости и цвета, а также ферментативные биосенсоры, способные выборочно, точно и быстро контролировать/определять качество и безопасность. пищевых продуктов на промышленном уровне.

Заявление Институционального контрольного совета

Неприменимо.

Заявление об информированном согласии

Неприменимо.

Заявление о доступности данных

Неприменимо.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов.

Ссылки

1. Овейсси, Ф.; Нгуен, Л.Х.; Джаретта, Дж. Э.; Шахрбабаки, З.; Рат, Р.Дж.; Апалангиа, В.А.; Юн, Дж.; Дехгани, Ф .; Нафиси, С. Датчики качества и безопасности пищевых продуктов. В инновациях пищевой инженерии по всей цепочке поставок продуктов питания; Elsevier: Амстердам, Нидерланды, 2022 г.; стр. 389–410. [Google Scholar] [CrossRef]
2. Баранвал, Дж.; Барс, Б.; Гатто, Г.; Бронкова, Г.; Кумар, А. Электрохимические датчики и их применение: обзор. Chemosensors 2022 , 10, 363. [Google Scholar] [CrossRef]
3. Zhou, Y.; Кубота, Л.Т. Тенденции электрохимического зондирования. ХимЭлектроХим 2020 , 7, 3684–3685. [Google Scholar] [CrossRef]
4. Stella Cosio, M.; Бенедетти, С .; Буратти, С.; Скампиккио, М .; Маннино, С. Применение электронного носа в анализе оливкового масла. В оливках и оливковом масле в области здравоохранения и профилактики заболеваний; Academic Press: Кембридж, Массачусетс, США, 2010; стр. 553–559.. [Google Scholar] [CrossRef]
5. Власов Ю.В.; Легин, А .; Рудницкая, А.; ди Натале, К.; Д’Амико, А. Массивы неспецифических датчиков («Электронный язык») для химического анализа жидкостей (Технический отчет IUPAC). Чистое приложение хим. 2005 , 77, 1965–1983. [Google Scholar] [CrossRef]
6. Ciosek, P.; Wróblewski, W. Сенсорные массивы для определения жидкости — системы электронного языка. Аналитик 2007 , 132, 963–978. [Google Scholar] [CrossRef] [PubMed]
7. Nehra, M.; Леттьери, М .; Дилбаги, Н .; Кумар, С .; Marrazza, G. Нано-биосенсорные платформы для обнаружения аллергенов коровьего молока: обзор. Датчики 2019 , 20, 32. [Google Scholar] [CrossRef] [PubMed]
8. Тиан Ю.; Ду, Л.; Чжу, П.; Чен, Ю .; Чен, В .; Ву, К .; Ван, П. Недавний прогресс в области микро/нано биосенсоров для обнаружения токсинов моллюсков. Биосенс. Биоэлектрон. 2021 , 176, 112899. [Google Scholar] [CrossRef]
9. Майдинасаб, М.; Мишра, Р.К.; Тан, X .; Марти, Дж. Л. Обнаружение антибиотиков в пищевых продуктах: новые достижения в разработке биосенсоров. Анализ тенденций TrAC. хим. 2020 , 127, 115883. [Google Scholar] [CrossRef]
10. Сун, Ю.; Чжао, Дж.; Лян, Л. Недавнее развитие обнаружения антибиотиков в продуктах питания и окружающей среде: комбинация датчиков и наноматериалов. Микрохим. Acta 2021 , 188, 21. [Google Scholar] [CrossRef]
11. Арриета, А.А.; Арриета, PL; Мендоса, Дж. М. Анализ кофе, фальсифицированного жареной кукурузой и жареной соей, с использованием вольтамперометрического электронного языка. Acta Sci. пол. Технол. Алимент. 2019 , 18, 35–41. [Google Scholar]
12. Ван Х.; Сан, Х. Возможное использование электронного языка в сочетании с хемометрическим анализом для раннего обнаружения порчи Zygosaccharomyces Rouxii в яблочном соке. Пищевая хим. 2019 , 290, 152–158. [Google Scholar] [CrossRef]
13. Прата, Р.; Перейра, Дж. А.; Родригес, Н.; Диас, Л.Г.; Велозо, ACA; Касаль, С.; Перес, А.М. Тенденции общего содержания фенолов в оливковом масле и сенсорных ощущений во время процессов нагрева в духовке и микроволновой печи и их различение с использованием электронного языка. J. Качество продуктов питания. 2018 , 2018, 7826428. [Google Scholar] [CrossRef]
14. Veloso, ACA; Сильва, Л.М.; Родригес, Н.; Ребелло, LPG; Диас, Л.Г.; Перейра, Дж. А.; Перес, А.М. Восприятие сенсорных дефектов оливкового масла с помощью потенциометрического вкусового устройства. Таланта 2018 , 176, 610–618. [Google Scholar] [CrossRef] [PubMed]
15. Harzalli, U.; Родригес, Н.; Велозо, ACA; Диас, Л.Г.; Перейра, Дж. А.; Уэслати, С.; Перес, А.М. Устройство датчика вкуса для выявления примеси прогорклого или винно-уксусного оливкового масла к оливковому маслу первого отжима. вычисл. Электрон. Агр. 2018 , 144, 222–231. [Google Scholar] [CrossRef]
16. Slim, S.; Родригес, Н.; Диас, Л.Г.; Велозо, ACA; Перейра, Дж. А.; Уэслати, С.; Перес, А.М. Применение электронного языка для классификации тунисских оливковых масел по сортам оливок или физико-химическим параметрам. Евро. Еда Рез. Технол. 2017 , 243, 1459–1470. [Google Scholar] [CrossRef]
17. Родригес, Н.; Маркс, МГ; Касаль, С.; Диас, Л.Г.; Велозо, ACA; Перейра, Дж. А.; Перес, А.М. Применение электронного языка в качестве однократного инструмента для одновременной физико-химической и органолептической оценки оливкового масла. Таланта 2019 , 197, 363–373. [Google Scholar] [CrossRef]
18. Маркс, О.М.Г.; Родригес, Н.; Велозо, ACA; Касаль, С.; Перейра, Дж. А.; Перес, А.М. Летучие обонятельные профили Cv. Оливковые масла Arbequina, экстрагированные без/с добавлением оливковых листьев, и их различение с помощью электронного носа. Дж. Хим. 2021 , 2021, 5058522. [Google Scholar] [CrossRef]
19. Маркс, О.М.Г.; Родригес, Н.; Велозо, ACA; Касаль, С.; Перейра, Дж. А.; Перес, А.М. Влияние температуры малаксации на физико-химические и органолептические свойства Cv. Оливковое масло Cobrançosa и его оценка с помощью электронного языка. LWT 2021 , 137, 110426. [Google Scholar] [CrossRef]
20. Маркс, О.М.Г.; Касаль, С.; Родригес, Н.; Велозо, ACA; Перейра, Дж. А.; Перес, А.М. Оценка количества производных гидрокситирозола-тирозола в Cv. Оливковые масла Cobrançosa на основе анализа экстрактов оливковой пасты с помощью электронного языка. ЛВТ 2021 , 147, 111542. [Google Scholar] [CrossRef]
21. Маркс, О.М.Г.; Касаль, С.; Родригес, Н.; Круз, Р.; Велозо, ACA; Перейра, Дж. А.; Перес, А.М. Влияние включения оливковых листьев во время промышленной экстракции Cv. Arbequina Oils на соответствие физико-химическим сенсорным качествам и требованиям здоровья. Евро. Еда Рез. Технол. 2022 , 248, 171–183. [Google Scholar] [CrossRef]
22. Маркс, О.М.Г.; Касаль, С.; Родригес, Н.; Круз, Р.; Велозо, ACA; Перейра, Дж. А.; Перес, А.М. Влияет ли добавление воды на этапе промышленного помола на химико-сенсорное качество оливкового масла? Дело Cv. Арбекиновые масла. Пищевая хим. 2022 , 395, 133570. [Google Scholar] [CrossRef]
23. Маркс, О.М.Г.; Баптиста, П.; Касаль, С.; Родригес, Н.; Круз, Р.; Велозо, ACA; Перейра, Дж. А.; Перес, А.М. Прививка Cv. Оливки Arbequina с грибами, выделенными из листьев, и их влияние на стабильность экстрагированных масел и состав, связанный со здоровьем. Евро. Еда Рез. Технол. 2022 , 248, 2799–2808. [Google Scholar] [CrossRef]
24. Маркс, О.М.Г.; Велозо, ACA; Диас, Л.Г.; Касаль, С.; Перейра, Дж. А.; Перес, А.М. Электрохимические сенсорные устройства для оценки биологически активных соединений в оливковом масле: краткий обзор. Электроника 2018 , 7, 387. [Google Scholar] [CrossRef]
25. Маркс, И.; Родригес, Н.; Диас, Л.Г.; Велозо, ACA; Перейра, Дж. А.; Дранклер, Д.А.; Перес, А.М. Органолептическая классификация столовых оливок с использованием электронного языка: анализ водных паст и рассолов. Таланта 2017 , 162, 98–106. [Google Scholar] [CrossRef] [PubMed]
26. Маркс, О.М.Г.; Родригес, Н.; Диас, Л.Г.; Велозо, ACA; Перейра, Дж. А.; Дранклер, Д.А.; Перес, А.М. Количественное определение кислого, горького и соленого вкуса столовых оливок с использованием потенциометрических электронных отпечатков языка. ЛВТ 2017 , 79, 394–401. [Google Scholar] [CrossRef]
27. «> Маркс, О.М.Г.; Родригес, Н.; Диас, Л.Г.; Велозо, ACA; Перейра, Дж. А.; Дранклер, Д.А.; Перес, А.М. Оценка выраженности органолептических дефектов столовых оливок на основе потенциометрического отпечатка пальцев, зарегистрированного электронным языком. Пищевые биопрок. Тех. 2017 , 10, 1310–1323. [Google Scholar] [CrossRef]
28. Родригес, Н.; Маркс, МГ; Диас, Л.Г.; Велозо, ACA; Перейра, Дж. А.; Перес, А.М. Мониторинг удаления горечи с традиционных зеленых столовых оливок с косточками во время процесса промывки в водной среде с использованием электронного языка. ЛВТ 2019 , 109, 327–335. [Google Scholar] [CrossRef]
29. Ардуини Ф.; Форкиелли, М .; Сконьямильо, В.; Николаевна, К.; Москоне, Д. Обнаружение фосфорорганических пестицидов в оливковом масле с помощью миниатюрного, простого в использовании и экономичного биосенсора в сочетании с QuEChERS для очистки образцов. Датчики 2016 , 17, 34. [Google Scholar] [CrossRef]
30. «> Wang, X.; Вольфбейс, О.С. Волоконно-оптические химические сенсоры и биосенсоры (2015–2019 гг.). Анальный. хим. 2020 , 92, 397–430. [Google Scholar] [CrossRef] [PubMed]
31. Мирза Ализаде А.; Масумян, М .; Шакуи, М .; Забихзаде Хаджави, М.; Фархуди, М. Тенденции и применение интеллектуальной упаковки в молочных продуктах: обзор. крит. Преподобный Food Sci. Нутр. 2021 , 62, 383–397. [Google Scholar] [CrossRef]
32. Осмольска, Э.; Стома, М.; Старек-Вуйчицка, А. Применение биосенсоров, сенсоров и меток в интеллектуальной упаковке, используемой для пищевых продуктов – обзор. Датчики 2022 , 22, 9956. [Google Scholar] [CrossRef]
33. Magnaghi, LR; Занони, К.; Альберти, Г.; Кадрелли, П.; Бьесуз, Р. На пути к интеллектуальной упаковке: [email protected] Optode для измерения свежести молока. Таланта 2022 , 241, 123230. [Google Scholar] [CrossRef] [PubMed]
34. Ведове, T.