کنترل کیفیت زعفران و ارزیابی تقلب بالقوه با استفاده از کروماتوگرافی لایه نازک-آنالیز تصویر و روش‌های شیمی‌سنجی

کلاله‌های زعفران (Crocus sativus) به عنوان یک کالای طعم‌دهنده، قیمت بسیار بالایی در بازارهای غذایی بین‌المللی دارند و در نتیجه، کاندیدایی برای انواع مختلف تقلب هستند. این مقاله به گزارش استفاده از کروماتوگرافی لایه نازک ترکیب شده با آنالیز تصویر (TLC-IA) و تکنیک‌های شیمی‌سنجی برای اعتبارسنجی اصالت زعفران و شناسایی سریع نوع تقلبات می‌پردازد. این روش شامل چندین مرحله پیش‌پردازش، مانند تصحیح خط پایه عمومی (با استفاده از الگوریتم حداقل مربعات نامتقارن (AsLS))، تبدیل تصاویر به کانال‌های کروماتوگرافی RGB و حذف جابجایی‌ها و تقعر لکه‌ها (با استفاده از الگوریتم پیچش بهینه همبستگی (COW)) قبل از آنالیز تصویر الگوهای کروماتوگرافی لایه نازک زعفران است. پس از به کارگیری دنباله پیش‌پردازش، روش‌های مختلف تحلیل داده چندمتغیره بدون نظارت (مانند تحلیل مؤلفه‌های اصلی (PCA) و k-means) و روش‌های شیمی‌سنجی با نظارت (مانند تحلیل تشخیصی حداقل مربعات جزئی (PLS-DA)، انتخاب متغیر (وزن بارگیری و اهمیت متغیر در طرح (VIP)) و تحلیل تشخیصی خطی (LDA)) برای اعتبارسنجی اصالت زعفران و طبقه‌بندی انواع تقلبات به کار گرفته شدند. در نتیجه، کنترل کیفیت زعفران با منشأ ایرانی در بازار بین‌المللی ممکن شد.

Saffron (Crocus sativus) stigmas as a flavoring commodity command a very high price in international food markets and, as a result, are a candidate for various kinds of fraud. This paper reports on the use of thin layer chromatography combined with image analysis (TLC-IA) and chemometrics techniques for validating the authenticity of saffron and rapidly identifying the type of adulterants. This method includes several pre-processing steps, such as correcting the general baseline (using the asymmetric least squares (AsLS) algorithm), converting the images to RCB chromatographic channels, and removing the shifts and concavity of spots (using a correlation optimization warping (COW) algorithm) prior to image analysis of saffron thin layer chromatography patterns. After employing the preprocessing sequence, different unsupervised multivariate data analysis (i.e. principal component analysis (PCA) and k-means) and supervised chemometric methods (i.e. partial least squares discrimination analysis (PLS-DA), variable selection (loading weight and variable importance in projection (VIP)) and linear discriminant analysis (LDA)) were applied to validate the authenticity of saffron and to classify the types of adulterants. As a result, quality control of Iranian sourced saffron in the international food market became possible.