تحلیل تصویری الگوهای TLC برای کنترل کیفیت زعفران بر اساس اثر شوری خاک: یک راهبرد برای (پیش)پردازش داده‌ها

کیفیت زعفران، یک افزودنی غذایی باارزش، می‌تواند به طور قابل توجهی بر سلامت مصرف کنندگان تأثیر بگذارد. در این کار، یک راهبرد پیش‌پردازش جدید برای تحلیل تصویر الگوهای کروماتوگرافی لایه نازک (TLC) زعفران معرفی شد. این شامل انجام یک سری تکنیک‌های پیش‌پردازش تصویر بر روی تصاویر TLC مانند فشرده‌سازی، معکوس کردن، حذف خط پایه عمومی (با استفاده از حداقل مربعات نامتقارن (AsLS))، حذف جابجایی و تقعر لکه‌ها (توسط همترازی بهینه همبستگی (COW)) و در نهایت تبدیل به کروماتوگرام‌های RGB می‌شود. متعاقباً، یک تحلیل داده چندمتغیره بدون نظارت شامل تحلیل مؤلفه‌های اصلی (PCA) و خوشه‌بندی k-means برای بررسی اثر شوری خاک، به عنوان یک پارامتر کشت، بر الگوهای TLC زعفران استفاده شد. این روش به عنوان یک تکنیک سریع و ساده برای به دست آوردن اثرانگشت شیمیایی تصاویر TLC زعفران استفاده شد. در نهایت، لکه‌های جدا شده TLC با استفاده از کروماتوگرافی مایع با کارایی بالا-آرایه دیود (HPLC-DAD) به صورت شیمیایی شناسایی شدند. بر این اساس، کیفیت زعفران از مناطق مختلف ایران ارزیابی و طبقه‌بندی شد

Quality of saffron, a valuable food additive, could considerably affect the consumers’ health. In this work, a novel preprocessing strategy for image analysis of saffron thin layer chromatographic (TLC) patterns was introduced. This includes performing a series of image pre-processing techniques on TLC images such as compression, inversion, elimination of general baseline (using asymmetric least squares (AsLS)), removing spots shift and concavity (by correlation optimization warping (COW)), and finally conversion to RGB chromatograms. Subsequently, an unsupervised multivariate data analysis including principal component analysis (PCA) and k-means clustering was utilized to investigate the soil salinity effect, as a cultivation parameter, on saffron TLC patterns. This method was used as a rapid and simple technique to obtain the chemical fingerprints of saffron TLC images. Finally, the separated TLC spots were chemically identified using high-performance liquid chromatography-diode array detection (HPLC-DAD). Accordingly, the saffron quality from different areas of Iran was evaluated and classified.