تشخیص تقلب زعفران با رویکردهای غیرمخرب: طیف‌سنجی مادون قرمز تبدیل فوریه و طیف‌سنجی مادون قرمز نزدیک مرئی، ترکیب داده‌ها و شیمی‌سنجی

بازار زعفران بارها با اقدامات متقلبانه‌ای مانند مخلوط کردن با مواد ارزان‌تر یا افزودن رنگ‌های مصنوعی مواجه شده است. برای رسیدگی به این مشکل، از تکنیک‌های کروماتوگرافی مانند کروماتوگرافی مایع یا گازی با کارایی بالا با طیف‌سنجی جرمی برای تشخیص حساس و انتخابی تقلب‌ها استفاده شده است. روش‌های مکمل، مانند کروماتوگرافی لایه نازک (TLC) همراه با طیف‌سنجی فرابنفش-مرئی نیز استفاده شده‌اند. با این حال، این تکنیک‌ها دارای معایب قابل توجهی هستند، از جمله نیاز به آماده‌سازی نمونه، تخریب نمونه و در برخی موارد، استفاده از معرف‌های شیمیایی.

این مقاله یک رویکرد مقایسه‌ای جامع با استفاده از روش‌های مختلف طیف‌سنجی سریع و غیرمخرب، از جمله تبدیل فوریه مادون قرمز با بازتاب کل تضعیف‌شده (FTIR-ATR) و مرئی و مادون قرمز نزدیک (NIR)، همراه با الگوریتم‌های شیمی‌سنجی مناسب ارائه می‌دهد. آنها به دلیل ماهیت سریع و غیرمخرب، عدم نیاز به آماده‌سازی نمونه و پتانسیل کوچک‌سازی، بسیار ارزشمند بوده‌اند. علاوه بر این، ترکیب آنها در آنچه که مدل‌های نوع ادغام نامیده می‌شود، همچنین به عنوان یک روش امیدوارکننده برای افزایش دقت تشخیص در سطوح تقلب از ۹۰٪ تا ۱۰۰٪، با خطای پیش‌بینی/آزمون (RSEP) فوق‌العاده پایین ۰.۵۶٪ و مقدار R2 برابر با ۰.۹۸ نشان داده شده است.

The saffron market has been repeatedly troubled by fraudulent practices, such as mixing with cheaper substances or adding artificial dyes. To address this issue, chromatographic techniques such as High-Performance liquid or gas chromatography with mass spectrometry have been used to sensitively and selectively detect adulterants. Complementary methods, such as thin-layer chromatography (TLC) coupled with ultraviolet-visible spectroscopy, have also been used. However, these techniques have significant drawbacks, including the need for sample preparation, sample destruction, and, in some cases, the use of chemical reagents.
This manuscript presents a comprehensive comparative approach using various fast, non-destructive spectroscopic methods, including Fourier Transform Infrared with attenuated total reflectance (FTIR-ATR) and visible and near-infrared (NIR), together with appropriate chemometric algorithms. They have proven invaluable due to their rapid, non-destructive nature, lack of sample preparation, and potential for miniaturisation. Besides, their combination in what is called fusion-type models is also shown to be a promising methodology for enhancing detection accuracy across adulteration levels of 90% to 100%, with an outstandingly low prediction/test error (RSEP) of 0.56% and an R2 value of 0.98.