تشخیص سریع و کم هزینه تقلب زعفران (Crocus sativus L.) با استفاده از ویدئوهای تلفن هوشمند و استراتژی همجوشی داده های طیفی

زعفران (Crocus sativus L.) گران‌ترین ادویه در جهان است و به شدت مستعد تقلب با انگیزه اقتصادی است. تصویربرداری فراطیفی (HSI) و طیف‌سنجی مادون قرمز نزدیک (NIR) تکنیک‌های رایج اخیر برای تشخیص سریع و غیر مخرب تقلب زعفران هستند. با این حال، هزینه بالا و پیچیدگی اندازه گیری این تکنیک ها، آنها را برای کاربردهای سطح مصرف کننده مناسب تر می کند. در این کار، از یک سیستم مبتنی بر ویدیوی تلفن هوشمند همراه با شیمی سنجی برای تشخیص تقلب زعفران استفاده شده است. یک گوشی هوشمند برای ضبط ویدیوهای کوتاه از نمونه‌های پودر زعفران خالص و تقلبی که توسط صفحه نمایشگر تغییر رنگ آن روشن می‌شود، استفاده می‌شود. فریم های ویدئویی به تصاویر رنگی RGB تجزیه می شوند و به داده های طیفی تبدیل می شوند. برای مدل سازی رابطه بین داده ها و خلوص زعفران از رگرسیون حداقل مربعات جزئی استفاده شده است.

سیستم مبتنی بر ویدیوی تلفن هوشمند، ضریب تعیین 0.9774 را برای پیش بینی به دست می آورد که با تکنیک های مرجع مانند طیف سنجی NIR و HSI قابل مقایسه است. همچنین در ارائه نقشه های توزیع مربوط به خلوص زعفران کارآمد است. علاوه بر این، هنگامی که در ارتباط با سیستم مبتنی بر ویدیوی تلفن هوشمند استفاده می شود، طیف سنجی HSI و NIR بدون افزایش قابل توجه هزینه اندازه گیری و پیچیدگی، عملکرد بالاتری را به دست می آورند. چنین نتایجی نشان می‌دهد که سیستم مبتنی بر ویدیوی گوشی‌های هوشمند این پتانسیل را دارد که یک غربالگری اولیه و ابزار کمکی برای تشخیص تقلب زعفران باشد.

Saffron (Crocus sativus L.) is the most expensive spice in the world and is highly susceptible to economically motivated adulteration. Hyperspectral imaging (HSI) and near-infrared (NIR) spectroscopy are recently popular techniques for rapid, non-destructive detection of saffron adulteration. However, the high cost and measurement complexity of these techniques make them less suitable for consumer-level applications. In this work, a smartphone video-based system combined with chemometrics is used to detect saffron adulteration. A smartphone is utilised to capture short videos of pure and adulterated saffron powder samples illuminated by its colour-changing screen. The video frames are decomposed into RGB colour images and converted into spectral-like data. Partial least squares regression is used to model the relationship between data and saffron purity.

The smartphone video-based system obtains a coefficient of determination of 0.9774 for prediction, which is comparable to reference techniques such as NIR spectroscopy and HSI. Moreover, it is efficient in presenting distribution maps related to saffron purity. In addition, when used in conjunction with the smartphone video-based system, HSI and NIR spectroscopy achieve higher performance without significantly increasing measurement cost and complexity. Such results suggest that the smartphone video-based system has the potential to be a viable primary screening and auxiliary tool for detecting saffron adulteration.