دستگاه بینی نوری مبتنی بر آرایه سنسورهای نانومواد فلورسنت برای احراز اصالت زعفران

این مقاله، توسعه یک حسگر آرایه فلورسانس بینی نوری (o-nose) را برای احراز اصالت زعفران ارائه می‌دهد. آرایه حسگر، که از حسگرهای فلورسانس ساخته شده، متشکل از نانوخوشههای فلزی اصلاح‌شده شیمیایی و نقاط کربنی با گروه‌های عاملی مختلف می‌باشد که بوی منتشر شده از زعفران و سایر گیاهان تقلبی احتمالی را استشمام می‌کند و در نتیجه الگوهای فلورسانس تفاوتی را برای گیاهان مختلف تولید می‌کند. بر اساس تفاوت در ترکیب شیمیایی عطر گیاهان، این دستگاه توانست زعفران را از سایر گیاهان و زعفران خالص را از مخلوط آن با سایر گیاهان متمایز کند. این دستگاه یک بردار پاسخ چند بعدی تولید می‌کند و بنابراین نیاز به پردازش با روش‌های تجزیه و تحلیل داده‌های چند متغیره دارد. طبقه‌بندی با استفاده از تحلیل تفکیک خطی، تحلیل تفکیک مولفه‌های اصلی و تحلیل تفکیک مقادیر کمینه شده به طور موفقیت‌آمیزی برای مدل‌سازی داده‌های حسگر مورد استفاده قرار گرفت و مدل‌های دقیقی تولید شدند. به علاوه، این روش توانست بین چهار اندام مختلف زعفران که از نظر کیفیت با هم متفاوت هستند، تمایز قائل شود. نتایج این مطالعه، پتانسیل مناسب آرایه‌های حسگر فلورسانس بینی نوری را برای احراز سریع و قابل اعتماد هویت زعفران نشان می‌دهد.

This paper presents the development of an optical-nose (o-nose) fluorescence sensor array for the authentication of saffron. The sensor array, which consists of fluorescence sensors made from chemically modified metallic nanoclusters and carbon dots of various functional groups, sniffs the odor emitted from saffron and other possible adulterant herbs and accordingly produces differential fluorescence patterns for different herbs. According to the difference in the chemical composition of the herbs’ aroma, the device was able to differentiate saffron from other herbs and pure saffron from its mixtures with other herbs. The device produces a multi-dimensional response vector and hence it needs to be processed by multivariate data analysis methods. Classification modeling by linear discriminant analysis, principal component-discriminant analysis, and partial least squares discriminant analysis were successfully utilized to model the sensor data and accurate discriminate models were produced. Additionally, the method was able to differentiate between four different organs of saffron which differ in quality. The results of this study demonstrate the potential of o-nose fluorescence sensor arrays for the rapid and reliable authentication of saffron