شناسایی انواع زعفران ایرانی با استفاده از روش‌های طیف‌سنجی تبدیل فوریه و شیمی‌سنجی

زعفران ادویه‌ای است که از کلاله‌های خشک‌شده گل زعفران (Crocus sativus L.) تولید می‌شود و گران‌ترین ادویه در جهان است. در نتیجه، این محصول اغلب هدف تقلب قرار می‌گیرد. در بازار محلی ایران، زعفران بر اساس موقعیت کلاله در رشته‌های خشک‌شده به سه نوع اصلی طبقه‌بندی می‌شود: سرگل، نگین و پوشال. این انواع از نظر کیفیت و هزینه متفاوت هستند. بنابراین، شناسایی دقیق انواع زعفران مهم است. در مطالعه حاضر، طیف‌سنجی تبدیل فوریه مادون قرمز میانی (FT-MIR) همراه با روش‌های شیمی‌سنجی برای طبقه‌بندی انواع مختلف زعفران ایرانی به کار گرفته شد. تکنیک‌های پیش‌پردازش مختلفی برای اصلاح داده‌های طیفی اعمال شد. از تحلیل مؤلفه‌های اصلی (PCA) به عنوان یک مدل بدون نظارت و از تحلیل تفکیک خطی (LDA) با هسته‌های خطی و درجه دوم به عنوان یک مدل تحت نظارت استفاده شد. بهترین مدل از پیش‌پردازش SG + D2 + MSC و یک هسته خطی با مدل LDA استفاده کرد و به دقت ۸۸.۸۸٪ در طبقه‌بندی سه نوع زعفران دست یافت. نتیجه قابل قبول، اثربخشی این روش را برای شناسایی غیرمخرب انواع زعفران ایرانی اثبات می‌کند.

Saffron is a spice that is produced from the dried stigmas of the Crocus sativus L. flower and is the most expensive spice in the world. As a result, this product is frequently targeted for adulteration. In the Iranian local market, saffron is classified into three main types based on the position of the stigma in the dried threads: Sargol, Negin, and Poshal. These types differ in terms of quality and cost. Therefore, accurate identification of saffron types is important. In the present study, Fourier Transform Mid-Infrared (FT-MIR) spectroscopy combined with chemometric methods was employed to classify different types of Iranian saffron. Various preprocessing techniques were applied to correct the spectral data. Principal Component Analysis (PCA) was used as an unsupervised model, and Linear Discriminant Analysis (LDA) with linear and quadratic kernels was applied as a supervised model. The best model used SG + D2 + MSC preprocessing and a linear kernel with the LDA model, achieving 88.88% accuracy in classifying the three saffron types. The acceptable result proves the effectiveness of this method for the non-destructive identification of Iranian saffron types.