در این مطالعه، پتانسیل طیفسنجی نزدیک به مادون قرمز (NIR) و میانه مادون قرمز (MIR) همراه با شیمیسنجی برای تأیید اصالت و شناسایی ناخالصی در نمونههای زعفران ایرانی مورد بررسی قرار گرفت. ابتدا، اصالت صد نمونه زعفران با استفاده از تحلیل مولفههای اصلی (PCA) بررسی شد. نتایج نشان داد که طیفسنجی NIR میتواند بهتر از MIR منشا نمونهها را پیشبینی کند. سپس، تحلیل تبعیض با کمترین مربعات جزئی (PLS-DA) برای شناسایی چهار نوع ناخالصی رایج گیاهی (یعنی رشته زعفران، گل همیشهبهار، گلرنگ و رابیا) توسعه یافت.در همه موارد، شاخصهای کیفیت طبقهبندی PLS-DA از نظر حساسیت، ویژگی، نرخ خطا و دقت برای هر دو مجموعه داده NIR و MIR رضایتبخش بودند.
مدلهای ساختهشده سپس با استفاده از مجموعه آزمایشی و همچنین نمونههای تجاری با موفقیت اعتبارسنجی شدند. در نهایت، رگرسیون جزئی مربعات حداقل (PLSR) برای برآورد میزان تقلب استفاده شد. در این مورد، تنها NIR عملکرد خوبی با ضرایب رگرسیون (R2) در بازه ۰.۹۵ تا ۰.۹۹ نشان داد.
In this work, the potential of near-infrared (NIR) and mid-infrared (MIR) spectroscopy along with chemometrics was investigated for authentication and adulteration detection of Iranian saffron samples. First, authentication of one-hundred saffron samples was examined by principal component analysis (PCA). The results showed the NIR spectroscopy can better predict the origin of samples than the MIR. Next, partial least squares-discriminant analysis (PLS-DA) was developed to detect four common plant-derived adulterants (i.e., saffron style, calendula, safflower, and rubia). In all cases, PLS-DA classification figures of merit in terms of sensitivity, specificity, error rate and accuracy were satisfactory for both NIR and MIR datasets.
The built models were then successfully validated using test set and also commercial samples. Finally, partial least squares regression (PLSR) was used to estimate the amount of adulteration. In this case, only NIR showed a good performance with regression coefficients (R2) in range of 0.95–0.99.
- Authors: Arian Amirvaresi , Nastaran Nikounezhad , Maryam Amirahmadi , Bahram Daraei , Hadi Parastar
- URL: https://www.sciencedirect.com/science/article/abs/pii/S0308814620325097
- DOI URL: https://doi.org/10.1016/j.foodchem.2020.128647
- عنوان مقاله: سایر
- محور مقاله: تکنیک نوین
- افیلیشن نویسنده مسئول: Department of Chemistry, Sharif University of Technology, Tehran, Iran
- ایمیل نویسنده فقط برای کاربران ورود / عضویت
- سال انتشار مقاله: 2021
- زبان: انگلیسی
- کشور: ایران
- کد مقاله: 22093
- کلمات کلیدی فارسی: زعفران؛ احراز اصالت؛ تقلب؛ NIR؛ MIR؛ شیمیسنجی
- کلمات کلیدی انگلیسی: Saffron; Authentication; Adulteration; NIR; MIR; Chemometrics
- لینک کوتاه: https://wikisaffron.org?p=22093