نگاهی طیفی: پیشبرد احراز هویت و ارزیابی کیفیت زعفران مراکش از طریق طیف‌سنجی مرئی UV و روش‌های کمومتری چند متغیره

با افزایش نگرانی های مصرف کنندگان در مورد کیفیت و ایمنی مواد غذایی، تقاضا برای روش های معتبر احراز هویت مواد غذایی به طور قابل توجهی افزایش یافته است. هدف این مطالعه پرداختن به این چالش با استفاده از طیف‌سنجی مرئی UV به عنوان یک ابزار تجزیه و تحلیل سریع و دقیق برای تشخیص جغرافیایی نمونه‌های زعفران مراکش از پنج منطقه مختلف است.آنالیز نمونه‌های زعفران با استفاده از دستگاه اسپکتروفتومتر مرئی UV و سلول کوارتز در محدوده طول موج 200 تا 700 نانومتر با طول مسیر نوری 1 سانتی‌متر انجام شد. داده های طیفی با استفاده از سه مدل کمومتری تجزیه و تحلیل شدند: تجزیه و تحلیل مؤلفه اصلی (PCA)، ماشین بردار پشتیبان (SVM) و تجزیه و تحلیل تشخیص خطی (LDA).

یافته‌های ما نشان داد که نمونه‌هایی از مناطق TALIOUINE، ANERGUI و AIT-MAZIGH به عنوان درجه I طبقه‌بندی شدند، در حالی که نمونه‌های منطقه AIT-OUMDIS زیر درجه II قرار گرفتند و زعفران از منطقه TAZENAKHT به عنوان درجه III طبقه‌بندی شد. علاوه بر این، ما از تکنیک‌های LDA و SVM برای طبقه‌بندی موفقیت‌آمیز طیف سنکرون ۱۲۰ نمونه زعفران استفاده کردیم. قابل ذکر است که بهترین نتایج توسط SVM به دست آمد که به دقت قابل توجه 97.89 درصد در طبقه بندی صحیح نمونه ها هنگام استفاده از داده های طیفی پردازش شده با روش متغیر نرمال استاندارد دست یافت.این مطالعه بر پتانسیل و کاربرد طیف‌سنجی UV-Vis به عنوان یک تکنیک امیدوارکننده برای طبقه‌بندی و ارزیابی مؤثر کیفیت نمونه‌های زعفران با در نظر گرفتن تنوع و روش تولید آن‌ها تاکید می‌کند.

With the increasing concerns among consumers regarding food quality and safety, the demand for reliable food authentication methods has risen significantly. This study aims to address this challenge by utilizing UV–visible spectroscopy as a fast and accurate analysis tool for geographically discriminating Moroccan saffron samples from five different regions. Analysis of the saffron samples was carried out using a UV–visible spectrophotometer and a quartz cell, over the wavelength range 200–700 nm, with an optical path length of 1 cm.

The spectral data were analyzed using three chemometric models: principal component analysis (PCA), support vector machine (SVM) and linear discriminant analysis (LDA). Our findings revealed that samples from the TALIOUINE, ANERGUI, and AIT-MAZIGH regions were categorized as grade I, while samples from the AIT-OUMDIS region fell under grade II, and saffron from the TAZENAKHT region was classified as grade III. Furthermore, we employed LDA and SVM techniques to successfully classify the synchronous spectra of 120 saffron samples. Notably, the best-performing results were yielded by SVM, achieving a remarkable 97.89% accuracy in correctly classifying the samples when using spectral data processed with the standard normal variate method.

This study emphasizes the potential and applicability of UV–Vis spectroscopy as a promising technique for effectively classifying and assessing the quality of saffron samples, taking into account their variety and production method.