زعفران، برگرفته از کلاله‌های Crocus sativus L.، ادویه‌ای بسیار باارزش است که به دلیل رنگ، طعم، عطر و خواص دارویی‌اش شناخته می‌شود. این ادویه عمدتاً در کشمیر هند کشت می‌شود و کیفیت آن به کروسین (رنگ)، پیکروکروسین (طعم) و سافرانال (عطر) بستگی دارد. این مطالعه شش نمونه زعفران – دو نمونه از کشمیر (بودگام، کیشتوار)، دو نمونه تجاری (مونگرا، لاچا) و دو نمونه محلی (محلی ۱، محلی ۲) – را با استفاده از آنالیز تصویر و پروفایل‌سازی GC-MS مورد تجزیه و تحلیل قرار داد. پارامترهایی مانند شدت قرمزی، طول رشته و واریانس براقیت به همراه پروفایل عطر GC-MS ارزیابی شدند. نمونه بودگام بالاترین امتیاز کیفیت (۰.۷۸۹) را داشت، در حالی که لاچا پایین‌ترین رتبه (۰.۰۷۷) را کسب کرد. یک همبستگی قوی (اسپیرمن ۰.۹۴۲) بین شدت قرمزی، محتوای سافرانال و کیفیت یافت شد. آنالیز تصویر و GC-MS میانگین خطای مطلق ۰.۲۰ و RMSE ۰.۲۳ را نشان دادند. این مطالعه کارایی ترکیب تکنیک‌های مبتنی بر تصویر با GC-MS را برای ارزیابی کیفیت زعفران برجسته می‌کند.

Saffron, derived from Crocus sativus L., is a highly valued spice known for its color, flavor, aroma, and medicinal properties. Predominantly cultivated in Kashmir, India, its quality depends on crocin (color), picrocrocin (taste), and safranal (aroma). This study analyzed six saffron samples- two from Kashmir (Budgam, Kishthar), two commercial (Mongra, Laccha), and two local (Local1, Local2)- using image analysis and GC- MS profiling. Parameters like red intensity, thread length, and gloss variance were assessed, alongside GC- MS aroma profiling. The Budgam sample had the highest quality score (0.789), while Laccha ranked lowest (0.077). A strong correlation (Spearman 0.942) was found between red intensity, safranal content, and quality. Image analysis and GC- MS showed a mean absolute error of 0.20 and RMSE of 0.23. The study highlights the effectiveness of combining image- based techniques with GC- MS for saffron quality assessment.