Advanced evaluation techniques: Gas sensor networks, machine learning, and chemometrics for fraud detection in plant and animal products

تکنیک‌های ارزیابی پیشرفته: شبکه‌های حسگر گازی، یادگیری ماشین و شیمی‌سنجی برای تشخیص تقلب در محصولات گیاهی و حیوانی

بروزرسانی تیر 28, 1404

ثبت کننده سارا کردستانی

تعداد بازدید 2

تقلب در مواد غذایی در سراسر جهان از جنبه‌های مختلفی رخ می‌دهد و تقریباً بر همه کالاهای غذایی تأثیر می‌گذارد. گذشته از اینکه یک مسئله اقتصادی قابل توجه است، از نظر مسئله سلامت، کیفیت و حقوق مصرف‌کننده نیز نگران‌کننده است. از آنجایی که روش‌های تقلب در مواد غذایی به دلیل پیچیدگی شیوه‌های تقلب، پیچیده‌تر شده‌اند، به تکنیک‌های تشخیص تقلب بسیار کارآمد و قابل اعتمادی نیاز است. در بسیاری از روش‌های تشخیص تقلب در مواد غذایی، آماده‌سازی و تجزیه و تحلیل نمونه شامل مراحل دقیقی است که نیاز به فناوری‌های پیشرفته دارد و این فرآیند را خسته‌کننده و زمان‌بر می‌کند.

بنابراین، توسعه روش‌های غیرمخرب و سریع برای تشخیص تقلب در مواد غذایی توجه قابل توجهی را به خود جلب کرده است. اخیراً، سیستم‌های بینی الکترونیکی (بینی الکترونیکی) برای تشخیص تقلب در محصولات غذایی به طور قابل اعتماد و سریع تکامل یافته‌اند. بینی الکترونیکی، VOC را در نمونه‌ها تشخیص می‌دهد و اثر انگشت منحصر به فردی ایجاد می‌کند که می‌تواند با استفاده از شیمی‌سنجی برای شناسایی تقلب در مواد غذایی تجزیه و تحلیل شود.

این بررسی با هدف ارائه مروری مختصر بر سیستم‌های بینی الکترونیکی، روش‌های شیمی‌سنجی و کاربرد آنها در تشخیص تقلب در محصولات گیاهی و حیوانی بر اساس مقالات مروری انجام شده است. با افزایش تقلب در صنعت مواد غذایی، تحقیقات بیشتری برای محافظت از مصرف‌کنندگان در برابر خطرات سلامتی و تولیدکنندگان در برابر ضرر اقتصادی مورد نیاز است. بنابراین، این مقاله چالش‌های مرتبط با استفاده از فناوری بینی الکترونیکی برای تشخیص تقلب در مواد غذایی را مورد بحث قرار می‌دهد.

 

Food fraud occurs worldwide in several aspects, affecting almost all food commodities. Aside from being a significant economic issue, it is a concern in terms of health issue, quality and consumer rights. As food fraud methods have become more sophisticated, due to complexity of fraudulent practices, highly efficient and reliable adulteration detection techniques are needed. In many food fraud detection methods, sample preparation and analysis involve detailed steps that require advanced technologies, making the process tedious and time-consuming.

Therefore, the development of non-destructive and rapid methods for detecting food fraud has attracted considerable attention. Recently, electronic nose (e-nose) systems have evolved to detect adulteration of food products reliably and quickly. E-nose detects VOC in a samples and create unique fingerprint, which can be analyzed using chemometrics to identify fraud in foods. This review aims to provide a brief overview of e-nose systems, chemometrics methods, and their application to the detection of adulteration in plant and animal products based on review articles.

As fraud in the food industry increases, more research is needed to protect consumers from health risks and producers from economic loss. Therefore, this paper discusses the challagens associated with using e-nose technology for detecting food fraud.

  • Authors: Hamed Karami, Mohammed Kamruzzaman, James A. Covington, M.élynda Hassouna, Yousef Darvishi, Maiken Uelan, Sigfredo Fuentes, Marek Gancarz
  • URL: https://www.sciencedirect.com/science/article/abs/pii/S0924424724001857
  • DOI URL: https://doi.org/10.1016/j.sna.2024.115192
  • عنوان مقاله: ترکیبات شیمیایی
  • محور مقاله: تکنیک نوین
  • افیلیشن نویسنده مسئول: Department of Petroleum Engineering, Collage of Engineering, knowledge University, Iraq
  • hamed.karami@knu.edu.iq
  • سال انتشار مقاله: 2024
  • زبان: انگلیسی
  • کشور: عراق
  • کد مقاله: 20134
  • کلمات کلیدی فارسی: مواد غذایی، ترکیبات آلی فرار، حسگرهای گازی، تقلب، تحلیل چند متغیره
  • کلمات کلیدی انگلیسی: Foods, VOCs, Gas Sensors, Adulteration, Multivariate analysis
  • لینک کوتاه: https://wikisaffron.org?p=20134

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *