امکان‌سنجی به‌کار‌گیری طیف‌سنجی مرئی/فروسرخ نزدیک برای تشخیص تقلب روغن تفاله زیتون با روش‌های شناسایی lda و svm

زیتون میوه‌ مدیترانه‏ای است که عمدتاً به دلیل روغن آن کشت می‏شود. روغن‌زیتون فرابکر همیشه مورد توجه و خواست استفاده‌کنندگان بوده است. ازاین‌رو، تقلب در روغن‌های زیتونِ بکر و فرابکر، با افزودن روغن‌هایی مثل کانولا، آفتابگردان، تفاله زیتون و غیره مشاهده می‌شود. تشخیص تقلب در روغن‌های گیاهی با ترکیبات مشابه و گونه‌های متفاوت با روش‌های مرسوم از جمله کروماتوگرافی گازی مشکل و زمان‌بر است و نیاز به آماده‌سازی نمونه و اپراتور دارد. به همین دلیل کاربرد فناوری‌های غیر‌مخرب برای تشخیص تقلب اهمیت دارد. در این پژوهش، با استفاده از فناوری طیف‌سنجی مرئی/فروسرخ نزدیک (vis/nir )، تشخیص تقلب روغن پومیس (روغن تفاله زیتون) بررسی شد. از سه نوع روغن‌زیتون فرابکر، بکر و روغن‌زیتون تصفیه شده برای نمونه‌گیری استفاده شد و برای اطمینان از اصالت آن‌ها، مشخصات و درصد ترکیبات سازنده آن با سامانه کروماتوگرافی گازی اندازه‌گیری شد. سپس نمونه‌ها در شش دسته‌ خالص، 11، 20، 33، 50 و 100درصد تقلب ساخته شدند. هر تیمار در ده نمونه تهیه و آزمایش‌ها انجام شد. در ادامه به‌منظور تحلیل ویژگی‌های کیفی و طبقه‌بندی داده‌های مستخرج از طیف‌سنج، از روش‌های بازشناسی الگو شامل تحلیل تفکیک خطی (lda) و ماشین بردار پشتیبان (svm) استفاده شد. نتایج به‌دست‌آمده نشان داد که طیف‌سنجی مرئی/فروسرخ نزدیک (vis/nir) قادر به تفکیک نمونه‌های روغن‌زیتون بر اساس درصد‌های مختلف تقلب پومیس است. هرچند روش lda توانست باصحت قابل قبولی نمونه‌های روغن‌زیتون را باتوجه‌به نرخ تقلب دسته‌بندی کند، اما روش svm باصحت آموزش 96.69درصد و اعتبار‌سنجی 95.86 درصد از صحت و برازش مطلوب‌تری برخوردار بود. طبق نتایج، تابع خطی، به‌عنوان بهترین تابع برای ساخت مدل‌های دسته‌بندی به روش svm پیشنهاد شد.

feasibility of visible/near infrared spectroscopy in order to detect pomace olive oil fraud with lda and svm detection methods

olive is a mediterranean fruit that is cultivated mainly for its oil. extra virgin olive oil has always been the attention and demand of users. therefore, fraud in virgin and extra virgin olive oils is observed by adding valuable food oils and lower prices such as canola, sunflower, olive pomace, etc. fraud detection with conventional methods such as gas chromatography is difficult, time consuming, and requires sample and operator preparation. for this reason, the use of non destructive technologies for fraud detection is important. in this research, detection of adulteration of pomace oil (olive pomace oil) was investigated using visible/near infrared spectroscopy (vis/nir) technology. three types of extra virgin olive oil, virgin and refined olive oil were used for sampling. moreover, the samples were made in six categories of pure, 11, 20, 33, 50 and 100% fraud. each treatment was prepared and tested in ten samples. next, in order to analyze the qualitative features and classify the data extracted from the spectrometer, pattern recognition methods including linear discriminant analysis (lda) and support vector machine (svm) were used. the obtained results showed that visible/near infrared (vis/nir) spectroscopy is able to distinguish olive oil samples based on different percentages of pomace adulteration. although the lda method was able to classify olive oil samples with acceptable accuracy according to the adulteration rate, the svm method had a better accuracy and fit with a training accuracy of 96.69% and a validation of 94.21%. according to the results, the linear function was suggested as the best function for building the classification models using the svm method.