کاربرد بینی الکترونیک به منظور تشخیص تقلب در آب لیمو به کمک تکنیک های تجزیه و تحلیل چند متغیره

تقلب در مواد غذایی شامل افزودن هر گونه مواد کم‌هزینه به مواد گران‌قیمت برای کاهش محتوای اجزای گران قیمت و در نتیجه کاهش هزینه تولید و رسیدن به حداکثر سود است. خطر تقلب در اجزای مواد غذایی با ارزش بالا با جایگزین های ارزان تر در سال های اخیر به مرحله هشدار رسیده است. روش‌های رایج تشخیص تقلب مواد غذایی پرهزینه و زمان‌بر بوده و به تخصص فنی بالایی نیاز دارد. آبلیمو یکی از محصولاتی است که همواره قربانی تقلب تولیدکنندگان برای کاهش قیمت تمام شده محصولات شده است. فن آوری بینی الکترونیکی در بسیاری از زمینه ها و اغلب در صنعت نوشیدنی برای اهداف طبقه بندی و کنترل کیفیت استفاده می شود. این فناوری بر تشخیص و تمایز بین انتشارات ترکیبات آلی فرار از مواد غذایی متکی است. در این مطالعه، آبلیمو خالص به همراه 11 نمونه تقلبی آن (تقلب با آب، تفاله لیمو و کاه گندم) با استفاده از بینی الکترونیک مجهز به 8 حسگر اکسید فلزی به منظور تشخیص تقلب مور بررسی قرار گرفت. الگوهای پاسخ حسگرها با استفاده از روش‌های کمومتریکس شامل تجزیه و تحلیل تفکیک درجه دوم(qda) و تجزیه و تحلیل تفکیک چند متغیره (mda) تجزیه و تحلیل شد. طبق نتایج به دست آمده از روش های qda و mda واریانس کل به ترتیب برابر 100 و 89/98 درصد برای طبقه بندی نمونه ها به دست آمد. بنابراین میتوان نتیجه گرفت که بینی الکترونیک مبتنی بر حسگرهای نیمه‌هادی اکسید فلزی در ترکیب با روش‌های کمومتریکس می‌تواند ابزار موثر و با کارآیی زیاد در طبقه‌بندی سریع و غیرمخرب آب‌لیمو خالص از نوع تقلبی آن مورد استفاده قرار گیرد.

application of electronic nose for detecting fraud in lemon juice with the help of multivariate analysis techniques

foodstuff adulteration involves replacing expensive ingredients with low-cost substances to decrease the production cost and reach the maximum profit. in recent years, the issue of food adulteration has reached an alarming stage. the detection methods currently available for this problem are often costly, time-consuming, and require high technical expertise. lemon juice has repeatedly been the victim of fraud attempts by manufacturers to lower the price of products. electronic noses are used in many fields, including the beverage industry, for classification and quality control. the process involves detecting and differentiating volatile organic compounds (vocs) released from food. this study used an electronic nose equipped with 8 metal oxide sensors to evaluate pure lemon juice and 11 counterfeit samples (water, lemon pulp, and wheat straw) to detect fraud through voc analysis. the response patterns of the sensors were analyzed using chemometric methods, specifically quadratic discriminant analysis (qda) and mixture discriminant analysis (mda). according to the results obtained from the qda and mda methods, the total variance was 100% and 98.89%, respectively, for the classification of samples. hence, it can be concluded that the electronic nose based on metal oxide semiconductor sensors combined with chemometric methods can be an effective tool with high efficiency for rapid and non-destructive classification of pure lemon juice and its counterfeits.