تشخیص روغن زیتون آلوده به فلزات سنگین توسط سامانه سه الکترودی مبتنی بر ولتامتری چرخه ای

سیستم های سه الکترودی، سیستم چشایی زبان انسان را شبیه سازی کرده و می تواند جهت بررسی کیفیت مواد غذایی استفاده گردد. حس چشایی یکی از حواس پنجگانه است و زبان مولکول های خاصی را شناسایی می کند. در سال های اخیر از سیستم های سه الکترودی با آرایه ای از الکترودها جهت شناسایی مولکول های مختلف استفاده می شود. در این تحقیق از یک سامانه سه الکترودی مبتنی بر روش های ولتامتری با سه الکترود گرافیت (pencil graphite (pg))، صفحه چاپی (screen printed (sp)) و گلسی کربن (glassy carbon (gc)) جهت شناسایی فلزات سنگین (کادمیم، سرب، قلع و نیکل) در روغن خوراکی زیتون استفاده گردید. فلزات سنگین در سه غلظت 05/0، 1/0 و 25/0 ppm به روغن خوراکی افزوده شده و سپس خروجی دستگاه توسط روش کمومتریک طبقه بندی شد. بر اساس نتایج pca، الکترود pg 96% واریانس بین داده ها در روغن های خوراکی زیتون را شامل می شود. همچنین الکترود sp 91% و gc نیز 100% واریانس بین داده ها را در روغن زیتون را شناسایی نموده است. در ادامه روش svm نیز توانایی بالایی در طبقه بندی فلزات سنگین در روغن های خوراکی از خود نشان داده است. همچنین روش pls توانست 99% داده ها در روغن زیتون را پیش بینی نماید. در نهایت با توجه به نتایج می توان گفت سامانه سیستم سه الکترودی ساخته شده دارای دقت بالایی در شناسایی فلزات سنگین در روغن های خوراکی است.

Detection of olive oil contaminated with heavy metals using a threeelectrode system based on the cyclic voltammetry

Three electrode system simulates the human tongue taste system and can be used to assess the quality of food. The sense of taste is one of the five senses and tongue recognizes certain molecules. In recent years, three electrode system with an array of electrodes has been used to identify various molecules. In this research, a three electrode system is used based on voltammetric methods with three graphite electrodes (Pencil Graphite (PG)), Screen Printed (SP) and Glassy Carbon (GC) to identify heavy metals (cadmium , Lead, tin and nickel) in olive oil. Heavy metals are added to the edible oil in three concentrations of 0.05, 0.1 and 0.25 ppm and then the output of the device is classified by chemometric method. According to PCA results, the PG electrode contains 96% of the variance between the data in olive edible oils. Also, SP electrode contains 91% and GC contains 100% of the variance between the data in olive oil. The SVM method showed a high ability to classify heavy metals in edible oils. Also, The PLS method was also able to predict 99% of the data in olive oil for all electrodes. Finally, according to the results, it can be said that the builtin three electrode system has a high accuracy in identifying heavy metals in edible oils.