مقایسه وضعیت های بازتابشی و تقابلی طیف سنجی فروسرخ نزدیک در امکان سنجی تشخیص غیرمخرب تازگی پودر گیاه دارویی سیر (garlic)

پودر گیاه دارویی سیر از حیث تجاری اهمیت زیادی دارد و به عنوان افزودنی در صنایع غذایی و دارویی کاربرد فراوانی دارد. روش های طیف سنجی به عنوان یک روش غیر مخرب در حوزه سنجش کیفیت محصولات غذایی، تولیدات و فرآورده های گیاهان دارویی مورد استفاده قرار می گیرد. در پژوهش حاضر کارایی و پتانسیل دو وضعیت پرکاربرد بازتابشی و تقابلی در طیف سنجی فروسرخ نزدیک در محدوده 936 تا1660 نانومتر برای امکان سنجی تشخیص تازگی پودر سیر مقایسه شدند. در هریک از وضعیت های طیف برداری، تعداد 120 طیف در 2 تکرار از نمونه‌های پودر سیر اخذ شد. 25 درصد از طیف ها  قبل از مدل سازی به طور تصادفی برای اعتبارسنجی در نظر گرفته شدند و تدوین مدل ها با طیف های باقیمانده به انجام رسید. برای حذف نوفه های احتمالی تاثیر پیش پردازش های رایج روی عملکرد طبقه بندهای شبکه های مصنوعی عصبی (ann)، ماشین بردار پشتیبان (svm) و الگوریتم k نزدیک ترین همسایه (knn) بررسی شد. از روش آنالیز مولفه های اصلی (pca) برای کاهش متغیرهای طیفی استفاده شد و چهار مولفه اصلی اول به عنوان ورودی طبقه بندها در نظر گرفته شدند. در وضعیت طیف برداری تقابلی، طبقه بندهای svm و knn با دقت تفکیک 100 درصد، طیف های اخذشده از پودرها در سه بازه زمانی 3 روز، 3 ماه و 12 ماه را جداسازی نمودند. طبقه بند ann در وضعیت بازتابی به جز طیف های خام (بدون پیش پردازش) در همه پیش پردازش های مورد بررسی، دقت 100 درصد در تفکیک طیف های ذکرشده حاصل شد. طیف سنجی فرو سرخ نزدیک در باند 936 1660 نانومتر به کمک شیمی سنجی برای تشخیص سریع تازگی پودر سیر پتانسیل لازم را دارد. وضعیت طیف برداری تقابلی با در نظرگرفتن سهولت کاربرد در صنعت و آزمایشگاه نسبت به وضعیت بازتابشی برتری دارد.

comparison of reflectance and intractance modes of near infrared spectroscopy in the feasibility of non destructive detection of garlic powder freshness

garlic medicinal plant powder is significant from a commercial perspective and is widely used as an additive in the food and pharmaceutical industries. spectroscopic techniques serve as non destructive methods for assessing the quality of food products, medicinal plants, and related products. in the present study, the efficiency and potential of two widely used modes, reflectance and intractance, in near infrared spectroscopy in the range of 936 to 1660 nm were compared to assess the feasibility of distinguishing fresh garlic powder. in each spectroscopy mode, 120 spectra in 2 replicates were obtained from garlic powder samples, resulting in a total of 240 spectra. prior to modeling, 25% of the spectra were randomly selected for validation, while the remaining spectra were used to compile the models. to mitigate potential noise, the impact of common pre processing methods on the performance of the artificial neural network (ann), support vector machine (svm), and k nearest neighbors (knn) classifiers was investigated. the principle components analysis (pca) technique was employed to reduce the dimensionality of the spectral variables, and the first four principal components were used as classifiers inputs. in the intractance spectroscopy condition, the svm and knn classifiers separated spectra obtained from powders at 3 days, 3 months, and 12 months with 100% accuracy. the ann classifier achieved 100% accuracy in distinguishing the mentioned spectra in all preprocessing conditions under investigation, except for the raw spectra (without preprocessing). near infrared spectroscopy in the 1660 936 nm range, combined with chemometrics, is effective for quickly detecting the freshness of garlic powder. considering its ease of application in both industrial and laboratory settings, intractance spectroscopy mode is superior to reflectance mode.