دانلود ترجمه مقاله جداسازی روغن زیتون تقلبی با روغنهای گیاهی – الزویر 2010

جداسازی روغن زیتون تقلبی با روغنهای گیاهی با استفاده از طیف سنجی دی الکتریک

Discrimination of olive oil adulterated with vegetable oils using dielectric spectroscopy

چکیده

1- مقدمه

2- مواد و روشها

1- 2 نمونه ها

2- 2 روشها

3- 2 تحلیل آماری

3- نتایج و بحث

1- 3 خصوصیات دی الکتریک مخلوط دودویی روغن های خوراکی

2- 3 تمایز روغن زیتون تقلبی

1- 2- 3 مدل دسته بندی PCA

2- 2- 3 مدل کالیبراسیون PLS

4- نتایج

چکیده

این مطالعه بر کاربرد طیف سنجی دی الکتریک برای شناسایی روغن زیتون تقلبی تمرکز نمود. خصوصیات دی الکتریک مخلوط دودویی روغن ها در محدوده فرکانس 101Hz-1MHz مورد پژوهش قرار گرفت. مدل حداقل مربعات جزئی (PLS) توسعه و برای اثبات و تصدیق غلظت های ماده تقلبی مورد استفاده قرار گرفت. به علاوه، از تحلیل مولفه های اصلی (PCA) برای دسته بندی نمونه روغن زیتون متمایز از سایر مواد تقلبی براساس طیف های دی الکتریکشان استفاده گردید. نتایج بدست آمده نشان داد که طیف های دی الکتریک مخلوط دودویی روغن زیتون با روغن های دیگر با افزایش غلظت روغن های سویا، ذرت، کانولا، کنجد و پریلا از صفر به 100 درصد (w/w) روی محدوده فرکانس اندازه گیری شده، افزایش یافت. مدل کالیبراسیون PLS قابلیت پیش بینی خوب برای غلظت های ماده تقلبی نشان داد. برای روغن زیتون جازده شده با روغن سویا (تقلبی)، نتایج بدست آمده نشان داد که RMS 0.053، , sd(RMS), و مقدار Q2 ، 0.967 بود. نمودارهای دسته بندی PCA برای کلیه نمونه های روغن عملکرد روشن در تمایز غلظت های مختلف ماده تقلبی نشان داد. هر یک از نمونه های روغن را به راحتی می توان در دسته های مختلف با استفاده از طیف های دی الکتریک گروه بندی نمود. طبق نتایج بدست آمده در این تحقیق، از طیف سنجی دی الکتریک می توان برای تمایز روغن زیتون تقلبی شده با انواع مختلف روغن ها در سطوح تقلب پائین تر از 5 درصد استفاده نمود.

4. نتایج

با افزایش غلظت روغن های مخلوط شده روی محدوده فرکانس اندازه گیری شده در سطح معناداری ، طیف های دی الکتریک مخلوط دودویی روغن های خوراکی به صورت خطی افزایش یافت. نمودارهای کالیبراسیون PCA برای کلیه نمونه های روغن، عملکرد روشن در تمایز و شناسایی غلظت های مختلف روغن تقلبی نشان داد. هر یک از نمونه های روغن را می توان به راحتی در خوشه های مختلف با استفاده از طیف های دی الکتریک گروه بندی نمود. مدلهای کالیبراسیون PLS قابلیت پیش بینی خوبی برای غلظت های مختلف مواد تقلبی در روغن زیتون نشان دادند. شناسایی روغن زیتون تقلبی با همین نوع از روغن ها نیاز به پژوهش بیشتر با استفاده از تحلیل PCA , و PLS دارد. طیف سنجی دی الکتریک می تواند نقش مفیدی در تعیین کمی سطح مواد تقلبی در روغن زیتون ایفا نماید. از آن می توان برای کنترل کیفیت مخلوط روغن در پردازش و فرآوری روغن نیز استفاده نمود.

Abstract

The study focused on application of dielectric spectroscopy to identify the adulteration of olive oil. The dielectric properties of binary mixture of oils were investigated in the frequency range of 101 Hz–1 MHz. A partial least squares (PLS) model was developed and used to verify the concentrations of the adulterant. Furthermore, the principal component analysis (PCA) was used to classify olive oil sample as distinct from other adulterants based on their dielectric spectra. The results showed that the dielectric spectra of binary mixture of olive oil spiked with other oils increased with increasing concentration of soy, corn, canola, sesame, and perilla oils from 0% to 100% (w/w) over the measured frequency range. PLS calibration model showed a good prediction capability for the concentrations of the adulterant. For olive oil adulterated with soy oil, the results showed that the RMS was 0.053, sd(RMS), 0.017 and Q2 value was 0.967. PCA classification plots for all oil samples showed clear performance in the differentiation for the different concentrations of the adulterant. Each of the oil samples could be easily grouped in different clusters using dielectric spectra. From the results obtained in this research, dielectric spectroscopy could be used to discriminate the olive oil adulterated with the different types of the oils at levels of adulteration below 5%.

4- Conclusions

The dielectric spectra of binary mixture of edible oils increased linearly with increasing concentration of spiked oils over the measured frequency range, significantly, (P < 0.05). PCA classification plots for all oil samples showed clear performance in the differentiation and identification for the different concentrations of adulterated oil. Each of the oil samples could be easily grouped in different clusters using dielectric spectra. PLS calibration models showed a good prediction capability for different concentrations of the adulterant in olive oil. The identification of olive oil adulterated with same type of oils needs to be further investigated using PCA and PLS analysis. Dielectric spectroscopy could be helpful in the quantitative determination of the levels of adulterant in olive oil. It could also be used to control the quality of oil blend in oil processing.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

جداسازی روغن زیتون تقلبی با روغنهای گیاهی با استفاده از طیف سنجی دی الکتریک

Discrimination of olive oil adulterated with vegetable oils using dielectric spectroscopy