نشریه فناوری آزمون‌های غیرمخرب

نشریه فناوری آزمون‌های غیرمخرب

تعیین کیفیت غیرمخرب روغن زیتون با آزمون فراصوتی

نوع مقاله : مقاله پژوهشی

نویسندگان
محمدرضا زارع زاده 1
محمد ابونجمی 2
مهدی قاسمی وزنامخواستی 3
1 گروه فنی کشاورزی،پردیس ابوریحان،دانشگاه تهران،
2 دانشیار گروه فنی کشاورزی، پردیس ابوریحان، دانشگاه تهران، تهران
3 گروه مهندسی بیوسیستم- دانشگاه شهر کرد
10.30494/jndt.2020.245709.1045
چکیده
سلامت و ایمنی مواد غذایی به عنوان یکی از مهمترین اولویت‌های انسانی محسوب می‌شود؛ بنابراین لازم است فناوریهای مؤثر و جدیدی برای تشخیص تقلب و کیفیت در صنایع غذایی به کار گرفته شود. روغن زیتون فرابکر فواید بسیاری برای سلامتی انسان داشته و به دلیل ارزش غذایی و قیمت بالای آن، احتمال وجود تقلب در آن زیاد می‌باشد. فراصوت تشخیصی در حوزه صنایع غذایی دارای مزایای بسیاری است؛ دقیق و غیرمخرب بوده و در کسری از ثانیه انجام می‌گیرد. در این مطالعه، برای تشخیص تقلب در روغن زیتون فرابکر، چهار ویژگی فراصوتی نمونه‌های تهیه شده در پنج سطح مختلف تقلب (خالص و 5٪ ، 10٪ ، 20٪ ، 35٪ و 50٪ مخلوط شده با روغن سرخ کردنی معمولی) و با استفاده از سامانه فراصوت تشخیصی استخراج شدند. جهت کاهش خطا، یک سامانه نگهداری و هدایت کاوشگرها طراحی و ساخت گردید. ویژگی‌های استخراجی فراصوت شامل درصد کاهش دامنه، زمان رسیدن موج از فرستنده به گیرنده، تفاضل پیک اول و دوم دامنه در نمودار زمان-دامنه و نسبت پیک اول و دوم دامنه مورد بررسی قرار گرفت. از هفت الگوریتم طبقه‌بندی شامل بیز ساده، دستگاه بردار پشتیبان، گرادیان تقویتی، k همسایگی نزدیک، شبکه عصبی مصنوعی، رگرسیون لجستیک و آدابوست برای طبقه‌بندی داده‌های از پیش پردازش شده استفاده شدند. نتایج نشان داد که الگوریتم بیز ساده با دقت 2/90٪، بیشترین دقت را در بین سایر مدل-های طبقه بندی داشته و ماشین بردار پشتیبان و گرادیان تقویتی با 88.2٪ در رده های بعدی قرار گرفتند.
کلیدواژه‌ها
تقلب
روغن زیتون
کیفیت‌سنجی
فراصوت

موضوعات

عنوان مقاله English

Nondestructive Quality Assessment of Extra Virgin Olive Oil by Ultrasound

نویسندگان English

Mohammad reza Zarezadeh 1
Mohammad Aboonajmi 2
Mahdi Ghasemi vernamkhasti 3
1 Agrotechnology Dept, College of Anouraihan, Univrsity of Tehran
2 Agrotechnology Dept-College of Abouraihan-University of Tehran
3 Dept of Biosystem Eng, Shahrekord University
چکیده English

Health and security of foods are recognized as one of the most important human priorities, so effective and new policies have been implemented to improve and develop the position of effective laws in the food industry. Extra Virgin Olive Oil (EVOO) has many amazing benefits for the human body's health. Due to the nutritional value and high price of EVOO, there is a lot of adulteration in it. The ultrasonic approach has many advantages in the food studies, it is fast and non-destructive. In this study, to fraud detection of EVOO four ultrasonic properties of oil in five levels of adulteration (5%, 10%, 20%, 35% and 50%) were extracted. The 2 MHz ultrasonic probes were used in the DOI 1000 STARMANS diagnostic ultrasonic device in a "probe holding mechanism". The four extracted ultrasonic features include: "percentage of amplitude reduction, time of flight (TOF), the difference between the first and second maximum amplitudes of the domain (in the time-amplitude diagram) and the ratio of the first and second maximum of amplitude". Seven classification algorithms include "Naïve Bayes, support vector machine, gradient boosting classifier, K-nearest neighbors, artificial neural network, logistic regression and Ada-Boost" were used to classifying the pre-processed data. Results showed that the Naïve Bayes algorithm with 90.2% provided the highest accuracy among the others, and the SVM and GBC with 88.2% were in the next ranks after Naïve Bayes.

کلیدواژه‌ها English

Adulteration .Olive oil
Quality assessment
Ultrasound
West, J., M. Becker, S. Tombrink and A. Manz 2008. "Micro total analysis systems: latest achievements." Analytical chemistry 80(12): 4403-4419.
Homapour, M., M. Ghavami, Z. Piravivanak and E. Hosseini 2016. "Evaluation of Chemical Characteristics of Extra Virgin Olive Oils Extracted from Three Monovarieties of Mari, Arbequina and Koroneiki in Fadak and Gilvan Regions." Journal of Food Biosciences and Technology 6(1): 77-85.
Fathizadeh, Z. and M. Aboonajmi 2017. "Nondestructive air-coupled ultrasound measurement in the food industries." Proc IRNDT: 26-27.
Meftah, H. and E. Mohd Azimin 2012. "Detection of foreign bodies in canned foods using ultrasonic testing." International Food Research Journal 19(2).
Zhao, B., O. A. Basir and G. S. Mittal 2003. "Detection of metal, glass and plastic pieces in bottled beverages using ultrasound." Food Research International 36(5): 513-521.
Hæggström, E. and M. Luukkala 2001. "Ultrasound detection and identification of foreign bodies in food products." Food Control 12(1): 37-45.
McClements, D. J. and M. J. Povey 1992. "Ultrasonic analysis of edible fats and oils." Ultrasonics 30(6): 383-388.
Mizrach, A. 2008. "Ultrasonic technology for quality evaluation of fresh fruit and vegetables in pre-and postharvest processes." Postharvest biology and technology 48(3): 315-330. doi:10.1016/j.postharvbio.2007.10.018
Morrison, D. and U. Abeyratne 2014. "Ultrasonic technique for non-destructive quality evaluation of oranges." Journal of Food Engineering 141: 107-112. http://dx.doi.org/10.1016/j.jfoodeng.2014.05.018
Aboonajmi, M., A. Akram, T. Nishizu, N. Kondo, S. Setarehdan and A. Rajabipour 2010. "An ultrasound-based technique for the determination of poultry egg quality." Research in Agricultural Engineering 56(1): 26-32.
Rashed, M. S. and J. Felfoldi. 2018. Ultrasonic method for identifying oil types and their mixtures. Progress in Agricultural Engineering Sciences 14: 111-119.
George, T. and E. Rufus and Z. C. Alex. 2017. Artificial Neural Network Based Ultrasonic Sensor System For Detection Of Adulteration In Edible Oil. Journal of Engineering Science and Technology 12: 1568-1579.
Cooke, W. A. 2016. Development of Ultrasonic Techniques for Characterization of Liquid Mixtures.
Alouache, B., F. Khechena, F. Lecheb and T. Boutkedjirt. 2015. Characterization of olive oil by ultrasonic and physico-chemical methods. Physics Procedia 70: 1061-1065.
Xu, L., X. Yu, L. Liu and R. Zhang 2016. "A novel method for qualitative analysis of edible oil oxidation using an electronic nose." Food chemistry 202: 229-235.
Van Wetten, I., A. Van Herwaarden, R. Splinter, R. Boerrigter-Eenling and S. Van Ruth 2015. "Detection of sunflower oil in extra virgin olive oil by fast differential scanning calorimetry." Thermochimica acta 603: 237-243. DOI: http://dx.doi.org/doi:10.1016/j.tca.2014.11.030
Jafari, A., A. Fazayeli and M. R. Zarezadeh 2014. "Estimation of orange skin thickness based on visual texture coarseness." Biosystems engineering 117: 73-82.  http://dx.doi.org/ 10.1016/ j.biosystemseng .2013.08.010
Ok, S. 2017. "Detection of olive oil adulteration by low-field NMR relaxometry and UV-Vis spectroscopy upon mixing olive oil with various edible oils." Grasas y Aceites 68(1): 173. doi: http://dx.doi.org/10.3989/gya.0678161
Quali A., Cherif A. R., Kerbas Marie-Odile;"Data mining-based Bayesian networks for best classification”; Computational Statistics & Data Analysis, Vol. 51, Oct. 2005.

  • تاریخ دریافت 07 شهریور 1399
  • تاریخ بازنگری 23 مهر 1399
  • تاریخ پذیرش 26 مهر 1399