ورود کاربر     مرا با یاد داشته باش؟
 + ثبت نام

مقالات تصادفی
ﭼﮑﻴﺪﻩ
ﻟﻴﮑﻮﭘﻦ ﮐﺎﺭﻭﺗﻨﻮﺋﻴﺪ ﻣﺤﻠﻮﻝ ﺩﺭ ﭼﺮﺑﯽ ﻭ ﭘﻴﺶ ﻣﺎﺩﻩ ﺑﺘﺎ- ﮐﺎﺭﻭﺗﻦ ﺑﺪﻭﻥ ﻓﻌﺎﻟﻴﺖ ﭘﺮﻭﻭﻳﺘﺎﻣﻴﻦ ﺁ ﻣﯽ ﺑﺎﺷﺪ.ﻟﻴﮑﻮﭘﻦ ﺑﻪ ﻭﺍﺳﻄﻪ ﺧﺎﺻﻴﺖ ﺁﻧﺘﯽ ﺍﮐـﺴﻴﺪﺍﻧﯽ ﺩﺭ ﻣﻘﺎﺑـﻞ
ﮔﺮﻭﻩ ﻭﺳﻴﻌﯽ ﺍﺯ ﺳﺮﻃﺎﻥ ﻫﺎ ﻭ ﺑﻴﻤﺎﺭﯼ ﻫﺎﯼ ﻗﻠﺒﯽ- ﻋﺮﻭﻗﯽ ﻋﻤﻞ ﻣﯽ ﮐﻨﺪ.ﮔﻮﺟﻪ ﻓﺮﻧﮕﯽ ﻭ ﻓﺮﺁﻭﺭﺩﻩ ﻫـﺎﯼ ﺁﻥ ﻣﻨـﺎﺑﻊ ﺍﺻـﻠﯽ ﻟﻴﮑـﻮﭘﻦ ﺩﺭ ﺭﮊ ﻳـﻢ ﻏـﺬﺍﻳﯽ ﻣـﯽ
ﺑﺎﺷﻨﺪ..ﺷﺮﺍﻳﻂ ﻓﺮﺁﻭﺭﯼ ﻧﻈﻴﺮ ﺩﻣﺎﯼ ﺑﺎﻻ ، ﺯﻣﺎﻥ ﻃﻮﻻﻧﯽ ، ﻧﻮﺭ ، ﺍﮐﺴﻴﮋﻥ ﻭ ﻋﻮﺍﻣﻞ ﻣﮑﺎﻧﻴﮑﯽ ﺍﺛﺮﺍﺕ ﻣﺨﺮﺏ ﺑﺮ ﺭﻭﯼ ﻟﻴﮑﻮﭘﻦ ﮔﻮﺟﻪ ﻓﺮﻧﮕﯽ ﺩﺍﺭﻧﺪ.ﺍﮐﺴﻴﺪﺍﺳﻴﻮﻥ ﻭ
ﺍﻳﺰﻭﻣﺮﻳﺰﺍﺳﻴﻮﻥ ﺩﻻﻳﻞ ﺍﺻﻠﯽ ﺍﻓﺖ ﻟﻴﮑﻮﭘﻦ ﻃﯽ ﻓﺮﺁﻭﺭﯼ ﮔﻮﺟﻪ ﻓﺮﻧﮕﯽ ﻣﯽ ﺑﺎﺷﻨﺪ.ﺍﺯ ﺍﻳﻦ ﺭﻭ ﻣﻄﺎﻟﻌﺎﺗﯽ ﺩﺭ ﺧﺼﻮﺹ ﺍﺛﺮﺍﺕ ﻓﺮﺁﻳﻨـﺪﻫﺎﯼ ﺣﺮﺍﺭﺗـﯽ ، ﺍﻧﺠﻤـﺎﺩ ﻭ
ﻓﺸﺎﺭ ﺑﺎﻻ ﺑﺮ ﻣﻘﺪﺍﺭ ﻟﻴﮑﻮﭘﻦ ﮔﻮﺟﻪ ﻓﺮﻧﮕﯽ ﺍﻧﺠﺎﻡ ﺷﺪﻩ ﺍﺳﺖ . ﻧﺘﺎﻳﺞ ﻣﻄﺎﻟﻌﺎﺕ ﻧﺸﺎﻥ ﺩﺍﺩﻩ ﺍﺳﺖ ﮐﻪ ﺟﻬﺖ ﺑﻪ ﺣﺪﺍﻗﻞ ﺭﺳﺎﻧﺪﻥ ﺍﻓﺖ ﻟﻴﮑـﻮﭘﻦ ﻃـﯽ ﻓـﺮﺁﻭﺭﯼ ﺩﺭ
ﮔﻮﺟﻪ ﻓﺮﻧﮕﯽ ﻭ ﻣﺤﺼﻮﻻﺕ ﺁﻥ ﻣﯽ ﺗﻮﺍﻥ ﺍﺯ ﺩﻫﻴﺪﺭﺍﺳﻴﻮﻥ ﺑﻪ ﺭﻭﺵ ﺍﺳﻤﺰﯼ، ﻧﮕﻬﺪﺍﺭﯼ ﺩﺭ ﺩﻣﺎﯼ ۳۰- ﺩﺭﺟﻪ ﺳﺎﻧﺘﯽ ﮔﺮﺍﺩ ﻭ ﺗﮑﻨﻮﻟﻮﮊﯼ ﻓﺸﺎﺭ ﺑـﺎﻻ ﺑـﺎ ﻓـﺸﺎﺭ
۵۰۰ ﻣﮕﺎ ﭘﺎﺳﮑﺎﻝ ﺑﻬﺮﻩ ﺑﺮﺩ .

ورود
شناسه‌ی کاربری:

رمزعبور:

ورود خودکار



واژه رمز را فراموش کرده‌اید؟

عضو شوید
SmartSection is developed by The SmartFactory (http://www.smartfactory.ca), a division of INBOX Solutions (http://inboxinternational.com)
مقاله ها > 1-مقاله های فارسی > 9-1 مقاله های عمومی > روش های کشف تقلب در روغن زیتون
روش های کشف تقلب در روغن زیتون
نوشته شده توسط FatemehR در تاریخ ۱۳۹۰/۱/۲۷ (2794 بار خوانده شده)
مقدمه
اعتبار وصحت روغن زیتون هدف بسیاری از مطالعات است که نشان دهنده ی ارزش اقتصادی بالای آن،نه تنها به دلیل تولید آن در کشورهای حاشیه مدیترانه،بلکه به دلیل گستره ی جهانی مصرف کنندگان است.وضع دامنه وسیعی از قوانین مرتبط با صحت ویژگی ها وطبقه بندی روغن زیتون موجب سرعت گرفتن فعالیتهای علمی در این زمینه شده است.هدف اصلی این مطالعات کنترل نمودن تغییرات ترکیب روغن زیتون در جهت محافظت از مصرف کنندگان در برابر تقلب ها در این صحت وحفظ صورت مناسب این صنعت است.در حقیقت قیمت بالای روغن زیتون در بازار می تواند موجب کم توجهی به این محصول شده ودر نهایت محصولات بی کیفیت ویا دارای پوماس(گوشت میوه) رواج یابد ویاآنکه محصولات به شیوه ای نامناسب تولید شوند.
تلاشهای فراوانی برای صحه گذاری بر ترکیب روغن زیتون انجام شده است ودر این راستا تکنیکهای آنالیز مختلفی به کار گرفته شده است که شامل روشهای پارامتریک شیمیایی کلاسیک تا پیچیده ترین تکنیکهای زیست شناختی وصنعتی است.تکنیک های آنالیزی عمدتا برای بررسی یک یاچند ترکیب روغن زیتون همانند گلیسرولها،چربی ،اسیدها،استرول،آلکانها،موم والکل های چرب به کار می روند.این روش می تواند صحت ویا عدم آن را نشان دهد وباآزمون محدود خود منشأ جغرافیایی وخاکی روغن را با نمونه های ثبت شده مطابقت دهد.این روش ها براساس نوع تکنیک مورد استفاده به سه دسته ی زیر تقسیم می شود:
I. کروماتوگرافی
II. اسپکتروسکوپیک/اسپکترومتریک
III. تکنیک های مبتنی بر DNA
علاوه بر سه دسته ذکر شده،روشهای جدید دیگری نیز در این زمینه به کار گرفته شده اند که در این گروه بندی قرار نمی گیرند وپیشتر به ذکر آنها خواهیم پرداخت.





شکل 1- روشهای آنالیز مورد استفاده دربررسی صحت روغن زیتون



















1)روشهای کروماتوگرافی
کروماتوگرافی گاز (GC) وکروماتوگرافی مایع (LC) بی شک تکنیک های غالب در تشخیص وبررسی ذرات میکرو وماکرو در صنایع غذایی هستند.به دلیل رشد وجدایی سریع روشهای آنالیز ،روشهای فوق به صورت" استانداردطلایی" در زمینه تشخیص صحت روغن زیتون هستند.[1]

1-1-کروماتوگرافی گاز:
تعداد بسیار زیادی از کارخانه های علمی وبسیار از آزمایشگاههای تشخیص قادرند که از GC به عنوان اولین روش آنالیز برای تشخیص اسیدهای چرب وسایر ترکیبات فیزیکی وشیمیایی استفاده کنند.عموما استفاده از مشتقات استر ،مخصوصا متیل استر ،در آزمایش اسیدهای چرب روغن زیتون توصیه می شود.این استرها نسبت به اسیدهای چرب آزاد قالیت تبدیل شدن به بخار بیشتری دارندوبنابراین برای آنالیزهای گازی مناسب تر هستند.[1]
در تشخیص اسیدهای چرب در آنالیزهای روتین گازی از یک ردیاب تابشی یونیزه کننده (FID) استفاده می شود که یک رابطه خطی به کربن اکسید نشده پاسخ می دهند.[1]
روشهای GC-FID در آنالیز استرولهای روغن زیتون به کار می رود. در اکثر مطالعات استرولها به صورت استرولهای آزاد بعد از هیدرولیز شدن مورد آنالیز قرار گرفته اند.در مجموع برخی مطالعات پیشنهاد می کنند که جدایی استرولهای آزاد واسیدهای چرب در روغن زیتون باید مورد توجه قرار گیرند.علاوه بر نوع استرولها وتاثیر آنها برروی روغن زیتون فاکتورهایی مانند رقم ها ،زمان به عمل آمدن محصول،میزان رسیدگی میوه ی اصلی ،مدت زمان انبار شدن میوه،تاپیش از استخراج روغن آن وروغن کشی نیز بسیار موثرند.[1]
الکل درصد اندکی از کل روغن زیتون راتشکیل می دهدکه آن نیز توسط GC قابل بررسی است.
این ساختارهای الکلی شامل الکل های چرب (آلیفاتیک) (دوکوزونال ، تتراکوزونال واکتاکوزونال) والکل های تری ترپن (بتا آمیران،بوتیروسپرمول ،سیسلوآرتنول ومتیل آرتنول 24) هستند که هر کدام در شناسایی منشأ روغن زیتون کار آمد هستند.[1]
طبقه بندی نمونه ها که معمولا توسط GC مورد آنالیز قرار می گیرند شامل اجزای بخار شدنی روغن زیتون مانند آلدئیدها ، استرها ،الکل ها وکتون ها هستند.اجزای بخار شدنی را می توان به منظور بررسی کیفیت روغن زیتون مورد استفاده قرار داد تا از این طریق صحت طعم خاص وتفاوت میوه ی استفاده شده مورد آنالیز قرار گیرد.این آنالیز ها عموما به صورت انتشار میکرو در فاز جامد (SPME) وGC به همراه اسپکترومتری توده ای (MS) انجام می شوند که به این ترتیب به ما این امکان را می دهند تا ویژگی ها وکیفیت نمونه های مختلف را شناسایی کنیم.[1]
2-1-گروماتوگرافی مایع:
کروماتوگرافی مایع برای جداسازی تمامی انواع مواد شیمیایی ارگانیک مستقل از قطبیت وفراریت ،مخصوصا در آنالیز قطبی ،دماناپای ویا مواد شیمیایی غیر فرار که آنالیز آنها از طریق GC ساده نخواهد بود،به کار می رود.[1]
مقدار قابل توجهی از روغن زیتون را تری آسیل گلیسرول ها (TAG) تشکیل می دهد که از طریق کروماتوگرافی مایع قابلیت بالا (HPLC) مورد بررسی قرار می گیرند که در آن فاز برگشتی (RP) ستونی وجود دارد.[1]
این روش می تواند از اشعه فرابنفش (UV) ،ضریب شکست (RI) ویا شاخصهای تبخیری پراکندگی نور استفاده می کند (ELSD). ELSD یکی از بهترین روشهایی مورد استفاده است زیرا هیچ اثری به جا نمی گذارد و هیچ نوع محدودیتی ندارد.[1]
اجزاء آنتی اکسیدان همانند توکوفرول ها، که نقش مهمی را در جلوگیری از فساد روغن بازی می کنند ،توسط HPLC در حالت نرمال یا فاز برگشتی مورد آنالیز قرار می گیرند.
در حالیکه به نظر می رسد α توکوفرولها قدیمی ترین آنتی اکسدان روغن زیتون باشند ،سایر انواع توکوفرولها ازجمله β ،γ ،δ به علاوه ی α ، β ، γ توکوترینولها نیز خود را در این طبقه جای می دهند.این اجزاء را می توان برای شاخص گذاری روغن های گیاهی مورد استفاده قرار داد.[1]
یکی دیگر از ترکیباتی که به صورت اندک در روغن زیتون وجود دارد فنولها هستند.میزان ونوع فنولها نشان دهنده ی عوامل کشاورزی ،بلوغ میوه ها ،فرآوری ،بسته بندی ومدت زمان انبار شدن است.
این نشانه ها می توانند پتانسیل مناسبی برای نشان دادن منشأ جغرافیایی میوه و روغن زیتون داشته باشنداسیدهای فنولیک مانند گالیک ، کافئیک ،وانیلیک ، پیکو ماریک ،سیریجیک ،فرولیک ، پی هیدروکسی بنزوئیک ،پروتوکاتکوئیک اسید ،تیروزول ،هیدروکسی تیروزول را می توان در روغن زیتون تشخیص داد.[1]
1- روش های اسپکروسکوپی واسپکترومتری :
1-2-رزونانس مغناطیسی هسته ای(NMR)
اگرچه این روش نسبت به روشهای CG و HLPC از نظر حساسیت در درجه دوم قرار دارد.اما دارای برخی مزایا نیز هست. [1]این روش سریع ،مستقیم وغیر مخرب است[1,10] ومی تواند هم زمان چندین جزء کوچک را درون نمونه ای کوچک مورد شناسایی قرار داد.[1]
محققان مختلف با استفاده از H و C و P در NMR ناخالصی هایی از دانه های روغنی به دست آورند(سویا ،بادام زمینی ، ذرت ، فندق ، آفتابگردان ، گردو ، نارگیل ، بادام و...) که این کار را از طریق محاسبه ی میزان اسیدهای لینولئیک n-3ویا نسبت 1و2 دی گلیسیرید ها به کل آنها و هر دو آنها به اسیدیته ،عددیدی ،وترکیب اسید های چرب انجام دادند.[1]
C NMR به طور خاص در ارزیابی مخلوط اسیدهای چرب شامل ایزومرهای اسیدهای چرب ترانس کاربرد دارد.شکستن ترکیبات غیر قابل صابونی شدن روغن زیتون را می توان توسط C NMR وبااستفاده از ابزار های تشخیص منشأروغن زیتون مشخص نمود. منشأ میوه وروغن کشی زیتون را می توان با استفاده از P NMR مورد شناسایی قرار داد.[1]
اسپکتروسکوپی NMR با ضریب انتشار بالا برای محاسبه ضریب انتشار (D) روغن زیتون خالص دانه ها،مغزهای روغنی به کار گرفته شده است.تا این روش برای تشخیص ناخالصی های روغن زیتون استفاده شود.حداقل ناخالصی که توسط تغییراتD قابل شناسایی است شامل 10%روغن آفتابگردان (SuO) وروغن سویا ،30% برای روغن فندق (HO) وبادام زمینی (PO) بوده است.[10]
بررسی کمی وکیفی ناخالصی ها از طریق آنالیز تفکیکی (DA) انجام شده است.بالاترین نرخ تفکیک(100%-98 ) تنها زمانی مشاهده شده است که در مدل DA برای طبقه بندی نمونه ها مورد استفاده قرار گرفته اند.اولین مدل DA ناخالصی بالاتر از 20% SuO و SoO30%PO در روغن زیتون بسیار خالص (EVOO) را تشخیص دهد در حالیکه دومین مدل DA می تواند بین ناخالصی های SuO وSoO در 10% و HO در 30% تمایز قائل شود.[10]
سطح بالای دقت به همراه حداقل نیاز مندی بخه نمونه ومدت زمان آنالیز کوتاه موجب شده تا اسپکتروسکوپی NMR به عنوان روشی ایده آل برای بررسی سریع ناخالصی های روغن زیتون باارزش محسوب شود.[10]

آنالیز H NMR:
ساختار اصلی روغن زیتون استر های گلیسرول واسیدهای چرب غیر اشباع (اولئیک ،لینولئیک ) واشباع (پالمتیک واستئاریک)هستند.با توجه به شباهت شیمیایی این استرهای تری گلیسیرید ،مجموعه ی سیگنالها عموما در طیف HNMR مشاهده می شوند.طیف HNMR در EVOO شامل DIFF 30 و BBI است که در 300-400 MHz اثبات می شود.[10]


بررسی طیف HNMR به همراه DIFF30 نشان دادکه ترکیب PO و HO تفاوت چشمگیری با EVOO ندارد.سیگنالهای افزایش یافته را می توان به صورت پیک 1 و4 در طیف های SoO و SuO در نظر گرفت.
پیک 1 مرتبط با پروتونهای اولفینیک تمامی اسیدهای چرب غیر اشباع است در حالیکه افزایش پیک 4 انعکاس دهنده مقدار بیشتر لینولئیک ها وکاهش مقدار اسید اولئیک است.افزایش پیک 1و4 برای آن دسته از ترکیبات EVOO که دارای بیش از 20%SuO و SoO هستند قابل توجه است.[10]

22--اسپکتروسکوپی فلورسنت
ازجمله مزیتهای این روش در تشخیص صحت روغن زیتون ،سرعت خوب آنالیز ،نیاز به میزان کمی نمونه وعدم نیاز به معرف است.امکان استفاده از القای ماتریس انتشار (EEM) بطور ویژه ای موجب سرعت یافتن تحقیقات در این زمینه شده است.در این روش توانایی تشخیص وجود روغن خام یا تصفیه شده فندق در روغن زیتون وجود دارد.میزان ناخالصی روغن زیتون خالص(VOO) با روغن تصفیه شده گوشت میوه (OPO) نیز توسط EMM با استفاده از تکنیک های تفکیک مطالعه شده است.[11]
در مطالعه ای دیگر تفاوت روغن زیتون خالص (VOO)با روغن های پوماس (گوشت میوه) زیتون،ذرت ،آفتابگردان ،سویا،rapeseed ،وگردو توسط فلورسنت همزمان (Tsyf) بررسی شده است.
طیف Tsyf طول موج های دامنه 250 nm-720 nm وفاصله موجی (Δλ) دامنه 20nm-120nm ایجاد می شود.[11]
نشان داده شده که ناخالصی ها می توانند با استفاده از فاصله طول موجی 20nm وطول موج های 315 -400،315-392 ،315-375 ،315-365 ،315-360 به ترتیب برای روغن های پوماس زیتون ، ذرت ،آفتابگردان ،سویا ،rapeseed ،گردو ،از روغن زیتون تفکیک شوند.[11]
2-3-اسکپرومتری توده ای(MS)
درسالهای اخیر روشهای MSپیشرفته همانندMS فضای فوقانی (HS-MS) ،MS نسبت ایزوتوپی (IRMS ) ،MS یونیزه کننده الکتروسپری MS (EIS-MS) وجفت پلاسمای قیاسی (ICP-MS) در زمینه بررسی ناخالصی های روغن زیتون به کار گرفته شده اند.هیچ نوع کروماتوگرافی یا شیوه ی جداسازی دیگری در بکارگیری شیوه ی HS-MS موردنیاز نخواهد بود.[1]
رویکرد IRMS درجه ی ایزوتوپ رامورد محاسبه قرار می دهد.الگوی طبیعی شکل گیری ایزوتوپها تحت تاثیر اجزای بیوشیمیایی گیاه وشرایط جغرافیایی ومنشأ بیوتکنیکی گیاه است.IRMS نیز به این ترتیب برای شناسایی منشأجغرافیایی VOOفروخته شده ومصرف خاص آن مبتنی بر مقادیر C پالمتیک واسیدهای اولئیک مورد استفاده قرار می گیرد.از این روش همچنین برای شناسایی سایر انواع روغن های خوراکی مبتنی بر مقادیر C که دارای اسیدهای چرب مشابه اند استفاده می شود.[1]
مقادیرC الکل های چربی دار روغن ها برای تشخیص وجود OPO در VOO وروغن های تصفیه شده در سطح 5%مورد استفاده قرار می گیرد.[1]
روش یونیزاسیون نرم MS برای آنالیز مولکول ها و ماکرومولکولهای زیستی مورد استفاده قرار می گیرد.این روش براساس تکنیک انگشت نگاری تمامی ماده غذایی شکل گرفته است.ESI-MSمی تواند یونیزاسیون نرم را بوجود آورد و اطلاعات و طیفهای وسیعی از VOOوناخالصی های معمول را بدست دهد.[1]
با استفاده ازتکنیک EIS-MS پیشرفته ترین به نام MS تشدید سیکلوترون تغییر فریون فوریر ESI
(ESI-FT-ICR MS ) توانسته اند اسیدهای چرب ،دی وتری آسیل گلیسرول وتوکوفرول ها در کانولا،روغن های زیتون وسویا را مورد تشخیص قرار دهند.[1]
یکی از مزایای این تکنیک آن است که ویژگی های شیمیایی روغن های گیاهی را بدون آنکه از قبل به آن نمونه ای داده شده باشد نادیده می گیرد.محققان کارآرایی این نوع تکنیک را در شناسایی مخلوط های روغن های سویا وزیتون اثبات کرده اند.[1]
2-4-اسپکتومتری جذبی/انتشاری اتمی
معمول ترین تکنیک مورد استفاده برای بررسی فلزات کمیاب در روغن زیتون روشهای ICP-AES و A.A.Sا ست.
از این دو روش برای شناسایی Ca ,Fe ,Mg ,Zn ,Na ,Al ,Co ,Cu ,K ,Mn ,NI استفاده شده است.تشخیص منشأ جغرافیایی روغن زیتون تنها از طریق مقایسه میزان اندکی از مقادیر فعلی وقبلی این موارد امکان پذیر است.

2-5-اسپکتروسکوپی رامن
تکنیک اسپکتروسکوپی رامن مبتنی بر تغییرات جنبشی حاصل در حالت های الکترونیکی مولکول ها است.از این روش برای تشخیص ناخالصی های روغن زیتون استفاده می شود.وبرای این کار نیاز به آزمایشگاه های مجهز روش های پیشین نیست.اگر این روش با مقادیر کافی آنالیزهای آماری همراه باشد نتایج شفافی را بدست خواهد داد.استفاده از اسپکتروسکوپی انتقالی فوریر رامن نشان داده است که روغن آفتابگردان حتی اگر 1% کل وزن راتشکیل دهد قابل تشخیص خواهد بود.[1]
ازسویی دیگر اسپکتروسکوپی رامن در طیف مرئی (vis raman) به عنوان ابزاری جهت طبقه بندی روغن های گیاهی مختلف واندازه گیری مقدار ناخالصی های روغن زیتون مورد بررسی قرار گرفته است.[12]
برای طبقه بندی ،آنالیز اجزای اصلی (PCA) مورد استفاده قرار گرفته است.با استفاده از این روش شباهت زیادی بین روغن آفتابگردان وEVOO شناخته شده است.بنابراین SuO به عنوان گزینه اصلی ناخالصی اکثر محصولات در این زینه است.در کنار طبقه بندی روغن های گیاهی از اسپکتروسکوپی رامن به همراه آنالیز رگرسیون مربع حداقل (PLS) برای شناسایی ناخالصی های روغن زیتون بطور موفقیت آمیزی استفاده گردیده است.[12]
با این روش علاوه بر شناسایی ناخالصی می توان به آنالیز ناخالصی ها نیز پرداخت.
بطور کلی در این روش بر اساس PCA ،تشخیص واضح بین روغن زیتون بسیار خالص وناخالصی روغن زیتون وروغن آفتابگردان امکان پذیر شده است.[12]
همچنین از روش FT رامن برای شناسایی روغن فندق در میزان بیش از 8%استفاده گردیده است.[1]
2-6- اسپکتروسکوپی فروسرخ
FI-IR ابزاری سریع ،غیر مخرب با قدرت آنالیز بالا است[8] و ابزاری منحصر بفرد اسپکتروسکوپی فروسرخ در دو ناحیه ی نزدیک (NIR) و میانه (MIR) همراه آنالیز داده های چند متغیره به عنوان روش آنالیزی موفق برای مدل سازی کیفی وکمی دامنه ی گسترده ای از فرآورده های غذایی می باشد.[9]
یکی از کاربردهای اخیر NIR ,MIR تعیین پارامترهای کیفی وشناسایی ناخالصی ها است.این مدل ها برای سنجش صحت روغن زیتون مبتنی بر منشأ جغرافیایی با موفقیت عمل نموده است.بنابراین تکنیک اسپکتروسکوپی فروسرخ را می توان برای شناسایی رقم ها به کار برد.در حقیقت اشعه ی فروسرخ قادر است شناخت کاملی از روغن زیتون بدست دهد که به این ترتیب فاکتورهای موثر بر کیفیت آن شامل محیط ،تکنیک های تولید ومنشأ رقم ها شناسایی می شوند.[9]
اسپکتروسکوپی فروسرخ انتقالی فوریر (FI-IR) به عنوان یک روش سریع آنالیز مواد غذایی که نیاز به مقادیر اندکی نمونه دارد شناخته می شود.روش های FI-IR ،(FI-MIR ,FI-NIR) در شناسایی ناخالصی های روغن زیتون خالص (VOO) از نوع روغن های سویا وفندق وآفتابگردان موفق عمل کرده است.[1]

طیف FT-IR:
این طیف با استفاده از اسپکتروفوتومتر FT-IR نیکولت نکسوز با وضوح 1-4cm در 32 مرتبه اسکن بدست آمده است طیف های تکراری برای تمام نمونه ها ثبت شد به جز 12مخلوط که از آنها برای مطالعه رگرسیون برای تعیین صحت استفاده شد.
در استفاده از FT-MIRمحدودیت شناسایی ناخالصی درحد5%برای مخلوط روغن های ذرت وآفتابگردان ودانه کتان و...وجود دارد.[8]
مدل FT-MIR مخلوط روغن های ذرت وآفتابگردان ودانه کتان وrapeseed در روغن زیتون را به ترتیب بامحدودیت خطای 1.04 و1.4و1.32 پیش بینی می کنند.علاوه بر این داده ها با مدل تجزیه وتحلیل اجزا (PCA) موردآنالیز قرار گرفته اند.ازسویی دیگر آنالیز PLS-DA برای مشاهده کارایی مدل های FT-IR در شناسایی ناخالصی ها بدون توجه به نوع ناخالصی روغن به کار گرفته شد[2].تکنیک های FT-NIR ,FT_MIR همچنین می توانند میزان ناخالصی روغن گوشت میوه زیتون را در روغن زیتون بسیار خالص (EVOO)تعیین کنند که در این تکنیک ها ارزش R2 بیش از99/0 خواهد بود.[9]
اسپکتروسکوپی FT-NIR ناخالصی روغن زیتون را بامحدودیت های خطای زیر شناسایی وتعیین می کند:
روغن زیتون :57/0%± ، روغن آفتابگردان :32/1%± ،روغن فندق 57/0%± ،روغن سویا 96/0%± ،روغن گردو56/0%±[9]
اسپکتروسکوپی فروسرخ تغییر شکل فوریر (FT-IR) که با ZnSe-ATR مجهز شده باشد می تواند ناخالصی های روغن زیتون با روغن فندق در سطح 25%وبالاتر راشناسایی کند.نتایج بهتر در این زمینه از طریق بکارگیری اسپکتروسکوپی های رامن وMIR بدست می آید.
در خصوص تعیین ناخالصی روغن زیتون با روغن های گیاهی با استفاده از FT-IR ،اگر ناخالصی شامل روغن ذرت یا دانه روغنی کنجد باشد محدوده شناسایی 9%واگر ناخالصی روغن آفتابگردان یا سویا باشد این مقدار کمتر یا حدود6% خواهد بود.[8]
روش های FT-IR می توانند ابزاری سریع،مطمئن وارزان برای بررسی روغن زیتون بسیار خالص (EVOO) بدست دهند که در نهایت نیازی به انجام آزمایش شیمیایی نباشد.[9]
در مطالعه ای از FT-IR بدنبال LDA(آنالیز تفکیک خطی) استفاده گردید تا روغن های گیاهی را براساس منشأ گیاهی آنها طبقه بندی کند.همچنین از رگرسیون خطی چندگانه (MLR) برای شناسایی واندازه گیری مقدار ناخالصی های EVOO شامل روغن های ارزان آفتابگردان ،ذرت ،سویا ،فندق استفاده شده است.[9]
در این روش با استفاده از هشت طول موج ،پنج نمونه متعلق به پنج گونه گیاهی مختلف به دقت طبقه بندی گردید.بعلاوه ،چهار مدل MLR با یک شناساگر برای مخلوط های EVOO با روغن های آفتابگردان وسویا وفندق وبادو شناساگر برای مخلوط EVOO با روغن ذرت شکل یافت که می توانند میزان روغنهای ارزان قیمت اضافه شده تا حد5%راشناسایی کنند.[9]
در این روش محل اثر طول موج ها بیشتر پیوندهای دوگانه بوده است تا نشان دهد اسیدهای چرب غیر اشباع در اندازه گیری مقدار ناخالصی های روغنی بسیار مهم اند.این باندها در ترکیب EVOO- آفتابگردان CH2 =، ترکیب EVOO- فندق C-H =، ترکیب EVOO- سویا –HC=CH- ، ترکیب EVOO- ذرت C-H = می باشند.[9]
2-روش های مبتنی بر DNA
بدون نادیده گرفتن فواید ذکر شده تا به اینجا،آنالیز مولکولی DNA تنها روش آنالیزی است که اطلاعات کامل رقم های روغن زیتون را بدست می دهد.زیرا عامل DNAموجب بروز تاثیرهای محیطی برگیاه ودر نهایت ترکیب شیمیایی محصول آن می شود.محدودیت اصلی این روش در دست داشتن نمونه DNA مناسب است.[1]
در این روش تکنیک های شناسایی چندشکلی مولکولی برای سنجش کیفیت روغن زیتون خالص VOOمورد استفاده قرار گرفته است.این تکنیک ها شامل تقویت طولی چندشکلی تصادفی (RAPD)،تقویت قطعات طولی چند شکلی (AFLP) تقویت نواحی مشخص (SCAR) هستند.[1]
اگر چه این تکنیک ها اطلاعات مفیدی به دست می دهند بهترین وکاربردی ترین روش SSR (تکرار زنجیره ای نمونه ) لوسی یا میکرو ستلایت است.[1]
برای غلبه بر محدودیت های ذاتی روش های شناسایی مبتنی بر DNA در روغن زیتون از روش خاص استفاده گردیده است که به موجب آن مواد خاص زیتون به روش PCR شناسایی شدند.این روش این امکان را فراهم می آورد تا تفاوت های روغن زیتون با روغن های دیگری که به آن اضافه می شوند (شامل روغن های سویا، کنجد،دانه کدوتنبل ،دانه آفتابگردان، برنج،گردو وذرت) تا روغن زیتون ارزان تری فراهم شود شناسایی شود.[6]
اولین ومهمترین قدم در هر روش مبتنی بر DNA جدا از کیفیت خوب (مناسب برای PCR ) ،DNA مواد خام است.بصورت کلی دوعامل مهم تعیین کننده محدودیت شناسایی این روش هستند:
a)وجود نمونه های باز دارنده
b)گستردگی تخریب DNA: عمل آوری های شیمیایی وفیزیکی مواد خام مانند گرم کردن ،شرایط اسیدی وفرآیندهای تصفیه می تواندموجب بروز تخریب تصادفی ژنومیک DNA شود که این امر تاثیر بسزایی در عدم تشخیص DNA مورد نظر خواهد داشت.[6]
در تحقیقی از رنگ سبز فلورسنت استفاده شده است که این رنگ سبز Evagreen نام دارد .این رنگ سبز با رنگهای سبز معمولی SYBRوطلایی SYBR در آنالیزهای الکتروفورز DNA مورد مقایسه قرار گرفت ودر یافته شد که از نظر شناسایی هیچ محدودیتی ندارد اما Evagreenموجب بهبود مدت زمان مهاجرت ونقطه عطف DNA (نقطه ای که رنگ در آن قابل تشخیص است)می شود.سیگنال ها در نقطه عطف بسیار مشخص هستند وبه خوبی قابل مشاهده اند.این روش محدود به روغن های تک جزئی است بطوریکه می تواند نشان دهد روغن حاوی جزءزیتون است ویا با سایر اجزای گیاهی روغنی مخلوط شده است.[6]

روش های خارج از سه دسته نامبرده به شرح زیر می باشند:
1- اسپکتروسکوپی دی الکتریک
مطالعه دی الکتریک از دوجهت مهم است :از دیدگاه تئوری دی الکتریک واز جهت کاربردهای عملی.
روشهای شیمیایی وفیزیکی مختلفی جهت بررسی کیفیت روغنها ایجاد ومورد استفاده قرار گرفته که شامل اسپکتروسکوپی UV ،اسپکترومتری توده ای(MS) ،GC ،اسپکتروسکوپی نزدیک به فرو سرخ ،(NIR) ،FT IR وبیشترین آنها که مبتنی بر آنالیز اسیدهای چرب ویا سایر اجزا است .محدودیت بررسی دامنه ای بین
1-20%را دارد.[4]
عمدتا روش های آنالیز معمول وبرخی از ابزار های آن پیچیده ووقت گیر هستند.بنابراین هنوز هم چالش اصلی برای ایجاد روشی جهت بررسی کیفیت وناخالصی های روغن های خوراکی وجود دارد.[4]
اسپکتروسکوپی دی الکتریک به عنوان یک روش ساده ،سریع وغیر تخریبی اطلاعاتی را در مورد پاسخ های دی الکتریک مواد مغناطیسی به دست می دهد.در مطالعات پیشین جزئیات دی الکتریک روغن های خوراکی واسیدهای چرب به عنوان تابعی از فرکانس ،دما،رطوبت وساختار مورد بررسی قرار گرفتند که در نتیجه نشان می دهد که می توان از دی الکتریک برای تشخیص میزان ناخالصی ها استفاده نمود.[4]

خواص دی الکتریک مخلوط دوتایی روغن های خوراکی در دامنه فرکانس 101هرتز تا 500 کیلو هرتز می باشد واین دامنه نشان دهنده موارد عمومی ومقادیر ماکزیمم است که بسیار شبیه مقادیری است که توسط الکتریک استاتیک بدست می آیند.[4]
زمانی که از دی الکتریک استفاده شد طیف دی الکتریک از 500KHz به 1MHzافزایش یافت (P<0.05) الکتریک مخلوط دوتایی روغن های غذایی با افزایش غلظت ناخالصی ها به بیش از دامنه ی فرکانس محاسبه شده افزایش می یابد(P<0.05) بطور مثال در مورد دی الکتریک روغن زیتون با روغن سویا با افزایش میزان سویا از 0% تا 100% دی الکتریک بین دامنه 101Hz تا 1MHz افزایش می یابد.[4]
دی الکتریک روغن زیتون ترکیب شده با روغن لینولئیکی (Perilla)با افزایش Perilla از دامنه مورد نظر فراتر می رود.دی الکتریک روغن زیتون ومخلوط آن با روغن آفتابگردان تفاوت اندکی را در دامنه فرکانسی نشان می دهد.در 1MHz ،تفاوت بین مقادیر ثابت دی الکتریک روغن زیتون ومخلوط روغن زیتون با50% آفتابگردان در حدود003/0بوده است بنابراین شناسایی ترکیب روغن از درون روغنهای مشابه توسط مقادیر ثابت دی الکتریک امری دشوار تلقی می شود ونیازمند استفاده از PCA وPLS است .طبقه بندی انجام شده توسطPCAبرای تمامی انواع نمونه های روغن نشان دهنده ی عملکرد خوب وشفاف این روش بر روی روغنهای مختلف بوده است.هریک از نمونه های روغن را می توان با دی الکتریک به راحتی در گروه های مختلف طبقه بندی نمود.PLS نیز پیش بینی خوبی از میزان ناخالصی های موجود در روغن زیتون به دست می دهد.اسپکتروسکوپی دی الکتریک برای شناسایی مقادیر سطحی ناخالصی در روغن زیتون بسیار مناسب خواهد بود.[4]
2-روش های بر پایه خواص ترموفیزیکی
برای تسهیل شناسایی ناخالصی های EVOO ویا هر نوع فعالیت جعلی ،مقادیر و ویژگی های اصلی شیمیایی (کلروفیل ،توکوفرول ،ترکیبات فنولیک ترکیبات فرار)موجود در روغن ضروری است.برای محاسبه این نوع ترکیبات تکنیک های اسپکتروسکوپی) (FT-Raman ,FT-MIR وفلورسنت ،تکنیک های اسپکتروسکوپی رزونانس مغناطیسی هسته ای ،کروماتوگرافی گاز (GC) اسپکترومتری توده ای GC وکروماتوگرافی مایع با عملکرد بالامعمولا مورد استفاده قرار می گیرند.به علاوه ویژگی های دمایی با آنالیزکننده های میزان دما (TGA) ویا بررسی های مختلف کالری متری (DSC) در مورد روغن زیتون خالص مورد استفاده قرار گرفته اند.[2]
بطور خاص ،تجهیزات DSC بطور گسترده برای خواص روغن زیتون بسیار خالص (EVOO) وشناسایی ناخالصی روغن ها وچربی ها مورد استفاده قرار می گیرند.
اگرچه تکنیک های بیان شده به میزان کافی می توانند ناخالصی این روغن (EVOO) راشناسایی کنند ومی توانند کنترل کیفی را بر زنجیره ی محصول اعمال کنند اما ابزار ایده آل برای شناسایی غلظت های جزئی تمام ناخالصی های ممکن وجود ندارد و با وجود این در حال حاضر ادغام تکنیک های مذکور با ابزارهای شیمیایی مبتنی بر الگوریتم هایی مانند آنالیز اجزای اصلی ،شبکه های عصبی وحتی پارامترهای آشفتگی موجب شده تا غلظت های قابل شناسایی عوامل ناخالصی EVOO کاهش یابد.[2]
ابزارهای مبتنی بر پارامترهای آشفتگی می توانندتفاوت های کوچک را مورد تشخیص قرار دهند.این نتایج درمدل های مناسب برای بررسی نمونه های واقعی شیمیایی مورد آزمون قرار گرفته اند.اگرچه در فاز روغنی ،مدل های پارامتریک آشفتگی اندکی نشان داده شده اند اما نتایج موفق در این زمینه ما را متقاعد ساخته است که مدل های آشفتگی می تواننددر تعیین مقادیر ناخالصی EVOO درست عمل کنند.[2]
بنابراین علاوه بر مدل های خطی مبتنی بر چگالی ویا شاخص های انکسار نمونه های ناخالصی ،سایر مدل های اشفتگی (LCC/DSC) نیز برای اندازه گیری ناخالصی در EVOO از طریق تخمین غلظت ROO،ROPO ، SO وCO به عنوان ناخالصی عوامل مورد آزمون قرار گرفتند واین در شرایطی بوده است که غلظت ناخالصی ها بین صفر تا14% w/w بوده است.[2]
تجهیزات DSCبراساس دامنه دمایی مورد استفاده وساختار کارخانه ونرخ گرمایشی بین 10/5 تا20 k است. بررسی دمایی با دقتی کمتر از 0/1 k انجام می شود.از این تکنیک برای محاسبه تغییر گرمایی بین نمونه های ناخالصی ومحیط استفاده می شود.دامنه دمایی ونرخ گرمایشی برابر با303-873 هستند.[2]
-2-1اندازه گیری غلظت عوامل ناخالصی
ازآنجا کهDSC برای EVOOخالص ونمونه های با میزان اندکی از ناخالصی شبیه هم هستند و استفاده از مدل های خطی دراین شرایط آسان نمی باشد ،لذا روشی با کارایی بالا مورد نیاز است تابتوان غلظت عوامل ناخالصی را اندازه گیری کند.از این رو روش پارامتر آشفتگی در اینجا مورد استفاده قرار می گیرد.این پارامتر آشفتگی از نظر ریاضی مرتبط با جریان گرمایی است که تشکیل معادله ی دمایی نمونه را می دهند.از طریق این پارامتر ،میزان داده های پایه از 588×2 تا 39×1 کاهش می یابد بدون آنکه اطلاعات مرتبط در شناسایی ناخالصی ها از بین برود.[2]
در این حالت یافتن بهترین رابطه ی خطی بین ضریب همبستگی اتوماتیک lag-kوناخالصی ها مهمترین هدف خواهد بود .اول ،ناخالصی EVOO با ROO ,ROPO,SuO CO بطور جداگانه مدل سازی می شوند و4 مدل خطی حاصل می شود.مدل جهانی برای تخمین ناخالصی های بالا طراحی می شود ودر نهایت مدل جهانی برای نمونه های خارجی مور داستفاده قرار می گیرد.[2]

-2-2 کاربرد مدل های انفرادی برای شناسایی ناخالصی EVOO
با بررسی مدل های مناسب ومورد اعتماد جهت تخمین غلظت روغن های خوراکی (متغیر وابسته ) ودر نتیجه ترکیب 39LCC (متغیر مستقل ) بیش از 186000 مدل طراحی شد که اینجا مدل ها با بهترین نتایج آماری جهت تخمین غلظت ROO,ROPO ,SO ,Co در EVOO از 7،7،8،7متغیر مستقل (LCC) استفاده شده اند.این مدل ها به همراه ضریب همبستگی (R2) وخطای مربع میانگین مورد محاسبه قرارگرفته است.در موردی که در آن 8 متغیر مستقل قرار گرفته اند نزدیک به 14 دسته داده برای هر پارامتر بدست آمده که به این ترتیب به خوبی می توان از مدل استفاده نمود.با استفاده از متغیرهای مستقل بیشتر می توان مدل های خطی ساخت اما نتایج آماری به همین میزان ارتقا نخواهند یافت.[2]
ترکیب های مختلف تمامی LCC ها در جدول 3 ذکر شده اند ومی توانند غلظت روغن های خوراکی درجه دوم را به عنوان ناخالصی EVOO اندازه گیری زمانی که غلظت آنها بین صفر تا14 %باشد.به علاوه بررسی های DSC نمونه های ناخالصی روغن ومحاسبات پارامترهای آشفتگی آنها می تواند غلظت عوامل ناخالصی را شناسایی ومحاسبه کند.با وجود این ،نتایج آماری بهتر را می توان از طریق بکارگیری مدل های غیر خطی بین پارامترهای آشفتگی وغلظت عوامل ناخالصی بدست آورد،اما مدل ومحاسبات آن بسیارپیچیده است.[2]



-2-3کاربرد مدل جهانی جهت شناسایی ناخالصی EVOO
ترکیبهای ناخالصی EVOO پیش تر ناشناخته بودند وROO، ROPO ،SO ، CO نیز از این قاعده مستثنی نبوده اند.بااین وجود ،رابطه ی ریاضی جدید بین پارامترهای آشفتگی محاسبه ازبررسی DSC مخلوط دوتایی EVOO وROO ،ROPO ،SO ،CO وغلظت های مربوطه آنها در ترکیبات ناخالصی EVOOاز ده متغیر مستقل استفاده می کندتا اینکه معادله زیر را به وجود آورد.[2]
[Adulterant agent]= -21.19 + 1357.86•R35 - 2098.30•R40 + 1038.07•R50 -
11257.50•R80 + 16302.60•R85 - 18928.50•R105 + 14247.40•R110 -7750.320•R175 + 8135.530•R180 - 994.42•R200 (R2 > 0.908; MSE < 9 %)
همان گونه که انتظار می رفت به دلیل تفاوت های شیمیایی بین روغن های خوراکی که به عنوان عوامل ناخالصی به کار رفته اند،نتایج آماری ضعیف ترین نتایج در بین تمامی گروه های مطالعه ای است
(R2 >0/908. ,MES < 9%) .سرانجام به منظور بررسی قابلیت اجرا واطمینان مدل جهانی در تخمین غلظت تمامی ناخالصی ،تعیین ناخالصی های نمونه خارجی انجام گرفت.یکی از مهمترین استثنائات در شناسایی ناخالصی محدوده ی کمتر شناسایی است.در اینجا تنها از یک مدل استفاده می شود (معادله فوق) ومحدوده ی کمتر شناسایی ناخالصی در طول فرآیند نمونه خارجی 2/1، 2/1 و1/1 و2/1% w/w برای روغن های زیتون تصفیه شده ،پوماس زیتون تصفیه شده ،آفتابگردان وذرت بوده است.این مقادیر نسبت به سایر مدل ها کمتر هستند.مدل های مانند : اسپکتروسکوپی NMR (رزونانس مغناطیسی هسته ای)آنالیز آماری چند متغیره ،فلورسنت و رگرسیون مربع حداقل .با در نظر گرفتن تجهیزات آنالیزگر استفاده شده در مقایسه باNMR،تفاوت محدوده کمتر شناسایی روش lag-kنشان دهنده ی قدرت آن در بررسی صحت EVOO است.این شیوه، افقی به سوی طراحی ابزارهای جهت شناسایی ناخالصی های غیر مجاز به دست می دهد.این مدل جهانی با محدوده ی کمتر شناسایی (%1/2 w/w) نه تنها برای شناسایی ناخالصی ها بلکه برای محاسبه آلودگی های ناشی از نقل وانتقال روغن زیتون بین منبع های ذخیره به کار می رود.[2]
مهمترین مزیت روش ارائه شده شامل شناسایی ومقدار اندازه گیری ناخالصی از طریق محاسبه ی تنها یک نوع پارامتر آشفتگی است.از نظر آماری،ضرایب همبستگی اتوماتیک lag-k که به سادگی نیز قابل محاسبه اند ،اطلاعات ضروری را از منابع اطلاعاتی وسیع همانند DSC استخراج می کنند.[2]
پروفایل DSC پیچیده می تواند تبدیل به پروفایل ساده یLCC شودکه هنوز هم اطلاعات اولیه وضروری جهت تعیین ناخالصی ها را دارد.برای شناسایی ناخالصی های ROO ، CO, وSuO که در EVOOوجود دارند ازاین روش می توان برای قدم اول استفاده نمود.با در اختیار داشتن انواع مدلهای خطی قدم بعدی می تواند مقایسه آنها باشد.[2]
مقایسه مدل های مورد مطالعه قرارگرفته
دو نوع از مدل هادر اینجا مورد آزمون قرار گرفته اند: مدل های مبتنی بر چگالی و/یا RI نمونه های ناخالص ودیگری مدل های DSC/LCC. در پرتو نتایج آماری ،مدل های اولیه تنها برای تعیین ناخالصی های SO و CO کافی هستند.[2]
مدل های اخیر نیز برای شناسایی تمامی ناخالصی های روغن خوراکی کفایت می کنند.ازسویی دیگر،ساده ترین مدل برای تعیین غلظت ناخالصی آنهایی هستند که مبتنی بر چگالی و/یا RI نمونه ها هستند.برای مقایسه ی کمی عملکرد تمامی نمونه ها ،چهار نمونه ی ناخالصی ساخته شد وغلظت آنها با استفاده پنج مدل مورد آزمون قرار گرفت.با توجه به نتایج آماری ،مدل مبتنی بر چگالی وشاخص انکسار بهترین الگوریتم برای شناسایی ناخالصی EVOO شامل SO ,CO است.برای تعیین چهار نوع ناخالصی (SO,CO,ROPO,ROO)مدل جهانی بهتر از مدل فردی عمل می کند.از سوی دیگر ،با در نظر گرفتن این نکته که مدت زمان مورد نیاز برای محاسبه ی مقادیر چگالی وRI کمتر از مدت زمان مورد نیاز برای ترموگرام کالری متری بوده در حالیکه که پاسخی سریع برای آزمایش مورد نیاز است ،مدل های بر پایه چگالی و/یا RI بیشتر مورد توجه هستند.در شرایطی که تنها یک مدل منحصر به فرد برای بررسی بیش از یک نوع عوامل ناخالصی مورد نیاز باشد ویا آنکه جنبه های تئوریک داده ها اهمیت کمتری داشته باشند، مدل مبنی بر ضریب همبستگی اتوماتیک lag-k ترموگرام کالری متری می تواند کافی باشد.[2]
پارامتر ضریب همبستگی اتوماتیک lag-k تعریف شده به عنوان یک پارامتر خوب جهت شناسایی ناخالصی EVOOبا روغن های کم بها نشان داده شد.ازاین پارامتر می توان برای استخراج بسیاری از اطلاعات مرتبط ،از منابع اطلاعاتی وسیع،از کوچک کردن ابعاد ریاضی آنها استفاده نمود.به علاوه خواص فیزیکی با یک فرآیند محاسباتی ساده مانند چگالی یا RI رامی توان برای تعیین ناخالصی SO,CO مورد استفاده قرار داد.اگرچه قابلیت اجرای این نوع مدل ها در اینجا موفقیت آمیز بوده است،برای استفاده از آنها در یک سیتم جدید باید با استفاده از منابع اطلاعاتی جدید بهینه سازی شوند.[2]
این مدل ها نه تنها برای شناسایی ناخالصی EVOOبا غلظت اندک کاربرد دارند،بلکه برای تعیین آلودگی روغن زیتون در طول فرآیند تولید وقبل از پرشدن بطری ها کاربرد دارند.همچنین این مدل ها برای مشکلات عام تولید در کارخانجات روغن زیتون کاربرد دارندمثلا هنگامی که یک روغن زیتون با کیفیت به مخزن نگهداری دیگری منتقل می شود ویا از مجراهایی عبور داده می شودکه پیش از آن روغن زیتون با کیفیت پایین تری در آن ذخیره می شده است وآماده سازی وتمیز نشده است.[2]
3-کالری متری
در بین تکنیک های فراوان مورد استفاده امروز برای آزمودن کیفیت ومنشأجغرافیایی روغن های خوراکی ،کالری متری حضور ندارند. DSC برای مطالعه ی فرآیند اکسیداتیو گرمایی در برابر دما،مورد استفاده قرار می گیرد که هدف آن تعیین روغن وبهبود شرایط آن است.ثبات اکسیداتیو نیز از طریق فشار DSC تحت نظر قرار می گیرد.تغییر فازهای جامد به مایع روغن به دلیل آنکه تحت تاثیر تغییرات مولکولی هستند مورد مطالعه قرار گرفته اند.بنابراین ذوب وانجماد می توانند در بررسی کیفیت روغن مورد استفاده قرار بگیرند.اخیرا تاثیرات نرخ گرمایش وسرمایش بر ترموگرام ذوب و انجماد به همراه DSC مورد مطالعه قرار گرفته اند.[5]
آزمایشات در Refs نشان از ارتباط عمیق ترموگرام ها در دمای مورد بررسی دارند که این یافته ها وسیع تر از آنچه که درمایعات مولکولی تک جزئی مشاهده شده بوده اند می باشد:محققان این تاثیرات را مرتبط با پیچیدگی روغن وپلی مورفیسم فاز کریستالیزاسیون تری آسیل گلیسرول ها (TAG) می دانندکه مهمترین جزء اصلی روغن ها هستند.آنها همچنین دریافتند دستیابی به نتایج در شرایط آزمایشگاهی دشواراست.تلاش ما برای استفاده از کالری متری و مورد صحبت روغن خوراکی با توجه به این نتایج وبا اهداف زیر آغاز شد:
1-شناخت علت عدم قابلیت باز تولید مشاهده شده
2-معرفی یک پروتکل اندازه گیری مناسب
3-مطالعه ی فرآیندهای فیزیکی درطول تغییر فازهای جامد به مایع بنابراین ترموگرام های انجماد وذوب شدن را می توان برای ارزیابی موارد زیر به کار برد:
1-مقاصد اقتصادی ،اگر مولکول هایی به صورت غیر قانونی وارد روغن شده باشند
2-منشأجغرافیایی روغن،همان میزان که رقم ها یا روش های تولید می توانند کمک کننده باشند.
3-زمان ذخیره سازی روغن،که مشخصا وابسته به شرایط ذخیره سازی است.[5]
کالری متر
اندازه گیری های کالری متریک به وسیله ی Perkin-Elmer DSCکه مجهز به Intra cooler iiبوده انجام شده است.از نیتروژن خشک به میزان 30m1/min استفاده شده است.مجموعه ابزارها در دما وانرژی با استانداردبالا در 10 c/minمطابق با استانداردهای روش DSCکالیبره شده اند.دما 0/10 c± و وزن نمونه ها ±0/01 mg بوده است.به منظور کاهش گرادیان دما توده ی نمونه ها کوچک انتخاب شده اند که تقریبا برابر با mg 6-8 هستند.[5]
قابلیت کالری متری در شناسایی وتعیین صحت روغن های خوراکی بستگی به سه دسته شرایط دارد:
1- توجه به شرایط مایع یکنواخت در دمای بالای چرخه ی کالری متری وقابلیت انجماد مجدد نمونه در دمای پایین.
2-کوتاهی مدت زمان اندازه گیری با توجه به نیازهای صنعت وتجارت روغن.
شرایط (1) پیش شرط فیزیکی در کاربرد ترموگرام هاست.این شرایط زمانی به دست می اید که دوخاصیت EVOOمورد توجه قرار گیرند.
شرایط (2) ،مرتبط با اطلاعات موجود در مورد ترموگرام ذوب شدن در برابر نرخ بررسی دمایی است.[5]


فرایندهای کریستا لیزاسیون وذوب شدن
محاسبه ی HFC درهنگام سرد شدن تا30- یا 40- سانتیگراد یافتن خلوص روغن زیتون مناسب نیست.مهم تر آنکه HFC در طول کریستالیزاسیون ایزوترمال بدست آمده است.[5]
محصولات فرآیندهای اکسیدایتو شامل نرخ اندک کریستالیزاسیون بوده وپس از چند هفته 10 min ایزوترم برای جامدسازی کامل نمونه کافی نخواهد بود.[5]
به عبارت دیگر ،هسته سازی ورشد انکسار کریستالی پلی مورفیز TAGها بستگی به ترکیب مولکولی روغن دارد.به همین علت انجماد HFC می تواند به کیفیت ،خلوص، روش تولید و...روغن همبستگی داشته باشد.ذوب شدن HFC نشان دهنده تغییرات وذوب شدن فاز پلی مورفیز در روغن جامد است.کاربرد ذوب HFC در تعیین خلوص EVOO وحساسیت آن نسبت به اضافه شدن اندکی روغن دانه های گیاهی دیگر وROO مورد مطالعه قرار گرفته وگزارش می شوند.ما مشاهده کردیم نه تنها اضافه شدن روغن دانه ها بلکه هر گونه فرایند شیمیایی ویا فیزیکی EVOO به عبارت دیگر هرگونه تغییر در ترکیب EVOO ،بر روی محدوده ی ذوب اثر گذاشته ونقطه ذوب بالاتر از صفر درجه سانتیگراد خواهد شد.
می توانیم نتیجه بگیریم که برای استفاده عملی از کالری متری در مورد سنجش صحت روغن خوراکی کیفیات زیر ضروری هستند:
1-قابلیت باز تولید ترموگرام مناسب؛
2-موافقت بسیار زیاد با این روش هم در سطح علمی وهم در سطح اقتصادی وتجاری
پروتکل های کالری متری ارائه شده بسیار ساده سریع وکم هزینه هستند.ومی توانند کیفیت ،صحت وتقلب استفاده شوند.هدف دوم که ،هدف هدف اصلی می باشد این است نتایج به دست آمده بتوانند موارد زیر را ارتقا دهند:
1-مطالعه ی کالری متری روغن های خوراکی به خصوص EVOO
2-هماهنگ سازی فعالیت ها برای ایجاد منابع اطلاعاتی
3-ایجاد همبستگی بین کالری متری وداده های استاندارد شیمیایی ،فیزیکی وحسی[5]
4- مدل های خطی و غیر خطی
در طول قرن ها وجود ناخالصی در محصولات به منظور کاهش هزینه ها مسئله ای جهانی بوده است.تقلبات مواد غذایی مخصوصا در آن دسته از مواد غذایی که قیمتی بالا دارند ،مانند مانند EVOO رایج تر شده است.به همین علت تعداد زیادی از ناخالصی های روغنی شناسایی شده اند.ناخالصی موجود در EVOOبا انواع روغن های ارزان تر تنها مسئله ی اقتصادی نیست بلکه این موارد موجب ایجاد مشکلات برای سلامتی مصرف کنندگان خواهد شد.[7]
یک نمونه از این موارد را می توان سندرم روغن سمی اسپانیایی دانست که در نتیجه اضافه شدن روغن دانه ای به نام rapeseed به عنوان ناخالصی بیش از بیست هزار نفر را درگیر نمود که در نهایت منجر به بیماری های شدید ومرگ شد.[7]
به منظور مبارزه با افزایش فعالیت های تقلبی دونوع محاسبه در اینجا مورد بحث قرار گرفته اند.ترکیب شیمیایی روغن های زیتون مخصوص دارای کیفیت مناسب بوده وتوسط گواهی نامه ی خاص،دولت مورد حمایت قرار گرفته است.تکنیک های آنالیز ،پارامترهای فیزیکوشیمیایی ،شاخص ها و...یکپارچگی آنها با الگوریتم های ریاضی از جمله اهداف ما بوده است.تکنیک های مختلفی مبتنی بر ابزارهای شیمیایی سنجی وتکنیک های آنالیزی توسعه یافته تا صحت روغن زیتون مورد سنجش قرار گیرد.یک مثال خوب در این زمینه تکنیک های کروماتوگرافی شامل کروماتوگرافی گاز (GC)،کروماتوگرافی گاز-اسپکتروسکوپی توده ای وکروماتوگرافی مایع با عملکرد بالا هستند.مثال های دیگر شامل اسپکتروسکوپی رزونانس مغناطیسی هسته یا اسپکتروسکوپی فروسرخ انتقالی فوریور هستند.ترکیب تکنیک های مختلف وDSC برای کنترل کیفیت وشناسایی ناخالصی های روغن زیتون به کار می رود.اگرچه از این روش ها به طور گسترده ای استفاده می شود اما این روش ها نیازمند ابزارهای پیچیده وآزمایشگاههای مجهز می باشد.در مجموع ،از آنجا که مدت زمان مورد نیاز جهت آماده شدن نمونه جهت آزمایش طولانی است نمی توان از این روش ها برای کنترل کیفیت روغن زیتون به صورت سریع استفاده نمود.با در نظر گرفتن این موارد واین نکته که صحت وخلوص مواد غذایی نکته ای مهم است ،توسعه ی راهکاری ساده ،ارزان وسریع برای شناسایی EVOO ضروری است.[7]
متاسفانه ابزار ایده آل برای شناسایی میزان ناخالصی های ممکن وجود ندارد.با وجود این امروزه ابزارهای شیمیایی سنجی مبتنی بر مربع های حداقل ،آنالیزهای اجزای اصلی ،شبکه های عصبی ویا حتی پارامترهای آشفتگی موفق ترین نتایج را به دست داده اند.[7]
امروزه اعتقاد بر این است که آشفتگی بیشتر می تواند سیستم های دینامیک را ایجاد کند و اگر این سیستم ها به عنوان ابزار مورد استفاده قرار گیرند می توانند براساس پارامترهای آشفتگی (CP) تغییرات شرایط آزمایشگاهی را تشخیص دهند.مدل های مبتنی بر CP می توانند برای تعیین مواد شیمیایی نمونه ی واقعی مناسب باشند.با وجود این در زمینه شیمیایی ،این نوع مدل های آشفتگی خیلی کم مورد تشریح وتوضیح قرار گرفته اند.در اینجا تقلبات تجاری EVOOبا ROO,ROPO,SO,CO با استفاده از مدل های خطی مبتنی بر پارامترهای آشفتگی ومدل شبکه ی اصلی شعاعی (RBN) مبتنی بر ضریب شکست UV از نمونه های EVOO مورد بررسی قرار گرفت اند.در مجموع این روش یک تکنیک ساده وسریع است اما برای آزمون شیمیایی نمونه های واقعی کافی نیست واگر آن رابا یک ابزار شیمیایی ترکیب کنیم ابزاری مناسب جهت شناسایی ناخالصی های EVOO است.[7]
در این تحقیق ،تمامی نتایج اماری نشان داده شده از طریق دوبخش منبع اطلاعاتی که شامل فراگیری وتحقیق مورد محاسبه قرار گرفته اند.در ابتدا ناخالصی EVOO توسط مدل های خطی مورد بررسی قرار گرفته است وسپس به منظور بهبود نتایج آماری یک مدل غیرخطی مبتنی بر RBN به کار گرفته شده است.سرانجام ،مدل های خطی وغیر خطی به طور خارجی معتبر سازی شده اند.[7]
مدل سازی خطی ناخالصی EVOO
برای یافتن مناسب ترین مدل جهت تخمین غلظت عوامل ناخالصی ودر نتیجه ترکیب با پارامترهای آشفتگی 262144 مدل طراحی شد.همان طور که انتظار می رفت ،مدل هایی که از متغیر مستقل بیشتری استفاده کرده اندبهتر می توانند پاسخ ها را تشریح کنند.
بنابراین نتایج آماری هنگامی ارتقا می یابد که متغیرهای مستقل بیشتری مورد استفاده قرار گیرند.بهتراست که بدانیم RD متغیری مستقل است که شکل گیری تمامی مدل ها جهت تخمین غلظت عوامل ناخالصی مورد استفاده قرار گرفته است.با اضافه شدن ضریب همبستگی بزرگتر از 82/می توان تنها با استفاده از این پارانتر به نتایج دست یافت.[7]
اگرچه این مدل ها برای یافتن ناخالصی های ROO,ROPO,SO,CO در EVOO آسان هستند اما به منظور یافتن معتبرترین مدل آماری که از هفده متغیر مستقل سود می برد مدلی با بهترین نتایج آماری انتخاب شده است این مدل با ده عدد از این متغیرها شکل گرفته است:
[Adulterating agent] = 83.681 + 8.482 • R150 + 37.841 • R250 +18.295 • R450 − 23.070 • R500 +10.322 • R550 − 0.777 • R600 −4.367 • R650 − 4.654 × 106 • Lia −86.111 • RD − 17.919 • BD (R2>0.923; MSE < 0.643%)

ترکیب های متفاوت تمامی پارامترهای اشفتگی ارائه شده برای اندازه گیری غلظت ROO,ROPO,SO,CO به عنوان عوامل ناخالصی در EVOOدر میزانی کمتر از 10%مناسب هستند.مدل های خطی مبتنی بر پارامترهای آشفتگی اندازه گیری شده توسط UV می تواند برای اندازهگیری مقدار عوامل ناخالصی به کار می روند.نکته ی مهم این است که با اضافه شدن تعداد متغیرهای مستقل مدل های خطی نتایج آماری مدل ها به همان اندازه بهبود نمی یابند.[7]
بنابراین نوع دیگری از مدل ها موردآزمون قرار گرفته اند.نتایج بهترآماری می تواند با اجرای مدل های غیرخطی بین پارامترهای آشفتگی وعوامل ناخالصی به وجود آیند.به هرحال نتایج آماری ضعیف موجب می شود تا مدل غیر خطی را که مبتنی بر شبکه ای تابشی(RBN) است مورد آزمون قرار دهیم.[7]

مدل سازی غیر خطی ناخالصی های EVOO
مدل شبکه ی تابشی شامل تنها شامل یک گره (RD) است وخروجی ،یعنی مادامی که مدل RBN برای تخمین محاسبات عوامل ناخالصی به کار می رودشامل یک خروجی خواهد بود.
تنها پارامتر قابل تطابق مدلRBN ضریب انتشار (SC)است.SC در حالت بهینه یRBN انتخاب می شود و در این شرایط هیچ طرح آزمایشی ضرورت نخواهد داشت.مقادیر بهینه شده برای مدل در جدول زیر آماده اند.اگرچه مدل RBN پیچیده تر از مدل خطی است ،در مقایسه با سایر مدل های شبکه عصبی ،بهینه سازی مدل RBN در حال حاضر یکی از ساده ترین مدل های شبکه عصبی است.
برای مقایسه مدل های خطی وغیر خطی از نمونه ی ممیزی استفاده می شودوضریب همبستگی بین92/0% تا 99/0% افزایش می یابددر اصل این نتایج آماری خوب تلقی می شوند اما برای تضمین اینکه مدل های خطی وغیر خطی برای تخمین میزان عوامل ناخالصی مناسب باشنداین مدل ها باید اطمینان بیشتری بدست دهند.[7]
شناسایی ناخالصی های EVOO با ROO,ROPO,CO,SO با استفاده از مدل RBN نسبت به مدل خطی کامل تراست.ضریب همبستگی از مدل خطی با مقدار 710/0 به 966/0 در مدل RBN بهبود می یابد.با توجه به نتایج بالا مدل RBN ابزاری قابل اطمینان برای شناسایی ROO,ROPO,CO,SO میزان غلظت 10% است.بنابراین از این مدل نه تنها برای شناسایی تقلبات بلکه برای محاسبه ی ناخالصی ها می توان استفاده نمود.[7]

با استفاده از نتایج آماری ذکر شده ،بسته به کاربرد نهایی مدل ها،هر دونوع مدل می توانند مورد استفاده قرار گیرند.برای انجام سریع تر محاسبات مدل خطی از طریق معادله زیر را می توان طراحی وبه کار گرفت که در این صورت دقت تااندازه ای پایین می آید.اگرپیچیدگی محاسباتی مدل اهمیت نداشته باشد ویا دقت بالایی مورد نیاز باشد می توان ازمدل RBNاستفاده نمود.[7]
[Adulterating agent] = 83.681 + 8.482 • R150 + 37.841 • R250 +18.295 • R450 − 23.070 • R500 +10.322 • R550 − 0.777 • R600 −4.367 • R650 − 4.654 × 106 • Lia −86.111 • RD − 17.919 • BD (R2>0.923; MSE < 0.643%)






منابع:
[1] M. A. Faria, S. C. Cunha, A. G. Paice, M. Beatriz P.P. Oliveira, Olive Oil Authenticity Evaluation by Chemical and Biological Methodologies, Olive and Olive Oil in Health and Disease Prevention, 2010, Pages 101-107.

[2] J.S. Torrecilla, J. García, S. García, F. Rodríguez, Quantification of adulterant agents in extra virgin olive oil by models based on its thermophysical properties, Journal of Food Engineering (2010), doi:10.1016/j.jfoodeng.2010.10.017.
[3] G. Gurdeniz, B. Ozen, Detection of adulteration of extra-virgin olive oil by chemometric analysis of mid-infrared spectral data, Food Chemistry 116 (2009) 519–525.
[4] H. Lizhi, K. Toyoda, I. Ihara, Discrimination of olive oil adulterated with vegetable oils using dielectric spectroscopy, Journal of Food Engineering 96 (2010) 167–171.
[5] C. Ferrari, M. Angiuli, E. Tombari, M.C. Righetti, E. Matteoli, G. Salvetti, Promoting calorimetry for olive oil authentication, Thermochimica Acta 459 (2007) 58–63.
[6] Y. Wu, Y. Chen, Y. Ge, J. Wang, B. Xu, W. Huang, F. Yuan, Detection of olive oil using the Evagreen real-time PCR method, Eur Food Res Technol (2008) 227:1117–1124.
[7] J.S. Torrecilla, E. Rojo, J.C. Domínguez, F. Rodríguez, Linear and non linear chemometric models to quantify the adulteration of extra virgin olive oil, Talanta (2010), doi:10.1016/j.talanta.2010.09.048.
[8] M.J. Lerma-García, G. Ramis-Ramos, J.M. Herrero-Martínez, E.F. Simó-Alfonso, Authentication of extra virgin olive oils by Fourier-transform infrared spectroscopy, Food Chemistry 118 (2010) 78–83.
[9] N. Sinelli, M. Casale, V. Di Egidio, P. Oliveri, D. Bassi, D. Tura, E. Casiraghi, Varietal discrimination of extra virgin olive oils by near and mid infrared spectroscopy, Food Research International 43 (2010) 2126–2131.
[10] D. Šmejkalová, A. Piccolo, High-power gradient diffusion NMR spectroscopy for the rapid assessment of extra-virgin olive oil adulteration, Food Chemistry 118 (2010) 153–158.
[11] K. I. Poulli, G. A. Mousdis and C. A. Georgiou, Rapid synchronous fluorescence method for virgin olive oil adulteration assessment, Food Chemistry, Volume 105, Issue 1, 2007, Pages 369-375.
[12] R. M. El-Abassy, P. Donfack, A. Materny, Visible Raman spectroscopy for the discrimination of olive oils from different vegetable oils and the detection of adulteration, Journal of Raman Spectroscopy Volume 40, Issue 9,2009, pages 1284–1289.
مصرف کننده ، تخصص ، مشارکت

سایر مقالات
مقاله قبلی روغن هاي شفابخش ( آروماتراپي ) تجربيات جهاني براي اصلاح يارانه غذا درايران مقاله بعدی
بی‌شک دیدگاه هر کس نشانه‌ی تفکر اوست، ما در برابر نظر دیگران مسئول نیستیم