زراعت و فناوری زعفران
با همکاری انجمن علمی گیاهان دارویی ایران

مقایسه انواع زعفران در بازار ایران به روش طیف‌سنجی تبدیل فوریه و روش‌های شیمی‌آماری

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

امیر کاظمی 1
اصغر محمودی 2

1 دانشجوی دکتری گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

2 استاد گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

https://doi.org/10.22048/jsat.2026.565009.1582
چکیده
زعفران ادویه‌ای است که از کلاله‌های گل Crocus sativus L پس از خشک شدن تولید می‌شود و گران­ترین ادویه جهان است. بنابراین این محصول هدف تقلب‌های مکرر و برچسب‌گذاری­های نادرست است. در بازار محلی ایران زعفران بر اساس محل سرزنی در کلاله به سه نوع عمده سرگل، نگین و پوشال تقسیم می­شود که خواص کیفی و قیمت آنها بر اساس نوع آنها متفاوت است. بنابراین تشخیص نوع زعفران از لحاظ کیفی و اقتصادی حائز اهمیت است. در تحقیق حاضر، ترکیب طیف‌سنجی تبدیل فوریه FT-MIR و روش‌های شیمی آماری برای طبقه‌بندی انواع زعفران ایرانی به کار گرفته شدند. روش‌های پیش‌پردازش مختلف برای اصلاح داده‌های طیفی استفاده شدند و مدل تحلیل مولفه اصلیPCA به عنوان مدل بدون نظارت و مدل آنالیز تشخیصی خطی (LDA) با دو کرنل خطی و درجه دو به کار گرفته شدند. بهترین نتیجه با پیش‌پردازش SG + D2 + MSC و کرنل خطی مدل LDA با دقت پیش‌بینی 88/88 % برای طبقه سه نوع زعفران به دست آمد. نتیجه قابل قبول بدست آمده کارایی این روش را برای تشخیص غیرمخرب انواع زعفران ایرانی اثبات می‌کند.

کلیدواژه‌ها

زعفران
غیرمخرب
طیف‌سنجی تبدیل فوریه
LDA
شیمی‌آماری
موضوعات

عنوان مقاله English

Authentication of Iranian Saffron Types by Fourier Transform Spectroscopy and Chemometric Methods

نویسندگان English

Amir Kazemi 1
Asghar Mahmoudi 2
1 PhD student, Department of biosystem engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran
2 Professor, Department of biosystem engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran
چکیده English

Saffron is a spice that is produced from the dried stigmas of the Crocus sativus L. flower and is the most expensive spice in the world. As a result, this product is frequently targeted for adulteration. In the Iranian local market, saffron is classified into three main types based on the position of the stigma in the dried threads: Sargol, Negin, and Poshal. These types differ in terms of quality and cost. Therefore, accurate identification of saffron types is important. In the present study, Fourier Transform Mid-Infrared (FT-MIR) spectroscopy combined with chemometric methods was employed to classify different types of Iranian saffron. Various preprocessing techniques were applied to correct the spectral data. Principal Component Analysis (PCA) was used as an unsupervised model, and Linear Discriminant Analysis (LDA) with linear and quadratic kernels was applied as a supervised model. The best model used SG + D2 + MSC preprocessing and a linear kernel with the LDA model, achieving 88.88% accuracy in classifying the three saffron types. The acceptable result proves the effectiveness of this method for the non-destructive identification of Iranian saffron types.

کلیدواژه‌ها English

saffron
non-destructive
Fourier transform infrared spectroscopy
LDA
chemometrics
Atefi, M., Akbari Oghaz, A., & Mehri, A. (2013). Drying effects on chemical and sensorial characteristics of saffron. Iranian Journal of Nutrition Sciences & Food Technology, 8 (3), 201-208.
Dai, H., Gao, Q., & He, L. (2020). Rapid determination of saffron grade and adulteration by thin-layer chromatography coupled with Raman spectroscopy. Food Analytical Methods, 13, 2128-2137.
Elhamdaoui, O., El Orche, A., Cheikh, A., Laarej, K., Karrouchi, K., el Karbane, M., & Bouatia, M. (2022). Tracing the geographical origin of moroccan saffron by mid-infrared spectroscopy and multivariate analysis. Brazilian Journal of Analytical Chemistry, 9. https://doi.org/10.30744/brjac.2179-3425.AR-23-2022
Fattahi, S. H., Kazemi, A., & Seyfari, Y. (2025). Accurate detection of safflower adulteration in saffron by ATR-FTIR spectroscopy and feature selection and machine learning algorithms. Journal of Food Measurement and Characterization, 19 (9), 6295-6309. https://doi.org/10.1007/s11694-025-03371-x
Foschi, M., Tozzi, L., Di Donato, F., Biancolillo, A., & D’Archivio, A. A. (2022). A Novel FTIR-based chemometric solution for the assessment of saffron adulteration with non-fresh stigmas. Molecules, 28 (1), 33.
Karuk Elmas, S. N., Arslan, F. N., Akin, G., Kenar, A., Janssen, H. G., & Yilmaz, I. (2019). Synchronous fluorescence spectroscopy combined with chemometrics for rapid assessment of cold–pressed grape seed oil adulteration: Qualitative and quantitative study. Talanta, 196, 22-31. https://doi.org/10.1016/j.talanta.2018.12.026
Kazemi, A., Mahmoudi, A., & Khojastehnazhand, M. (2023). Detection of sodium hydrosulfite adulteration in wheat flour by FT-MIR spectroscopy. Journal of Food Measurement and Characterization, 17 (2), 1932-1939. https://doi.org/10.1007/s11694-022-01763-x
López-Maestresalas, A., Insausti, K., Jarén, C., Pérez-Roncal, C., Urrutia, O., Beriain, M. J., & Arazuri, S. (2019). Detection of minced lamb and beef fraud using NIR spectroscopy. Food Control, 98, 465-473. https://doi.org/10.1016/j.foodcont.2018.12.003
Malavi, D., Nikkhah, A., Alighaleh, P., Einafshar, S., Raes, K., & Van Haute, S. (2024). Detection of saffron adulteration with Crocus sativus style using NIR-hyperspectral imaging and chemometrics. Food Control, 157, 110189. https://doi.org/10.1016/j.foodcont.2023.110189
Mohamadzadeh Moghadam, M., Taghizadeh, M., Sadrnia, H., & Pourreza, H. R. (2020). Nondestructive classification of saffron using color and textural analysis. Food Science & Nutrition, 8 (4), 1923-1932.
Pan, F., Song, G., Gan, X., & Gu, Q. (2014). Consistent feature selection and its application to face recognition. Journal of Intelligent Information Systems, 43 (2), 307-321. https://doi.org/10.1007/s10844-014-0324-5
Petrakis, E. A., & Polissiou, M. G. (2017). Assessing saffron (Crocus sativus L.) adulteration with plant-derived adulterants by diffuse reflectance infrared Fourier transform spectroscopy coupled with chemometrics. Talanta, 162, 558-566.
Rinnan, Å., Berg, F. V. D., & Engelsen, S. B. (2009). Review of the most common pre-processing techniques for near-infrared spectra. TrAC Trends in Analytical Chemistry, 28 (10), 1201-1222. https://doi.org/10.1016/j.trac.2009.07.007
Severcan, F., Akkas, S. B., Türker, S., & Yucel, R. (2012). Methodological approaches from experimental to computational analysis in vibrational spectroscopy and microspectroscopy. Advances in Biomedical Spectroscopy, 6, 12-52. https://doi.org/10.3233/978-1-61499-059-8-12
Shahdadi, H., Barati, F., Bahador, R. S., & Eteghadi, A. (2016). Clinical applications of saffron (Crocus sativus) and its constituents: A literature review. Der Pharmacia Lettre, 8 (19), 205-209.
Tharwat, A., Gaber, T., Ibrahim, A., & Hassanien, A. E. (2017). Linear discriminant analysis: A detailed tutorial. Ai Communications, 30, 169-190. https://doi.org/10.3233/AIC-170729
 
 
 

صفحه اصلی

ارسال مقاله

داوران

تماس با ما