فهرست نشریات علمی دسترسی آزاد ایران

تشخیص تقلب در زنجیره تأمین دارچین برای تضمین ایمنی مصرف‌کننده و حفظ یکپارچگی محصول، امری حیاتی است. پیشرفت‌های اخیر در تکنیک‌های پیش‌پردازش داده‌های طیفی، دقت تشخیص ناخالصی‌ها در ادویه‌هایی مانند دارچین را بهبود بخشیده‌اند. این مطالعه به بررسی تأثیر تکنیک‌های مختلف پیش‌پردازش طیفی بر پیش‌بینی ناخالصی‌های مخلوط‌شده با پودر دارچین می‌پردازد—به‌طور مشخص پودر سویا، پودر پوست فندق، و پودر نان خشک—که از ترکیب طیف‌سنجی و تحلیل چندمتغیره بهره می‌برد.طیف‌های عبوری در محدوده فروسرخ میانی (400 تا 4000 سانتی‌متر⁻¹) جمع‌آوری شدند و رگرسیون حداقل مربعات جزئی (PLSR) برای مدل‌سازی سطوح تقلب بر اساس این طیف‌ها به کار گرفته شد. برای بهینه‌سازی داده‌های طیفی، روش‌های پیش‌پردازش مختلفی اعمال گردید. در این میان، تصحیح سیگنال متعامد (OSC) در ترکیب با روندزدایی (detrending) بالاترین دقت پیش‌بینی را نشان داد، با ضریب پیش‌بینی (R²p) در بازه 0.900 تا 0.981. در مقابل، روش‌های تصحیح پراکندگی ضربی توسعه‌یافته (EMSC) و مشتق دوم ساویتزکی-گولای (D2) عملکرد ضعیف‌تری داشتند و R²p آن‌ها بین 0.115 تا 0.931 متغیر بود. در میان ناخالصی‌ها، پودر سویا آسان‌ترین ماده برای شناسایی بود و دامنه خطای پیش‌بینی آن بین ۵ تا ۱۰ درصد قرار داشت. این یافته‌ها بر اهمیت انتخاب تکنیک پیش‌پردازش مناسب برای بهبود دقت تشخیص تقلب در پودر دارچین با استفاده از روش‌های طیف‌سنجی تأکید می‌کنند.