Detection of the adulteration of extra virgin olive oil by near-infrared spectroscopy and chemometric techniques
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Due to the value of extra virgin olive oil (EVOO), adulteration has become an important issue in the industry, which has created demand for quick and inexpensive fraud detection testing. In contrast to many current food fraud detection methods, near-infrared spectroscopy (NIRS) can be inexpensive and convenient by minimizing sample preparation and measurement times. In this study, we developed a method using NIRS and chemometrics to detect adulteration of EVOO with other edible oil types that does not require sample preparation and can be completed in less than 10 min. First, a single EVOO was adulterated with corn oil from 2.7% to 25% w/w. Spectra for the unadulterated sample and its adulterated counterparts were measured. A principal component analysis (PCA) scores plot showed separation between the adulterated mixtures and the unadulterated sample, which demonstrated that the developed method could detect as low as 2.7% w/w adulteration if an unadulterated sample of the oil in question is provided. To study adulteration detection without an unadulterated sample for reference, the spectra of unadulterated samples and samples adulterated with corn, sunflower, soybean, and canola oils were measured. A PCA with soft independent modelling of class analogy was used for adulteration detection. Lower limits of adulteration detection for corn, sunflower, soybean, and canola oils were found to be approximately 20%, 20%, 15%, and 10%, respectively. These results demonstrate that the developed method can be used to rapidly screen for adulterated olive oils.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle