Development of fast analytical method for the detection and quantification of Moroccan picholine extra virgin olive oil adulteration using MIR spectroscopy and chemometrics tools
Notice bibliographique
Résumé
In this study, the adulteration of Moroccan Picholine extra virgin olive oil with Arbequina virgin olive oil was monitored using the Fourier transform mid-infrared (FT-MIR) spectroscopy technique and chemometrics methodologies. To discriminate between olive oil that has been adulterated and unadulterated, principal component analysis (PCA) was utilized for qualitative analysis. We created the best calibration models for quantitative analysis using principal component regression (PCR) and partial least-squares regression (PLS). The first three principal components account for 95% of the overall variability, according to PCA analysis. PCA allows for the classification of the dataset into two groups: adulterated and unadulterated Moroccan Picholine olive oil. The application of the PLS and PCR calibration models for the quantification of adulteration demonstrates high-performance capabilities, as indicated by high values of correlation coefficients R2 greater than 0.999 and 0.995 and lower values of root mean square error (RMSE) less than 0.767 and 2.16 using PLS and PCR, respectively. According to our results, FT-MIR spectroscopy combined with chemometrics approaches can be used successfully as a simple, quick, and non-destructive method for the quantification and discrimination of adulterated olive oil.
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.
Comment cette classification a été obtenuedéplier
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».