Estimating Gurjun Oil Adulteration in Aceh Patchouli Oil Using NIRS and Multivariate Analysis
Notice bibliographique
Résumé
Indonesia, a leading supplier of patchouli oil globally, produces a significant proportion of this high-value commodity in Aceh.Given the high economic value of patchouli oil, adulteration practices with less expensive oils, such as palm, gurjun, and turpentine oil, are commonplace.These adulterations not only degrade the quality of the oil but also pose potential safety risks, health hazards, and non-compliance with natural attributes.Among the adulterants, gurjun oil is frequently used due to its blendability and similarity in color and aroma to patchouli oil.This study was designed to develop a quantification model to estimate the gurjun oil content adulterating Aceh patchouli oil.The model employed near-infrared reflectance spectroscopy (NIRS) technology in combination with multivariate analysis methods, specifically principal component regression (PCR) and partial least squares (PLS) regression.To enhance the accuracy level of the NIRS calibration model, mean normalization (MN) and de-trending (DT) spectrum pretreatments were applied.The findings indicate that the application of NIRS technology coupled with multivariate analysis can effectively address the issue of gurjun oil adulteration in patchouli oil.Moreover, the PLS calibration method was shown to outperform PCR.The residual predictive deviation (RPD) index for the PLS model was found to be 2.34, compared to 1.85 for the PCR model.Spectrum pretreatments successfully enhanced the performance of the model, with calibration RPD indices for the PLS-MN and PLS-DT models registering at 2.98 and 2.59, respectively.In general, both models were deemed viable for application as the PLS-MN and PLS-DT models, after validation, yielded range to error ratio (RER) values of 3.39 and 3.60, respectively.Thus, this study underscores the potential of employing NIRS technology and multivariate analysis to combat the prevalent issue of patchouli oil adulteration.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».