<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>ﺳﺎزﻣﺎن ﭘﮋوهشهای ﻋﻠﻤﯽ و ﺻﻨﻌﺘﯽ اﯾﺮان</PublisherName>
				<JournalTitle>فناوری‌های جدید در صنعت غذا</JournalTitle>
				<Issn>2783-350X</Issn>
				<Volume>6</Volume>
				<Issue>3</Issue>
				<PubDate PubStatus="epublish">
					<Year>2019</Year>
					<Month>04</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Feasibility of using a cylindrical resonator sensor for adulteration detection in sesame oil</ArticleTitle>
<VernacularTitle>امکان‌سنجی کاربرد حسگر رزوناتور استوانه‌ای برای تشخیص تقلب در روغن کنجد</VernacularTitle>
			<FirstPage>409</FirstPage>
			<LastPage>420</LastPage>
			<ELocationID EIdType="pii">773</ELocationID>
			
<ELocationID EIdType="doi">10.22104/jift.2019.3213.1772</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>مجتبی</FirstName>
					<LastName>نادری بلداجی</LastName>
<Affiliation>دانشیار گروه مهندسی مکانیک بیوسیستم، دانشگاه شهرکرد،</Affiliation>

</Author>
<Author>
					<FirstName>مهشید</FirstName>
					<LastName>مختاری</LastName>
<Affiliation>دانش آموخته کارشناسی مهندسی مکانیک بیوسیستم، دانشگاه شهرکرد،</Affiliation>

</Author>
<Author>
					<FirstName>مهدی</FirstName>
					<LastName>قاسمی ورنامخواستی</LastName>
<Affiliation>دانشیار گروه مهندسی مکانیک بیوسیستم، دانشگاه شهرکرد</Affiliation>

</Author>
<Author>
					<FirstName>مجتبی</FirstName>
					<LastName>توحیدی</LastName>
<Affiliation>دانش آموخته دکتری، باشگاه پژوهشگران جوان، دانشگاه آزاد اسلامی شهرکرد</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2018</Year>
					<Month>10</Month>
					<Day>16</Day>
				</PubDate>
			</History>
		<Abstract>One of the important concerns regarding the food safety is widespread adulteration in food production which necessitates the development of precise and rapid diagnostic instruments more than ever. In this study, a cylindrical resonator sensor, developed in previous studies and examined for quality detection of some food materials, was applied for detection of adulteration in sesame oil mixed with corn, canola and sunflower oils. To measure the dielectric response of oil in 0-150 MHz frequency range, a new sensor with 400 mm long cylinder was fabricated. Adulteration samples were prepared with mixing pure sesame oil with the above mentioned oils at 15, 30 and 45% by weight and each sample was measured with three replications using the dielectric sensor. Statistical methods of principal component analysis (PCA), linear discriminant analysis (LDA) and support vector machine (SVM) were evaluated for detection of adulteration type and level from the dielectric spectral data. The biplot of the first two principal components showed excellent discrimination of adulteration type and level with 96% of variation explanation. As the best result, LDA classifier showed 96.7% accuracy for adulteration detection.</Abstract>
			<OtherAbstract Language="FA">یکی از نگرانی‌های مهم در حوزه ایمنی غذایی وقوع تقلب گسترده در تولید مواد غذایی است که ضرورت توسعه ابزارهای سریع و دقیق تشخیصی برای این منظور را بیش از پیش ایجاب می‌کند. در این مطالعه یک حسگر رزوناتور استوانه‌ای که در مطالعات قبلی توسعه و برای تشخیص کیفیت برخی مواد غذایی آزمون شده بود، برای تشخیص تقلب در روغن کنجد در ترکیب با روغن‌های ذرت، کلزا و آفتابگردان مورد آزمون قرار گرفت. به منظور امکان اندازه‌گیری پاسخ دی‌الکتریک روغن در بازه فرکانسی MHz 150-0 یک حسگر استوانه‌ای جدید با طول استوانهmm 400 ساخته شد. نمونه‌های آزمایشی با ترکیب روغن خالص کنجد با روغن‌های مورد اشاره در سطوح 15، 30 و 45% وزنی تهیه و هر نمونه با سه تکرار با حسگر دی‌الکتریک اندازه‌گیری شد. روش‌های آماری تحلیل مولفه‌های اصلی (PCA)، تحلیل تفکیک خطی (LDA) و ماشین بردار پشتیبان (SVM) برای امکان تشخیص و تقکیک انواع تقلب در نمونه‌ها از داده‌های طیفی دی‌الکتریک مورد ارزیابی قرار گرفت. تحلیل مؤلفه‌های اصلی با دو مؤلفه‌ی اصلی PC1 و PC2، قابلیت تشخیص انواع تقلب و سطوح آن را با توجیه 96 درصد تغییرات نشان داد. به عنوان بهترین نتیجه، روش کلاس‌بندی LDA با دقت 7/96 درصد قابلیت تشخیص و تفکیک تقلب‌های آزمون شده در روغن کنجد را نشان داد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">تقلب</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">روغن کنجد</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حسگر دی‌الکتریک</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کمومتریکس</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jift.irost.ir/article_773_86b122d4358357d834a87ce618a55de0.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
