کاربرد تحلیل تصویر رقمی و تشخیص الگو در طبقه بندی روغن های خوراکی به کمک تغییرات رنگ در طی اکسایش اولیه و ثانویه

روغن ها مواد غذایی با ارزشی هستند که علاوه بر تامین انرژی نقش مهمی در بقای سلامت دارند. بنابراین یافتن روش های تشخیص سریع کیفیت روغن ها از اهمیت ویژه ای برخوردار است. بینایی کامپیوتر یکی از فناوری های پرکاربرد و مقرون به صرفه در صنایع غذایی می باشد. هدف این مقاله معرفی روشی ساده و کم هزینه برای طبقه بندی روغن های گیاهی خوراکی (سویا، آفتاب گردان، کانولا، کنجد و زیتون) از یکدیگر و همچنین تشخیص سالم یا تند بودن آن ها به کمک روش های آماری چند متغیره (تحلیل تفکیک خطی و تحلیل مولفه اصلی) با توجه به نقطه دوریز بر اساس محصولات اولیه و ثانویه اکسایشی است. ویژگی های فیزیکوشیمیایی 77 نمونه روغن شامل عدد پراکسید و عدد کربونیل در دمای 80 درجه سانتی گراد موردسنجش قرار گرفت. برای طبقه بندی از شاخص رنگی L*a*b* استفاده گردید. مقایسه نتایج تحلیل تفکیک خطی نشان داد که تفکیک پذیری بین دو نوع روغن مختلف 100% است و تنها تفکیک بین یک نوع روغن در حالت های تند و سالم منجر به کاهش دقت در حدود 97% شده است. همچنین بررسی کلی و هم زمان نمونه های روغن در هر دو حالت سالم و تندشده توسط دوطبقه بند LDA و PCA نشان داد که طبقه بندی هر روغن به تنهایی بیشترین دقت (100%) را دارد و نتایج بررسی چندین نوع روغن متفاوت دقت کمتری (98% و 96%) را دارا می باشد، اما در عمل نتایج این طبقه بندی با توجه به گستره رنگی متنوع روغن های گیاهی در حد قابل قبول است و طبقه بند تحلیل تفکیک خطی در حدود 40% نسبت به طبقه بند تحلیل مولفه اصلی در این مطالعه موفق تر عمل کرد.