This study was performed to develop

This study was performed to develop a hierarchical approach for detection and quantification of adulteration
of sesame oil with vegetable oils using gas chromatography (GC). At first, a model was constructed
to discriminate the difference between authentic sesame oils and adulterated sesame oils using support
vector machine (SVM) algorithm. Then, another SVM-based model is developed to identify the type of
adulterant in the mixed oil. At last, prediction models for sesame oil were built for each kind of oil using
partial least square method. To validate this approach, 746 samples were prepared by mixing authentic
sesame oils with five types of vegetable oil. The prediction results show that the detection limit for
authentication is as low as 5% in mixing ratio and the root-mean-square errors for prediction range from
1.19% to 4.29%, meaning that this approach is a valuable tool to detect and quantify the adulteration of
sesame oil.

ผลลัพธ์ (ไทย) 1:

การศึกษานี้ได้ดำเนินการพัฒนาแนวทางแบบลำดับชั้นสำหรับการตรวจสอบและนับจำนวนแจ๊กน้ำมันงากับน้ำมันพืชโดยใช้เครื่อง GC) สร้างแบบจำลองในครั้งแรกการแยกแยะความแตกต่างระหว่างน้ำมันแท้งาและน้ำมันงาเจือปนที่ใช้สนับสนุนอัลกอริทึมเครื่อง (SVM) เวกเตอร์ จากนั้น พัฒนาแบบ SVM อื่นเพื่อระบุชนิดของadulterant ในน้ำมันผสม ในที่สุด สร้างโมเดลทำนายสำหรับน้ำมันงาสำหรับแต่ละชนิดที่ใช้น้ำมันวิธีตารางอย่างน้อยบางส่วน การตรวจสอบวิธีการนี้ มีเตรียมตัวอย่าง 746 โดยผสมแท้น้ำมันงากับน้ำมันพืชห้าชนิด ผลการทำนายแสดงว่าขีดจำกัดการตรวจจับรับรองความถูกต้องต่ำสุด 5% ในการผสมอัตราส่วนและข้อผิดพลาดรากหมายถึงตารางสำหรับช่วงทำนายจาก1.19-4.29% ซึ่งหมายความ ว่า วิธีการนี้เป็นเครื่องมือที่มีคุณค่าเพื่อตรวจสอบ และกำหนดปริมาณแจ๊กของน้ำมันงา

ผลลัพธ์ (ไทย) 2:

การศึกษาครั้งนี้ได้รับการดำเนินการเพื่อพัฒนาวิธีการลำดับชั้นสำหรับการตรวจสอบและการหาปริมาณของการปลอมปน
น้ำมันงามีน้ำมันพืชใช้แก๊ส chromatography (GC) ตอนแรกรูปแบบที่ถูกสร้างขึ้น
ในการแยกแยะความแตกต่างระหว่างน้ำมันงาแท้และน้ำมันงาปลอมปนโดยใช้การสนับสนุน
เครื่องเวกเตอร์ (SVM) ขั้นตอนวิธีการ จากนั้นอีกรุ่น SVM-based ได้รับการพัฒนาเพื่อระบุชนิดของ
เจือปนในน้ำมันผสม ที่ล่าสุดรุ่นทำนายสำหรับน้ำมันงาที่ถูกสร้างขึ้นสำหรับชนิดของน้ำมันแต่ละใช้
บางส่วนวิธีกำลังสองน้อย เพื่อตรวจสอบวิธีการนี้ 746 ตัวอย่างที่ถูกจัดทำขึ้นโดยการผสมแท้
น้ำมันงามีห้าประเภทของน้ำมันพืช ผลการทำนายแสดงให้เห็นว่าการตรวจสอบวงเงินสำหรับการ
รับรองความถูกต้องเป็นที่ต่ำเป็น 5% ในอัตราส่วนผสมและข้อผิดพลาดที่รากเฉลี่ยตารางสำหรับช่วงการคาดคะเนจาก
1.19% เป็น 4.29% ซึ่งหมายความว่าวิธีการนี้เป็นเครื่องมือที่มีคุณค่าในการตรวจสอบและปริมาณ การปลอมปนของ
น้ำมันงา

ผลลัพธ์ (ไทย) 3:

งานวิจัยนี้ได้พัฒนาวิธีการตรวจหาปริมาณของสิ่งเจือปนและลำดับชั้นน้ำมันงากับน้ำมันพืชโดยใช้แก๊สโครมาโทกราฟี ( GC ) ตอนแรก แบบก่อสร้างกับความแตกต่างระหว่างจริงและปลอมปนน้ำมันงา น้ำมันระหว่างการสนับสนุนการใช้งาเครื่องเวกเตอร์ ( SVM ) ขั้นตอนวิธี แล้วใช้รูปแบบ SVM อีกคือการพัฒนาเพื่อระบุชนิดของสิ่งเจือปนในน้ำมันผสม ในที่สุด แบบจำลองพยากรณ์น้ำมันงาถูกสร้างขึ้นสำหรับแต่ละชนิดของน้ำมันที่ใช้ส่วนวิธี Least Square เพื่อตรวจสอบวิธีการนี้ เพราะจำนวนที่เตรียมโดยการผสมจริงงาขับกับห้าชนิดของน้ำมันพืช ผลการพยากรณ์พบว่าขีดจำกัดสำหรับการตรวจสอบเป็นต่ำเป็น 5 % ในอัตราส่วนการผสมและรากหมายถึงข้อผิดพลาดตารางสำหรับช่วงการทำนายจาก1.19 % ไป 4.29% ความหมาย วิธีการที่ นี้เป็นเครื่องมือที่มีคุณค่าที่จะตรวจจับและวัดการน้ำมันงา