Chemometric discrimination of extra

Chemometric discrimination of extra virgin olive oils (EVOO) from whole and stoned olive pastes was carried out by using Fourier transform infrared (FTIR) data and partial least squares-discriminant analysis (PLS1-DA) approach. Four Italian commercial EVOO brands, all in both whole and stoned version, were considered in this study. The adopted chemometric methodologies were able to describe the different chemical features in phenolic and volatile compounds contained in the two types of oil by using unspecific IR spectral information. Principal component analysis (PCA) was employed in cluster analysis to capture data patterns and to highlight differences between technological processes and EVOO brands. The PLS1-DA algorithm was used as supervised discriminant analysis to identify the different oil extraction procedures. Discriminant analysis was extended to the evaluation of possible adulteration by addition of aliquots of oil from whole paste to the most valuable oil from stoned olives. The statistical parameters from external validation of all the PLS models were very satisfactory, with low root mean square error of prediction (RMSEP) and relative error (RE%).

ผลลัพธ์ (ไทย) 1:

เลือกปฏิบัติ Chemometric ของน้ำมันมะกอกบริสุทธิ์พิเศษ (EVOO) จากทั้งหมด และขว้างด้วยก้อนหินวางมะกอกได้ดำเนินการ โดยใช้ฟูริเยร์การแปลงแบบอินฟราเรด (FTIR) ข้อมูลและวิธีวิเคราะห์ (PLS1 DA) บางส่วนกำลังสองน้อยสุด-discriminant สี่ค้า EVOO แบรนด์อิตาลี ในรุ่นทั้งหมด และขว้างด้วยก้อนหิน ถูกนำมาพิจารณาในการศึกษานี้ วิธี chemometric บุญธรรมก็สามารถที่จะอธิบายคุณสมบัติทางเคมีแตกต่างกันในสารประกอบ phenolic และผันผวนอยู่ในสองชนิดของน้ำมัน โดยใช้ข้อมูลสเปกตรัม IR unspecific วิเคราะห์ส่วนประกอบหลัก (PCA) ถูกจ้างในคลัสเตอร์วิเคราะห์ การจับรูปแบบของข้อมูล และ เพื่อเน้นความแตกต่างระหว่างกระบวนการเทคโนโลยีและแบรนด์ EVOO อัลกอริทึม PLS1 ดาใช้ discriminant ดูแลวิเคราะห์เพื่อระบุขั้นตอนการสกัดน้ำมันที่แตกต่างกัน การวิเคราะห์ discriminant ก็ขยายไปถึงการประเมินของแจ๊กได้ โดยเพิ่ม aliquots น้ำมันจากทั้งวางกับคุณค่าน้ำมันจากมะกอกขว้างด้วยก้อนหิน พารามิเตอร์ทางสถิติจากการตรวจสอบภายนอกของทุกรุ่น PLS ได้น่าพอใจ สแควร์หมายถึงรากต่ำข้อผิดพลาดของการคาดการณ์ (RMSEP) และข้อผิดพลาดสัมพัทธ์ (RE %)

ผลลัพธ์ (ไทย) 2:

การเลือกปฏิบัติ chemometric ของน้ำมันมะกอกบริสุทธิ์ (EVOO) จากทั้งหมดและเมาน้ำพริกมะกอกได้ดำเนินการโดยใช้ฟูเรียร์อินฟราเรด (FTIR) และข้อมูลบางส่วนสี่เหลี่ยม-จำแนกน้อยวิเคราะห์ (PLS1-DA) วิธีการ สี่อิตาลีแบรนด์ในเชิงพาณิชย์ EVOO ทั้งหมดในภาพรวมทั้งสองรุ่นขว้างด้วยก้อนหินได้รับการพิจารณาในการศึกษานี้ นำมาใช้วิธีการ chemometric ก็สามารถที่จะอธิบายคุณสมบัติทางเคมีที่แตกต่างกันในฟีนอลและสารระเหยที่มีอยู่ในทั้งสองประเภทของน้ำมันโดยใช้ข้อมูลสเปกตรัม unspecific IR การวิเคราะห์องค์ประกอบหลัก (PCA) ได้รับการว่าจ้างในการวิเคราะห์กลุ่มในการจับภาพรูปแบบข้อมูลและเพื่อเน้นความแตกต่างระหว่างกระบวนการเทคโนโลยีและแบรนด์ EVOO อัลกอริทึม PLS1-DA ถูกใช้เป็นวิเคราะห์จำแนกดูแลการระบุขั้นตอนการสกัดน้ำมันที่แตกต่างกัน การวิเคราะห์จำแนกก็ขยายไปถึงการประเมินผลของการปลอมปนที่เป็นไปได้โดยการเพิ่มของ aliquots ของน้ำมันจากวางทั้งน้ำมันที่มีคุณค่ามากที่สุดจากมะกอกขว้างด้วยก้อนหิน พารามิเตอร์ทางสถิติจากการตรวจสอบภายนอกของทุกรุ่น PLS เป็นที่น่าพอใจมากกับรากต่ำหมายถึงข้อผิดพลาดของการทำนายตาราง (RMSEP) และความผิดพลาด (RE%)

ผลลัพธ์ (ไทย) 3:

การเสริมน้ำมันมะกอกบริสุทธิ์คีโมเมตริกซ์ ( evoo ) จากทั้งหมด และเอามะกอกวางโดยใช้ฟูเรียร์ Infrared ( FTIR ) และข้อมูลบางส่วนอย่างน้อยการวิเคราะห์จำแนกประเภท ( pls1-da ) วิธีการ สี่ยี่ห้อ evoo พาณิชย์อิตาเลียน ทั้งหมดในทั้งหมดและขว้างทั้งรุ่นมีการพิจารณาในการศึกษานี้ รับคีโมเมตริกซ์วิธีการสามารถอธิบายคุณลักษณะทางเคมีที่แตกต่างกันในกึ่งระเหยที่มีอยู่ในทั้งสองประเภทของน้ำมันโดยใช้ unspecific IR สเปกตรัมข้อมูล การวิเคราะห์องค์ประกอบหลัก ( PCA ) ถูกใช้ในการวิเคราะห์กลุ่มจับรูปแบบข้อมูลและการเน้นความแตกต่างระหว่างกระบวนการเทคโนโลยีและ evoo ยี่ห้อ pls1-da ขั้นตอนวิธีที่ใช้ดูแลจำแนกการวิเคราะห์เพื่อระบุขั้นตอนการสกัดน้ำมันที่แตกต่างกัน การวิเคราะห์ระยะเวลาการประเมินที่เป็นไปได้การปลอมปนโดยนอกเหนือจากเฉยๆของน้ำมันจากวางทั้งน้ำมันที่มีคุณค่ามากที่สุดจากเมาสุดๆ พารามิเตอร์ทางสถิติจากการตรวจสอบภายนอกของ pls รูปแบบเป็นที่น่าพอใจมากกับรากต่ำค่าเฉลี่ยความคลาดเคลื่อนกำลังสองของการพยากรณ์ ( rmsep ) และค่าคลาดเคลื่อนสัมพัทธ์ ( อีกครั้ง )