Assessing mineral profiles for rice flour fraud detection by principal component analysis based data fusion | ||
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino | |
| dc.conicet.organizacion | Universidad Central Marta Abreu de Las Villas | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas | |
| dc.conicet.organizacion | Universidad Nacional del Nordeste. Facultad de Ciencias Agrarias | |
| dc.conicet.organizacion | Universidad Central Marta Abreu de Las Villas | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino | |
| dc.contributor.author | Pérez Rodríguez, Michael | |
| dc.contributor.author | Dirchwolf, Pamela Maia | |
| dc.contributor.author | Rodríguez Negrín, Zenaida | |
| dc.contributor.author | Pellerano, Roberto Gerardo | |
| dc.date.issued | 2021-03 | |
| dc.description.abstract | The present work proposes to detect adulteration in rice flour using mineral profiles. Eighty-seven flour samples from two rice kinds (Indica and Japonica) plus thirty adulterated flour samples were analyzed by ICP OES. After obtaining the quantitative elemental fingerprint of the samples, PCA and LDA were applied. Binary and multiclass associations were considered to assess rice flour authenticity through fraud identification. Models based on element predictors showed accuracies ranging from 72 to 88% to distinguish adulterated and unadulterated samples. The fusion of the mineral features with the principal components (PCs) obtained from PCA provided classification rates of 100% in training samples, and 91–100% in test samples. The proposed method proved to be a useful tool for quality control in the rice industry since a perfect success rate was achieved for rice flour fraud detection. | es |
| dc.description.fil | Fil: Pérez Rodríguez, Michael. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina. Universidad Central Marta Abreu de Las Villas; Cuba | |
| dc.description.fil | Fil: Dirchwolf, Pamela Maia. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional del Nordeste. Facultad de Ciencias Agrarias; Argentina | |
| dc.description.fil | Fil: Rodríguez Negrín, Zenaida. Universidad Central Marta Abreu de Las Villas; Cuba | |
| dc.description.fil | Fil: Pellerano, Roberto Gerardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | Pérez Rodríguez, Michael; Dirchwolf, Pamela Maia; Rodríguez Negrín, Zenaida; Pellerano, Roberto Gerardo; Assessing mineral profiles for rice flour fraud detection by principal component analysis based data fusion; Elsevier; Food Chemistry; 339; 3-2021; 1-7 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 0308-8146 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/167201 | |
| dc.journal.ciudad | Amsterdam | es |
| dc.journal.pagination | 1-7 | es |
| dc.journal.pais | Países Bajos | es |
| dc.journal.title | Food Chemistry | es |
| dc.journal.volume | 339 | es |
| dc.language.iso | eng | es |
| dc.publisher | Elsevier | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://www.sciencedirect.com/science/article/pii/S0308814620319877 | |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/https://doi.org/10.1016/j.foodchem.2020.128125 | |
| dc.rights | info:eu-repo/semantics/restrictedAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | * |
| dc.subject | ADULTERATION | es |
| dc.subject | LDA | es |
| dc.subject | MINERAL PROFILES | es |
| dc.subject | PCA BASED DATA FUSION | es |
| dc.subject | RICE FLOUR | es |
| dc.subject.classification | Química Analítica | es |
| dc.subject.classification | Ciencias Químicas | es |
| dc.subject.classification | CIENCIAS NATURALES Y EXACTAS | es |
| dc.title | Assessing mineral profiles for rice flour fraud detection by principal component analysis based data fusion | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.17d2e80b-037a-4ede-b252-585c0cd9e6af_A.pdf
- Tamaño:
- 1.12 MB
- Formato:
- Adobe Portable Document Format