بادام کوهی شکوفه دختری را از تصادف نجات داد

همیشه بادام کوهی شکوفه اغلبا بادام های ریزو وحشی هستند بادام با طعم متمایز و ترد رضایت بخش خود تقریباً هر غذایی را که می پسندد تقویت می کند. کالیفرنیا تنها جایی در آمریکای شمالی است.

که در آن بادام به صورت تجاری کشت می شود. در 30 سال گذشته، عملکرد بادام کالیفرنیا چهار برابر شده است.

بیش از 450000 هکتار در دره های سرسبز سان خواکین و ساکرامنتو تحت کشت بادام است که 400 مایل بین بیکرزفیلد و رد بلوف کالیفرنیا امتداد دارد. بادام بزرگترین محصول آجیل درختی کالیفرنیا از نظر ارزش دلاری و سطح زیر کشت است.

آنها به عنوان هفتمین صادرات مواد غذایی ایالات متحده رتبه بندی می شوند. تقریباً 6000 بادام 100 درصد عرضه تجاری داخلی و بیش از 70 درصد تولید جهانی را تولید می کنند. بیش از 90 کشور بادام کالیفرنیا را وارد می کنند.

در خارج از کشور، آلمان بزرگترین بازار بادام است که حدود 25 درصد از محصول صادراتی را مصرف می کند و پس از آن ژاپن با حدود 12 درصد قرار دارد. سایر واردکنندگان عمده عبارتند از: هلند، فرانسه، بریتانیا، کانادا، هند و اسپانیا.

ارزیابی منشاء جغرافیایی گیاهان دارویی (MP) در طب سنتی برای تعیین کیفیت محصولات و تشخیص تقلب غذا/دارو مورد توجه بسیاری قرار گرفته است.

در مقاله حاضر، نسخه پراکنده آنالیز تفکیک حداقل مربعات جزئی N-way (sNPLS-DA) برای طبقه‌بندی نمونه‌های روغن بادام و عناب قرمز با استفاده از طیف‌های فلورسانس تحریک گسیل (EEM) آنها، برای اولین بار استفاده شده است.

هفت نوع بذر بادام و شش گونه عناب قرمز به ترتیب از کوه ها و تپه های استان فارس و خراسان جمع آوری شد. الگوریتم sNPLS-DA با l 1-normمحدودیت برای محاسبه بردارهای بارگذاری پراکنده استفاده شد.

این روش مراحل انتخاب متغیر و مدل‌سازی را در یک فاز ادغام می‌کند و به دلیل بردارهای بارگذاری پراکنده، مدل‌ها به راحتی قابل تفسیر هستند.

تعداد متغیرهای پنهان و عناصر غیرصفر در فضاهای بارگذاری اول و دوم برای مدل‌های sNPLS-DA در این کار با استفاده از رویکرد طراحی مرکب مرکزی (CCD)بهینه‌سازی شد.

مدل‌های بهینه‌شده برای طبقه‌بندی نمونه‌های روغن بادام و عناب قرمز بر اساس خاستگاه جغرافیایی آنها در ایران استفاده شد.

میانگین دقت مدل‌های sNPLS-DA برای اعتبارسنجی متقاطع بوت استرپینگ 0.95 و 0.89 و برای نمونه‌های بادام و عناب قرمز 0.97 و 1.00 بود. عملکرد مدل‌های sNPLS-DA با PLS-DA، تحلیل عاملی موازی (PARAFAC) مقایسه شد.

شبکه‌های عصبی مصنوعی ضد انتشار و شبکه‌های کوهونن نظارت شد.

نتایج مدل‌های بهینه‌سازی‌شده  نسبت به برتر بود و با مدل‌های  قابل مقایسه بود.

نتایج در این کار نشان می دهد که روش sNPLS-DA می تواند به عنوان یک ابزار قابل اعتماد و قابل تفسیر برای کنترل کیفیت و طبقه بندی نمونه های غذا با استفاده از داده های فلورسانس EEM آنها استفاده شود.هستند.