zeytĠnyaĞi orĠjĠn belĠrleme yÖntemlerĠ°darİ... · 2014-02-13 · naturel sızma...
TRANSCRIPT
ZEYTĠNYAĞI ORĠJĠN BELĠRLEME
YÖNTEMLERĠ
MART 2013 ANKARA
YEġĠM ALTUNOĞLU
Gıda Yüksek Mühendisi
Zeytincilik AraĢtırma Ġstasyonu Müdürlüğü
EĞĠTĠMLE ĠLGĠLĠ BĠLGĠLER
Eğitim Yeri: Genova Üniversitesi,
Eczacılık Fakültesi, Analitik
Kimya Bölümü, Genova, Ġtalya
Eğitim Süresi: 1 ay (31.12.2012-
30.01.2013)
DanıĢman: Dr. Monica Casale
SUNU AKIġI
ĠÇERĠK
• Teorik Bilgi
• Uygulama
• Sonuç ve Öneriler
TEORĠK BĠLGĠ
COĞRAFĠ ĠġARET KAVRAMI
Naturel sızma zeytinyağı Akdeniz ülkelerinde değer verilen bir
gıda maddesidir.
Üretildiği coğrafik bölgeye özgü belirli kalite özellikleri
gösteren yüksek kaliteli zeytinyağlarını:
• TeĢvik etmek
• Güvence altına almak için
Avrupa Birliği koruma altına alınmıĢ orijin iĢaretini (PDO-
Protected Designation of Origin) düzenleyip kanunlaĢtırmıĢtır.
COĞRAFĠ ĠġARET KAVRAMI
Avrupa Birliği (AB) nezdinde coğrafi iĢaret tescilinin temeli 1992
tarih ve 2081/92 sayılı Tüzüğe dayanmakta iken günümüzde
yerini 20.03.2006 tarihinde EC 510/2006 sayılı Tüzüğe
bırakmıĢtır.
Ülkemizde ise “555 Sayılı Coğrafi İşaretlerin Korunması
Hakkında Kanun Hükmünde Kararname ve Bu Kararnameye
İlişkin Uygulama Yönetmeliği “ile Nisan 2009’da yapılan son
değiĢikler ile uygulama ve baĢvuru konusunda düzenlemeler
gerçekleĢtirilmiĢtir.
COĞRAFĠ ĠġARET KAVRAMI
Türkiye’nin zeytin yetiĢtiriciliği yapılan ana bölgelerindeki
ekonomik anlamda en önemli yerli çeĢitlerimiz olan ayvalık ve
memecik çeĢitlerinden elde edilen yağların ayırt edilmesi
açısından 3 bölge:
• Edremit Körfez Bölgesi
• Ayvalık Zeytinyağları
• Güney Ege Zeytinyağları
Türk Patent Enstitüsü tarafından menĢei adı korunmuĢ
olarak sertifikalandırılmıĢtır.
COĞRAFĠ ĠġARET KAVRAMI
Coğrafi iĢaret sertifikası ile ürünlerin ticari değeri artmaktadır.
Bu etiketin yarattığı rekabet avantajı taklit ürünlerin piyasaya
sürülmesine neden olmuĢtur. Bu durum:
Tüketici hakları açısından
Güvenilir üreticileri, bu yağları kazanç sağlamak için ucuz
yağlarla karıĢtıran sahtekar üreticilerden ayırmak için
Gerçek üretimin korunmasını sağlamak amacıyla bu ürünlerin
aslına uygunluğunun kanıtlanmasının önemini
vurgulamaktadır.
COĞRAFĠ ĠġARET KAVRAMI
Bu sebeple orijini ve kalitesi beyan edilmiĢ yağları
diğerlerinden objektif bir Ģekilde ayırmak için kalite
kontrolde “gıda güvenliği” ve “izlenebilirlik” göz önünde
bulundurulması gereken en önemli görevlerdir. Bu
hedeflere göre kalite faktörleri ve özelliklerin
değerlendirilmesinde güvenilir yöntemlere gereksinim
duyulmaktadır.
ORĠJĠN BELĠRLEMEDE TEMEL ALINAN ÖZELLĠKLER
Literatürde zeytinyağlarının kemometrik tekniklerle
karakterizasyoununda,
Yağ asitleri kompozisyonu,
Trigliseritler ve yağ asitleri,
Steroller
Fenolik bileĢenler
Aroma maddeleri gibi kimyasal özellikleri esas
alınmıĢtır.
ORĠJĠN BELĠRLEMEDE TEMEL ALINAN ÖZELLĠKLER
Gıdaların aslıyla aynı olup olmadığının doğrulanmasında
kabul gören bu kimyasal yöntemlerin yanı sıra
son on yıldır spektroskopi (UV, NIR, MIR, görünür, Raman)
teknikleri ve elektronik burun yöntemlerine de sıkça
rastlanmaktadır.
ORĠJĠN BELĠRLEMEDE YAKIN KIZILÖTESĠ (NIR) SPEKTROSKOPĠSĠ
• 780-2500 nm dalga boyu
aralığındaki elektromanyetik
radyasyonun absorpsiyonu
temeline dayanır.
• Numuneyi tahrip etmeyen hızlı
bir alternatif teknoloji
• Gıdalardaki çeĢitli bileĢenlerin
nicel (kantitatif) analizlerinde
kullanılmaktadır.
• Avantajları; kimyasal madde
kullanımına gerek olmaması,
analiz maliyetinin düĢük olması,
birçok bileĢenin eĢ zamanlı ve
hızlı (15-90 s) analizi, diğer
analizler için numunenin tekrar
kullanılabilirliğidir.
NIR spektroskopisi yapı içerisindeki
O-H, C-H, C-O ve N-H gibi moleküler
bağların titreĢimleri ile ilgili olarak
absorpsiyon bantları oluĢturmaktadır.
Analiz edilecek olan örnek yakın kızılötesi
ıĢınları ile karĢılaĢtığı zaman, bu bağlar
titreĢimsel enerji değiĢikliklerine maruz
kalmakta ve bunun sonucu olarak da
moleküller titreĢtiği zaman NIR
bölgesindeki organik moleküllerin enerji
absorpsiyonu meydana gelmektedir
ORĠJĠN BELĠRLEMEDE YAKIN KIZILÖTESĠ (NIR) SPEKTROSKOPĠSĠ
ORĠJĠN BELĠRLEMEDE DĠĞER ALTERNATĠF TEKNĠKLER
Coğrafik orijinlerine göre
zeytinyağlarının birbirinden ayırt
edilmesinde elektronik burun da
kullanılmaktadır. Elektronik burun
gıda maddesinin üst boĢluğunda
bulunan uçucu bileĢenlerin tespit
edilmesine dayanmakta olup
avantajları ise nispeten az
miktarda örnek hazırlama
gerektirmesi ve analiz hızıdır.
VERĠLERĠN BĠLGĠYE DÖNÜġTÜRÜLMESĠ
Zeytinyağlarının coğrafik orijinine göre kısa sürede ve
sağlıklı bir Ģekilde sınıflandırılabilmesi için kemometri
olarak isimlendirilen çok değiĢkenli istatistiksel tekniklerden
yararlanılmaktadır.
Kemometri, istatistik ve matematik ile birlikte bilgisayar
kullanılarak kimyasal verilerin iĢlenmesini kapsayan bir
kimya disiplinidir. Bu disiplin kimyasal analizlerde kimyasal
verilerden gerçek bilginin ekstraksiyonunu veya saklı
bilgilerin açığa çıkarılmasına olanak tanıyan güçlü bir
araçtır.
VERĠLERĠN BĠLGĠYE DÖNÜġTÜRÜLMESĠ
Zeytinyağlarının coğrafik orijin temel alınarak
sınıflandırılması ve karakterize edilmesinde
-Temel bileĢen analizi (PCA)
- HiyeararĢik kümelenme analizi (HCA)
- Ayırma analizi (DA)
- Sınıflandırma analizleri gibi çok değiĢkenli istatistiksel
yöntemler yaygın bir Ģekilde kullanılmaktadır.
Kemometrik hesaplamalarda genellikle Excel, Matlab
ve diğer paket programlar kullanılmakta ve bu
programlar istatistik verilerin bilgiye dönüĢtürülmesinde
bazı yardımcı araçlar sunmaktadır.
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME AġAMALARI
Her kategoriye ait popülasyondan temsil edici istatistiksel
örnekler toplanır. ÇalıĢmanın en önemli aĢaması budur. Ġklim
koĢulları, ürün hasat yılı, hasat zamanı, elde etme sistemleri
gibi yağın kompozisyonunu etkileyebilecek tüm çevresel ve
teknolojik Ģartlar göz önünde bulundurulmalıdır.
Örnekler doğru ve referans yöntemlere göre analiz
edilmelidir.
Örnek kategorileri ve analiz verilerinin yer aldığı çizelgeler
oluĢturulur. Bu çizelgelere “matris” denilmektedir. Matrislerde
her sıra bir konudur. Her kolon ise bir değiĢkeni gösterir.
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME AġAMALARI
DeğiĢken
Örnek Yakın kızılötesi spektrası
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME AġAMALARI
Gerekiyorsa verinin ön iĢleme tabii tutulması. Bu durumda
türev alma, SNV (bilgisayar programı yardımıyla bu ön
iĢlemler yapılır) gibi bazı yöntemlere baĢvurulabilir. Bu ön
iĢlem istenmeyen değiĢimlerin minimize edilmesini amaçlar bu
sayede sinyal kalitesini arttırır ve sonuç olarak da verinin
değerli bilgilere dönüĢümünü sağlar. Bu ön iĢlemler
spektrumdaki sinyalleri daha düzenli hale getirir.
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME AġAMALARI
Bilgisayar programı ile temel bileşen analizi (Principal
component analysis) yapılır. Temel bileĢen analizi, üzerinde
durulan konu ya da çalıĢılan problemle ilgili genel bir bakıĢ
açısı sağlar. Ayrıca gözlemlenen sonuçlar üzerinde önemli
sonuçlar ya da kararlar verilmesini sağlayan orijinal verinin
çoklu uzayda maksimum varyans yönünü gösteren yararlı bir
yöntemdir.
Maksimum varyans yönü ilk temel bileĢeni temsil ederken,
ikinci temel bileĢen ise ilk temel bileĢene dik olan ve ilk temel
bileĢen tarafından açıklanmayan maksimum bilgiyi
göstermektedir.
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME AġAMALARI
Eğer hesaplanan değiĢkenler birbirinden farklı yapıda ve
büyüklükte ise standardizasyonu ve centering iĢlemleri yapılır.
Örneğin yağ asitleri kompozisyonunda olduğu değerler
arasında büyüklük farkı var ise kolon autoscaling (kolon
centering+kolon standardizasyonu) iĢlemi uygulanır.
v
viviv
s
xxy
Ölçüm değerinden grubun aritmetik
ortalamasının çıkarılarak elde
edilen sayının grubun standart
sapmasına bölünmesi ile bulunur -Kolon autoscaling-
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME AġAMALARI
Bilgisayar programı ile sınıflandırma kuralları hesaplanır. Bir
sınıflandırma kuralı bir örneği değiĢken değerlerini temel
alarak kategorilerden birine atar. Yaygın olarak kullanılan
sınıflandırma tekniklerinden biri ayırma analizidir (Linear
Discriminant Analysis-LDA).
Sınıflandırma tekniğinin en önemli özelliği bilinmeyen
örneklerin kategorisini tahmin etme kabiliyetidir. Bu kabiliyet
bazı değerlendirme parametreleriyle elde edilir. OluĢturulan
sınıflandırma kuralının performansı değerlendirilir. Bunun için
bir değerlendirme takımı oluĢturulur. En çok kullanılan
doğrulama yöntemlerinden biri de çapraz validasyondur.
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME AġAMALARI
Bir sınıflandırma tekniğinin kestirim (tahmin etme)
kabiliyetini değerlendirmek için örnek takımı 2 alt gruba ayrılır.
Örnek grubu
Eğitim Takımı Değerlendirme Takımı
Sınıflandırma ya da
modelleme kurallarının
oluĢturulmasında
kullanılır.
Sınıflandırma kuralının
performansının
değerlendirilmesinde
kullanılır.
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME AġAMALARI
Bir modelleme tekniğinin değerlendirme parametreleri:
CLASS BOUNDARY
90%
CLASS BOUNDARY
95% Sınıf modelleme tekniği
matematiksel bir sınıf
etrafında önceden seçilmiĢ
güven aralığında bir sınıf
boĢluğu oluĢturur.
Duyarlılık (Sensitivity): Model tarafından doğru olarak kabul
edilen modellenen sınıfa ait nesnelerinin yüzde oranıdır.
Belirginlik (Specificity): Model tarafından doğru olarak
reddedilen sınıf tarafından reddedilen modellenen sınıfa ait
olmayan nesnelerinin yüzde oranıdır.
UYGULAMA
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
2 farklı kategorideki 57 adet örnek:
1.Kategori: Coğrafi iĢarete sahip
Chianti Classico örnekleri
2. Kategori: BaĢka bölgeye ait
diğer örneklerdir.
Yapılan Analizler:
-Örneklerin yağ asidi
kompozisyonundan 10 yağ asidi GC
ile belirlenmiĢ.
-NIR spektroskopisi ile 1390 NIR
değiĢkeni (10000-4400 cm-1
aralığındaki spesifik dalga
boylarındaki absorbans değerleri)
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
Ham NIR spektra
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
(SNV ve 1.Türevi alınmıĢ) NIR spektra
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
Temel Bileşen
analizi (PCA)
Ham NIR
spektra
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
Temel Bileşen
analizi (PCA)
Ön iĢlemden
geçmiĢ (SNV ve
1.türevi alınmıĢ) NIR
spektra
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
Temel Bileşen
analizi (PCA)
10 kimyasal
parametrede (yağ
asitleri)
v
viviv
s
xxy
DeğiĢkenler farklı
ölçekte
olduklarından
kolon autoscaling
uygulanmıĢtır.
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
Doğrusal Ayırıcı Analiz (LDA) sınıflandırma yöntemi
olarak kullanılmıĢtır. 10 adet yağ asidi verileri için,
-Eğitim takımına 47 örnek seçilmiĢ
-Değerlendirme takımına 10 örnek seçilmiĢtir.
Sınıflandırma kuralının validasyonunda çapraz
validasyon uygulanmıĢtır.
(5 iptal grubu)
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
Sınıflandırma kuralının
kestirim kabiliyeti oranı
ortalama %97,87 olarak
bulunmuĢtur. (Eğitim
takımında)
Değerlendirme takımında
sınıflandırma kuralının
kestirim kabiliyeti oranı
ortalama %80 olarak
bulunmuĢtur.
10 adet yağ asidine göre
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
Ham NIR spektra verisi için sınıflandırma yöntemi
olarak Doğrusal Ayırıcı Analiz (LDA) kullanılmıĢtır.
-Eğitim takımına 47 örnek seçilmiĢ
-Değerlendirme takımına 10 örnek seçilmiĢtir.
DeğiĢken sayısı çok (1390) olduğu için 4 temel
bileĢen üzerinde çalıĢılmıĢtır. Sınıflandırma kuralının
validasyonunda çapraz validasyon kullanılmıĢtır.(5
iptal grubu)
(4 temel bileĢen toplam varyansın % 93,4’ünü
açıklamaktadır.)
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
Ön iĢlemden geçmiĢ (SNV ve 1.türev) NIR spektra
verisi için sınıflandırma yöntemi olarak Doğrusal
Ayırıcı Analiz (LDA) kullanılmıĢtır.
-Eğitim takımına 47 örnek seçilmiĢ
-Değerlendirme takımına 10 örnek seçilmiĢtir.
DeğiĢken sayısı çok (1390) olduğu için 4 temel
bileĢen üzerinde çalıĢılmıĢtır. Sınıflandırma kuralının
validasyonunda çapraz validasyon kullanılmıĢtır.(5
iptal grubu)
(4 temel bileĢen toplam varyansın % 95,15’ünü
açıklamaktadır.)
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
Ön iĢlemden (SNV ve 1.türev)
geçmiĢ NIR spektra verisinde Ham NIR spektra verisinde
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
SIMCA tekniği sınıf modelleme yöntemi olarak kullanılmıĢtır.
Ham NIR spektra verilerine göre sonuçların Coomans Plot
grafiğinde gösterimi
%100 güven
aralığında test
takımı sonuçları
DıĢ takım için
kestirim kabiliyeti ort.
% 70
DıĢ takım için ort.
Duyarlılık %80
DıĢ takım için ort.
Belirginlik %80
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
SIMCA tekniği sınıf modelleme yöntemi olarak kullanılmıĢtır.
Ön işlemden geçmiş NIR spektra verilerine göre sonuçların
Coomans Plot grafiğinde gösterimi
%100 güven
aralığında test
takımı sonuçları
DıĢ takım için
kestirim kabiliyeti ort.
% 80
DıĢ takım için ort.
Duyarlılık %90
DıĢ takım için ort.
Belirginlik %70
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
SIMCA tekniği sınıf modelleme yöntemi olarak kullanılmıĢtır.
10 yağ asidi verilerine göre sonuçların Coomans Plot
grafiğinde gösterimi
%95 güven aralığında
test takımı sonuçları
-DıĢ takım için kestirim
kabiliyeti ort. % 90
-DıĢ takım için ort.
Duyarlılık %70
-DıĢ takım için ort.
Belirginlik %90
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
SIMCA tekniğine göre elde edilen sonuçlar:
Veri Dış takım için ort.
Kestirim kabiliyeti %
Dış takım için ort.
Duyarlılık %
Dış takım için ort.
Belirginlik %
Ham NIR Spektra 70 80 80
Ön İşlemden
Geçmiş NIR spektra
80 90 70
10 yağ asidi 90 70 90
ZEYTĠNYAĞINDA ORĠJĠN BELĠRLEME UYGULAMASI
Uygulama sonucunda;
-Spektra gürültüye sahipse veri ön iĢleme yararlı
olabilir.
- Sınıflandırma tekniği olarak doğrusal ayırıcı analiz
tatmin edici sonuçlar vermiĢ ancak sınıf modelleme
tekniği olarak SIMCA daha az tatmin edici sonuçlar
vermiĢtir.
- NIR spektra sonuçları ile ilgili problem yağ asitleri
sonuçlarına göre belirginliğin düĢük çıkmasıdır. Yani
bir sınıfa ait örnekler o sınıf tarafından kabul
edilmiyor. Bunun nedeni örneklerin toplandığı yerlerin
birbirine çok yakın olması olabilir.
- Yağ asitleri kompozisyonu NIR spektroskopisine
göre daha iyi sonuçlar vermiĢtir.
SONUÇ ve ÖNERĠLER
SONUÇ VE ÖNERĠLER
Ülkemizde zeytinyağlarının coğrafik orijin bakımından aynı
zamanda çeĢit bakımından karakterizasyonu ile ilgili sınırlı
sayıda çalıĢma bulunmaktadır. Literatürdeki çalıĢmalarda
ise çoğunlukla yağ asitleri kompozisyonuna göre
zeytinyağları kemometrik teknikler yardımıyla
sınıflandırılmaya çalıĢılmıĢtır.
Belli bir bölge ve yöreye özgü ve tipik kaliteye sahip
ürünlerin benzerleri ve taklitlerine karĢı korunabilmesi için
zeytinyağı sektörünün kullanabileceği referans veri
tabanlarına ihtiyaç duyulmaktadır.
SONUÇ VE ÖNERĠLER
Spektroskopik tekniklerde (UV, NIR, MIR, görünür, Raman)
analiz sonuçları referans analizlere bağımlı olduğu için
güvenilir kalibrasyon modellerinin oluĢturulması çok
önemlidir. Bu teknikler uygulamada çok hızlı sonuç
vermekte, birçok bileĢen ve kalite özelliklerinin analizi
eĢzamanlı olarak birkaç dakikada yapılabilmektedir. Ayrıca
zeytinyağlarının coğrafik orijine göre sınıflandırılmasında
çevreyle dost, zaman ve maliyet yönünden avantajlı bu
teknikler geleneksel yöntemlere alternatif oluĢturmaktadır.
Bu yöntemlerden faydanılması ve uygun kemometrik
yöntemlerle kombine edilerek güvenilir sonuç veren
yöntemlerin araĢtırılması önem arz eden bir konudur.
TEġEKKÜRLER
www.gsb.gov.tr