استفاده از شناوری مغناطیسی برای تشخیص انواع روغن های پخت و پزایرانی بر اساس چگالی
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 67
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FSCT-23-176_010
تاریخ نمایه سازی: 17 مهر 1405
چکیده مقاله:
سلامت عمومی به طور قابل توجهی با مصرف روغن های خوراکی ناخالص و استفاده مجدد مکرر از روغن های پخت و پز به خطر می افتد. اگرچه تکنیک های تحلیلی سنتی یعنی کروماتوگرافی گازی و کروماتوگرافی مایع با کارایی بالا دقت بالایی دارند، اما اتکای آنها به ابزارهای پیچیده و پرهزینه، کاربرد عملی آنها را در خارج از محیط های آزمایشگاهی محدود می کند. این تحقیق یک رویکرد تحلیلی در دسترس و مقرون به صرفه مبتنی بر شناوری مغناطیسی MagLev) ) را برای ارزیابی کیفیت روغن و شناسایی آلاینده ها معرفی می کند. این تکنیک از تغییرات چگالی در نمونه های روغن برای ایجاد تعادل شناوری آنها در یک سیال پارامغناطیسی استفاده می کند و تمایز دیداری را تسهیل می کند. برای اعتبارسنجی اثربخشی روش MagLev، وجود ناخالصی کنترل شده چربی حیوانی کرمانشاهی با استفاده از غلظت های درجه بندی شده چربی گاوی، چربی های سخت صنعتی و روغن های نیمه جامد انجام شد. علاوه بر این، توانایی سیستم در تشخیص روغن زیتون خالص از روغن های مایع درجه صنعتی بررسی شد. نتایج تجربی نشان می دهد که تکنیک MagLev به طور قابل اعتمادی ناخالصی ها را تشخیص می دهد و تخمین های نیمه کمی از خلوص را ارائه می دهد. این سیستم به دلیل سادگی و قابلیت حمل، عملکرد بدون ورودی الکتریکی و استفاده از حداقل اجزا، به ویژه دو آهنربای دائمی و یک محلول پارامغناطیس، قابل توجه است. این ویژگی ها، MagLev را به ابزاری جذاب برای استقرار در محل در تضمین کیفیت، نظارت بر ایمنی مواد غذایی، غربالگری سریع آلودگی و جلوگیری از سودجویی غیرقانونی در محیط هایی با زیرساخت فنی محدود تبدیل می کند.
کلیدواژه ها:
نویسندگان
Mojgan Moradi Doureh
دانشکده شیمی. دانشگاه لرستان. خرم آباد. ایران
Kamal Alizadeh
دانشکده شیمی.دانشگاه لرستان. خرم آباد. ایران
Ali Daneshfar
دانشکده شیمی. دانشگاه لرستان. خرم آباد. ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :