طراحی سنسور نوین بر پایه نانوذره گرافن-کوانتوم دات برای آنالیز رنگ خوراکی سانست یلو
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 102
فایل این مقاله در 11 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-18-113_003
تاریخ نمایه سازی: 5 آذر 1402
چکیده مقاله:
در این تحقیق، طراحی سنسور الکتروشیمیایی بر پایه الکترود خمیرکربن اصلاح شده با نانومواد و مایع یونی مورد مطالعه قرار گرفت. سنسور اصلاح شده با نانوذرات گرافن-کوانتم دات و مایع یونی برای آنالیز سانست یلو مورد مطالعه قرار گرفت و برای این منظور، پارامترهای مختلفی از جمله نسبت مایع یونی، مقدار نانوذره گرافن-کوانتم دات و pH محیط مورد مطالعه قرار گرفت. مقدار بهینه نانوذره کانتوم دات ۵ درصد و مایع یونی ۱۰ درصد و pH ۶ حاصل شد. بهترین عملکرد در سنسور خمیرکربن اصلاخ شده نانوذره گرافن-کانتوم دات و مایع یونی مشاهده شد. این سنسور در شرایط بهینه با دامنه خطی ۳ نانومولار تا ۱۵۰ میکرومولار و حد تشخیص ۱ نانومولار توانست به خوبی برای تعیین مقدار سانست یلو استفاده شود. سنسور طراحی شده برای آنالیز رنگ مورد نظر در نمونه های آب میوه بکار گرفته شد و نتایج توانایی بالای آن برای آنالیز نمونه های حقیقی را نشان داد.
کلیدواژه ها:
Food sample Analysis ، Edible colors ، Voltametric ، Ionic liquid ، Graphene-quantum dot nanoparticle ، Sunset yellow ، آنالیز نمونه های غذایی ، رنگ خوراکی ، ولتامتری ، مایع یونی ، نانوذره گرافن-کوانتم دات ، سانست یلو
نویسندگان
Mehdi Golchehregan
Department of Food Science and Technology, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University
Reza Farahmandfar
Department of Food Science and Technology, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University
Mehdi Golchehregan
Department of Analytical Chemistry, Faculty of Chemistry, University of Kashan
hassan karimi maleh
Department of Chemical Engineering, Faculity of Engineering, Quchan University of Technology
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 :