عنوان پایان‌نامه
تاثیر پیش تیمار امواج فراصوت بر استخراج اسانس گیاه ترخون Artemisia drcunculus. L
- رشته تحصیلی
- مهندسی مکانیک بیوسیستم
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس ابوریحان شماره ثبت: 846;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 70789
- تاریخ دفاع
- ۳۱ شهریور ۱۳۹۴
- دانشجو
- لیلا بهمنی
- استاد راهنما
- اکبر عرب حسینی, محمد ابونجمی
- چکیده
- برای استخراج اسانس گیاهان روش¬های بسیاری موجود می¬باشد، به عنوان مثال تقطیر با آب، تقطیر با بخار آب و استخراج با استفاده از حلال¬های آلی از جمله روش¬های معمول هستند که به منظور استخراج اسانس مورد استفاده قرار می¬گیرند. برخی معایب این روش¬ها مانند از بین رفتن ترکیبات فرار، مصرف بالای انرژی، طولانی بودن زمان استخراج، آسیب ترکیبات حساس در برابر حرارت منجر به تلاش¬های بسیاری برای یافتن روش¬های نوین استخراج شد. در این پژوهش استخراج اسانس برگ گیاه ترخون به روش تقطیر با آب همراه با پیش¬تیمار امواج فراصوت و روش سنتی تقطیر مورد بررسی و مقایسه قرار گرفت. روش¬های مذکور از نظر بازدهی، سینتیک استخراج، خصوصیات فیزیکی و شیمیایی و خاصیت آنتی¬اکسیدانی اسانس¬ها مورد مقایسه قرار گرفتند. همچنین سینتیک استخراج با استفاده از روش شبکه عصبی مصنوعی مدل¬سازی شد. برای این منظور آزمایش¬ها در سه سطح توان فراصوت (250، 350 و 500 وات)، سه سطح زمان اعمال فراصوت (20، 30 و 40 دقیقه) و بدون اعمال فراصوت به عنوان نمونه شاهد در قالب طرح کاملاً تصادفی با سه تکرار انجام شد. برای شناسایی ترکیبات اسانس از روش کروماتوگرافی گازی استفاده شد. خاصیت آنتی¬اکسیدانی با روش احیاکنندگی رادیکال آزاد DPPH مورد بررسی قرار گرفت. نتایج حاصل از مطالعات آماری حاکی از آن بود که اثر توان فراصوت بر میزان اسانس استخراج شده معنی¬دار نیست. اثر زمان اعمال فراصوت بر میزان اسانس استخراجی در سطح پنج درصد معنی¬دار بود. بیشترین میزان اسانس استخراج شده در شرایط توان 500 وات در مدت زمان 30 دقیقه و کمترین آن در شرایط توان 500 وات در مدت زمان 40 دقیقه مشاهده شد. در ترکیبات اسانس حاصل از شرایط مختلف تفاوت¬هایی مشاهده شد، به طوری که بیشترین درصد استراگول که مهمترین ترکیب موجود در اسانس ترخون می¬باشد در نمونه¬هایی حاصل شد که تحت فراصوت قرار گرفته بودند. بیشترین خاصیت آنتی¬اکسیدانی مربوط به اسانس حاصل از پیش¬تیمار فراصوت با توان 350 وات در مدت زمان 30 دقیقه بود و کمترین میزان فعالیت آنتی-اکسیدانی را اسانس نمونه شاهد از خود نشان داد. بهترین معماری شبکه عصبی 1×7×3 به ازای سه پارامتر ورودی (توان، زمان اعمال فراصوت و زمان استخراج) به ازای 7 نرون در لایه میانی با خطای 08/0 درصد مشاهده شد.
- Abstract
- Abstract There are several methods to extract essential oils of plants, including hydro distillation, steam distillation and extraction using organic solvents. Some disadvantages of these methods, such as the loss of volatile components, high energy consumption, long extraction time and damage of heat-sensitive compounds leads to effort to find new extraction methods. In this study, extraction of essential oil from tarragon leaves was investigated using water distillation with ultrasound pre-treatment and traditional distillation method. The efficiency parameters of these methods, including extraction kinetics, physical and chemical properties of essential oils and antioxidant properties were compared. The extraction kinetics was modeled using Artificial Neural Networks. For this purpose, experiments were run at three sound power levels (250, 350 and 500W), three levels of sonication time (20, 30 and 40 minute) and without sonication as control in a completely randomized design with three replications. Gas chromatography was used to identify the essential compounds. Antioxidant properties were studied using the DPPH radical method. The statistical results showed that the effect of ultrasound power on the extracted essences was not significant. The effect of sonication time on the essential oil content was significant at 5% level. The highest and lowest amounts of extracted oil were observed at the sound power of 500W for 30 minutes and 500W for 40 minutes, respectively. There were some differences in the content of extracted essential in different experiments, so that the highest percentage of estragole which is the most important compound of tarragon was achieved in the proposed method. The highest and lowest antioxidant activities belong to the extracted essential oil using ultrasound pre-treatment with 350W power for 30 minutes and the control samples, respectively. The best Neural Network architecture was reported for the modeling with three input parameters (power, sonication time and extraction time) considering seven neurons in the hidden layer with 0.08% error. Key words: Clevenger, Essential oil, Gas chromatography, Tarragon, Ultrasound
