تشخیص تقلب در نمونه عسل «کنار» با استفاده از یک سامانه ماشین بویایی
نویسنده:
چکیده:
عسل یک محلول ویسکوز و همچنین قند فوق اشباع گرفته شده از شهد گل ها است که به وسیله زنبورعسل جمع آوری و اصلاح می شود. رایحه یکی از پارامترهای مهم در طبقه بندی عسل است و بوی ساطع شده از آن بسته به گل های مختلف و ترکیبات تشکیل دهنده آن می تواند متفاوت باشد. همین عوامل سبب استفاده از یک سامانه ماشین بویایی بر پایه حسگرهای نیمه هادی اکسید فلزی به منظور تشخیص تقلب در عسل شد. این سامانه، به هیچ گونه تجهیزات تخصصی و پر هزینه آزمایشگاهی نیاز نداشت. نمونه های عسل «کنار» با درصدهای مختلف تقلب (صفر، 20، 35 و 50 درصد) مورد آزمایش قرار گرفتند. از روش کسری برای بهبود و بهینه سازی سیگنال های خروجی بینی الکترونیک، قبل از ورود به روش های آنالیز تشخیص، استفاده شد. تحلیل مولفه اصلی (PCA)، تحلیل تفکیک خطی (LDA) و شبکه عصبی مصنوعی (ANN) روش هایی بودند که به منظور طبقه بندی و تحلیل ویژگی های استخراجی از سیگنال های ماشین بویایی استفاده شدند. برای تشخیص تقلب با استفاده از ماشین بویایی، نتایج شامل 91% واریانس به روش PCA، 100% و 100% دقت طبقه بندی به ترتیب برای روش های LDA و ANN بود. نتایج نشان داد سامانه ماشین بویایی ارائه شده یک وسیله مطمئن و قابل اتکا در تشخیص و ثبت تغییرات بین سطوح مختلف تقلب در عسل است.
کلیدواژگان:
زبان:
فارسی
صفحات:
439 تا 450
لینک کوتاه:
https://www.magiran.com/p1758946
مقالات دیگری از این نویسنده (گان)
-
Introducing a Rapid and Practical Approach for Determining Fat Content in Cow Milk Using Image Processing
Lena Beheshti Moghadam, *, Behzad Nouri, Mahmoud Omid, Seyed Morteza Mohtasebi
Biomechanism and Bioenergy Research, Summer and Autumn 2024 -
تشخیص و طبقه بندی آلودگی نفتی خاک با استفاده از سامانه بینی الکترونیکی و روش های تشخیص الگو
محمدسروش امینی، *، شاهین رفیعی، احمدعلی پوربابائی
مجله پژوهش های مکانیک ماشین های کشاورزی، تابستان 1403