رضا محمدی گل؛ محمد هادی خوش تقاضا؛ رسول ملک فر؛ منصوره میرابوالفتحی؛ علی محمد نیکبخت
چکیده
آلودگی ناشی از زهرابه قارچی آفلاتوکسین به‌عنوان یک معضل اساسی برای صادرات پسته محسوب می شود. با توجه به استقبال روزافزون استفاده از تکنیک طیف‌سنجی رامان در تشخیص و تفکیک مواد مختلف و همچنین مسائل پیشروی روش‌های آزمایشگاهی سنجش سم مذکور (مانند هزینه بالا و زمان بر بودن)، هدف از این پژوهش بررسی امکان تشخیص و سنجش آفلاتوکسین پسته با ...
بیشتر
آلودگی ناشی از زهرابه قارچی آفلاتوکسین به‌عنوان یک معضل اساسی برای صادرات پسته محسوب می شود. با توجه به استقبال روزافزون استفاده از تکنیک طیف‌سنجی رامان در تشخیص و تفکیک مواد مختلف و همچنین مسائل پیشروی روش‌های آزمایشگاهی سنجش سم مذکور (مانند هزینه بالا و زمان بر بودن)، هدف از این پژوهش بررسی امکان تشخیص و سنجش آفلاتوکسین پسته با تکنیک طیف سنجی رامان و استفاده از شبکههای عصبی بوده است. نمونههای مورد تحقیق در 3 سطح بدون آلودگی (سالم)، آلودگی 20 و 100 نانوگرم در گرم (ppb) از مجموع آفلاتوکسینهای (B1+B2+G1+G2) آماده شدند. بعد از طیف برداری، با توجه به نتایج، هنجارسازی دادههای طیفی به‌عنوان روش پیش پردازش مناسب، انتخاب شد و بهدنبال آن برای کاهش ابعاد داده های طیفی استخراج مؤلفههای اصلی صورت پذیرفت. برای طبقهبندی نمونهها، شبکه پرسپترون با قانون یادگیری پس انتشار خطا (با 4 مؤلفه اصلی مؤثر به‌عنوان ورودی و 3 نرون در لایه پنهان) مورد استفاده قرار گرفت. متوسط دقت طبقه بندی شبکه 98 درصد بهدست آمد و بنابراین، مدلسازی غیرخطی دادههای طیف رامان توسط شبکه عصبی پرسپترون در طبقه بندی نمونهها موفقیتآمیز ارزیابی شد.
