محمدرضا زارع زاده؛ محمد ابونجمی؛ مهدی قاسمی ورنامخواستی؛ فاطمه آذری کیا
چکیده
روغن زیتون فرابکر همیشه مورد توجه و خواست استفاده‌کنندگان می‌باشد؛ از این‌رو در روغن‌های زیتونِ بکر و فرابکر، تقلب، با افزودن روغن‌های با ارزش غذایی و قیمت کمتر مثل کانولا، آفتابگردان، تفاله زیتون و غیره مشاهده می‌گردد. در این پژوهش با استفاده از فناوری ماشین بویایی روغن زیتون فرابکر، از نمونه‌های تقلبی تهیه شده با روغن‌های ...
بیشتر
روغن زیتون فرابکر همیشه مورد توجه و خواست استفاده‌کنندگان می‌باشد؛ از این‌رو در روغن‌های زیتونِ بکر و فرابکر، تقلب، با افزودن روغن‌های با ارزش غذایی و قیمت کمتر مثل کانولا، آفتابگردان، تفاله زیتون و غیره مشاهده می‌گردد. در این پژوهش با استفاده از فناوری ماشین بویایی روغن زیتون فرابکر، از نمونه‌های تقلبی تهیه شده با روغن‌های متداول در بازار و با هفت مدل طبقه‌بندی مختلف تشخیص داده شد. نمونه‌ها در شش دسته‌ی "خالص و 5، 10، 20، 35 و 50 درصد تقلب" و هر تیمار در هفت نمونه تهیه و آزمایش‌ها در هفت تکرار انجام گرفت. سامانه بویایی از هشت حسگر متفاوت تشکیل شده که برای هر کدام نمودار تغییر ولتاژ بر حسب زمان تهیه و از آن نمودار چهار ویژگی "کمینه، بیشینه، میانگین و اختلاف بیشینه و کمینه" در مدل‌های طبقه‌بندی استفاده گردید. به این ترتیب تعداد 32 ویژگی برای هشت حسگر استخراج و مورد تجزیه و تحلیل قرار گرفت. به جهت تاثیر دمای نمونه‌ها در خروجی سامانه، تمام آزمایش‌ها در دمای ثابت انجام گرفتند. طبقه‌بندی نتایج با چهار الگوریتم طبقه‌بندی "K-همسایگی نزدیک، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و آدابوست" صورت پذیرفت. 70% داده‌ها برای آموزش و 30% برای آزمون استفاده گردید. از بین 32 ویژگی، ویژگی "کمینه مقدار خروجی سنسور TGS-822" بیشترین تاثیر را در دقت طبقه‌بندی داشتند. نتایج نشان داد روش طبقه‌بندی همسایگی نزدیک با بهترین دقت (89/89%) و پس از آن روش ماشین بردار پشتیبان (52/86%) بیشترین دقت طبقه‌بندی را دارا بودند.
فردین ایاری؛ اسماعیل میرزائی قلعه؛ حکمت ربانی؛ کبری حیدربیگی
چکیده
تقلب در محصولات لبنی نه تنها تهدیدی جدی برای سلامت انسان است بلکه زیان‌های اقتصادی متعددی را نیز به دنبال دارد. ازجمله تقلب‌های رایج در روغن حیوانی گاوی، ترکیب کردن آن با روغن نباتی و روغن دنبه است. در این پژوهش، یک سامانه‌ی ماشین بویایی بر پایه هشت حسگر نیمه‌هادی اکسـید فلـزی ساخته شد و قابلیت آن در تشخیص مقادیر مختلف ترکیب روغن ...
بیشتر
تقلب در محصولات لبنی نه تنها تهدیدی جدی برای سلامت انسان است بلکه زیان‌های اقتصادی متعددی را نیز به دنبال دارد. ازجمله تقلب‌های رایج در روغن حیوانی گاوی، ترکیب کردن آن با روغن نباتی و روغن دنبه است. در این پژوهش، یک سامانه‌ی ماشین بویایی بر پایه هشت حسگر نیمه‌هادی اکسـید فلـزی ساخته شد و قابلیت آن در تشخیص مقادیر مختلف ترکیب روغن نباتی و روغن دنبه در روغن حیوانی گاوی خالص (10، 20، 30، 40 و 50 درصد) مورد بررسی قرار گرفت. بردار ویژگی‌ها از سیگنال پاسخ حسگرها به ترکیبات فرار و معطر انواع روغن‌ها، استخراج و به‌عنوان ورودی مدل تشخیص الگو استفاده شد. همچنین جهت طبقه‌بندی ویژگی‌های استخراج‌شده از روش تحلیل تفکیک درجه دوم (QDA) استفاده شد. نتایج حاصل از آنالیز مؤلفه‌های اصلی با دو مؤلفه‌ی PC1 و PC2، به‌ترتیب واریانس 98 و 97 درصد را برای ترکیب روغن حیوانی با روغن نباتی و روغن دنبه نشان داد. همچنین نمودارهای لودینگ و رادار نشان داد که بوی روغن حیوانی گاوی بیشترین و کمترین تأثیر را به‌ترتیب روی حسگر TGS822 و حسگر MQ135 دارد. همچنین بوی روغن نباتی و روغن دنبه بیشترین و کمترین تأثیر را به‌ترتیب روی حسگرهای MQ136 و MQ135 داشت. با توجه به نتایج به‌دست آمده از نمودار رادار مشخص شد که حسگر MQ135 کمترین نقش را در طبقه‌بندی دارد. همچنین براساس نتایج حاصل از طبقه‌بندی، دقت طبقه‌بندی برای روغن حیوانی مخلوط با روغن نباتی و روغن دنبه به‌ترتیب برابر 24/95 و 15/97 درصد به‌دست آمد.
محمد حاجی نژاد؛ سید سعید محتسبی؛ مهدی قاسمی ورنامخواستی؛ مرتضی آغباشلو
چکیده
عسل یک محلول ویسکوز و همچنین قند فوق اشباع گرفته شده از شهد گل‌ها است که به‌وسیله زنبورعسل جمع‌آوری و اصلاح می‌شود. رایحه یکی از پارامترهای مهم در طبقه‌بندی عسل است و بوی ساطع‌شده از آن بسته به گل‌های مختلف و ترکیبات تشکیل‌دهنده آن می‌تواند متفاوت باشد. همین عوامل سبب استفاده از یک سامانه ماشین بویایی بر پایه حسگرهای نیمه‌هادی ...
بیشتر
عسل یک محلول ویسکوز و همچنین قند فوق اشباع گرفته شده از شهد گل‌ها است که به‌وسیله زنبورعسل جمع‌آوری و اصلاح می‌شود. رایحه یکی از پارامترهای مهم در طبقه‌بندی عسل است و بوی ساطع‌شده از آن بسته به گل‌های مختلف و ترکیبات تشکیل‌دهنده آن می‌تواند متفاوت باشد. همین عوامل سبب استفاده از یک سامانه ماشین بویایی بر پایه حسگرهای نیمه‌هادی اکسید فلزی به‌منظور تشخیص تقلب در عسل شد. این سامانه، به هیچ‌گونه تجهیزات تخصصی و پر‌هزینه 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 بهینه‌سازی سیگنالهای خروجی بینی الکترونیک، قبل از ورود به روش‌های آنالیز تشخیص، استفاده شد. تحلیل مؤلفه اصلی (PCA)، تحلیل تفکیک خطی (LDA) و شبکه عصبی مصنوعی (ANN) روش‌هایی بودند که به‌منظور طبقه‌بندی و تحلیل ویژگی‌های استخراجی از سیگنالهای ماشین بویایی استفاده شدند. برای تشخیص تقلب با استفاده از ماشین بویایی، نتایج شامل 91% واریانس به روش PCA، 100% و 100% دقت طبقه‌بندی به‌ترتیب برای روش‌های LDA و ANN بود. نتایج نشان داد سامانه ماشین‌بویایی ارائه شده یک وسیله مطمئن و قابل‌اتکا در تشخیص و ثبت تغییرات بین سطوح مختلف تقلب در عسل است.
علیرضا ثنایی فر؛ سید سعید محتسبی؛ مهدی قاسمی ورنامخواستی؛ حجت احمدی
چکیده
بو یکی از مهم‌ترین ویژگی‌های حسی میوه‌ها به حساب می‌آید و نسبت به تغییرات ترکیبات آن‌ها حساسیت ویژه‌ای دارد. گازهایی که در بو و طعم میوه‌ها دخالت می‌کنند، حاصل فعالیت‌های متابولیکی میوه در زمان‌های رسیدگی، برداشت، پس از برداشت و انبار می‌باشند. بنابراین بوی ساطع شده از میوه در طول نگهداری آن نیز تغییر می‌کند. ماشین بویایی (بینی ...
بیشتر
بو یکی از مهم‌ترین ویژگی‌های حسی میوه‌ها به حساب می‌آید و نسبت به تغییرات ترکیبات آن‌ها حساسیت ویژه‌ای دارد. گازهایی که در بو و طعم میوه‌ها دخالت می‌کنند، حاصل فعالیت‌های متابولیکی میوه در زمان‌های رسیدگی، برداشت، پس از برداشت و انبار می‌باشند. بنابراین بوی ساطع شده از میوه در طول نگهداری آن نیز تغییر می‌کند. ماشین بویایی (بینی الکترونیکی) با شبیه سازی حس بویایی انسان، تشخیص و درک بوهای پیچیده را با استفاده از آرایه‌ای از حسگرهای شیمیایی انجام می‌دهد. در این پژوهش سامانه ماشین بویایی کم هزینه‌ای بر پایه شش حسگر نیمه هادی اکسید فلزی (MOS) طراحی، توسعه و پیاده‌سازی شد و قابلیت آن به‌منظور پایش رد اثر رسیدگی موز مورد مطالعه قرار گرفت. اجزای اصلی سامانه طراحی شده شامل سامانه دریافت نمونه، آرایه حسگرهای گازی، سامانه تحصیل داده، الگوریتم‌های تشخیص الگو و تحلیل داده می‌باشد. تحلیل تفکیک خطی (LDA) به‌منظور طبقه بندی ویژگی‌های استخراجی از سیگنالهای ماشین بویایی استفاده گردید و براساس نتایج حاصل شده، دقت در طبقه بندی دوره رسیدگی 3/97% به‌دست آمد. نتایج به‌دست آمده توانایی بالای ماشین بویایی را در تمایز بین مراحل دوره رسیدگی نشان داد که می‌توان این سامانه را به‌عنوان یک ابزار غیر مخرب برای پایش و کنترل کیفیت در طول نگهداری موز به‌کار برد.
