TY - JOUR ID - 27811 TI - تشخیص آفلاتوکسین پسته با استفاده از تکنیک طیف‌سنجی رامان و شبکه عصبی JO - ماشین های کشاورزی JA - JAM LA - fa SN - 2228-6829 AU - محمدی گل, رضا AU - خوش تقاضا, محمد هادی AU - ملک فر, رسول AU - میرابوالفتحی, منصوره AU - نیکبخت, علی محمد AD - دانشگاه اراک AD - دانشگاه تربیت مدرس AD - مؤسسه تحقیقات گیاهپزشکی کشور AD - دانشگاه ارومیه Y1 - 2015 PY - 2015 VL - 5 IS - 1 SP - 1 EP - 9 KW - آفلاتوکسین KW - آنالیز مؤلفه اصلی KW - پسته KW - شبکه عصبی KW - طیف‌سنجی رامان DO - 10.22067/jam.v5i1.28122 N2 - 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. UR - https://jame.um.ac.ir/article_27811.html L1 - https://jame.um.ac.ir/article_27811_563d01c11047feca1fb02cd283590d0a.pdf ER -