سید پویا فیاض؛ سید سعید محتسبی؛ علی جعفری؛ عبدالناصر مسعودی
چکیده
اسانسها یا روغنهای فرار ازجمله مواد موجود در گیاهان هستند که شامل مخلوط پیچیدهای از مواد شیمیایی آلی مثل ترپینوئیدها، آلدئیدها، الکلها، استرها، ستنها و غیره میباشند. اسانسها از تقطیر مواد فرار موجود در اندامهای مختلف گیاهان تازه یا خشک بهدست میآیند و وزن مخصوص آنها غالباً از آب کمتر است. اسانسها را میتوان به ...
بیشتر
اسانسها یا روغنهای فرار ازجمله مواد موجود در گیاهان هستند که شامل مخلوط پیچیدهای از مواد شیمیایی آلی مثل ترپینوئیدها، آلدئیدها، الکلها، استرها، ستنها و غیره میباشند. اسانسها از تقطیر مواد فرار موجود در اندامهای مختلف گیاهان تازه یا خشک بهدست میآیند و وزن مخصوص آنها غالباً از آب کمتر است. اسانسها را میتوان به سه دسته طبیعی، مشابه طبیعی و مصنوعی تقسیم کرد. روشهای متداول شناسایی و ارزیابی اسانسهای روغنی دارای نقطهضعفهایی هستند. در این تحقیق یک سامانه بینی الکترونیکی شامل هفت حسگر نیمههادی اکسید فلزی برای تشخیص و تفکیک هشت نوع اسانس لیموی تجاری توسعه دادهشده و با استفاده از روشهای تحلیل مؤلفههای اصلی، تحلیل تفکیک خطی و شبکه عصبی مصنوعی ارزیابی شد. بر اساس نتایج حاصل از تحلیل دادههای این سامانه، روش تحلیل مؤلفههای اصلی با دو مؤلفه اصلی PC1 و PC2 توانست ۹۹ درصد از واریانس دادهها را پوشش دهد. همچنین تمامی حسگرها ضرایب لودینگ بالایی را از خود نشان دادند. روشهای تحلیل تفکیک خطی و شبکه عصبی مصنوعی نیز بهترتیب با دقت بالای 98% و91% قادر به جداسازی نمونهها بودند. بنابراین سامانه بینی الکترونیکی پیشنهادشده نشان داد که ابزار قابلاعتماد و کمهزینهای جهت جداسازی اسانسهای لیموی تجاری میباشد.
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.