|
|
سیزدهمین کنگره ملی مکانیک بیوسیستم و مکانیزاسیون ایران (مکانیک بیوسیستم 1400)
|
|
|
| عنوان فارسی |
تشخیص تقلب رب انار توسط ماشین‌بویایی مبتنی برروش تحلیل داده |
|
| چکیده فارسی مقاله |
تقلب در محصولات غذایی یک معضل جدی است و کیفیت مواد غذایی تحت تاثیر این موضوع می باشد. رب انار به دلیل طعم دلپذیر و داشتن خواص آنتی اکسیدان، یک از مواد خوراکی با ازرش محسوب می شود. در این پژوهش سامانه ماشین بویایی با هشت آرایه حسگر گازی به منظور تشخیص تقلب و طبقه بندی نمونه های رب انار به کار گرفته شد. پاسخ حسگرها ناشی از ترکیبات فرار مواد آلی نمونه ها توسط روش های آماری شیمی سنجی از جمله روش های تحلیل مولفه اصلی و تحلیل تفکیک خطی به منظور تعیین الگوی مناسب استفاده شد. بر اساس نتایج بدست آمده، روش تحلیل مولفه های اصلی با دو مولفه PC1 و PC2 با دقت 95 درصد واریانس کل داده ها را توصیف کرد. در روش تحلیل تفکیک خطی با توجه به نمودار لودینگ در روشPCA، حسگرهای TGS2610، MQ136، TGS822، TGS813و TGS842 که تاثیر حداقلی درتمایز میان نمونه ها دارند، حذف شدند. دقت طبقه بندی نمونه ها با داده های حاصل از هشت حسگر و دو حسگر به ترتیب 97 و 99 درصد گزارش شد. بنابراین حسگرهای TGS2620 و MQ138 بیشترین تاثیر را در تشخیص تقلب و تمایز نمونه های رب انار دارند. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Detection of adulteration pomegranate paste by olfactory machine based on multivariate data analysis |
|
| چکیده انگلیسی مقاله |
Food fraud is a serious problem and food quality is affected. due to its pleasant taste and antioxidant properties, Pomegranate paste is one of the valuable foods that is considered in peoplechr('39')s diet. In this study, the olfactory machine system was used using eight arrays of gas sensors to detect adulteration and classify of pomegranate paste samples. The response of sensors due to volatile compounds of organic matter in the samples was used by chemmometric method principal component analysis and linear resolution analysis to determine pattern recognation. Based on the results, the principal component analysis method with two components PC1 and PC2 with 92% accuracy described the total variance of the data. In linear discrimination analysis method, according to the loading diagram in PCA method, TGS2610, MQ136, TGS822, TGS813 and TGS842 sensors which have minimal effect on sample differentiation, were removed, then the classification accuracy of samples was compared with data from eight sensors and two sensors. The results showed that the removal of sensors with low impact factor increased the classification accuracy by 2% and TGS2620 and MQ138 sensors had the greatest impact on the detection of fraud and differentiation of pomegranate paste samples. |
|
| کلیدواژه‌های انگلیسی مقاله |
بینی‌الکترونیک, تقلب, شناسایی الگو, رب انار |
|
| نویسندگان مقاله |
Ahmad Sadeghi - Agricultural Research, Education and Extension Organization (AREEO)
Hadi Hosseini - Agricultural Research, Education and Extension Organization (AREEO)
|
|
| نشانی اینترنتی |
http://ncame1400.modares.ac.ir/browse.php?a_code=A-10-238-2&slc_lang=fa&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
