ساخت و توسعه یک سامانهی ماشین بویایی در ترکیب با روشهای شناسایی الگو برای تشخیص تقلب فرمالین در شیر خام | ||
| مهندسی بیوسیستم ایران | ||
| مقاله 18، دوره 47، شماره 4، 1395، صفحه 761-770 اصل مقاله (719.26 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2017.60273 | ||
| نویسندگان | ||
| مجتبی توحیدی1؛ مهدی قاسمی ورنامخواستی* 2؛ وحید غفاری نیا3؛ سید سعید محتسبی4؛ مجتبی بنیادیان5 | ||
| 1دانشجوی دکتری | ||
| 2استادیار گروه مهندسی مکانیک بیوسیستم دانشگاه شهرکرد | ||
| 3عضو هیئت علمی گروه الکترونیک، دانشکده مهندسی برق و کامپیوتر | ||
| 4استاد دانشگاه تهران | ||
| 5گروه بهداشت مواد غذایی، دانشکده دامپزشکی، دانشگاه شهرکرد | ||
| چکیده | ||
| تقلب در شیر و دیگر محصولات لبنی نه تنها یک تهدید جدی برای سلامت انسان است بلکه زیانهای اقتصادی متعددی را نیز به دنبال دارد. از جمله تقلبات رایج در شیر خام، استفاده از مواد بازدارنده بار میکروبی است. در این پژوهش، یک سامانهی ماشین بویایی (بینی الکترونیکی) بر پایه هشت حسگر نیمه هادی اکسـید فلـزی (MOS) ساخته شد و قابلیت آن در تشخیص مقادیر مختلف فرمالین در شیر خام (0، 05/0، 1/0، 2/0 و 3/0 درصد) مورد بررسی قرار گرفت. بردار ویژگیها از سیگنال پاسخ حسگرها استخراج و به عنوان ورودی مدلهای تشخیص الگو استفاده شد. بر اساس نتایج حاصل، آنالیز مؤلفههای اصلی با دو مولفهی PC1 و PC2، % 93 از واریانس دادهها را پوشش داد. در مجموعهی حسگری، حسگرهای MQ4، FIS، TGS822 و TGS2620 بالاترین مقادیر ضریب لودینگ و حسگر TGS2602 کمترین مقدار این ضریب را به خود اختصاص دادند. همچنین استفاده از روش تحلیل تفکیک خطی، دقت طبقهبندی 1/80% را نشان داد. با کاربرد ماشین بردار پشتیبان با تابع چندجملهای درجه سه، دقت آموزش و اعتبارسنجی طبقهبندی به ترتیب 100 %و 91/90 % به دست آمد. دقت طبقهبندی کل نیز با به کارگیری تکنیک شبکههای عصبی مصنوعی 100% به دست آمد. | ||
| کلیدواژهها | ||
| بینی الکترونیکی؛ حسگرهای نیمه هادی؛ فرمالین؛ تحلیل مؤلفههای اصلی؛ شبکههای عصبی مصنوعی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,169 تعداد دریافت فایل اصل مقاله: 3,050 |
||