تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,095,857 |
تعداد دریافت فایل اصل مقاله | 97,202,492 |
طبقهبندی ارقام مختلف برنج ایرانی و برنج تقلبی بر اساس ترکیبات فرار شناسایی شده با روش بینی الکترونیکی | ||
مهندسی بیوسیستم ایران | ||
مقاله 9، دوره 50، شماره 3، آبان 1398، صفحه 595-606 اصل مقاله (1.1 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijbse.2019.263221.665081 | ||
نویسندگان | ||
بهلول رامش1؛ سید سعید محتسبی* 2؛ شاهین رفیعی2 | ||
1دانش آموخته کارشناسی ارشد دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران | ||
2استاد دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران | ||
چکیده | ||
عطر و رایحه برنج یکی از ویژگی های مهم در بررسی کیفیت و موثر در میزان بازارپسندی آن است. در این پژوهش از یک سامانه بینی الکترونیکی متشکل از شش حسگر نیمههادی اکسید فلزی بهعنوان یک روش غیرمخرب در بررسی امکان تفکیک ارقام مختلف برنج ایرانی و یک نوع برنج تقلبی که از تقلب های رایج در عرضه برنج است، استفادهشده است. روش تحلیل مؤلفههای اصلی با دو مؤلفه اصلی قادر بود 89% از واریانس (تغییرات) دادهها را برای پنج نمونه از ارقام اصلی برنج را پوشش دهد. همچنین این تحلیل توسط دو مؤلفه اصلی اول و دوم، 96% از واریانس دادهها را برای چهار نمونه برنج که شامل دو رقم برنج اصلی و دو نمونه برنج تقلبی است، را توصیف کند. با استفاده از روش تحلیل تفکیک خطی، دقت %100 برای هر دو گروه از نمونهها به دست آمد. دقت شبکه عصبی مصنوعی در طبقهبندی نمونه ها، 6/98% برای تفکیک دو گروه ارقام ایرانی و نمونههای اختلاطی به دست آمد. | ||
کلیدواژهها | ||
برنج ایرانی؛ برنج تقلبی؛ بینی الکترونیک؛ تشخیص الگو | ||
عنوان مقاله [English] | ||
Classification of Different Iranian Rice Varieties and Frauded Rice Based on Volatile Compounds Detected by Electronic Nose Method | ||
نویسندگان [English] | ||
Bahlool Ramesh1؛ Seyed Saeid Mohtasebi2؛ shahin rafiee2 | ||
1M.Sc. Graduated, Faculty of Agricultural Engineering and Technology, University of Tehran, Karaj, Iran | ||
2Professor, Faculty of Agricultural Engineering and Technology, University of Tehran, Karaj, Iran | ||
چکیده [English] | ||
Rice aroma is one of the important features of rice quality which affects its marketability. In this study, an electronic system consisting of six semiconductor metal oxide sensors was used as a non-destructive method for the separation of Iranian rice varieties and a frauded rice sample, which is a kind of common fraud in rice supply. Analysis of PCA with two main components covered 89% of the variance (variation) of the data for five original rice samples. Also, described 96% of the variance of data for four rice samples, which included two varieties of rice and two fraud samples using LDA method with the accuracy of 100%. The precision of the ANN method was obtained as 98.6% for separation of the two groups of Iranian varieties and the frauded samples. | ||
کلیدواژهها [English] | ||
Iranian rice, frauded rice, electronic nose, pattern recognition | ||
مراجع | ||
Champagne, E. T. (2008). Rice aroma and flavor: a literature review. Cereal Chemistry, 85(4), 445-454. Choudhury, P. R., Kohli, S., Srinivasan, K., Mohapatra, T., & Sharma, R. P. (2001). Identification and classification of aromatic rices based on DNA fingerprinting. Euphytica, 118(3), 243-251. Doleman, B. J., & Lewis, N. S. (2001). Comparison of odor detection thresholds and odor discriminability of a conducting polymer composite electronic nose versus mammalian olfaction. Sensors and Actuators B: Chemical, 72(1), 41-50. Dorosh, P. A., & Wailes, E. J. (2010). The international rice trade: structure, conduct, and performance. S. Pandey, D, Byerlee, D, Dawe, A. Dobermann, S. Mohanty, S. Rozelle & B. Hardy, eds. Rice in the global economy: strategic research and policy issues for food security, 359-378. Fenaille, F., Visani, P., Fumeaux, R., Milo, C., & Guy, P. A. (2003). Comparison of mass spectrometry-based electronic nose and solid phase micro extraction gas chromatography mass spectrometry technique to assess infant formula oxidation. Journal of agricultural and food chemistry, 51(9), 2790-2796. Ghasemi-Varnamkhasti. M .2011. Design, development and implementation of a metallic oxidation semi-metallic oxide (MOS) bioelectronics machine, in order to reveal a change in the quality of light, in combination with patterns of pattern recognition analysis. Ph.D. Thesis. Department of Agricultural Machinery Engineering, Collage Agricultural and Natural Resources. University of Tehran, 187 pages. Ghasemi-Varnamkhasti, M., Mohtasebi, S. S., Siadat, M., Razavi, S. H., Ahmadi, H., & Dicko, A. (2012). Discriminatory power assessment of the sensor array of an electronic nose system for the detection of non-alcoholic beer aging. Czech J. Food Science, 30(3), 236-240. Haugen, J. E., & Kvaal, K. (1998). Electronic nose and artificial neural network. Meat Science, 49, S273-S286. Hu, G., Wang, J., Wang, J. J., & Wang, X. L. (2011). Detection for rice odors and identification of varieties based on electronic nose technique. J. Zhejiang Univ.(Agric. Life Sci.), 6, 13. Korel, F., & Balaban, M. Ö. (2008). Electronic nose technology in food analysis. Handbook of Food Analysis Instruments. doi, 10, 9781420045673. Lau, K. T., McAlernon, P., & Slater, J. M. (2000). Discrimination of chemically similar organic vapours and vapour mixtures using the Kohonen networkPresented at SAC 99, Dublin, Ireland, July 25–30, 1999. Analyst, 125(1), 65-70. Mannino, S., Benedetti, S., Buratti, S., & Cosio, M. (2006). The application of intelligent sensor array for air pollution control in the food industry. Odors in the Food Industry, 47-56. Monsoor, M. A., & Proctor, A. (2004). Volatile component analysis of commercially milled head and broken rice. Journal of food science, 69(8). Pearce, T. C., Schiffman, S. S., Nagle, H. T., & Gardner, J. W. (Eds.). (2006). Handbook of machine olfaction: electronic nose technology. John Wiley & Sons. Pearce, T.C., Schiffman, S.S., Nagle, H.T. and Gardner, J.W. (2003), Handbook of machine olfaction: electronic nose technology. Wiley-VCH, Weinheim. Perriere, G., & Thioulouse, J. (2003). Use of correspondence discriminant analysis to predict the subcellular location of bacterial proteins. Computer Methods and Programs in Biomedicine, 70(2), 99-105. Strike, D. J., Meijerink, M. G. H., & Koudelka-Hep, M. (1999). Electronic noses–A mini-review. Fresenius' journal of analytical chemistry, 364(6), 499-505. Timsorn, K., Lorjaroenphon, Y., & Wongchoosuk, C. (2017). Identification of adulteration in uncooked Jasmine rice by a portable low-cost artificial olfactory system. Measurement, 108, 67-76. Tohidi, m. Ghasemi Varnamkhasti, M. Ghaffarinia.V., Mohtasebi, S.,S. Bonyadian , M. The development and development of an olfactory machine system in combination with pattern recognition methods for detecting formalin cheating on raw milk. Biotechnology Engineering of Iran, Volume 47, Issue 4, Winter 2016 (p. 770-761) Wailes, E. J. (2005). Rice: Global trade, protectionist policies, and the impact of trade liberalization. M. Ataman Aksoy and John C. Beghin, 2(576), 177.. Yu, H., Wang, J., & Xu, Y. (2007). Identification of adulterated milk using electronic nose. Sensors and Materials, 19(5), 275-285. Zheng, X. Z., Lan, Y. B., Zhu, J. M., Westbrook, J., Hoffmann, W. C., & Lacey, R. E. (2009). Rapid identification of rice samples using an electronic nose. Journal of Bionic Engineering, 6(3), 290-297. | ||
آمار تعداد مشاهده مقاله: 426 تعداد دریافت فایل اصل مقاله: 381 |