انتخاب الگوریتم بهینهی طبقهبندی و تشخیص تقلب در روغن زیتون با استفاده از ماشینبویایی
Publish place: Journal of Agricultural Machinery، Vol: 11، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 542
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAM-11-2_018
تاریخ نمایه سازی: 6 دی 1399
Abstract:
روغن زیتون فرابکر همیشه مورد توجه و خواست استفادهکنندگان میباشد؛ از اینرو در روغنهای زیتونِ بکر و فرابکر، تقلب، با افزودن روغنهای با ارزش غذایی و قیمت کمتر مثل کانولا، آفتابگردان، تفاله زیتون و غیره مشاهده میگردد. در این پژوهش با استفاده از فناوری ماشین بویایی روغن زیتون فرابکر، از نمونههای تقلبی تهیه شده با روغنهای متداول در بازار و با هفت مدل طبقهبندی مختلف تشخیص داده شد. نمونهها در شش دستهی "خالص و 5، 10، 20، 35 و 50 درصد تقلب" و هر تیمار در هفت نمونه تهیه و آزمایشها در هفت تکرار انجام گرفت. سامانه بویایی از هشت حسگر متفاوت تشکیل شده که برای هر کدام نمودار تغییر ولتاژ بر حسب زمان تهیه و از آن نمودار چهار ویژگی "کمینه، بیشینه، میانگین و اختلاف بیشینه و کمینه" در مدلهای طبقهبندی استفاده گردید. به این ترتیب تعداد 32 ویژگی برای هشت حسگر استخراج و مورد تجزیه و تحلیل قرار گرفت. به جهت تاثیر دمای نمونهها در خروجی سامانه، تمام آزمایشها در دمای ثابت انجام گرفتند. طبقهبندی نتایج با چهار الگوریتم طبقهبندی "K-همسایگی نزدیک، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و آدابوست" صورت پذیرفت. 70% دادهها برای آموزش و 30% برای آزمون استفاده گردید. از بین 32 ویژگی، ویژگی "کمینه مقدار خروجی سنسور TGS-822" بیشترین تاثیر را در دقت طبقهبندی داشتند. نتایج نشان داد روش طبقهبندی همسایگی نزدیک با بهترین دقت (89/89%) و پس از آن روش ماشین بردار پشتیبان (52/86%) بیشترین دقت طبقهبندی را دارا بودند.
Keywords:
Authors
محمدرضا زارع زاده
دانشگاه تهران
محمد ابونجمی
دانشگاه تهران
مهدی قاسمی ورنامخواستی
دانشگاه شهرکرد
فاطمه آذری کیا
دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :