طبقه بندی عسل های با منشا گیاهی مختلف با استفاده از یک سامانه ماشین بویایی
Publish place: Biosystem Engineering Journal of Iran، Vol: 47، Issue: 3
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 143
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJBSE-47-3_003
تاریخ نمایه سازی: 31 اردیبهشت 1402
Abstract:
عسل مایعی شیرین و گرانرو است که زنبور عسل آن را از شهد گل ها تولید می نماید . عسل به طور کلی یک ترکیب محلول در آب بسیار غلیظ قندی است که به لحاظ داشتن برخی مواد تخمیری در تبادلات غذایی و کمک به هضم غذا، بالاترین مرتبه را در میان غذاها دارد. بو یکی از پارامترهای مهم در طبقه بندی عسل است و گازهایی که در بوی عسل دخالت دارند حاصل از بوی گرده گل های جمع آوری شده توسط زنبور عسل و فعالیت های آن برای تبدیل گرده به عسل است. بنابراین بوی ساطع شده از عسل بسته به گل های مختلف، می تواند متفاوت باشد. همین عوامل سبب استفاده از یک سامانه ماشین بویایی بر پایه حسگرهای نیمه هادی اکسید فلزی (MOS) به منظور طبقه بندی عسل های با منشا گیاهی مختلف گردیده است. هفت نوع عسل با منشاهای گیاهی مختلف تهیه شده و از هرکدام ۱۰ نمونه و جمعا ۷۰ نمونه، هر کدام به وزن ۵ گرم اماده شدند. سپس نمونه ها در داخل پتری دیش استریلیزه گذاشته شده و مورد آزمایش قرار گرفتند. آزمایش در سه مرحله تصحیح خط مبنا، تزریق گاز نمونه و پاک سازی حسگرها انجام گرفت. داده ها با روش پیش پردازش کسری برای جلوگیری از برازش بیش از حد و همچنین کاهش داده های ورودی، نرمال سازی شدند. تحلیل مولفه اصلی (PCA)، تحلیل تفکیک خطی (LDA) و شبکه عصبی مصنوعی (ANN) روش هایی بودند که به منظور طبقه بندی و تحلیل ویژگی های استخراجی از سیگنال های ماشین بویایی استفاده گردیدند. برای طبقه بندی عسل های با منشا گیاهی مختلف با استفاده از ماشین بویایی، نتایج شامل ۹۷% واریانس به روش PCA ، و دقت طبقه بندی برای روش های LDA و ANN به ترتیب ۸۷.۳% و ۸۸.۵% بود. نتایج حاصله نشان داد که سامانه ماشین بویایی مورد استفاده در این پژوهش، می تواند یک ابزار قابل اعتماد برای طبقه بندی عسل های با منشا گیاهی مختلف باشد.
Keywords:
Authors
محمد حاجی نژاد
دانشگاه تهران
سید سعید محتسبی
دانشگاه تهران
مهدی قاسمی ورنامخواستی
دانشگاه شهر کرد
مرتضی آغباشلو
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 :