سامانه ماشین بویایی، رهیافتی موثر برای تشخیص تقلب درگلاب

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 376

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JIFT-6-1_007

تاریخ نمایه سازی: 22 تیر 1398

Abstract:

گلاب از فرآورده های اصلی گل محمدی و از محصولات سنتی با قدمت طولانی در منطقه کاشان بوده که آوازه جهانی نیز دارد. با توجه به استفاده از گلاب در درمان دردهای روماتیسمی، قلبی و همچنین در پخت انواع شیرینی ها و تهیه بستنی ها، تشخیص اصلی یا تقلبی بودن گلاب های تولید شده از اهمیت ویژه ای برخوردار است. در این پژوهش توانایی کاربرد سامانه ماشین بویایی (بینی الکترونیکی) بر پایه حسگرهای نیمه هادی اکسید فلزی به عنوان ابزاری غیرمخرب برای تشخیص سطوح مختلف تقلب ایجاد شده در گلاب و ارزیابی اصالت آن مورد مطالعه قرار گرفت. تحلیل مولفه های اصلی(PCA) ، تحلیل تفکیک خطی (LDA)، آنالیز لودینگ، ماشین بردار پشتیبان (SVM) و درخت تصمیم گیری (DT) روش هایى بودند که برای رسیدن به این هدف مورد استفاده قرار گرفتند. براساس نتایج به دست آمده، PCA با دو مولفه ی اصلی PC1 و PC2، 92% واریانس مجموعه ی داده ها را برای نمونه های مورد استفاده توصیف کردند. در آرایه حسگری، حسگرهای MQ4 ، TGS2620و FIS بیشترین مقادیر ضریب لودینگ و حسگرهای TGS822 و MQ8 کمترین مقدار این ضریب را به خود اختصاص دادند. براساس نتایج حاصل شده از روشLDA ، دقت در طبقه بندی 94% به دست آمد. با کاربرد ماشین بردار پشتیبان با تابع کرنل خطی، در روش C-SVM دقت آموزش و اعتبار-سنجی به ترتیب %75/98 و %5/87 به دست آمد. همچنین دقت روش درخت تصمیم گیری در طبقه بندی نمونه های گلاب %80 برآورد شد. براساس نتایج به دست آمده، سامانه ماشین بویایی بر پایه حسگرهای MOS در ترکیب با روش های شناسایی الگو توانایی تشخیص تقلب در گلاب را دارد و روش LDA بالاترین دقت طبقه بندی را دارا می باشد. همچنین تیم پژوهشی این مقاله پیشنهاد می کند که از قابلیت این سامانه برای تشخیص تقلب در سایر محصولاتی که پتانسیل تقلب را دارند، استفاده شود.

Authors

پریا شعبانی

دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد

زهرا ایزدی

استادیار، گروه مهندسی مکانیک بیوسیستم ، دانشکده کشاورزی، دانشگاه شهرکرد

مهدی قاسمی ورنامخواستی

دانشیار، گروه مهندسی مکانیک بیوسیستم ، دانشکده کشاورزی، دانشگاه شهرکرد

مجتبی توحیدی

دانش آموخته دکتری، باشگاه پژوهشگران جوان، دانشگاه آزاد اسلامی شهرکرد

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 :
  • جایمند، ک.؛ رضایی، م.ب. (1380) اسانس و دستگاه­های اسانس­گیری تحقیقات ...
  • کافی، م.؛ ریاضی، ی. (1380) پرورش گل محمدی و تولید ...
  • عاصمی، ذ.ا.؛ شاکری، ح.؛ منصوری، ق.خ.؛ دولتی، م.ع.؛ حسینی، ا. ...
  • ثنایی فر، ع.؛ محتسبی، س. س.؛ قاسمی ورنامخواستی، م.؛ احمدی، ...
  • تقی زاده، م.؛ عاصمی، ذ.ا.؛ فرجی، ع.م.؛ عابدی محتسب، ت.پ.؛ ...
  • حاجی­نژاد، م.؛ محتسبی، س.س؛ قاسمی ورنامخواستی؛ م.؛ آغباشلو، م. (1395) ... [مقاله ژورنالی]
  • توحیدی، م.؛ قاسمی ورنامخواستی، م.؛ غفاری نیا، و.؛ محتسبی، س.س.؛ ... [مقاله ژورنالی]
  • قاسمی­ورنامخواستی، م. (1390). طراحی، توسعه و پیاده سازی سیستم ماشین ...
  • صفری امیری، ز.؛ قاسمی ورنامخواستی، م.؛ توحیدی، م.؛ محتسبی، س.س.؛ ...
  • Gardner, J.W., Bartlett, P.N. (1994). A brief history of electronic ...
  • Gorji-Chakespari, A., Nikbakht, A. M., Sefidkon, F., Ghasemi-Varnamkhasti, M., Valero, ...
  • Rao, B. R. R., Sastry, K. P., Saleem, S. M., ...
  • Marina, A. M., Man, Y. B. C., Amin, I. (2010). ...
  • Yu, H., Wang, J., Xu, Y. (2007). Identification of adulterated ...
  • Hai, Z., Wang, J. (2006). Electronic nose and data analysis ...
  • Heidarbeigi, K., Mohtasebi, S. S., Foroughirad, A., Ghasemi-Varnamkhasti, M., Rafiee, ...
  • Banach, U., Tiebe, C., Hübert, T. (2012). Multi gas sensors ...
  • Bhattacharyya, N., Bandyopadhyay, R., Bhuyan, M., Tudu, B., Ghosh, D., ...
  • Ongo, E., Falasconi, M., Sberveglieri, G., Antonelli, A., Montevecchi, G., ...
  • Pardo, M., Niederjaufner, G., Benussi, G., Comini, E., Faglia, G., ...
  • Liu, H., Zeng, F. K., Wang, Q. H., Wu, H. ...
  • Chen, Q., Zhao, J., Chen, Z., Lin, H., Zhao, D. ...
  • Zou, H.Q., Li, S., Huang, Y.H., Liu, Y., Bauer, R., ...
  • Guohua, H., Jiaojiao, J., Deng, S., Xiao, Y., Mengtian, Z., ...
  • Jurs, P. C., Bakken, G. A., McClelland, H. E. (2000). ...
  • Pearce, T. C., Gardner, J. W., Friel, S., Barlett, P. ...
  • Arshak, K., Moore, E., Lyons, G. M., Harris, J., Clifford, ...
  • Li, C., Heinemann, P., Sherry, R. (2007). Neural network and ...
  • Siebert, K. J. (2001). Chemometrics in brewing-A review. J. American ...
  • Ghasemi-Varnamkhasti, M., Mohtasebi, S.S., Siadat, M., Ahmadi, H., Razavi, S.H. ...
  • Sanaeifar, A., Mohtasebi, S.S., GhasemiVarnamkhasti, M., Ahmadi, H. (2014). Application ...
  • Fan, R.E., Chen, P.H., Lin, C.j. (2005). Working set selection ...
  • D’heygere, T., Goethals, P. L., Pauw, N. D. (2003). Use ...
  • Tohidi, M., Ghasemi-Varnamkhasti, M., Ghafarinia, V., Mohtasebi, S. S., Bonyadian, ...
  • نمایش کامل مراجع