استفاده از سامانه ماشین بویایی به منظور تشخیص تقلب در زیره کوهی
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 405
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIFT-5-3_012
تاریخ نمایه سازی: 22 تیر 1398
چکیده مقاله:
زیره سیاه به عنوان یکی از ارزشمندترین گیاهان دارویی کاربرد گسترده ای در صنایع دارویی و غذایی دارد و با توجه به تفاوت بالای قیمت و کیفیت بین گونه های مختلف آن، تقلب هایی در هنگام عرضه این محصول صورت می گیرد که منجر به نارضایتی مصرف کنندگان شده است. در این پژوهش، یک سامانه ماشین بویایی بر پایه هشت حسگر نیمه هادی اکسید فلزی در ترکیب با روش شناسایی الگو به منظور تشخیص سطوح مختلف تقلب ایجاد شده در زیره و ارزیابی اصالت آن به کار گرفته شد. از روش تحلیل مولفه های اصلی به منظور تحلیل داده های استخراج شده از سیگنال پاسخ حسگرها استفاده شد. بر اساس نتایج بدست آمده، تحلیل مولفه های اصلی با دو مولفه ی اصلی PC1 و PC2، 94% واریانس مجموعه ی داده ها را برای نمونه های مورد استفاده توصیف کردند. در مجموعه حسگری، حسگرهای MQ4 و FIS بیشترین مقادیر ضریب لودینگ و حسگرهای MQ135، MQ3 و TGS813 کمترین مقدار این ضریب را به خود اختصاص دادند. سپس طبقه بندی نمونه ها با استفاده از تکنیک های ماشین بردار پشتیبان (SVM) و درخت تصمیم-گیری (DT) انجام شد. با کاربرد ماشین بردار پشتیبان با تابع کرنل خطی، دقت آموزش و اعتبارسنجی 100 و 5/97 درصد به دست آمد. همچنین میزان موفقیت روش DT در تفکیک و طبقه بندی نمونه های زیره تقلبی 90 درصد برآورد شد.
کلیدواژه ها:
نویسندگان
زهرا صفری امیری
دانش آموخته کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد
مهدی قاسمی ورنامخواستی
دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد
مجتبی توحیدی
دانش آموخته دکترا، مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد
سید سعید محتسبی
استاد، گروه مهندسی ماشین های کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :