@article { author = {Safari Amiri, Zahra and Ghasemi-Varnamkhasti, Mahdi and Tohidi, Mojtaba and Mohtasebi, S. Saeid and Dowlati, Majid}, title = {Application of olfactory machine system for detection of adulteration in caraway samples}, journal = {Innovative Food Technologies}, volume = {5}, number = {3}, pages = {527-541}, year = {2018}, publisher = {Iranian Research Organization for Science and Technology (IROST)}, issn = {2783-350X}, eissn = {2783-1760}, doi = {10.22104/jift.2017.2487.1579}, abstract = {Caraway as one of the most valuable herbs are widely used in pharmaceutical and food industries and due to the high cost and quality difference between different varieties of caraway, adulteration maybe carried out in this product in market that leads to the low satisfactory sense in consumers. In this study, an olfactory machine system based on eight metal oxide semiconductor sensors combined with the pattern recognition method was used to identify the different levels of adulteration in the caraway and its authenticity assessment. The principal component analysis method was used to analyze the extracted data from the sensor response signal. Based on the results, the principal component analysis with the two main components of PC1 and PC2 described %94 of the variance of the data set for the used samples. In the sensor array, MQ4 and FIS sensors revealed the highest loading coefficient values and MQ135, MQ3 and TGS813 sensors devoted the lowest ones. Then, the classification of samples was done using support vector machine (SVM) and decision tree (DT) techniques. SVM with linear kernel function showed the training and validation accuracy values as 100% and 97.5%, respectively. Also, the success rate of the DT method in the distinction and classification samples of adulterated caraway was estimated as 90%.}, keywords = {Olfactory machine systems,Caraway,Adulteration}, title_fa = {استفاده از سامانه ماشین بویایی به‌منظور تشخیص تقلب در زیره کوهی}, abstract_fa = {زیره سیاه به‌عنوان یکی از ارزشمندترین گیاهان دارویی کاربرد گسترده‌ای در صنایع دارویی و غذایی دارد و با توجه به تفاوت بالای قیمت و کیفیت بین گونه‌های مختلف آن، تقلب‌هایی در هنگام عرضه این محصول صورت می‌گیرد که منجر به نارضایتی مصرف‌کنندگان شده است. در این پژوهش، یک سامانه ماشین‌بویایی بر پایه هشت حسگر نیمه هادی اکسید فلزی در ترکیب با روش شناسایی الگو به‌منظور تشخیص سطوح مختلف تقلب ایجاد شده در زیره و ارزیابی اصالت آن به‌کار گرفته شد. از روش‌ تحلیل مؤلفه‌های اصلی به‌منظور تحلیل داده‌های استخراج شده از سیگنال پاسخ حسگرها استفاده شد. بر اساس نتایج بدست آمده، تحلیل مؤلفه‌های اصلی با دو مؤلفه‌ی اصلی PC1 و PC2، 94% واریانس مجموعه‌ی داده‌ها را برای نمونه‌های مورد‌استفاده 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 طبقه‌بندی نمونه‌ها با استفاده از تکنیک‌های 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 به‌دست آمد. همچنین میزان موفقیت روش‌ DT در تفکیک و طبقه‌بندی نمونه‌های زیره تقلبی 90 درصد برآورد شد.}, keywords_fa = {سامانه ماشین بویایی,زیره,تقلب}, url = {https://jift.irost.ir/article_592.html}, eprint = {https://jift.irost.ir/article_592_15644db181b184c03d803d5ca0ffe41b.pdf} }