ارزیابی سامانه ماشین بویایی (بینی الکترونیکی) بر پایه حسگرهای نیمه هادی اکسید فلزی (MOS) در آشکارسازی تغییرات رداثر نگهداری موز

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکترا، دانشگاه تهران

2 استاد، دانشگاه تهران

3 استادیار، دانشگاه شهرکرد

چکیده

ماشین بویایی (بینی الکترونیکی) با شبیه سازی حس بویایی انسان، تشخیص و درک بوهای پیچیده را با استفاده از آرایه‌ای از حسگرهای شیمیایی انجام می‌دهد. یکی از متداول‏ترین حسگرهای مورد استفاده در سامانه ماشین بوبایی، حسگرهای نیمه هادی اکسید فلزی (MOS) هستند این حسگرها از حساسیت و پایداری شیمیایی بالایی برخوردار بوده و کم هزینه می باشند و قادرند یک کمیت شیمیایی را به یک سیگنال الکتریکی تبدیل کنند. در این پژوهش توانایی کاربرد ماشین بویایی بر پایه حسگرهای نیمه هادی اکسید فلزی به عنوان ابزاری غیرمخرب برای پایش تغییرات مواد فرار تولید شده از موز در طی فرایند نگهداری (بسته بندی تا مصرف) مورد مطالعه قرار گرفت. اجزای اصلی سامانه طراحی شده شامل سامانه دریافت نمونه، آرایه حسگرهای گازی، سامانه تحصیل داده، الگوریتم های تشخیص الگو و تحلیل داده می‌باشد. تحلیل مولفه‌های اصلی (PCA)، تحلیل تفکیک خطی (LDA) و آنالیز لودینگ روش‌های بودند که برای رسیدن به این هدف استفاده گردید. براساس نتایج حاصل شده، دقت در طبقه بندی دوره نگهداری 7/91% بدست آمد و حسگر MQ-136 در مقایسه با دیگر حسگرها نقش کمتری در تمایز مراحل نگهداری موز دارد. نتایج بدست آمده توانایی بالای ماشین بویایی را در تمایز بین مراحل دوره نگهداری نشان داد که می‌توان این سامانه را به عنوان یک ابزار غیر مخرب برای پایش و کنترل کیفیت در طول نگهداری موز به کار برد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Evaluation of machine olfaction system (electronic nose) based on metal oxide semiconductor (MOS) sensors in detecting aroma fingerprint changes of banana storage

نویسندگان [English]

  • Alireza Sanaeefar 1
  • S. Saeed Mohtasebi 2
  • Mahdi Ghasemi Varnamkhasti 3
  • Hojat Ahmadi 2
1 PhD student, Tehran university
2 Professor, Tehran University
3 Assistant Professor, Shahre kord University
چکیده [English]

The electronic nose (machine olfaction) would simulate the human sense of smell to identify and realize the complex aromas by using an array of chemical sensors. One of the most common sensors used in the system electronic nose are metal oxide semiconductor (MOS) sensors. These sensors have high chemical stability, high sensitivity and low cost and are able to convert an electrical signal into a chemical quantities. In this work, potential application of a metal oxide semiconductor based electronic nose as a non-destructive instrument for monitoring the change in volatile production of banana during storage period (between packaging and consumption) is studied.The main components are used in an electronic nose system include: sampling system, an array of gas sensors, data acquisition system and an appropriate pattern recognition algorithm. Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA) and Loading Analysis techniques were used for this purpose. Based on the results the classification stages of storage accuracy of 91/7% was obtained and sensor MQ-136 has less influence in distinguish among different storage stages. Results showed high ability of electronic nose for distinguishing between the stages of storage. It is concluded that the system can be considered as an nondestructive tool for quality control during banana shelf-life.

کلیدواژه‌ها [English]

  • Linear Discriminant Analysis
  • Principal Component Analysis
  • Machine olfaction
  • Banana
  • Metal oxide semiconductor
[1] Nagle, H.T., Gutierrez-Osuna, R., Schiffman, S.S. (1998). The how and why of electronic noses. Spectrum, IEEE, 35(9), 22-31.

[2] Bhattacharyya, N., Bandhopadhyay, R. (2010). Electronic Nose and Electronic Tongue Nondestructive Evaluation of Food Quality (pp. 73-100): Springer.

[3] Benedetti, S., Buratti, S., Spinardi, A., Mannino, S., Mignani, I. (2008). Electronic nose as a non-destructive tool to characterise peach cultivars and to monitor their ripening stage during shelf-life. Postharvest biology and technology, 47(2), 181-188.

[4] Torri, L., Sinelli, N., Limbo, S. (2010). Shelf life evaluation of fresh-cut pineapple by using an electronic nose. Postharvest biology and technology, 56(3), 239-245.

[5] Zakaria, A., Shakaff, A.Y.M., Masnan, M.J., Saad, F.S.A., Adom, A.H., Ahmad, M.N., Jaafar, M.N., Abdullah, A.H., Kamarudin, L.M. (2012). Improved maturity and ripeness classifications of magnifera indica cv. harumanis mangoes through sensor fusion of an electronic nose and acoustic sensor. Sensors, 12(5), 6023-6048.

[6] Benedetti, S., Spinardi, A., Mignani, I., Buratti, S. (2010). Non-destructive evaluation of sweet cherry (prunus avium l.) ripeness using an electronic nose. Italian journal of food science, 22(3), 298-304.

[7] Benedetti, S., Sinelli, N., Buratti, S., Riva, M. (2005). Shelf life of Crescenza cheese as measured by electronic nose. Journal of dairy science, 88(9), 3044-3051.

[8] Labreche, S., Bazzo, S., Cade, S., Chanie, E. (2005). Shelf life determination by electronic nose: application to milk. Sensors and Actuators B: Chemical, 106(1), 199-206.

[9] Cosio, M., Ballabio, D., Benedetti, S., Gigliotti, C. (2007). Evaluation of different storage conditions of extra virgin olive oils with an innovative recognition tool built by means of electronic nose and electronic tongue. Food Chemistry, 101(2), 485-491.

[10] Ghasemi-Varnamkhasti, M., Mohtasebi, S.S., Siadat, M., Lozano, J., Ahmadi, H., Razavi, S.H., Dicko, A. (2011). Aging fingerprint characterization of beer using electronic nose. Sensors and Actuators B: Chemical, 159(1), 51-59.

[11] Di Natale, C., Macagnano, A., Martinelli, E., Paolesse, R., Proietti, E., D'Amico, A. (2001). The evaluation of quality of post-harvest oranges and apples by means of an electronic nose. Sensors and Actuators B: Chemical, 78(1-3), 26-31.

[12] قاسمی‌ورنامخواسنی، م. (1390) طراحی، توسعه و پیاده سازی سیستم ماشین بویایی و زبان بیوالکتریک بر پایۀ نیمه‌هادی های اکسید فلزی به‌منظور آشکارسازی تغییر کیفیت ماء الشعیر در ترکیب با روش های آنالیز تشخیص الگو. رسالۀ دکتری، گروه مکانیک ماشین های کشاورزی، دانشگاه تهران، 177 صفحه.

[13] Bhattacharyya, N., Bandhopadhyay, R. (2010). Electronic Nose and Electronic Tongue. Nondestructive Evaluation of Food Quality (pp. 73-100): Springer.

[14] Li, C., Heinemann, P., Sherry, R. (2007). Neural network and Bayesian network fusion models to fuse electronic nose and surface acoustic wave sensor data for apple defect detection. Sensors and Actuators B: Chemical, 125(1), 301-310.

[15] Tudu, B., Shaw, L., Jana, A., Bhattacharyya, N., Bandyopadhyay, R. (2012). Instrumental testing of tea by combining the responses of electronic nose and tongue. Journal of Food Engineering, 110(3), 356-363.

[16] Gómez, A.H., Hu, G., Wang, J., Pereira, A.G. (2006). Evaluation of tomato maturity by electronic nose. Computers and electronics in agriculture, 54(1), 44-52.

[17] Guohua, H., Yuling, W., Dandan, Y., Wenwen, D., Linshan, Z., Lvye, W. (2012). Study of peach freshness predictive method based on electronic nose. Food Control, 28(1), 25-32.

[18] Gómez, A., Wang, J., Hu, G., García Pereira, A. (2007). Discrimination of storage shelf-life for mandarin by electronic nose technique. LWT-Food Science and Technology, 40(4), 681-689.