ﺳﺎزﻣﺎن ﭘﮋوهشهای ﻋﻠﻤﯽ و ﺻﻨﻌﺘﯽ اﯾﺮان فناوری‌های جدید در صنعت غذا 2783-350X 6 1 2018 11 22 olfactory machine system,an effective solution for detection of adulteration in rosewater سامانه ماشین بویایی، رهیافتی موثر برای تشخیص تقلب درگلاب 75 89 712 10.22104/jift.2018.2940.1712 FA 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 سعید ریزی استادیار، گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه شهرکرد Journal Article 2018 06 05 Rosewater is one of the main products of rosa damascena and is a traditional long-lasting product in the Kashan region that has a global reputation. Regarding the use of rosewater in the treatment of rheumatic, cardiovascular, and also in the baking of different types of sweets and the preparation of ice creams, the main detection or adulteration of the produced rosewater is of particular importance. In this research, the ability to use an olfactory machine system (electronic nose) based on metal oxide semiconductor sensors as a non-destructive tool for detecting different levels of adulteration in rosewater and its authenticity assessment was studied. Principal component analysis (PCA), linear discriminant analysis (LDA), loading analysis, support vector machine (SVM) and decision tree (DT) were the methods used to achieve this goal. Based on the results, the PCA with the two main components of PC1 and PC2 described 92% of the variance of the data set for the used samples. In the sensor array, MQ4, TGS2620 and FIS sensors revealed the highest loading coefficient values and TGS822 and MQ8 sensors devoted the lowest ones. Based on the results of LDA method, the accuracy of the classification was 94%. By use of support vector machine with linear kernel function, in the C-SVM method, training and validation accuracy were obtained 98.75% and 87.5%, respectively. Also, the accuracy of the decision tree method in the classification of samples of rosewater was 80%. Based on the results, the olfactory machine system based on MOS sensors in combination with the pattern recognition methods has the ability to detect adulteration in rosewater and the LDA method has the highest classification accuracy. The research team also suggests using the system ability to detect adulteration in other products with potential for adulteration. گلاب از فرآورده‌های 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 شیرینی‌ها و تهیه بستنی‌ها، تشخیص اصلی یا تقلبی بودن گلاب‌های تولید شده از اهمیت ویژه‌ای 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 مولفه‌های اصلی(PCA) ، تحلیل تفکیک خطی (LDA)، آنالیز لودینگ، ماشین بردار پشتیبان (SVM) و درخت تصمیم‌گیری (DT) روش‌هایى بودند که برای رسیدن به این هدف مورد استفاده قرار گرفتند. براساس نتایج به‌دست آمده، PCA با دو مؤلفه‌ی اصلی PC1 و PC2، 92% واریانس مجموعه‌ی داده‌ها را برای نمونه‌های 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 طبقه‌بندی 94% به‌دست آمد. با کاربرد ماشین بردار پشتیبان با تابع کرنل خطی، در روش C-SVM دقت آموزش و اعتبار-سنجی به‌ترتیب %75/98 و %5/87 به‌دست آمد. همچنین دقت روش درخت تصمیم‌گیری در طبقه‌بندی نمونه‌های گلاب %80 برآورد شد. براساس نتایج به‌دست آمده، سامانه ماشین بویایی بر پایـه حسگرهای MOS در ترکیب با روش‌های شناسایی الگو توانایی تشخیص تقلب در گلاب را دارد و روش LDA بالاترین دقت طبقه‌بندی را دارا می‌باشد. همچنین تیم پژوهشی این مقاله پیشنهاد می‌کند که از قابلیت این سامانه برای تشخیص تقلب در سایر محصولاتی که پتانسیل تقلب را دارند، استفاده شود. https://jift.irost.ir/article_712_35fc9abe91afbc3073691de63fa8ccfe.pdf