انتخاب الگوریتم بهینه‌ی طبقه‌بندی و تشخیص تقلب در روغن زیتون با استفاده از ماشین‌بویایی

ماشین های کشاورزی

مقاله 18، دوره 11، شماره 2 - شماره پیاپی 22، 1400، صفحه 371-383   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jam.v11i2.84105

نویسندگان

محمدرضا زارع زاده¹؛ محمد ابونجمی^{* 1}؛ مهدی قاسمی ورنامخواستی²؛ فاطمه آذری کیا³

¹گروه فنی کشاورزی، پردیس ابوریحان، دانشگاه تهران، ایران

²گروه مهندسی مکانیک بیوسیستم، دانشگاه شهرکرد، شهرکرد، ایران

³گروه فناوری صنایع غذایی، پردیس ابوریحان، دانشگاه تهران، ایران

چکیده

روغن زیتون فرابکر همیشه مورد توجه و خواست استفاده‌کنندگان می‌باشد؛ از این‌رو در روغن‌های زیتونِ بکر و فرابکر، تقلب، با افزودن روغن‌های با ارزش غذایی و قیمت کمتر مثل کانولا، آفتابگردان، تفاله زیتون و غیره مشاهده می‌گردد. در این پژوهش با استفاده از فناوری ماشین بویایی روغن زیتون فرابکر، از نمونه‌های تقلبی تهیه شده با روغن‌های متداول در بازار و با هفت مدل طبقه‌بندی مختلف تشخیص داده شد. نمونه‌ها در شش دسته‌ی "خالص و 5، 10، 20، 35 و 50 درصد تقلب" و هر تیمار در هفت نمونه تهیه و آزمایش‌ها در هفت تکرار انجام گرفت. سامانه بویایی از هشت حسگر متفاوت تشکیل شده که برای هر کدام نمودار تغییر ولتاژ بر حسب زمان تهیه و از آن نمودار چهار ویژگی "کمینه، بیشینه، میانگین و اختلاف بیشینه و کمینه" در مدل‌های طبقه‌بندی استفاده گردید. به این ترتیب تعداد 32 ویژگی برای هشت حسگر استخراج و مورد تجزیه و تحلیل قرار گرفت. به جهت تاثیر دمای نمونه‌ها در خروجی سامانه، تمام آزمایش‌ها در دمای ثابت انجام گرفتند. طبقه‌بندی نتایج با چهار الگوریتم طبقه‌بندی "K-همسایگی نزدیک، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و آدابوست" صورت پذیرفت. 70% داده‌ها برای آموزش و 30% برای آزمون استفاده گردید. از بین 32 ویژگی، ویژگی "کمینه مقدار خروجی سنسور TGS-822" بیشترین تاثیر را در دقت طبقه‌بندی داشتند. نتایج نشان داد روش طبقه‌بندی همسایگی نزدیک با بهترین دقت (89.89%) و پس از آن روش ماشین بردار پشتیبان (86.52%)  بیشترین دقت طبقه‌بندی را دارا بودند.

کلیدواژه‌ها

تشخیص تقلب؛ روغن زیتون؛ طبقه‌بندی؛ کیفیت؛ ماشین بویایی

مراجع