تشخیص آفلاتوکسین پسته با استفاده از تکنیک طیف سنجی رامان و شبکه عصبی

آلودگی ناشی از زهرابه قارچی آفلاتوکسین به عنوان یک معضل اساسی برای صادرات پسته محسوب می شود. با توجه به استقبال روزافزون استفاده از تکنیک طیف سنجی رامان در تشخیص و تفکیک مواد مختلف و همچنین مسائل پیشروی روش های آزمایشگاهی سنجش سم مذکور (مانند هزینه بالا و زمان بر بودن)، هدف از این پژوهش بررسی امکان تشخیص و سنجش آفلاتوکسین پسته با تکنیک طیف سنجی رامان و استفاده از شبکه های عصبی بوده است. نمونه های مورد تحقیق در 3 سطح بدون آلودگی (سالم)، آلودگی 20 و 100 نانوگرم در گرم (ppb) از مجموع آفلاتوکسین های (B1+B2+G1+G2) آماده شدند. بعد از طیف برداری، با توجه به نتایج، هنجارسازی داده های طیفی به عنوان روش پیش پردازش مناسب، انتخاب شد و به دنبال آن برای کاهش ابعاد داده های طیفی استخراج مولفه های اصلی صورت پذیرفت. برای طبقه بندی نمونه ها، شبکه پرسپترون با قانون یادگیری پس انتشار خطا (با 4 مولفه اصلی موثر به عنوان ورودی و 3 نرون در لایه پنهان) مورد استفاده قرار گرفت. متوسط دقت طبقه بندی شبکه 98 درصد به دست آمد و بنابراین، مدل سازی غیرخطی داده های طیف رامان توسط شبکه عصبی پرسپترون در طبقه بندی نمونه ها موفقیت آمیز ارزیابی شد.