بررسی عملکرد یک سیستم بینی الکترونیکی در طبقه بندی کیفی اسانس گل محمدی (Rosa damascene Mill.) به کمک شبکه عصبی مصنوعی

به دلیل افزایش استفاده از گیاهان دارویی و معطر، توجه به امر طبقه بندی کیفی آنها نیز امری اجتناب ناپذیر می باشد. گل محمدی (Rosa damascene Mill.) نیز با ارزش بالای اسانس و خواص بی نظیر آن در صنایع بهداشتی، غذایی و دارویی یکی از این گیاهان است. از این رو، در این مطالعه طبقه بندی کیفی اسانس 9 ژنوتیپ از گل محمدی با کمک یک سیستم بینی الکترونیکی براساس حسگرهای نیمه هادی اکسید فلزی (MOS) مورد بررسی قرار گرفت.
ترکیب های اصلی تاثیرگذار در کیفیت اسانس گل محمدی با استفاده از روش کروماتوگرافی گازی (GC) و کروماتوگرافی گازی متصل به طیف سنج جرمی (GC-MS) شناسایی شدند و بر اساس درصد کل این ترکیب ها، نمونه ها در سه کلاس از نظر کیفی طبقه بندی شدند. سپس طبقه بندی این کلاس ها با استفاده از بینی الکترونیک طراحی شده مورد ارزیابی قرار گرفت. در استفاده از ابزارهای کمومتریک نتایج آنالیز مولفه های اصلی (PCA) نشان داد که با استفاده از دو مولفه اصلی اول (PC1، PC2) می توان 85% واریانس داده ها را توجیه کرد. همچنین با استفاده از نمودار لودینگ حاصل از PCA، حسگرهایی که تاثیر بیشتری در تفکیک کلاس ها داشتند، شناسایی شدند. در ادامه دقت طبقه بندی با استفاده از شبکه عصبی پس انتشار پرسپترون چند لایه (Bp-MLP) به عنوان یک روش تحت نظارت، برای داده های آموزش و آزمون به ترتیب 100% و 96% بدست آمد. در پایان نتایج نشان داد که بینی الکترونیکی به عنوان ابزاری ارزان، دقیق، آسان و با قابلیت تبدیل به حالت زمان واقعی می تواند در راستای طبقه بندی کیفی اسانس گل محمدی و در نتیجه ژنوتیپ های آن موثر واقع شود.