بررسی امکان تشخیص تقلبات عسل با استفاده از مدلسازی ماشین های بردار پشتیبان

نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
عسل به عنوان یک محصول غذایی غنی از انواع ترکیبات پر ارزش از سال ها پیش به عنوان یک ماده مقوی و مفید شناخته شده و به واسطه قیمت بالای این فراورده همواره مورد تقلب قرار گرفته است. روش های مختلفی به منظور تشخیص تقلبات عسل مورد بررسی واقع شده است. در این پژوهش برای اولین بار از روش مدلسازی ماشین های بردار پشتیبان (SVM) به عنوان روشی به منظور تشخیص عسل اصل از تقلبی، نوع و درصد تقلب در عسل استفاده شده است. بدین منظور از شربت گلوکز و شربت شکر به عنوان دو شیرین کننده رایج در تقبات عسل با درصدهای مختلف جایگزینی 5، 10، 15 و 20 استفاده شد و خصوصیات مختلف فیزیکوشیمیایی عسل ها مورد بررسی قرار گرفت. با استفاده از SVM ، 2 ویژگی (ویسکوزیته و پارامتر رنگی L* ) در تشخیص عسل اصل از تقلبی، 6 ویژگی (قندهای غیر احیاکننده، ساکارز، هدایت الکتریکی، L*، b* و ویسکوزیته) در تشخیص نوع تقلبات و 4 ویژگی ( قندهای احیا کننده قبل هیدرولیز، قندهای احیا کننده بعد از هیدرولیز، فروکتوز و ضریب شکست) در تشخیص سطوح تقلب، برتر انتخاب شدند. نتایج حاصل از ارزیابی نشان داد که مدل ها توانایی شناسایی عسل های تقلبی نسبت به عسل اصل ، نوع تقلب و درصد تقلب را به خوبی و با دقت 100درصدی دارند.
زبان:
فارسی
صفحات:
263 تا 271
لینک کوتاه:
magiran.com/p1811437 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!