استفاده از سامانه ماشین بویایی به منظور تشخیص تقلب در زیره کوهی

زیره سیاه به عنوان یکی از ارزشمندترین گیاهان دارویی کاربرد گسترده ای در صنایع دارویی و غذایی دارد و با توجه به تفاوت بالای قیمت و کیفیت بین گونه های مختلف آن، تقلب هایی در هنگام عرضه این محصول صورت می گیرد که منجر به نارضایتی مصرف کنندگان شده است. در این پژوهش، یک سامانه ماشین بویایی بر پایه هشت حسگر نیمه هادی اکسید فلزی در ترکیب با روش شناسایی الگو به منظور تشخیص سطوح مختلف تقلب ایجاد شده در زیره و ارزیابی اصالت آن به کار گرفته شد. از روش تحلیل مولفه های اصلی به منظور تحلیل داده های استخراج شده از سیگنال پاسخ حسگرها استفاده شد. بر اساس نتایج بدست آمده، تحلیل مولفه های اصلی با دو مولفه ی اصلی PC1 و PC2، 94% واریانس مجموعه ی داده ها را برای نمونه های مورد استفاده توصیف کردند. در مجموعه حسگری، حسگرهای MQ4 و FIS بیشترین مقادیر ضریب لودینگ و حسگرهای MQ135، MQ3 و TGS813 کمترین مقدار این ضریب را به خود اختصاص دادند. سپس طبقه بندی نمونه ها با استفاده از تکنیک های ماشین بردار پشتیبان (SVM) و درخت تصمیم-گیری (DT) انجام شد. با کاربرد ماشین بردار پشتیبان با تابع کرنل خطی، دقت آموزش و اعتبارسنجی 100 و 97/5 درصد به دست آمد. همچنین میزان موفقیت روش DT در تفکیک و طبقه بندی نمونه های زیره تقلبی 90 درصد برآورد شد.