پیاده سازی یک سامانه ماشین بویایی برای طبقه بندی انواع مختلف فلفل سیاه براساس منشاء جغرافیایی و تشخیص تقلب در فلفل سیاه هندی

ادویه جات از با ارزش ترین گیاهان دارویی مورداستفاده در صنایع غذایی و علم پزشکی هستند و با توجه به تفاوت کیفیت و قیمت بین گونه های مختلف، تشخیص، طبقه بندی و جداسازی آن ها براساس خلوص و درجه کیفیت از اهمیت بالایی برخوردار است. ادویه ها درکشورهای مختلفی از جمله هندوستان، پاکستان، چین و کشورهای آسیای شرقی و جنوبی تولید می شوند. در این پژوهش، یک سامانه ماشین بویایی بر پایه هشت حسگر نیمه هادی اکسید فلزی در ترکیب با روش های تشخیص الگو به منظور طبقه بندی و جداسازی ادویه فلفل سیاه براساس منشاء جغرافیایی و تشخیص تقلب های کبابه چینی و پودر هسته خرما به کارگرفته شد. به منظور تحلیل داده های استخراج شده از سیگنال پاسخ حسگرها از روش تحلیل مولفه های اصلی (PCA) استفاده شد. براساس نتایج حاصل، آنالیز مولفه های اصلی با مجموع دو مولفه اصلی اول %96 برای نمونه های فلفل سیاه براساس منشاء جغرافیایی و 95% برای تقلب های کبابه چینی و هسته خرما از واریانس داده ها قابل توصیف است. همچنین از سه روش تحلیل تفکیک خطی (LDA)، ماشین بردار پشتیبان (SVM) و درخت تصمیم گیری (DT) برای طبقه بندی نمونه ها استفاده شد. استفاده از روش LDA، برای نمونه های فلفل سیاه دقت طبقه بندی 100% و برای تقلب ها دقت 14/97% را نشان داد. نتایج نشان داد که SVM با تابع گاوسی بالاترین دقت را در طبقه بندی نمونه های فلفل سیاه، تقلب کبابه چینی و تقلب هسته خرما را دارد. همچنین میزان موفقیت روش DT در تفکیک و طبقه بندی نمونه های فلفل سیاه، تقلب کبابه چینی و تقلب هسته خرما به ترتیب 66/96% و 5/88% برآورد شد.