تشخیص آفلاتوکسین پسته با استفاده از تکنیک طیف‌سنجی رامان و شبکه عصبی

آلودگی ناشی از زهرابه قارچی آفلاتوکسین به‌عنوان یک معضل اساسی برای صادرات پسته محسوب می شود. با توجه به استقبال روزافزون استفاده از تکنیک طیف‌سنجی رامان در تشخیص و تفکیک مواد مختلف و همچنین مسائل پیشروی روش‌های 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 شبکه‌های عصبی بوده است. نمونه‌های مورد تحقیق در 3 سطح بدون آلودگی (سالم)، آلودگی 20 و 100 نانوگرم در گرم (ppb) از مجموع آفلاتوکسین‌های (b1+b2+g1+g2) آماده شدند. بعد از طیف برداری، با توجه به نتایج، هنجارسازی ‌داده‌های طیفی به‌عنوان روش پیش پردازش مناسب، انتخاب شد و به‌دنبال آن برای کاهش ابعاد داده های طیفی استخراج مولفه‌های اصلی صورت پذیرفت. برای طبقه‌بندی نمونه‌ها، شبکه پرسپترون با قانون یادگیری پس انتشار خطا (با 4 مولفه اصلی موثر به‌عنوان ورودی و 3 نرون در لایه پنهان) مورد استفاده قرار گرفت. متوسط دقت طبقه ‌بندی شبکه 98 درصد به‌دست آمد و بنابراین، مدل‌سازی غیرخطی داده‌های طیف رامان توسط شبکه عصبی پرسپترون در طبقه بندی نمونه‌ها موفقیت‌آمیز ارزیابی شد.