قابلیت بینی الکترونیک با حسگرهای اکسید فلزی تحت مدولاسیون دمایی در تشخیص منشاء جغرافیایی ادویه جات

ادویه علاوه‌بر تاثیر در طعم و کیفیت مواد غذایی، به دلیل خواص ضد میکروبی یا آنتی اکسیدانی عمر ماندگاری مواد غذایی را نیز فزایش می‌دهد.گونه‌های مختلف ادویه‌ها بر اساس محل رویش، کیفیت و ارزش اقتصادی متفاوتی دارند. بنابراین طبقهبندی و جداسازی آن‌ها براساس منشاء جغرافیایی مورد توجه مصرف‌کنندگان و فروشندگان بوده و از اهمیت بالایی برخوردار است. در این پژوهش توانایی کاربرد بینی الکترونیک بر پایه حسگرهای نیمه‌هادی اکسید فلزی به عنوان ابزاری غیرمخرب برای تشخیص منشاء جغرافیایی (هند، چین و پاکستان) سه ادویه فلفل سیاه، دارچین و زردچوبه مورد مطالعه قرار گرفت. مدولاسیون دمایی به صورت الگوی ولتاژ سینوسی انجام شد و پاسخ گذرای حسگرها برای تحلیل داده‌ها مورد بررسی قرار گرفت. تحلیل مولفه‌های اصلی(pca) ، تحلیل تفکیک خطی(lda)، ماشین بردار پشتیبان (svm) و شبکه‌های عصبی مصنوعی (ann) روش‌هایى بودند که برای رسیدن به این هدف مورد استفاده قرار گرفت. نتایج نشان داد که تصویر داده‌ها با استفاده از روش pca به صورت کاملا واضح خوشه‌های مجزایی را بر روی فضای تغییر شکل یافته pc ایجاد کرد. با کاربرد روش‌های lda، svm و ann در تفکیک بر اساس منشاء جغرافیایی برای هر سه ادویه، دقت طبقه‌بندی %100 بدست آمد. همچنین از صحت‌سنجی مدل‌های مذکور دقت %100 حاصل گردید. بنابراین می‌توان نتیجه گرفت که بینی الکترونیک مبتنی بر حسگرهای نیمه‌هادی اکسید فلزی تحت مدولاسیون دمایی در ترکیب با روش‌های کمومتریکس (شیمی سنجی) می‌تواند ابزار موثر و کارآیی در طبقه‌بندی سریع و غیر‌مخرب نمونه‌های فلفل سیاه، دارچین و زردچوبه بر اساس منشاء جغرافیایی باشد.

Potential of electronic nose based on temperaturemodulated metal oxide gas sensors for detection of geographical origin of spices

Spices in addition to effect on the taste and quality of food, it also increases the shelflife of foods because of its antimicrobial or antioxidant properties. Different types of spices have various quality and economic value based on their geographical origin. Therefore, classification and separation based on geographic origin are of great interest to consumers and sellers and is particular importance. In this research, the ability of an electronic nose based on metal oxide semiconductor sensors as a nondestructive tool for detecting the geographical origin (India, China and Pakistan) of three spices of black pepper, cinnamon and turmeric was studied. Temperature modulation was performed as a sinusoidal voltage pattern and transient responses of sensors were analyzed for data analysis. Principal component analysis (PCA), linear discriminant analysis (LDA), support vector machine (SVM) and artificial neural network (ANN) were the methods used to achieve this goal. The results showed that the data visualization using the PCA method, created a completely distinct cluster on the PC’s deformed space. By using the LDA, SVM and ANN methods, the classification accuracy was 100% based on the geographical origin for all three spices. Also, verification of these models was carried out and accuracy of 100% was achieved. Therefore, we can conclude that the electronic nose based on metal oxide semiconductor sensors under temperature modulation and in combination with the chemometrics methods as an effective and efficient tool can be used for fast and nondestructive classification of black pepper, cinnamon and turmeric samples based on geographical origin.