ارائه روشی برای انتخاب مناسب‌ترین حسگرهای گازی به منظور توسعه یک سامانه بینی الکترونیک برای کیفیت‌سنجی غیر مخرب گیاهان دارویی

در این پژوهش، قدرت پاسخ حسگرهای گازی نیمه هادی اکسید فلزی (mos) به منظور ساخت یک سامانه بینی الکترونیک قابل حمل برای کیفیت‌سنجی بویایی غیر مخرب انواع مختلف گیاهان دارویی بر اساس ترکیبات آلی فرار آنها مورد ارزیابی قرار گرفت. در این مطالعه زعفران (crocus sativus l.) به عنوان یکی از مهم‌ترین گیاهان دارویی تولید کشور استفاده شد. یک سامانه بینی الکترونیک متشکل از ده حسگر گازی اکسید فلزی (mos)، مدارات الکترونیکی واسط، کامپیوتر و نرم‌افزار پردازشگر توسعه داده شد. داده‌های بویایی یازده نمونه مختلف زعفران توسط آرایه حسگرها در زمان‌های 350 تا 360 ثانیه دریافت و با استفاده از تحلیل مولفه‌های اصلی (pca) و خوشه‌بند سلسله مراتبی (hca) به منظور ارزیابی قدرت تمایز حسگرها تحلیل شدند. کیفیت‌سنجی و طبقه‌بندی نمونه‌های زعفران با روش طیف‌سنجی محلول استاندارد نمونه‌های زعفران (روش مخرب آزمایشگاهی با شماره استاندارد iso3632) نیز به منظور مقایسه با روش غیر مخرب بینی الکترونیک انجام شد. نتایج تحلیل pca و hca داده‌های حسگرها در پاسخ به مواد فرار نمونه‌های زعفران نشان داد نمونه‌ها در سه گروه متفاوت قرار گرفتند. همچنین بررسی قدرت تمایز حسگرها نشان داد 2 عدد از حسگرهای استفاده شده زائد و در نتیجه امکان حذف این حسگرها وجود دارد. نتایج تحلیل آزمایشگاهی نیز منطبق بر نتایج طبقه‌بندی بوسیله بینی الکترونیک حاصل شد. با استفاده از روش ارائه شده در این پژوهش، کمترین و موثرترین تعداد حسگرهای گازی mos به منظور کاهش هزینه‌های ساخت سامانه بینی الکترونیک و همچنین افزایش دقت طبقه‌بندی آن در نتیجه کاهش حجم دادههای پردازشگر در ارزیابی کیفیت بویایی زعفران انتخاب شدند.

Discriminability Assessment of MOS Sensors to Develop a Portable Electronic Nose System for Non-Destructive Quality Assessment of Medicinal Plants

In this study, the discriminatory power of Metal Oxide Semiconductor (MOS) gas sensors was evaluated to develop a portable electronic nose (enose) system for clustering different types of saffron samples based on their Volatile Organic Components (VOCs). The system was comprised of ten MOS gas sensors, direct headspace sampling, microcontroller devices, and a laptop computer coupled with multivariate computational tools. Eleven saffron samples were procured from different geographical origins for the experiments. Principal Component Analysis (PCA) and Hiricultural Cluster Analysis (HCA) models were applied for sample clustering and for demonstrating the discriminatory power of the gas sensors as well. The quality assessment of the samples was also performed by the standard laboratory method (ISO3632). The gas sensors data were acquired at 350360 seconds after the samples were exposed to the sensors. Results of the PCA and HCA analysis of the sensors data indicated that the saffron samples were divided into three main clusters. Also, it was found that the discrimination power of the sensors was different and the possibility of removing sensors with low discriminatory power (2 sensors) was provided. Results of laboratory analysis (destructive method) were obtained in accordance with the classification results of the enose data analysis. Using the proposed method to find the most effective MOS sensors and eliminating the redundant sensors can help to reduce the development costs of the electronic nose systems and the processor input data. It also increases the classification accuracy of the enose system in the quality control of medicinal plants.