امکان سنجی تشخیص واریتههای مختلف نیشکر با تکنیک بینی‌الکترونیک در شربت نیشکر

نیشکر یکی از مهمترین گیاهان صنعتی است که در ایران اولین منبع تولید شکر (در حدود 40 الی50 درصد) است. صنعت شکر با توجه به تامین انرژی روزانه شهروندان از نقشی کلیدی در میان صنایع مختلف کشور برخوردار می‌‌باشد. شکر علاوه بر مصارف خانگی دارای اهمیت ویژه‌ای در صنعت غذا به دلیل خاصیت شیرین کنندگی و حجم دهندگی می‌باشد. مقدار قند نیشکر اغلب در حد 15-10 درصد و در مواردی تا 17 درصد می‌باشد. جهت شروع برداشت عوامل مختلفی نظیر واریته و تاریخ کاشت و یا برداشت سال گذشته مهم می‌باشد. از طرفی نیشکر قابل انبار کردن و ذخیره‌سازی در کارخانه نیست و مواد قندی آن سریعاً در اثر نگهداری تجزیه می‌گردند و وزن نیشکر در اثر از دست دادن رطوبت کم می‌شود. هرچه نیشکر تازه‌تر به مصرف کارخانه برسد، بهتر خواهد بود. لذا از دستگاه بینی الکترونیک استفاده گردید تا با آزمایش شربت‌های نیشکر و ارتباط آن با بوهای متصاعد شده از آن بتوان نوع واریته را جهت برداشت به موقع نیشکر تشخیص داد. از مزارع نمونه نیشکر چهار رقم مطرح (cp57، cp69، irc99-02، و cp48) انتخاب گردیدند. از روش‌های تحلیل تفکیک خطی (lda)، تجزیه مولفه‌های اصلی (pca) و شبکه‌های عصبی (ann) برای تشخیص واریته‌های مختلف نیشکر استفاده شد. نتایج نشان داد که هر سه روش دقت بالایی در کلاس بندی رقم دارند. اما روش‌های lda و pca نسبت به روش ann نتایج بهتری داشتند. به طوری که برای تشخیص واریته‌های نیشکر دقت طبقه‌بندی آن‌ها به ترتیب 98.33% ، 97% و 96.7% بود. نتایج به دست آمده توانایی بالای ماشین بویایی را در تمایز بین واریته‌های نیشکر نشان داد که می‌توان این سامانه را به عنوان یک ابزار سریع و کم هزینه در صنعت نیشکر به کار برد.

Feasibility of Detecting Sugarcane Varieties by Electronic Nose Technique in Sugarcane Syrup

Sugar cane is one of the most important industrial plants which is the first source of sugar production in Iran (about 4050%). The sugar industry plays a key role among the various industries of the country with the daily supply of energy to the citizens. In addition to household consumption, sugar is of particular importance in the food industry because of its sweetening and volume properties. Sugarcane content is often in the range of 1015% and in some cases up to 17%. Various factors such as variety and date of planting or harvesting of last year are important to start harvesting. On the other hand, Sugarcane cannot be stored in the factory and its sugars factors are decomposed quickly by storage and sugar cane weight decreases due to loss of moisture. It would be better if the factory consumes more fresh sugarcane. Therefore, an electronic nose instrument was used to test the variety of sugarcane syrup and its association with the odors emitted from it to identify the variety of sugarcane for harvesting time. Four sugarcane varieties (CP57, CP69, IRC9902, and CP48) were selected from the sugarcane sample fields. Linear discriminant analysis (LDA), principal component analysis (PCA) and neural networks (ANN) were used to detect the different sugarcane varieties. The results showed that all three methods had high accuracy in variety classification. But the LDA and PCA methods performed better than the ANN method. So that, the classification accuracy of sugarcane varieties was 98.33%, 97% and 96.7%, respectively. The results showed the high ability of the olfactory machine to diagnose between the sugarcane varieties, which can be used as a rapid and low cost instrument in the sugarcane industry.