تشخیص خلال بادام درختی از خلال بادام زمینی به کمک بینی الکترونیکی

بادام درختی یکی از مهمترین انواع آجیل در سراسر جهان می‌باشد که امروزه از یک میان وعده مناسب به یک غذای ضروری برای حفظ سلامت انسان تبدیل شده است. همچنین بادام زمینی یکی از گیاهان اساسی و اقتصادی در سطح جهان است که از نظر تغذیه بسیار غنی می‌باشد. هدف از این پژوهش بررسی عملکرد بینی الکترونیکی در تشخیص خلال بادام درختی از خلال بادام زمینی بود. به منظور انجام آزمایش‌ها در این پژوهش، از سه رقم خلال بادام درختی و سه رقم خلال بادام زمینی استفاده شد. نمونه‌ها به کمک یک بینی الکترونیکی که از 10 حسگر نیمه هادی اکسید فلز (mos) ساخته شده بود، مورد آزمایش قرار گرفتند. در این پژوهش جهت تحلیل داده ها از روش‌های آنالیز تفکیک خطی، تجزیه مولفههای اصلی، ماشین بردار پشتیبان و تحلیل تفکیک درجه دوم استفاده شد. روش تحلیل تفکیک درجه دوم با دقت 100 درصدی عملکرد خوبی در طبقه‌بندی ارقام خلال بادام درختی و ارقام خلال بادام زمینی داشت. همچنین روش آنالیز تفکیک خطی توانست با دقت 100 درصدی انواع خلال بادام زمینی را طبقه‌بندی نماید. روش آنالیز تفکیک خطی قادر به تشخیص خلال بادام درختی از خلال بادام زمینی با دقت متوسط 91 درصد بود.  روش ماشین بردار پشتیبان با دقت متوسط 84 درصد توانست خلال بادام درختی را از خلال بادام زمینی تشخیص دهد. نتایج نشان داد که بینی الکترونیکی ابزار مناسبی برای تشخیص خلال بادام درختی از خلال بادام زمینی می‌باشد.

distinguishing slivered almonds from peanuts using electronic nose

almonds are one of the most important types of nuts around the world, which are transformed from a convenient snack to a healthy food for human health.also, peanut is one of the essential and economic plants in the world, which is very rich in terms of nutrition.the purpose of this research was to investigate the performance of the electronic nose in distinguishing slivered almonds from slivered peanuts.in order to conduct experiments in this research, three types of slivered almond and three types of slivered peanut were used.the samples were tested with an electronic nose made of 10 metal oxide semiconductor (mos) sensors.in this research, linear discriminant analysis (lda), principal component analysis (pca), support vector machine (svm) and quadratic discriminant analysis (qda) were used for data analysis. the qda method with 100% accuracy had a good performance in the classification of slivered almonds varieties and slivered peanuts varieties. also, the lda method was able to classify slivered peanuts varieties with 100% accuracy. the lda method was able to distinguish slivered almonds from slivered peanuts with with an average accuracy 91%. the svm method was able to distinguish slivered almonds from slivered peanuts with with an average accuracy 84%. the results showed that the lectronic nose is a suitable tool for distinguishing slivered almonds from slivered peanuts.