طبقه‌بندی عسل‌های با منشا گیاهی مختلف با استفاده از یک سامانه ماشین بویایی

عسل مایعی شیرین و گرانرو است که زنبور عسل آن ‌را از شهد گل‌ها تولید می‌نماید‌. عسل به طور کلی یک ترکیب محلول ‌در ‌آب بسیار ‌غلیظ قندی است که به لحاظ داشتن برخی مواد تخمیری در تبادلات غذایی و کمک به هضم غذا، بالاترین مرتبه را در میان غذاها دارد. بو یکی از پارامترهای مهم در طبقه بندی عسل است و گازهایی که در بوی عسل دخالت دارند حاصل از بوی گرده گل‌های جمع‌آوری شده توسط زنبور عسل و فعالیت‌های آن برای تبدیل گرده به عسل است. بنابراین بوی ساطع شده از عسل بسته به گل‌های مختلف، می‌تواند متفاوت باشد. همین عوامل سبب استفاده از یک سامانه ماشین بویایی بر پایه حسگرهای نیمه هادی اکسید فلزی (mos) به منظور طبقه‌بندی عسل‌های با منشا گیاهی مختلف گردیده است. هفت نوع ‌عسل با منشاهای گیاهی مختلف تهیه شده و از هرکدام 10 نمونه و جمعا 70 نمونه، هر کدام به وزن 5 گرم اماده شدند. سپس نمونه ها در داخل پتری دیش استریلیزه گذاشته شده و مورد آزمایش قرار گرفتند. آزمایش در سه مرحله تصحیح خط مبنا، تزریق گاز نمونه و پاک سازی حسگرها انجام گرفت. داده‌ها با روش پیش‌پردازش کسری برای جلوگیری از برازش بیش از حد و همچنین کاهش داده‌های ورودی، نرمال سازی شدند. تحلیل مولفه اصلی (pca)، تحلیل تفکیک خطی (lda) و شبکه عصبی مصنوعی (ann) روش‌هایی بودند که به منظور طبقه‌بندی و تحلیل ویژگی‌های استخراجی از سیگنال‌های ماشین بویایی استفاده گردیدند. برای طبقه‌بندی عسل‌های با منشا گیاهی مختلف با استفاده از ماشین بویایی، نتایج شامل 97% واریانس به روش pca ، و دقت طبقه‌بندی برای روش‌های lda و ann به ترتیب  87.3 % و 88.5% بود. نتایج حاصله نشان داد که سامانه ماشین بویایی مورد استفاده در این پژوهش، می تواند یک ابزار قابل اعتماد برای طبقه‌بندی عسل‌های با منشا گیاهی مختلف باشد.

Classification of different floral origin honey samples using a machine olfaction system

Honey is a sweet and viscous liquid made by bees from nectar of flowers. The emitted smell by honey depending on flower variety can be different. These factors led to use of machine olfactory system based on metal oxide sensors(MOS) in order to classify different floral origin honeys. Seven samples of different floral origins of honey with a total of 70 samples from each of 10 samples were tested. Principal component analyze (PCA), linear discriminant analyze (LDA) and artificial neural network (ANN) were methods to classify and analyze the extracted features from the machine olfactory system signal that were used. To classify floral origin honey using the machine olfaction, the results was included a 97% variance by PCA, 87.3% and 88.5% accuracy classification, respectively of LDA and ANN. As a conclusion, it was found that the electronic nose could provide good classification among of honeys.