Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Quality Assessment of Olive Oil by Fusion of Two Non-Destructive Methods

سال انتشار: 1399
کد COI مقاله: ICTINDT06_060
زبان مقاله: انگلیسیمشاهده این مقاله: 274
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Quality Assessment of Olive Oil by Fusion of Two Non-Destructive Methods

Mohammad Reza Zarezadeh - Ph.D. Candidate, Department of Agro-technology, College of Abouraihan, University of Tehran, Tehran, Iran,
Mohammad Aboonajmi - Associate professor, Department of Agro-technology, College of Abouraihan, University of Tehran, Tehran, Iran,
Mahdi Ghasemi Varnamkhasti - Associate professor, Department of Mechanical Engineering of Biosystem, Shahrekord University, Shahrekord, Iran,
Fatemeh Azarikia - Assistant professor, Department of Food science, College of Abouraihan, University of Tehran, Tehran, Iran,

چکیده مقاله:

Due to the importance of foods and its quality and safety and on the other hand the very effective benefits of extra virgin olive oil, fraud samples of it were detected by two non-destructive methods of E-nose and ultrasound systems. Four different classifiers include support vector machine (SVM), K-nearest neighbors, artificial neural network and AdaBoost have been used for classification. The samples were prepared in six levels of fraud and the principal component analysis (PCA) was used for feature reduction. Three most effective features in classification were obtained respectively: "losses in ultrasound wave amplitude percentage", "ultrasound signal's time of flight" and "difference between maximum and minimum output of TGS2620 gas sensor". The results showed that the linear support vector machine model represented the best classification accuracy (95.5%). Furthermore, both K-Nearest Neighbors and artificial neural network methods with 93.3%and 92.1%were effective methods after SVM. It can be concluded that fusion of two non-destructive methods (Ultrasonic an olfaction machine) can detect fraud samples of olive oil.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICTINDT06_060 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1168702/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Zarezadeh, Mohammad Reza and Aboonajmi, Mohammad and Ghasemi Varnamkhasti, Mahdi and Azarikia, Fatemeh,1399,Quality Assessment of Olive Oil by Fusion of Two Non-Destructive Methods,Sixth International Conference on Non-Destructive Testing of Iran,Tehran,https://civilica.com/doc/1168702

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399, Zarezadeh, Mohammad Reza؛ Mohammad Aboonajmi and Mahdi Ghasemi Varnamkhasti and Fatemeh Azarikia)
برای بار دوم به بعد: (1399, Zarezadeh؛ Aboonajmi and Ghasemi Varnamkhasti and Azarikia)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 76,622
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی