بررسی عملکرد سامانه بینی الکترونیکی بر پایه حسگرهای نیمه هادی اکسید فلزی(MOS) به منظور تشخیص خلوص اسانس نعناع فلفلی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 262

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAMTB-6-2_004

تاریخ نمایه سازی: 24 دی 1401

چکیده مقاله:

چکیده اسانس گیاهان دارویی براساس میزان ماده موثره موجود در آن­ها در صنایع داروسازی و غذایی ارزش­ گذاری و استفاده می­ شود. یکی از روش­های کارآمد برای شناسایی و ارزیابی اسانس­ ها بینی الکترونیک می­ باشد که نسبت به روش­ های متداول نقاط ضعف کمتری دارد. در این مطالعه یک سامانه بینی الکترونیک متشکل از ۸ حسگر نیمه ­هادی اکسید فلزی(MOS) برای تعیین درجه خلوص اسانس نعناع فلفلی طراحی و ساخته شد. روش PCA برای کاهش ابعاد داده­ها و شناسایی حسگرهای موثر به­کار گرفته شد و روش شبکه عصبی مصنوعی برای طبقه ­بندی داده­ ها استفاده گردید. بر اساس نتایج، روش تحلیل مولفه ­های اصلی با دو مولفه اصلی PC۱ و PC۲ توانست ۸۲ درصد از واریانس داده­ ها را پوشش دهد. همچنین حسگرهایی که تاثیر بیشتری در تفکیک کلاس­های خلوص اسانس داشتند شناسایی شدند. در ادامه دقت طبقه ­بندی داده­ها در مرحله آموزش و آزمون در روش شبکه عصبی مصنوعی به ترتیب ۸۱ درصد و ۷۰ درصد بدست آمد. بنابراین سامانه بینی الکترونیکی پیشنهادی بر پایه الگوریتم مذکور نشان داد که می­تواند تا حدودی ابزار قابل اعتماد و کم­ هزینه ه­ای جهت درجه­ بندی کیفی نمونه­ های مختلف خلوص اسانس نعناع فلفلی از یکدیگر باشد.

نویسندگان

موسی الرضا صمدی

گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز

سیدصادق سیدلو

گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز

عباس روحانی

گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد

علی محمد نیکبخت

گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alvandi, K., Aghazadeh Meshghi, M., ۲۰۱۰. Study of chemical composition ...
  • Fang, Q., Zhang, M., Yang, Y., Zhou, X., Jia, H., ...
  • Ghasemi-Varnamkhasti, M., Mohtasebi, S. S., Siadat, M., Ahmadi, H., & ...
  • Gorji-Chakespari, A., A. M. Nikbakht, F. Sefidkon, M. Ghasemi-Varnamkhasti, & ...
  • Haddi, Z., Amari, A., Alami, H., El Bari, N., Llobet, ...
  • Li, H., Liang, Y., & Xu, Q. (۲۰۰۹). Support vector ...
  • Russo, M., D. Serra, F. Suraci, & S. Postorino. (۲۰۱۲). ...
  • Shafiqul Islam, A.K.M., Ismail, Z., Saad, B., Othman, A.R., Ahmad, ...
  • Sydney de Sousa, A., Soares, P.M.G., Saldanha de Almeida, A.N., ...
  • Xiao, Z., Yu, D., Niu, Y., Chen, F., Song, S., ...
  • Xiong, Y., Xiaohe, X., Yang, X & Yan, Y. (۲۰۱۴). ...
  • Yin, X., Lv, Y., Wen, R., Wang, Y., Chen, Q., ...
  • نمایش کامل مراجع