تشخیص سریع تقلب در آب لیموترش لایم به روش طیف سنجی (مرئی - فرابنفش ) و تکنیک های یادگیری ماشین

آنالیزهای شیمیایی مرتبط با تقلب در آب میوه ها از جمله آب لیموترش به دلیل تنوع ترکیبات در این نوع از فراورده ها زمان بر ، پرهزینه و نیازبه تجهیزات پیشرفته خاص آزمایشگاهی دارد. با ظهور تکنیک های یادگیری ماشین برای پردازش سریع و قابل اعتماد داده های آنالیز مواد غذایی ، مسیر استفاده موثرتر از تجهیزات ارزان، در دسترس و آسان در کاربری مانند طیف سنجی نوری (مرئی -فرابنفش ) به منظور کنترل کیفیت این فراورده هموارترشده است . هدف از این تحقیق بررسی کارایی دستگاه طیف سنجی نوری (مرئی -فرابنفش ) همراه با تکنیک های یادگیری ماشین جهت تشخیص آب، اسید و قند افزوده با میزان حداقل ۱۰ درصد به عصاره لیموترش لایم است . به این منظور، میزان جذب ۱۶۰ نمونه آب لیموترش تقلبی در محدوده ۵۵۰-۲۱۰ نانومتر مورد اندازه گیری قرار گرفت سپس میزان کارائی تکنیک های مختلف یادگیری ماشین ، -k نزدیکترین همسایه (KNN)، درخت تصمیم ((DT، جنگل تصادفی (RF)، شبکه عصبی چندلایه (MLP) و ماشین بردار پشتیبان (SVM) در طبقه بندی و جداسازی نمونه های تقلبی بر اساس میزان و تفاوت جذب نمونه ها با همدیگر مورد مقایسه قرار گرفته شدند. نتایج کارایی مدل ها نشان داد تکنیک SVM و MLP با بیشترین صحت (% ۹۲و %۸۷ به ترتیب ) قادر به جداسازی و طبقه بندی نمونه های تقلبی است . بنابراین با استفاده از طیف سنجی نوری (مرئی -فرابنفش ) و تکنیک یادگیری SVM و MLP به عنوان دو نوع از روش های یادگیری عمیق شناسایی و جداسازی تقلبات اصلی در عصاره لیموترش لایم امکان پذیر است .

کلیدواژه ها:

لیموترش لایم ، یادگیری ماشین ، تقلب ، اسید افزوده