مقایسه روش های ولتامتری چرخه ای و زبان الکترونیکی برای ارزیابی تقلب در آبلیمو

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 133

فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAM-16-1_001

تاریخ نمایه سازی: 2 اسفند 1404

چکیده مقاله:

در تحقیق حاضر با استفاده از دو روش الکتروشیمیایی ولتامتریک چرخه ای و زبان الکترونیک، میزان تقلب در آبلیمو مورد بررسی قرار گرفت. میزان اسید سیتریک در آبلیمو به عنوان یک معیار مورد پذیرش در آزمایشگاه ها به منظور بررسی تقلب در آبلیمو مورد استفاده قرار می گیرد، ابتدا با استفاده از دستگاه پتانسیو استات و روش چرخه ای ولتامتری، میزان غلظت آن بررسی شد. از الکترودهای گلسی کربن، گرافیت، طلا، گلسی کربن اصلاح شده توسط ذرات نانو لوله ی کربن و نانو ذرات طلا، استفاده شد. نوع بافر و میزان pH تغییر داده شد. نتایج نشان داد که رفتار الکتروشیمیایی اسید سیتریک بسیار پایین می باشد و با این روش، نمی توان رفتار آن را بررسی کرد. در بخش دوم، سیستم زبان الکترونیکی قابل حمل (e-tongue) ارزیابی شد. هشت نمونه سطوح تقلب در آبلیمو (۰، ۵، ۱۰، ۲۰، ۴۰، ۷۰، ۹۵ و ۱۰۰ درصد ناخالصی) ایجاد گردید. مدل های بدون نظارت شامل تحلیل مولفه اصلی (PCA) و خوشه بندی سلسله مراتبی (HCA) و مدل های نظارت شده شامل شبکه های عصبی پرسپترون چندلایه (MLP) و ماشین بردار پشتیبانی (SVM) استفاده شد. بر اساس نتایج، اثر انگشت PCA تمایز خوبی بین سطوح تقلب نشان داد. این موضوع توسط HCA نیز تایید گردید. نتایج روش های نظارت شده نشان داد که عملکرد مدل MLP برای پیش بینی سطوح تقلب بهتر از مدل SVM با میزان موفقیت ۹۹.۳۳ درصد و ضرایب همبستگی بالا R۲=۰.۹۹۷۳ و RMSE=۰.۰۹ بود. نتایج نشان می دهد که این سیستم می تواند به عنوان یک سیستم کنترل کیفیت طعم مورد استفاده قرار گیرد.

کلیدواژه ها:

نویسندگان

قاسم بهرامی

گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

محمدحسین آق خانی

گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

محمودرضا گلزاریان

گروه علوم کامپیوتر، دانشکده علوم و هنر، دانشگاه نوتردام استرالیا، ایالت استرالیای غربی، استرالیا

بهجت دیمی نیت

گروه شیمی، دانشکده علوم، دانشگاه فردوسی مشهد، مشهد، ایران

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 :
  • Abutaleb, A. S. (۱۹۹۱). A neural network for the estimation ...
  • Alizadeh, M., Pirsa, S., & Faraji, N. (۲۰۱۷). Determination of ...
  • Kamthania, M., Saxena, J., Saxena, K., & Sharma, D. K. ...
  • Karami, H., Rasekh, M., & Mirzaee-Ghaleh, E. (۲۰۲۰). Application of ...
  • Zorpeykar, S., Mirzaee-Ghaleh, E., Karami, H., Ramedani, Z., & Wilson, ...
  • نمایش کامل مراجع