سنجش بو روشی پیشرفته و بویژه موثر برای کسب اطلاعات متغیرهای تاثیرگذار بر کیفیت مواد می باشد، زیرا بوی مواد بسیار حساس به تغییر ترکیبات تشکیل دهنده آنها می باشد. بینی الکترونیک با شبیه سازی بینی انسان، به عنوان ابزاری دقیق و کاربردی در زمینه های مختلفی از جمله صنایع غذایی، نظامی، پزشکی و آرایشی و بهداشتی و ...، به منظور مانیتورینگ و تشخیص ترکیبات موجود در مواد، بسیار مورد توجه قرار گرفته است. پاسخ های خام تولید شده توسط سیگنال سیگنال سنسورهای این سامانه بینی الکترونیک، به منظور طبقه بندی صحیح بو، با روش های پیشرفته پردازش سیگنال و الکوریتم های تشخیص الگو مورد مطالعه قرار می گیرند. سنسورهای بویایی، با استفاده از روش های مختلف پردازش سیگنال آنالیز می شوند. با توجه به نوع داده های اندازه گیری شده و نوع نتایج خروجیف تکنیک های مختلفی موجود می باشد. روش های تشخیص الگو به دو دسته روش های با ناظر مانند ANN و بدون ناظر مانند PCA تقسیم بندی می شوند. در این تحقیق نمونه هایی از برگ های هشت گونه کشت شده ریحان در مزرعه دانشکده کشاورزی دانشگاه شهید چمران اهواز تهیه شدند و با دستگاه بینی الکترونیک تحت آزمایش قرار گرفتند. در بخش تحلیل و بررسی، نخست روش های تشخیص الکوی مناسب برای طبقه بندی داده های بینی الکترونیک از جمله
تحلیل مولفه اصلی (PCA)، شبکه عصبی (ANN)، تجزیه و تحلیل خطی (LDA)، تجزیه و تحلیل خوشه ای (HCA)، نزدیکترین همسایگی (KNN)،
ماشین بردار پشتیبانی (SVM) پرداخته شد. سپس با مقایسه روش های موجود و داده های اندازه گیری شده، روشی مناسب برای شناسایی گونه های مختلف ریحان ارائه گردید. با مطالعه روش های مورد استفاده در تشخیص الگوهایی پرکاربرد در بینی الکترونیک و بررسی نتایج حاصله از هریک از آنها، روش های ANN, PCA و LDA به دلیل سهولت در انجام، در دسترس بودن و نهایتا دستیابی به خروجی های دقیق تر را می توان از جمله پرکاربردترین روش های تشخیص الگوی جداسازی داده های بینی الکترونیکی به شمار آورد. بررسی نتایج نشان داد که برای تشخیص الگو گونه های مختلف ریحان شبکه های عصبی مصنوعی بیشترین دقت را دارد. هرچند سایر روشهای دقت قابل قبولی دارند.