سامانه ماشين بويايي، رهيافتي موثر براي تشخيص تقلب درگلاب

گلاب از فرآورده‌هاي اصلي گل محمدي و از محصولات سنتي با قدمت طولاني در منطقه كاشان بوده كه آوازه جهاني نيز دارد. با توجه به استفاده از گلاب در درمان دردهاي روماتيسمي، قلبي و همچنين در پخت انواع شيريني‌ها و تهيه بستني‌ها، تشخيص اصلي يا تقلبي بودن گلاب‌هاي توليد شده از اهميت ويژه‌اي برخوردار است. در اين پژوهش توانايي كاربرد سامانه ماشين بويايي (بيني الكترونيكي) بر پايه حسگرهاي نيمه هادي اكسيد فلزي به عنوان ابزاري غيرمخرب براي تشخيص سطوح مختلف تقلب ايجاد شده در گلاب و ارزيابي اصالت آن مورد مطالعه قرار گرفت. تحليل مولفه‌هاي اصلي(PCA) ، تحليل تفكيك خطي (LDA)، آناليز لودينگ، ماشين بردار پشتيبان (SVM) و درخت تصميم‌گيري (DT) روش‌هايى بودند كه براي رسيدن به اين هدف مورد استفاده قرار گرفتند. براساس نتايج به‌دست آمده، PCA با دو مؤلفه‌ي اصلي PC1 و PC2، 92% واريانس مجموعه‌ي داده‌ها را براي نمونه‌هاي مورد استفاده توصيف كردند. در آرايه حسگري، حسگرهاي MQ4 ، TGS2620و FIS بيشترين مقادير ضريب لودينگ و حسگرهاي TGS822 و MQ8 كمترين مقدار اين ضريب را به خود اختصاص دادند. براساس نتايج حاصل شده از روشLDA ، دقت در طبقه‌بندي 94% به‌دست آمد. با كاربرد ماشين بردار پشتيبان با تابع كرنل خطي، در روش CSVM دقت آموزش و اعتبارسنجي به‌ترتيب %98.75 و %87.5 به‌دست آمد. همچنين دقت روش درخت تصميم‌گيري در طبقه‌بندي نمونه‌هاي گلاب %80 برآورد شد. براساس نتايج به‌دست آمده، سامانه ماشين بويايي بر پايـه حسگرهاي MOS در تركيب با روش‌هاي شناسايي الگو توانايي تشخيص تقلب در گلاب را دارد و روش LDA بالاترين دقت طبقه‌بندي را دارا مي‌باشد. همچنين تيم پژوهشي اين مقاله پيشنهاد مي‌كند كه از قابليت اين سامانه براي تشخيص تقلب در ساير محصولاتي كه پتانسيل تقلب را دارند، استفاده شود.