بررسي امكان تشخيص تقلبات عسل با استفاده از مدلسازي ماشين هاي بردار پشتيبان

The Investigation of Possibility of Honey Adulteration Detection Using Support Vector Machine Modeling

عسل به عنوان يك محصول غذايي غني از انواع تركيبات پر ارزش از سال ها پيش به عنوان يك ماده مقوي و مفيد شناخته شده و به واسطه قيمت بالاي اين فراورده همواره مورد تقلب قرار گرفته است. روش هاي مختلفي به منظور تشخيص تقلبات عسل مورد بررسي واقع شده است. در اين پژوهش براي اولين بار از روش مدلسازي ماشين هاي بردار پشتيبان (SVM) به عنوان روشي به منظور تشخيص عسل اصل از تقلبي، نوع و درصد تقلب در عسل استفاده شده است. بدين منظور از شربت گلوكز و شربت شكر به عنوان دو شيرين كننده رايج در تقبات عسل با درصدهاي مختلف جايگزيني 5، 10، 15 و 20 استفاده شد و خصوصيات مختلف فيزيكوشيميايي عسل ها مورد بررسي قرار گرفت. با استفاده از SVM ، 2 ويژگي (ويسكوزيته و پارامتر رنگي L ) در تشخيص عسل اصل از تقلبي، 6 ويژگي (قندهاي غير احياكننده، ساكارز، هدايت الكتريكي، L، b و ويسكوزيته) در تشخيص نوع تقلبات و 4 ويژگي ( قندهاي احيا كننده قبل هيدروليز، قندهاي احيا كننده بعد از هيدروليز، فروكتوز و ضريب شكست) در تشخيص سطوح تقلب، برتر انتخاب شدند. نتايج حاصل از ارزيابي نشان داد كه مدل ها توانايي شناسايي عسل هاي تقلبي نسبت به عسل اصل ، نوع تقلب و درصد تقلب را به خوبي و با دقت 100درصدي دارند.

Honey have high nutritional value and unique flavor and because of that, the price of natural honey is relatively much higher than hat of other sweeteners. Honey is susceptible to adulteration with cheaper sweeteners; those that have been detected in adulterated honeys include sugar syrups and glucose syrup. In recent years, several methods have been examined to determine honey adulteration. In this study, the Support Vector Machine (SVM) modeling has been used as a way to determine the type and percentage of adulteration in honey. For this reason, glucose syrup and sugar syrup as common sweetener in honey fraud in different percentages of replacement were used and various physicochemical properties of honey were determined. Using SVM, 2 properties (viscosity and color parameters L *) in the detection of counterfeit honey 6 characteristics (non-reducing sugars, sucrose, electrical conductivity, L *, b * and viscosity) in the detection of adulteration and 4 feature (reducing sugars before hydrolysis, reducing sugars after hydrolysis, fructose and refractive index) in the detection of fraud, were selected. The results of the evaluation showed that the models can detect the counterfeit honey than pure honey, the type of fraud and fraud levels in 100% accurat