پياده‌سازي يك سامانه ماشين بويايي براي طبقه‌بندي انواع مختلف فلفل سياه براساس منشاء جغرافيايي و تشخيص تقلب در فلفل سياه هندي

ادويه‌جات از با ارزش‌ترين گياهان دارويي مورداستفاده در صنايع غذايي و علم پزشكي هستند و با توجه به تفاوت كيفيت و قيمت بين گونه‌هاي مختلف، تشخيص، طبقه‌بندي و جداسازي آن‌ها براساس خلوص و درجه كيفيت از اهميت بالايي برخوردار است. ادويه‌ها دركشورهاي مختلفي از جمله هندوستان، پاكستان، چين و كشورهاي آسياي شرقي و جنوبي توليد مي‌شوند. در اين پژوهش، يك سامانه ماشين بويايي بر پايه هشت حسگر نيمه هادي اكسيد فلزي در تركيب با روش‌هاي تشخيص الگو به‌منظور طبقه‌بندي و جداسازي ادويه فلفل سياه براساس منشاء جغرافيايي و تشخيص تقلب‌هاي كبابه چيني و پودر هسته خرما به‌كارگرفته شد. به‌منظور تحليل داده‌هاي استخراج شده از سيگنال پاسخ حسگرها از روش تحليل مولفه‌هاي اصلي (PCA) استفاده شد. براساس نتايج حاصل، آناليز مولفه‌هاي اصلي با مجموع دو مولفه اصلي اول %96 براي نمونه‌هاي فلفل سياه براساس منشاء جغرافيايي و 95% براي تقلب‌هاي كبابه چيني و هسته خرما از واريانس داده‌ها قابل توصيف است. همچنين از سه روش تحليل تفكيك خطي (LDA)، ماشين بردار پشتيبان (SVM) و درخت تصميم‌گيري (DT) براي طبقه‌بندي نمونه‌ها استفاده شد. استفاده از روش LDA، براي نمونه‌هاي فلفل سياه دقت طبقه‌بندي 100% و براي تقلب­ها دقت 97.14% را نشان داد. نتايج نشان داد كه SVM با تابع گاوسي بالاترين دقت را در طبقه‌بندي نمونه‌هاي فلفل سياه، تقلب كبابه چيني و تقلب هسته خرما را دارد. همچنين ميزان موفقيت روش DT در تفكيك و طبقه‌بندي نمونه‌هاي فلفل سياه، تقلب كبابه چيني و تقلب هسته خرما به‌ترتيب 96.66% و 88.5% برآورد شد.