بررسي عملكرد سامانه بيني الكترونيكي در طبقه بندي پنج نوع گياه دارويي بومي ايران از راسته نعناسانان

Investigation of electronic nose system in classification of five types of native medical plants from Lamiales order

گرايش مجدد انسان به طبيعت و محصولات طبيعي سبب توسعه صنايع داروسازي، آرايشي بهداشتي و غذايي بر پايه محصولات طبيعي گشته است. بنابراين ميزان تقاضاي مواد خام اوّليّه افزايش پيدا كرده است و يكي از دسته ‌هاي بزرگ اين مواد خام، گياهان دارويي و معطر است. از جمله مسائل مهم در كارخانه‌هاي بزرگ دارويي در هنگام تهيه مواد خام اوليّه گياهي، تفكيك و طبقه‌بندي گياهان مختلف با ويژگي‌هاي حسي مشابه است. در اين مطالعه طبقه‌بندي پنج نوع گياه دارويي از راسته نعناسانان با كمك يك سيستم بيني‌الكترونيك بر اساس حسگرهاي نيمه هادي اكسيد فلزي (MOS) مورد بررسي قرار گرفت. پس از آماده ‌سازي نمونه هاي گياهان، پاسخ حسگر‌هاي سامانه به هر يك از گياهان مورد آزمايش ثبت گرديدو سپس پاسخ حسگرهاي بيني ‌الكترونيكي توسط روش هاي تحليل مولفه هاي اصلي (PCA)، تحليل تفكيك خطي (LDA) و شبكه عصبي مصنوعي (ANN) جهت طبقه بندي اين گياهان مورد بررسي قرار گرفت. نتايج تحليل مولفه هاي اصلي با استفاده از داده هاي حاصل از سامانه نشان داد كه دو مولفه اصلي اوّل در مجموع 95 درصد واريانس داده ها را پوشش مي‌دهد. دقت طبق ‌بندي با استفاده از داده هاي بيني -الكترونيكي براي روش هاي تحليل تفكيك خطي و شبكه عصبي مصنوعي به ترتيب 92 و 100 درصد به دست آمد. در اين پژوهش، سامانه بيني ‌الكترونيكي توسعه داده شده موفق به طبقه ‌بندي صحيح نمونه هاي گياهان دارويي شد و بنابراين مي‌تواند به عنوان جايگزيني با حساسيت رضايتبخش، قابل اطمينان و سريع نسبت به روش ‌هاي سنتي مورد استفاده قرار گيرد.

The re-orientaion of human to nature and natural products has led to the development of pharmaceutical, cosmetic and food industries based on natural products. Therefore, the demand for raw materials has been increased, and one of the big batches of these raw materials are medical and aromatic herbs. One of the important issues in large pharmaceutical factories when preparing raw herbs is the differentiation and classification of different plants with similar sensory characteristics. In this study, the classification of five types of medical plants from the Lamiales order was investigated using electronic nose system based on metal oxide semiconductor (MOS) Sensors. After preparing the plant samples, the response of the system sensors to each of the tested plants was recorded and then by principal component analysis (PCA), linear discrimination analysis (LDA) and artificial neural network (ANN) was examined to classify these plants. Resault of principal components analysis (PCA) with using of electronic nose system data revealed that the two first main components cover the 95 percent of data variance. Accuracy of classification using electronic nose for LDA and ANN methods were obtained 92 and 100 percent respectively. The developed electronic nose system has succeeded in classifying the medical plants and could be used as a sensitive, reliable, and fast replacement for traditional methods.