طبقه‌بندي عسل‌هاي با منشأ گياهي مختلف با استفاده از يك سامانه ماشين بويايي

Classification of different floral origin honey samples using a machine olfaction system

عسل مايعي شيرين و گرانرو است كه زنبور عسل آن ‌را از شهد گل‌ها توليد مي‌نمايد‌. عسل به طور كلي يك تركيب محلول ‌در ‌آب بسيار ‌غليظ قندي است كه به لحاظ داشتن برخي مواد تخميري در تبادلات غذايي و كمك به هضم غذا، بالاترين مرتبه را در ميان غذاها دارد. بو يكي از پارامترهاي مهم در طبقه بندي عسل است و گازهايي كه در بوي عسل دخالت دارند حاصل از بوي گرده گل‌هاي جمع‌آوري شده توسط زنبور عسل و فعاليت‌هاي آن براي تبديل گرده به عسل است. بنابراين بوي ساطع شده از عسل بسته به گل‌هاي مختلف، مي‌تواند متفاوت باشد. همين عوامل سبب استفاده از يك سامانه ماشين بويايي بر پايه حسگرهاي نيمه هادي اكسيد فلزي (MOS) به منظور طبقه‌بندي عسل‌هاي با منشا گياهي مختلف گرديده است. هفت نوع ‌عسل با منشاهاي گياهي مختلف تهيه شده و از هركدام 10 نمونه و جمعا 70 نمونه، هر كدام به وزن 5 گرم اماده شدند. سپس نمونه ها در داخل پتري ديش استريليزه گذاشته شده و مورد آزمايش قرار گرفتند. آزمايش در سه مرحله تصحيح خط مبنا، تزريق گاز نمونه و پاك سازي حسگرها انجام گرفت. داده‌ها با روش پيش‌پردازش كسري براي جلوگيري از برازش بيش از حد و همچنين كاهش داده‌هاي ورودي، نرمال سازي شدند. تحليل مولفه اصلي (PCA)، تحليل تفكيك خطي (LDA) و شبكه عصبي مصنوعي (ANN) روش‌هايي بودند كه به منظور طبقه‌بندي و تحليل ويژگي‌هاي استخراجي از سيگنال‌هاي ماشين بويايي استفاده گرديدند. براي طبقه‌بندي عسل‌هاي با منشا گياهي مختلف با استفاده از ماشين بويايي، نتايج شامل 97% واريانس به روش PCA ، و دقت طبقه‌بندي براي روش‌هاي LDA و ANN به ترتيب  87.3 % و 88.5% بود. نتايج حاصله نشان داد كه سامانه ماشين بويايي مورد استفاده در اين پژوهش، مي تواند يك ابزار قابل اعتماد براي طبقه‌بندي عسل‌هاي با منشا گياهي مختلف باشد.

Honey is a sweet and viscous liquid made by bees from nectar of flowers. The emitted smell by honey depending on flower variety can be different. These factors led to use of machine olfactory system based on metal oxide sensors(MOS) in order to classify different floral origin honeys. Seven samples of different floral origins of honey with a total of 70 samples from each of 10 samples were tested. Principal component analyze (PCA), linear discriminant analyze (LDA) and artificial neural network (ANN) were methods to classify and analyze the extracted features from the machine olfactory system signal that were used. To classify floral origin honey using the machine olfaction, the results was included a 97% variance by PCA, 87.3% and 88.5% accuracy classification, respectively of LDA and ANN. As a conclusion, it was found that the electronic nose could provide good classification among of honeys.