پيش بيني و اطمينان از كيفيت روغن زيتون بكر با استفاده از سامانه استنتاج فازي– عصبي تطبيقي

Prediction and Assurance of Virgin Olive Oil Quality by using the adaptive neuro fuzzy inference system (ANFIS)

سابقه و هدف : تخمين پارامترهاي كيفي روغن زيتون اهميت ويژه اي در روش هاي كنترل كيفيت مدرن دارد. يكي از مهم ترين مشكلات در پيش بيني كيفيت روغن در طي نگهداري، پيچيدگي ويژگيهاي فيزيكوشيميايي ماده اوليه و اختلاف داده ها به علت محل كاشت، واريته، روشي استخراج، نوع و ميزان اجزاء تشكيل دهنده روغن است. ثبات اكسايشي يكي از پارامترهاي مهم كنترلي در روغن زيتون است. مدل سازي پايداري اكسايشي روغن زيتون با استفاده از سامانه استنتاج فازي - عصبي تطبيقي مي تواند به بهبود فرآيند كنترل كيفيت اين محصول كمك كند. مواد و روش ها: در طراحي مدل سامانه استنتاج فازي - عصبي تطبيقي پارامترهاي اسيديته، عدد پراكسيد، تركيبات فنلي، ضريب خاموشي (K232) به عنوان ورودي و ضريب خاموشي (K270) به عنوان خروجي در نظر گرفته شد. همچنين براي بهينه سازي مدل از توابع عضويت مثلثي و ذوزنقه اي، تعداد توابع عضويت و سيكل هاي يادگيري متعدد به شكل آزمون و خطا استفاده شد. سپس شبكه به ازاي الگوهاي مختلف طراحي شده، آموزش داده شد و بر اساسي معيارهاي آماري بهترين الگو انتخاب گرديد. يافته ها: نتايج اين مطالعه نشان داد كه برخي از آزمايش هاي تجزيه اي روغن زيتون از جمله اسيديته، انديس پراكسيد، ضمريب خاموشي (k270) (k232) و تركيبات فنلي براي ارزيابي وضعيت پايداري اكسايشي روغن زيتون بسيار ارزشمند هستند، با اين حال هيچ كدام از اين ازمايشي ها به تنهايي نمي تواند به شناسايي مشكلات مربوط به شرايط نگهداري يا زمان ماندگاري كمك كند. اعداد پراكسيد بين 7 تا 15 ميلي اكي والان گرم بر كيلوگرم و اسيديته بين 0/16 تا 0/84 ميلي گرم پتاس بر گرم بود. ميزان تركيبات فنلي بين 77 تا 381 ميلي گرم بر كيلوگرم متغير بود. كمترين ميزان ضريب خاموشي (270k) و (232k) به ترتيب 0/1، 1/73 و بيشترين آنها 0/25، 3/14 بود. سامانه استنتاج فازي - عصبي تطبيقي توانست با موفقيت شدت تغييرات پارامترهاي فيزيكو شيميايي مرتبط با پايداري اكسايشي روغن زيتون را ارزيابي نمايد. بهترين مدل با استفاده از تابع عضويت ذوزنقه اي، تعداد توابع 33333 و چرخه يادگيري 51 بدست آمد كه داراي كمترين ميانگين مربعات خطا (0/012) و بهترين ضريب تبيين (0/99) بود. نتيجه گيري: تجزيه و تحليل مدل نشان داد سامانه استنتاج فازي - عصبي تطبيقي يك ابزار قدرتمند براي پيش بيني و اطمينان كيفيت روغن زيتون بكر است. .از اين رو با استفاده از اطلاعات مدلسازي سامانه استنتاج فازي - عصبي تطبيقي توليد كنندگان روغن زيتون به راحتي مي توانند كيفيت روغن زيتون را پيش بيني كنند.

Background and objective: The prediction of olive oil quality parameters is of great importance in modern approaches to quality control. One of the main problems in predicting olive oil quality during storage is the complexity of the physicochemical properties of raw material and the difference in data of planting, varieties, method of extraction, the type and amounts of the components of olive oil. Oxidative stability is one of the most important parameters in controlling Virgin olive oil. Modeling the oxidative stability of olive oil with Adaptive neuro fuzzy inference system (ANFIS) can help to improve the quality control process for this product. Materials and methods: Parameters of the model design were acidity, peroxide value (PV) specific extinction coefficient K232, phenolic compounds as input variables and the extinction coefficient k270 as the output. In order to develop ANFIS model, number of membership functions, and different learning cycles by trial and error were used. Then, the network was trained for every different pattern models and the best model was selected based on statistical criteria. Results: This study has shown that some analyses such as acidity, peroxide value (PV) specific extinction coefficient K232, phenolic compounds are valuable in illustrating oxidative stability of olive oil, however no individual test can identify all problems associated with storage conditions or aging. Peroxide values and acidity were obtained between 7 to 15 mmol-equiv/kg and 0.16 to 0.84 mg KOH/g, respectively. The concentration of total phenols varied 77 from 381 to mg/kg. The lowest extinction coefficientsko and k2 were found to be 0.1 and 1.73, while the highest values were 0.25 (ko) and 3.14 (k2). ANFIS technique was successfully used to modeling the rates of changes of physicochemical parameters associated to oxidative stability of olive oil. The best model with the least mean square error 0.012 and the best regression coefficient of 0.99 was obtained using trapezoidal membership functions, numbers memberships of 33 333 and learning cycle of 5. Conclusion: Analysis of the model revealed that the ANFIS is a powerful tool to predict the oxidative stability of olive oil. Therefore, by using the information from ANFIS model, olive oil producers will be able to predict olive oil quality.