شناسایی و طبقه بندی تقلبات عسل با استفاده از طیف سنجی مادون قرمز و شبکه عصبی مصنوعی
محل انتشار: بیست و هفتمین کنگره ملی علوم و صنایع غذایی ایران
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 785
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCFOODI27_105
تاریخ نمایه سازی: 2 اسفند 1399
چکیده مقاله:
عسل یک ماده غذایی کاملا طبیعی با ارزش تغذیه ای بالا و خواص سلامتی بخش فراوان است. اجزای اصلی عسل کربوهیدراتهای ساده و آب هستند؛ همین امر منجر به انجام تقلب در عسل با شربتهای قندی ارزان قیمت میشود. در این پژوهش از روش طیف سنجی تبدیل فوریه مادون قرمز (ATR-FTIR) و شبکه عصبی مصنوعی به منظور اصالت سنجی عسل و شناسایی تقلبات آن استفاده شد. به این منظور، عسل تقلبی با افزودن شیره خرما (غلظت 3 تا 18 درصد) یا شربت گلوکز (غلظت 5 تا 30 درصد) به عسل طبیعی تهیه و ساختار شیمیایی آنها با استفاده از روش ATR-FTIR بررسی شد. طبقه بندی و پیش بینی نوع و میزان تقلب عسل با استفاده از مدل سازی شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم پسانتشار خطا در نرم افزار MTLAB، انجام شد. نتایج نشان داد با افزایش تعداد لایه ها، میانگین مربعات خطا کاهش و در نتیجه دقت پیش بینی افزایش می یابد. افزایش تعداد نرون اثر قابل توجهی بر دقت و حساسیت عملکرد شبکه عصبی نداشت. کاهش نرخ ورودی داده ها به دلیل افزایش سیکل آموزشی، بر افزایش دقت و حساسیت طبقه بندی نمونه ها اثر قابل ملاحظه ای نشان داد. در مجموع نتایج این تحقیق نشان داد، استفاده از فناوری نوین طیف سنجی تبدیل فوریه مادون قرمز، در ترکیب با مدلسازی شبکه عصبی مصنوعی، راهکاری مؤثر برای تشخیص تقلبات عسل فراهم مینماید.
کلیدواژه ها:
نویسندگان
زهرا مقیمی
دانش آموخته کارشناسی ارشد فناوری مواد غذایی، دانشگاه آزاد اسلامی واحد گلپایگان
خدیجه خوش اخلاق
دکترای علوم و مهندسی صنایع غذایی، دانشگاه آزاد اسلامی واحد گلپایگان
محمدحسین بیات
مربی گروه برق و الکترونیک، دانشگاه آزاد اسلامی واحد تفرش