شناسایی و طبقه بندی تقلبات عسل با استفاده از طیف سنجی مادون قرمز و شبکه عصبی مصنوعی

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.