مهدی رشوند - کارشناسی ارشد،گروه مهندسی مکانیک بیوسیستم، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.
محمود امید - استاد، گروه مهندسی مکانیک بیوسیستم، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.
حسین مبلی - استاد، گروه مهندسی مکانیک بیوسیستم، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.
محمود سلطانی فیروز - دکتری، گروه مهندسی مکانیک بیوسیستم، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.

عمده ترین روش تقلب در روغن زیتون، مخلوط کردن روغن های گیاهی مانند ذرت، کلزا، آفتابگردان و سویا با روغن خالص زیتون است. هدف این پژوهش، ارزیابی یک سامانه قابل حمل به منظور تشخیص تقلب روغن زیتون به کمک تلفیق فناوری های ماشین بینایی و طیف سنجی دی الکتریکی با حسگر خازنی است. به منظور طبقه بندی نمونه های روغن زیتون تقلبی و اصل با استفاده از ویژگی های فرکانسی و رنگ، از تکنیکهای تحلیل مولفه های اصلی (PCA)، تحلیل تفکیک خطی (LDA) و شبکه عصبی مصنوعی استفاده شد. بهترین شبکه با ساختار 1-6-36 برای پیش بینی نمونه های مخلوط شده زیتون و آفتابگردان، مقادیر ضریب همبستگی 944/. و میانگین مربعات خطا 0 / 006 را ارایه داد. همچنین، بهترین شبکه با ساختار 136 - 10 برای پیش بینی نمونه های مخلوط شده زیتون و کلزا، مقادیر ضریب همبستگی 0 / 946 و میانگین مربعات خطا 0 / 0003 را ارایه داد. در گام نهایی از ترکیب ویژگی های دی الکتریک و رنگی به منظور مدل سازی مسیله استفاده شد. مقادیر ضریب همبستگی و میانگین مربعات خطا برای نمونه های مخلوط شده زیتون و آفتابگردان برابر 0 / 962 و 0 / 008 با ساختار 1-2-38 و برای نمونه های مخلوط شده زیتون و کلزا مقادیر 0 / 961 و 0 / 0013 با ساختار 1-16-38 حاصل شد.

تقلب، دی الکتریک، روغن زیتون، شبکه عصبی مصنوعی، ماشین بینایی