فهرست نشریات علمی دسترسی آزاد ایران

زیره سیاه به‌عنوان یکی از ارزشمندترین گیاهان دارویی کاربرد گسترده‌ای در صنایع دارویی و غذایی دارد و با توجه به تفاوت بالای قیمت و کیفیت بین گونه‌های مختلف آن، تقلب‌هایی در هنگام عرضه این محصول صورت می‌گیرد که منجر به نارضایتی مصرف‌کنندگان شده است. در این پژوهش، یک سامانه ماشین‌بویایی بر پایه هشت حسگر نیمه هادی اکسید فلزی در ترکیب با روش شناسایی الگو به‌منظور تشخیص سطوح مختلف تقلب ایجاد شده در زیره و ارزیابی اصالت آن به‌کار گرفته شد. از روش‌ تحلیل مؤلفه‌های اصلی به‌منظور تحلیل داده‌های استخراج شده از سیگنال پاسخ حسگرها استفاده شد. بر اساس نتایج بدست آمده، تحلیل مؤلفه‌های اصلی با دو مؤلفه‌ی اصلی PC1 و PC2، 94% واریانس مجموعه‌ی داده‌ها را برای نمونه‌های مورد‌استفاده توصیف کردند. در مجموعه حسگری، حسگرهای MQ4 و FIS بیشترین مقادیر ضریب لودینگ و حسگرهای MQ135، MQ3 و TGS813 کمترین مقدار این ضریب را به خود اختصاص دادند. سپس طبقه‌بندی نمونه‌ها با استفاده از تکنیک‌های ماشین بردار پشتیبان (SVM) و درخت تصمیم-گیری (DT) انجام شد. با کاربرد ماشین بردار پشتیبان با تابع کرنل خطی، دقت آموزش و اعتبارسنجی 100 و 5/97 درصد به‌دست آمد. همچنین میزان موفقیت روش‌ DT در تفکیک و طبقه‌بندی نمونه‌های زیره تقلبی 90 درصد برآورد شد.