بررسی عملکرد یک سیستم بینی الکترونیکی در طبقه‌بندی کیفی اسانس گل‌محمدی (Rosa damascene Mill.) به کمک شبکه عصبی مصنوعی

نویسندگان

1 دانشجوی دکتری، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه، ایران

2 دانشیار، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه، ایران

3 استاد، بخش تحقیقات گیاهان دارویی و محصولات فرعی، مؤسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

4 استادیار، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد، ایران

doi
10.22092/ijmapr.2017.101698.1584
چکیده

به‌دلیل افزایش استفاده از گیاهان دارویی و معطر، توجه به امر طبقه‌بندی کیفی آنها نیز امری اجتناب‌ناپذیر می‌باشد. گل‌محمدی (Rosa damascene Mill.) نیز با ارزش بالای اسانس و خواص بی‌نظیر آن در صنایع بهداشتی، غذایی و دارویی یکی از این گیاهان است. از این‌رو، در این مطالعه طبقه‌بندی کیفی اسانس 9 ژنوتیپ از گل‌محمدی با کمک یک سیستم بینی الکترونیکی براساس حسگرهای نیمه‌هادی اکسید فلزی (MOS) مورد بررسی قرار گرفت. ترکیب‌های اصلی تأثیرگذار در کیفیت اسانس گل‌محمدی با استفاده از روش کروماتوگرافی گازی (GC) و کروماتوگرافی گازی متصل به طیف‌سنج جرمی (GC-MS) شناسایی شدند و بر اساس درصد کل این ترکیب‌ها، نمونه‌ها در سه کلاس از نظر کیفی طبقه‌بندی شدند. سپس طبقه‌بندی این کلاس‌ها با استفاده از بینی الکترونیک طراحی شده مورد ارزیابی قرار گرفت. در استفاده از ابزارهای کمومتریک نتایج آنالیز مؤلفه‌های اصلی (PCA) نشان داد که با استفاده از دو مؤلفه اصلی اول (PC1، PC2) می‌توان 85% واریانس داده‌ها را توجیه کرد. همچنین با استفاده از نمودار لودینگ حاصل از PCA، حسگرهایی که تأثیر بیشتری در تفکیک کلاس‌ها داشتند، شناسایی شدند. در ادامه دقت طبقه‌بندی با استفاده از شبکه عصبی پس انتشار پرسپترون چند لایه (Bp-MLP) به‌عنوان یک روش تحت نظارت، برای داده‌های آموزش و آزمون به‌ترتیب 100% و 96% بدست آمد. در پایان نتایج نشان داد که بینی الکترونیکی به‌عنوان ابزاری ارزان، دقیق، آسان و با قابلیت تبدیل به حالت زمان واقعی می‌تواند در راستای طبقه‌بندی کیفی اسانس گل‌محمدی و در نتیجه ژنوتیپ‌های آن مؤثر واقع شود.