فهرست نشریات علمی دسترسی آزاد ایران

نظر به اهمیت استراتژیک گندم در سراسر جهان، بررسی روش‌های نوین برای بالا بردن دقت و سرعت شناسایی ارقام گندم بسیار حائز اهمیت می‌باشد. در این پژوهش امکان‌ سنجی کاربرد سامانه بینی‌الکترونیکی به همراه هوش مصنوعی بر پایه‌ی حسگرهای نیمه هادی اکسید فلزی به عنوان ابزاری غیر مخرب برای تفکیک و شناسایی سه رقم گندم با نام‌های: گندم دیم سالاری، گندم آبی قدس و گندم محلی قرمز مورد ارزیابی قرار گرفت. ماشین بردار پشتیبان (SVM) شبکه عصبی مصنوعی (ANN) و تحلیل مولفه اصلی (PCA) روش‌هایی بودند که برای رسیدن به این هدف مورد استفاده قرار گرفتند. نتایج به دست آمده نشان داد حسگرهایTGS822  و TGS2620 بیشترین پاسخ و حسگرهای TGS813 و TGS2610 کمترین پاسخ را در تشخیص واریته گندم نشان دادند. روش تحلیل ANN با دقت7/91 درصدی، عملکرد بهتری نسبت به روش SVM (با دقت 75 درصدی)، در شناسایی و طبقه‌بندی ارقام گندم داشت. در این میان، روش PCA نیز با 77 درصد مجموع واریانس کل داده‌ها، عملکرد نسبتا مناسبی را در تفکیک و شناسایی ارقام گندم از خود نشان داد. همچنین نتایج نشان داد گندم رقم دیم سالاری ترکیبات معطر متفاوتی با دو رقم دیگر گندم آبی قدس و گندم محلی قرمز داشت. عملکرد مناسب بینی الکترونیکی در تفکیک ارقام گندم می‌تواند بیانگر امید بخش بودن کاربرد این فناوری در تفکیک و شناسایی ارقام گندم باشد.