تشخیص سریع تقلب در آب لیموترش لایم به روش طیف سنجی (مرئی- فرابنفش) و تکنیک های یادگیری ماشین

محسن لبافی¹ زهرا علائی روزبهانی²

1) دانشیار گروه علوم و صنایع غذایی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
2) دانشجوی دکتری گروه علوم و صنایع غذایی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

محل انتشار : همایش ملی امنیت غذایی، ایمنی غذایی و سلامت (fssh.ir)
چکیده :
آنالیزهای شیمیایی مرتبط با تقلب در آب میوه ها از جمله آب لیموترش به دلیل تنوع ترکیبات در این نوع از فراورده ها زمان بر ، پرهزینه و نیازبه تجهیزات پیشرفته خاص آزمایشگاهی دارد. با ظهور تکنیک های یادگیری ماشین برای پردازش سریع و قابل اعتماد داده های آنالیز مواد غذایی ، مسیر استفادة موثرتر از تجهیزات ارزان، در دسترس و آسان در کاربری مانند طیف سنجی نوری (مرئی–فرابنفش) به منظور کنترل کیفیت این فراورده هموارترشده است. هدف از این تحقیق بررسی کارایی دستگاه طیف سنجی نوری (مرئی–فرابنفش) همراه با تکنیک های یادگیری ماشین جهت تشخیص آب، اسید و قند افزوده با میزان حداقل 10 درصد به عصاره لیموترش لایم است. به این منظور، میزان جذب 160 نمونه آب لیموترش تقلبی در محدوده 550-210 نانومتر مورد اندازه گیری قرار گرفت سپس میزان کارائی تکنیک های مختلف یادگیری ماشین، k- نزدیکترین همسایه (KNN)، درخت تصمیم(DT)، جنگل تصادفی (RF)، شبکه عصبی چندلایه (MLP) و ماشین بردار پشتیبان (SVM) در طبقه بندی و جداسازی نمونه های تقلبی بر اساس میزان و تفاوت جذب نمونه ها با همدیگر مورد مقایسه قرار گرفته شدند. نتایج کارایی مدل ها نشان داد تکنیک SVM و MLPبا بیشترین صحت (% 92و %87 به ترتیب ) قادر به جداسازی و طبقه بندی نمونه های تقلبی است. بنابراین با استفاده از طیف سنجی نوری (مرئی–فرابنفش) و تکنیک یادگیری SVM و MLPبه عنوان دو نوع از روش های یادگیری عمیق شناسایی و جداسازی تقلبات اصلی در عصاره لیموترش لایم امکان پذیر است.
کلمات کلیدی : واژگان كليدي: لیموترش لایم یادگیری ماشین تقلب اسید افزوده