شماره ركورد كنفرانس :
3184
عنوان مقاله :
سامانه ماشين بويايي (بيني الكترونيكي) به عنوان ابزاري غيرمخرب در طبقه بندي مراحل رسيدگي موز
عنوان به زبان ديگر :
Application of machine olfaction system (electronic nose) as a nondestructive tool in the classification ripening stages of banana
پديدآورندگان :
ثنايي فر عليرضا دانشگاه شيراز - بخش مكانيك ماشين هاي كشاورزي , محتسبي سعيد دانشگاه تهران - گروه مهندسي ماشين هاي كشاورزي , قاسمي ورنام خواستي مهدي دانشگاه شهركرد - گروه مهندسي مكانيك بيوسيستم , جعفري عبدالعباس دانشگاه شيراز - بخش مكانيك ماشين هاي كشاورزي
كليدواژه :
تحليل تفكيك خطي , تحليل مولفه هاي اصلي , رسيدگي , غيرمخرب , ماشين بويايي , موز
سال انتشار :
۱۳۹۲
عنوان كنفرانس :
مجموعه مقالات هشتمين كنگره ملي مهندسي ماشين هاي كشاورزي (بيوسيستم) و مكانيزاسيون
چكيده فارسي :
در اين پژوهش توانايي كاربرد ماشين بويايي بر پايه حسگرهاي نيمه هادي اكسيد فلزي به عنوان ابزاري غيرمخرب براي پايش تغييرات مواد فرار توليد شده از موز در طي فرايند رسيدگي مورد مطالعه قرار گرفت. اجزاي اصلي سامانه طراحي شده شامل سامانه دريافت نمونه، آرايه حسگرهاي گازي، سامانه تحصيل داده، الگوريتم هاي تشخيص الگو و تحليل داده مي باشد. تحليل مولفه هاي اصلي PCA تحليل تفكيك خطي LDA و آناليز لودينگ روش هاي بودند كه براي رسيدن به اين هدف استفاده گرديد. براساس نتايج حاصل شده، دقت در طبقه بندي دوره رسيدگي 97/3 % بدست آمد و حسگر MQ-131 در مقايسه با ديگر حسگرها نقش كمتري در تمايز مراحل رسيدگي موز دارد. نتايج بدست آمده توانايي بالاي ماشين بويايي را در تمايز بين مراحل دوره رسيدگي نشان داد كه مي توان اين سامانه را به عنوان يك ابزار غير مخرب براي پايش و كنترل كيفيت در طول نگهداري موز به كار برد.
چكيده لاتين :
In this work, potential application of a metal oxide semiconductor based electronic nose (machine olfaction) as a non-destructive instrument for monitoring the change in volatile production of banana during ripening process is studied.The main components are used in an electronic nose system include: sampling system, an array of gas sensors, data acquisition system and an appropriate pattern recognition algorithm. Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA) and Loading Analysis techniques were used for this purpose. Based on the results the classification stages of ripeness accuracy of 97/3% was obtained and sensor MQ-131 has less influence in distinguish among different ripening stages. Results showed high ability of electronic nose for distinguishing between the stages of ripeness. It is concluded that the system can be considered as an nondestructive tool for quality control during banana shelf-life
كشور :
ايران
تعداد صفحه 2 :
9
از صفحه :
3146
تا صفحه :
3154
لينک به اين مدرک :
بازگشت