به كارگيري سامانه بيني الكترونيك به منظور درجه بندي كيفي چاي سياه ايراني

Applying Electronic Nose System for Qualitative Classification of Iranian Black Tea

چاي يكي از محصولات استراتژيك شمال ايران به شمار مي رود. چاي توليد شده در كارخانجات چايسازي، تحت تاثير عوامل مختلفي نظير شرايط آب و هوايي در دوره رشد، خاك، زمان برداشت، و همچنين روش هاي فراوري و آماده سازي، داراي كيفيت هاي متفاوت مي باشد. علاوه بر خصوصيات ظاهري، از ديگر ويژگي هاي مهم چاي، تركيبات شيميايي و خصوصيات عطري آن مي باشند. بررسي روش هاي جديد و دقيق در زمينه پايش كيفي چاي، تاثير بسزايي در پيشرفت صنايع تبديلي در حوزه چاي دارد. در اين پژوهش از يك سامانه بيني الكترونيك به منظور استخراج ويژگي هاي مربوط به عطر چاي و بكارگيري اين ويژگي ها براي طبقه بندي كيفي چاي سياه استفاده شد. ويژگي هاي استخراج شده از يك آرايه حسگري شامل ده حسگر گازي مختلف اكسيد فلزي، براي طبقه بندي پنچ گروه كيفي چاي سياه به كمك روش هاي كمومتريك استفاده شدند. نتايج نشان داد كه بهترين عملكرد طبقه بندي توسط شبكه هاي عصبي مصنوعي با دقت طبقه بندي كلي 88.00% به دست آمد. روش آناليز تشخيصي خطي و ماشين بردار پشتيبان به ترتيب دقت هايي برابر با 78.00% و86.67% را منتج شدند. همچنين براساس نتايج روش آناليز مؤلفه هاي اصلي، مشخص شد كه حسگرهاي MQ7 بيشترين تاثير را در جداسازي گروه هاي كيفي چاي داشت. به طور كلي، عملكرد سامانه بيني الكترونيك در طبقه بندي كيفي چاي سياه ايراني، مناسب بود.

Tea is one of the strategic products in north of Iran. The tea produced in tea factories have different qualities as it is affected by various factors such as weather conditions during growth, soil, harvest time, as well as processing and preparation methods. In addition to its appearance, other essential properties of tea are its chemical compounds and aromatic characteristics. Investigating new and accurate methods for tea quality assessment has a significant effect on the development of tea processing industries. In this research, an electronic nose system was used to extract the characteristics of tea aroma and applying of these features for qualitative classification of black tea. Extracted Features from a sensor array, including ten different metal oxide gas sensors (MOS) were used for classification of five qualitative categories of black tea by means of chemometric methods. Results showed that the best classification performance was obtained by Artificial Neural Network (ANN) with a total classification accuracy of 88.00%. Also, Linear Discriminant Analysis (LDA) and Support Vector Machine (SVM) resulted in accuracies of 78.00% and 86.67% respectively. Based on the results of Principle Components Analysis (PCA), it was found that MQ7 and MQ2 sensors had the highest effect on the separation of different classes of tea. Generally, the performance of electronic nose system was suitable for qualitative classification of Iranian black tea.