انتخاب الگوريتم بهينه‌ي طبقه‌بندي و تشخيص تقلب در روغن زيتون با استفاده از ماشين‌بويايي

روغن زيتون فرابكر هميشه مورد توجه و خواست استفاده‌كنندگان مي‌باشد؛ از اين‌رو در روغن‌هاي زيتونِ بكر و فرابكر، تقلب، با افزودن روغن‌هاي با ارزش غذايي و قيمت كمتر مثل كانولا، آفتابگردان، تفاله زيتون و غيره مشاهده مي‌گردد. در اين پژوهش با استفاده از فناوري ماشين بويايي روغن زيتون فرابكر، از نمونه‌هاي تقلبي تهيه شده با روغن‌هاي متداول در بازار و با هفت مدل طبقه‌بندي مختلف تشخيص داده شد. نمونه‌ها در شش دسته‌ي خالص و 5، 10، 20، 35 و 50 درصد تقلب و هر تيمار در هفت نمونه تهيه و آزمايش‌ها در هفت تكرار انجام گرفت. سامانه بويايي از هشت حسگر متفاوت تشكيل شده كه براي هر كدام نمودار تغيير ولتاژ بر حسب زمان تهيه و از آن نمودار چهار ويژگي كمينه، بيشينه، ميانگين و اختلاف بيشينه و كمينه در مدل‌هاي طبقه‌بندي استفاده گرديد. به اين ترتيب تعداد 32 ويژگي براي هشت حسگر استخراج و مورد تجزيه و تحليل قرار گرفت. به جهت تاثير دماي نمونه‌ها در خروجي سامانه، تمام آزمايش‌ها در دماي ثابت انجام گرفتند. طبقه‌بندي نتايج با چهار الگوريتم طبقه‌بندي Kهمسايگي نزديك، ماشين بردار پشتيبان، شبكه عصبي مصنوعي و آدابوست صورت پذيرفت. 70% داده‌ها براي آموزش و 30% براي آزمون استفاده گرديد. از بين 32 ويژگي، ويژگي كمينه مقدار خروجي سنسور TGS-822 بيشترين تاثير را در دقت طبقه‌بندي داشتند. نتايج نشان داد روش طبقه‌بندي همسايگي نزديك با بهترين دقت (89.89%) و پس از آن روش ماشين بردار پشتيبان (86.52%) بيشترين دقت طبقه‌بندي را دارا بودند.