مدل‌سازي و ارزيابي تقلب عسل بر مبناي پردازش تصوير نمونه‌هاي حل شده در آب

Modeling and Evaluation of Honey Adulteration Based on Image Processing of Water-Soluble Samples

تقلب، به ­ويژه از نوع صنعتي از طريق اضافه كردن مستقيم شربت‌هاي طبيعي و يا تخميري به عسل ايجاد مي‌شود. در اين تحقيق عسل رازيانه از زنبورداران واقع در شهرستان كنگاور تهيه گرديد. پس از كسب اطمينان از اصالت عسل، تعداد 39 نمونه عسل تقلبي با افزودن شربت ساكارز، فروكتوز و تركيب 0/9 شربت فروكتوز - گلوكز در سطوح مختلف بين 0 تا 100 درصد وزني به­وسيله همزني در عسل طبيعي آماده شد. نمونه‌هاي مختلف در داخل آب حل شده و با كمك دوربين از آنها تصويربرداري شد. جهت پردازش تصاوير در هر تصوير از 33 كانال تك رنگ مورد بررسي، 15 پارامتر (مجموعاً 495 پارامتر( مورداندازه­ گيري قرار گرفت. طبقه ­بندي معدود پارامترهاي انتخابي توسط تحليل حساسيت به­ روش شبكه استنتاج فازي عصبي ANFIS، شبكه عصبي مصنوعي ANN و سطح پاسخ RSM صورت گرفت. ضريب تبيين مدل ارائه شده در روش عسل انحلالي در آب توسط سامانه‌هاي طبقه ­بندي به ­ترتيب 0.9512, 0.9882 and 0.9904 بود. با در نظر گرفتن تمامي مقادير خطاهاي آماري مدلRSM توسط تابع مطلوبيت كل به ­عنوان بهترين مدل براي تعيين ميزان تقلب در اين روش معرفي شد.

Adulteration, especially industrial type, is caused by the direct addition of natural or fermented syrups to honey. In this study, fennel honey was supplied from beekeepers located in Kangavar city.After ensuring the authenticity of honey, 39 samples of counterfeit honey were prepared by adding and stirring sucrose, fructose and a combination of 0.9 fructose-glucose syrups in natural honey at different levels of 0 to 100 wt%.Different samples were dissolved in water and their images were recorded using a camera.In order to process the images in each 33 monochrome channels, 15 parameters (495 parameters in total) were measured. Few parameters were selected by sensitivity analysis using ANFIS fuzzy neural inference network, ANN artificial neural network and RSM response level. The explanation coefficient of the presented models for water-soluble samples was 0.9512, 0.9882 and 0.9904, respectively.Considering all the statistical error valuesof the RSM model, it was introduced as the best model to determine the amount of honey fraud in this method by the desirability function.