طراحي، ساخت و ارزيابي عملكرد ماشين بويايي (بيني الكترونيكي) بر پايه حسگرهاي نيمه هادي اكسيد فلزي (MOS) به منظور پايش رسيدگي موز

Design, Construction and Performance Evaluation of a Metal Oxide Semiconductor (MOS) Based Machine Olfaction (Electronic Nose) for Monitoring of Banana Ripeness

بو یكی از مهم‌ترین ویژگی‌های حسی میوه‌ها به حساب می‌آید و نسبت به تغییرات تركیبات آن‌ها حساسیت ویژه‌ای دارد. گازهایی كه در بو و طعم میوه‌ها دخالت می‌كنند، حاصل فعالیت‌های متابولیكی میوه در زمان‌های رسیدگی، برداشت، پس از برداشت و انبار می‌باشند. بنابراین بوی ساطع شده از میوه در طول نگهداری آن نیز تغییر می‌كند. ماشین بویایی (بینی الكترونیكی) با شبیه سازی حس بویایی انسان، تشخیص و درك بوهای پیچیده را با استفاده از آرایه‌ای از حسگرهای شیمیایی انجام می‌دهد. در این پژوهش سامانه ماشین بویایی كم هزینه‌ای بر پایه شش حسگر نیمه هادی اكسید فلزی (MOS) طراحی، توسعه و پیاده‌سازی شد و قابلیت آن به‌منظور پایش رد اثر رسیدگی موز مورد مطالعه قرار گرفت. اجزای اصلی سامانه طراحی شده شامل سامانه دریافت نمونه، آرایه حسگرهای گازی، سامانه تحصیل داده، الگوریتم‌های تشخیص الگو و تحلیل داده می‌باشد. تحلیل تفكیك خطی (LDA) به‌منظور طبقه بندی ویژگی‌های استخراجی از سیگنا‌ل‌های ماشین بویایی استفاده گردید و براساس نتایج حاصل شده، دقت در طبقه بندی دوره رسیدگی 3/97% به‌دست آمد. نتایج به‌دست آمده توانایی بالای ماشین بویایی را در تمایز بین مراحل دوره رسیدگی نشان داد كه می‌توان این سامانه را به‌عنوان یك ابزار غیر مخرب برای پایش و كنترل كیفیت در طول نگهداری موز به‌كار برد.

Aroma is one of the most important sensory properties of fruits and is particularly sensitive to the changes in fruit compounds. Gases involved in aroma of fruits are produced from the metabolic activities during ripening, harvest, post-harvest and storage stages. Therefore, the emitted aroma of fruits changes during the shelf-life period. The electronic nose (machine olfaction) would simulate the human sense of smell to identify and realize the complex aromas by using an array of chemical sensors. In this research, a low cost electronic nose based on six metal oxide semiconductor (MOS) sensors were designed, developed and implemented and its ability for monitoring changes in aroma fingerprint during ripening of banana was studied. The main components are used in the e-nose system include sampling system, an array of gas sensors, data acquisition system and an appropriate pattern recognition algorithm. Linear Discriminant Analysis (LDA) technique was used for classification of the extracted features of e-nose signals. Based on the results, the classification accuracy of 97/3% was obtained. Results showed the high ability of e-nose for distinguishing between the stages of ripening. It is concluded that the system can be considered as a nondestructive tool for quality control during banana shelf-life.