عنوان

طراحی، ساخت و ارزیابی سامانه هوشمند ماشین بویایی برای تشخیص اصالت و درجه بندی کیفی اسانس گیاهان دارویی

پ۲۵۰۰۶

per

طراحی، ساخت و ارزیابی سامانه هوشمند ماشین بویایی برای تشخیص اصالت و درجه بندی کیفی اسانس گیاهان دارویی

موسی الرضا صمدی

کشاورزی

۱۴۰۰

۱۰۰ص

سی دی

دکتری

مکانیزاسیون کشاورزی - فناوری پس از برداشت

۱۴۰۰/۰۶/۳۰

چکیده:یکی از مواد اولیه و مهم که در صنعت دارویی و غذایی استفاده گسترده¬ای دارد اسانس حاصل از گیاهان دارویی است. اسانس گیاهان دارویی بر اساس میزان ماده موثره موجود در آن¬ها در صنایع داروسازی و غذایی استفاده شده و ارزش-گذاری می¬شوند. شناخت اصالت و درجه خلوص اسانس یک نیاز مهم در صنعت گیاهان دارویی و اسانس¬ها بشمار می-آید.. یکی از فاکتورهای مهم درجه¬بندی کیفی در گیاهان دارویی، میزان مواد مؤثره موجود در اسانس آن¬ها است که می-توان از رد اثر ایجاد شده توسط بوی ناشی از این اسانس، برای درجه¬بندی کیفی آن بهره برد. اسانس نعناع فلفلی یکی از اسانس¬های مهم و پرکاربرد در صنعت گیاهان دارویی می¬باشد. از آنجا که اسانس نعناع فلفلی به منظور تهیه ماده موثره بسیاری از داروها استفاده می¬شود و در صنایع غذایی کاربرد زیادی دارد، درجه¬بندی کیفی این محصول و تشخیص کیفیت اسانس تولیدی می¬تواند بسیار حائز اهمیت باشد. از جمله مشکلات عمده در این راه عدم وجود روشی آسان، سریع و کم هزینه جهت درجه¬بندي کیفی این اسانس می¬باشد. یکی از روش¬هاي جدید در سال¬هاي اخیر بینی الکترونیکی بوده که بوسیله آرایه¬اي از حسگرهاي شیمیایی و با شبیه¬سازي حس بویایی انسان قادر به تشخیص ترکیبات فرار متصاعد شده از سطح مواد می¬باشد. در همین راستا، در این پژوهش یک سامانه ماشین بویایی کم هزینه¬ای بر پایه 8 حسگر نیمه هادی اکسید فلزی، طراحی و ساخته شد و قابلیت آن در شناسایی درجات مختلف خلوص اسانس نعناع فلفلی در 11 سطح خلوص بین 0 تا 100 درصد خلوص با 23 تکرار مورد ارزیابی قرار گرفت. تجزیه به مولفه¬های اصلی (PCA) ،شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM)، درخت تصمیم¬گیری (DT) و جنگل تصادفی (RF)، روش¬های کمومتریکی بودند که به منظور طبقه¬بندی و تحلیل ویژگی¬های استخراجی از سیگنال¬های ماشین بویایی استفاده شدند. بر اساس نتایج، روش PCA با دو مؤلفه اصلی PC1 و PC2 توانست 82 درصد از واریانس داده¬ها را پوشش دهد. هم¬چنین بر اساس نمودار لودینگ و دندروگرام تشابه حسگرها، حسگرهایی که تأثیر بیشتری در تشخیص درجات خلوص اسانس داشتند؛ شامل حسگرهای TGS822، MQ8،MQ3 ، MQ5 ، MQ9 و TGS813 نیز شناسایی شدند. از میان روش¬های تحلیل الگو، روش جنگل تصادفی با دقت 82 درصد بالاترین دقت را در تشخیص کلاس¬های اسانس با درصد خلوص صفر تا 100% از یکدیگر دارد و بعد از آن به ترتیب روش¬های درخت تصمیم با دقت 79 درصد، ماشین بردار پشتیبان با دقت 75 درصد و شبکه عصبی مصنوعی با دقت 70 درصد قرار دارند. نتایج حاصله بیانگر توانایی بالای بینی الکترونیکی در تخمین درجه خلوص اسانس نعناع فلفلی می¬باشد. در نهایت سامانه توسعه داده شده نشان داد که می¬تواند ابزار کم¬هزینه و قابل اعتمادی برای تخمین درجه خلوص اسانس نعناع فلفلی باشد.

Abstract:One of the important raw materials in the pharmaceutical and food industry is the essential oil of medicinal plants. The essential oils of medicinal plants are evaluated and used in the pharmaceutical and food industry based on the amount of active ingredient in them.Recognizing the authenticity and purity of essential oils is an important need in the industry of medicinal plants and essential oils. One of the important factors in quality grading in medicinal plants is the amount of active ingredients in their essential oils that the smell of this essential oil can be used for quality grading. Peppermint essential oil is one of the most important and widely used essential oils in the medicinal plants industry. Since peppermint essential oil is used to prepare the active ingredient of many medicines and is widely used in the food industry, the quality grading of this product and the quality of the essential oil produced can be very important. One of the major problems in this way is the lack of an easy, fast and low-cost method for quality grading of this essential oil. One of the new methods in recent years is the electronic nose, which is able to detect volatile compounds emitted from the surface of materials by means of an array of chemical sensors and by simulating the human sense of smell. In this regard, in this study, a low-cost olfactory machine system based on 8 metal oxide semiconductor sensors was designed and built and its ability to identify different degrees of purity of peppermint essential oil in 11 levels of purity between 0 to 100% purity with 23 replications were evaluated. Principal Component Analysis (PCA), Artificial Neural Network (ANN), Support Vector Machine (SVM), Decision Tree (DT) and Random Forest (RF) were chemometric methods that were used to classify and Feature extraction were analyzed using olfactory machine signals. Based on the results, PCA method with two main components PC1 and PC2 was able to explain 82% of the variance of the data. Also, based on the loading Plot Diagram and dendrogram of the similarity of the sensors, the sensors that had the most impact on detecting the degree of purity of essential oil, including TGS822, MQ8, MQ3, MQ5, MQ9 and TGS813 were identified. Among the pattern analysis methods, the Random Forest method with 82% accuracy has the highest accuracy in distinguishing essential oil classes from each other with zero to 100% purity, followed by decision tree methods with 79% accuracy, respectively. The support vector machine is located with 72% accuracy and the artificial neural network with 70% accuracy. The results indicate the high ability of the electronic nose to estimate the purity of peppermint essential oil. Finally, the developed system showed that it can be a low-cost and reliable tool for estimating the purity of peppermint essential oil.

Design, construction and evaluation of smart machine olfaction system for grading and originality detection of medicinal plants essential oil

‏موسی الرضا،

‏ صمدی

تهيه کننده

‏سیدلو،

‏ نیکبخت،

‏روحانی،

‏سید صادق

‏علی محمد

‏عباس

استاد راهنما

استاد مشاور

استاد مشاور

تبریز