کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
5019698 1369625 2016 4 صفحه PDF 13 صفحه WORD دانلود رایگان
عنوان انگلیسی مقاله ISI
Adulteration detection in olive oil using dielectric technique and data mining
ترجمه فارسی عنوان
تشخیص تقلب در روغن زیتون با استفاده از روش دی‌الکتریک و داده کاوی
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1.معرفی

2.مواد و روش‌ها

1.2. تهیه نمونه

2.2. ساختار سیستم

3.2.رویه آزمایشی

شکل 1. حسگر دی‌الکتریک استوانه‌ای طراحی شده برای تشخیص تقلب در زیتون

4.2. آنالیز مولفه اصلی (PCA)

5.2 LDA

6.2.ارزیابی سیستم

3. نتایج و بحث

1.3. استخراج خواص فرکانس

شکل 2. بلوک دیاگرام سیستم آزمایشی [12]

2.3. PCA

شکل 3. تغییرات ولتاژ تغییر فاز یک نمونه روغن معمولی.

شکل 4. تغییرات ولتاژ بهره در فرکانس‌های مختلف.

3.3.طبقه‌بندی LDA

جدول 1. نتایج LDA برای روغن زیتون تقلبی توسط روغن آفتابگردان حاصل شد.

جدول 2. نتایج LDA برای روغن زیتون که توسط روغن کانولا تقلبی شده است.

جدول 3. نتایج مربوط به حساسیت،ویژگی و دقت در مورد ماتریس در هم ریختگی برای روغن زیتون-آفتاب گردان

جدول 4. نتایج مربوط به حساسیت، ویژگی و دقت، در مورد ماتریس در هم ریختگی برای روغن زیتون-کانولا

4.نتیجه گیری

 
ترجمه چکیده
روغن زیتون به دلیل خاصیت های گوارشی و اقتصادی بودنش، یکی از مهمترین محصولات کشاورزی است اما تولید روغن زیتون فرآیندی پرهزینه است که باعث می شود محصول نهایی گران قیمت شود. روش های سو‌‌ءاستفاده گرانه تولید انواع روغن‌های زیتون شامل مخلوط کردن آن با روغن ها‌ی دیگر مانند؛ ذرت، آفتابگردان و روغن سویا است. بنابراین، هدف از این خوانش ایجاد یک سیستم مبتنی بر دی‌الکتریک برای تشخیص تقلبی بودن روغن زیتون با استفاده از سنسور خازنی استوانه ای است. برای دسته بندی روغن زیتون تقلبی با استفاده از خصوصیات فرکانس، از تحلیل تفکیک خطی استفاده شده‌است. مجموعه ای از 15 نمونه روغن زیتون، روغن آفتابگردان و روغن کانولا که با نسبت های متفاوتی از روغن تقلبی مخلوط شده‌اند، برای درجه بندی و ارزیابی سیستم توسعه‌یافته استفاده شده‌‌است. برای هر نمونه 25 بار تکرار صورت گرفته‌است. با توجه به نتایج، بیشترین میزان خطا برای نمونه حاوی ۶۰ درصد روغن زیتون و ۴۰ درصد روغن کانولا بود. به طور کلی، ۷ نمونه تکراری به درستی قابل تشخیص نبودند. با توجه به شاخص های دقت، ویژگی و حساسیت، سیستم حداقل خطا را برای نمونه مخلوط داشت (60٪ روغن زیتون -40٪ روغن کانولا)، ضریب ویژگی و حساسیت به ترتیب 98 و 100 درصد و دقت 72 درصد بدست آمد که ضعیف ترین مقدار بود. سرانجام، در مورد جدول مقدار میانگین برای همه نمونه ها، دقت به 97٪ رسید. نتایج نشان داد روش توسعه یافته، توانایی خوبی در شناسایی ناخالصی های روغن زیتون دارد. از برآیندهای به دست آمده نتیجه گرفته می شود که سیستم توسعه یافته در تشخیص تقلبی بودن، قابل قبول عمل کرده‌است.
موضوعات مرتبط
مهندسی و علوم پایه شیمی شیمی آنالیزی یا شیمی تجزیه
چکیده انگلیسی
Olive oil is one of the most important agricultural crops due to its digestive properties and economic status. However, olive oil production is a costly process which causes an expensive price of the final product. The most jobbery ways during olive oil production consist of mixing other oils such as maize, sunflower and soya oil into the olive oil. So, the aim of this study was to develop a dielectric-based system to detect adulteration in olive oil using cylindrical capacitive sensor. For categorizing of fake olive oil by using frequency specification, Linear Discriminant Analysis (LDA) was developed. A set of 15 samples of olive oil, sunflower oil and canola oil which mixed with different ratio of adulteration, were used for calibration and evaluation of developed system. For each sample, 25 iterations were performed. Regarding results, the highest error rate was for a sample containing 60% olive oil-40% canola oil. In general, 7 iterations failed to be properly recognized. Regarding to accuracy indexes, specificity and sensitivity, the system had the minimum error for a mixed sample (60% olive oil-40% canola oil), specificity and sensitivity were obtained as 98% and 100%, respectively and accuracy was obtained as 72%, which was the weakest value. Finally, regarding mean value table for all sample, accuracy reached to 97%. Results showed the developed technique has a good capability of detecting impurities in olive oil. It is concluded from obtained results that the developed system revealed an acceptable adulterated detection in oil production.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Sensing and Bio-Sensing Research - Volume 11, Part 1, December 2016, Pages 33-36
نویسندگان
, , , ,