Elektronik Burun ve Makine Öğrenmesi Yöntemleri Kullanılarak Gıda Aromalarının Sınıflandırılması-Reference-Cited by-同舟云学术

Elektronik Burun ve Makine Öğrenmesi Yöntemleri Kullanılarak Gıda Aromalarının Sınıflandırılması

Published:2024-04-30 Issue:1 Volume:6 Page:35-41
ISSN:2687-4415
Container-title:Mühendislik Bilimleri ve Araştırmaları Dergisi
language:
Short-container-title:

Author:

Özer İlyas¹^ORCID,Görür Kutlucan¹^ORCID,Çetin Onursal¹^ORCID,Temurtaş Feyzullah¹^ORCID

Affiliation:

1. BANDIRMA ONYEDİ EYLÜL ÜNİVERSİTESİ, MÜHENDİSLİK VE DOĞA BİLİMLERİ FAKÜLTESİ

Abstract

Bu çalışmanın amacı, elektronik burun ve makine öğrenimi yöntemlerini kullanarak farklı gıda aromalarından elde edilen kimyasal koku verilerinden aromalara ait sınıfların belirlenmesidir. Gıda aromaları içinde bulunan uçucu ve uçucu olmayan bileşenler arasındaki ilişki yoğun bir şekilde araştırılmaktadır. İşlenmiş gıdalarda düzenlenmiş kimyasal oluşumunu izlemek için normalleştirilmiş analitik protokoller uygulanır. Bu yöntemler sağlam olmasına karşın, son derece uzmanlaşmış enstrümantasyon, zaman alıcı ve pahalı prosedürler içerir. Elektronik burun, gıda tatlarını ayırt etmek için hızlı ölçümler yapabilen, uygun maliyetli ve güçlü bir elektronik cihazdır. Gıda işleme sırasında açığa çıkan aromatik bileşiklerinden sorumlu moleküller insan burnu tarafından tanınabildiğinden, işlenmiş gıda ürünlerinde meydana gelen değişiklikleri tespit etmek için elektronik burun kullanmak mümkün olabilir. Bu araştırma çalışmasında hesaplanan sınıflandırma sonuçları, duyarlılık (≥90.00%) ve özgüllük (≥90.00%) ile ≥90.00%'in üzerinde doğrulukla tahmin edilmiştir.

Funder

Bandırma Onyedi Eylül Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimi

Publisher

Bandirma Onyedi Eylul University

Reference19 articles.

1. D. Ma, C. Liu, F. Wu, Z. Li, X. Wu, J. Gao, H. Zhao, Z. Zhang, “The Quality Detection and Recognition for Food Seasoning Based on an Artificial Olfactory System”, IEEE Instrum. Meas. Mag, vol:25 vo:9, pp. 42-52, 2022.

2. Y. Durmuş, A.F. Atasoy, “Application of multivariate machine learning methods to investigate organic compound content of different pepper spices”, Food Biosci, vol:51, pp. 102216, 2023.

3. P.-A. Chen, C.-I. Liu, K.-R. Chen, “Determining the Relationship between Aroma and Quality of Bao-Chung Tea by Solid-Phase Microextraction (SPME) and Electronic Nose Analyses”, Horticulturae, vol:9, pp. 930, 2023.

4. M. Mesías, J.D. Barea-Ramos, J. Lozano, F.J. Morales, D. Martín-Vertedor, “Application of an Electronic Nose Technology for the Prediction of Chemical Process Contaminants in Roasted Almonds”, Chemosensors, vol:11, 2023.

5. A. Ren, A. Zahid, A. Zoha, S.A. Shah, M.A. Imran, A. Alomainy, Q.H. Abbasi, “Machine Learning Driven Approach Towards the Quality Assessment of Fresh Fruits Using Non-Invasive Sensing”, IEEE Sens. J., vol:20, pp. 2075–2083, 2020.