شناسایی اصالت، کیفیت و منبع زعفران با استفاده از تصویربرداری هیپر طیفی و تحلیل طیفی چند متغیره

این مقاله به منظور شناسایی اصالت، کیفیت و منبع زعفران با استفاده از تصویربرداری هایپر طیفی و تحلیل طیفی چندمتغیره انجام شده است. طیف های بازتاب از تصاویر هایپر طیفی زعفران استخراج شد. الگوریتم projection متوالی، الگوریتم ژنتیک، حذف متغیرهای غیرمفید و نمونه‌برداری مجدد سازگار رقابتی برای انتخاب طول موج‌های مشخص به کار رفتند.

مدل شبکه عصبی پس‌انتشار بر اساس طول موج‌های انتخابی ایجاد شد. نتایج نشان داد که مدل ترکیبی از نمونه‌برداری مجدد سازگار رقابتی با شبکه عصبی پس‌انتشار بهترین عملکرد را به خود اختصاص داد. دقت پیش‌بینی این مدل برای زعفران یک طعمه‌دار، سه زعفران داخلی و دو زعفران وارداتی به ترتیب 100، 95، 94، 100، 83 و 96 درصد بود.

This paper is conducted to identify the authenticity, quality, and origin of saffron using hyperspectral imaging and multivariate spectral analysis. Reflectance spectra were extracted from hyperspectral images of saffron. Successive projections algorithm, genetic algorithm, uninformative variable elimination, and competitive adaptive reweighted sampling were used to select characteristic wavelengths. Back propagation neural network model was established based on the selected wavelengths. Results showed that the model combining competitive adaptive reweighted sampling with back propagation neural network achieved the best performance. Its prediction accuracy of the one-adulterated, three-domestic and two-imported saffron was 100, 95, 94, 100, 83, and 96%, respectively.