Antep Fıstığında Bezelye ve Ispanak Tağşişinin Düşük Maliyetli Spektral Sensör Kullanılarak Tespiti

Abstract

Antep fıstığı, başta baklava olmak üzere birçok tatlıda sıkça kullanılan bir üründür. Özellikle öğütülmüş Antep fıstığı, talebin yüksek olması ve yüksek maliyeti nedeniyle sıklıkla tağşişe maruz kalmaktadır. Yeşil bezelye ve ıspanak, organoleptik özellikleri, renk benzerliği ve ucuzluğu nedeniyle Antep fıstığı ile karıştırılarak en çok sahtecilik gerçekleştirilen ürünler arasındadır. Ancak bu ürünlerin öğütülmüş Antep fıstığına belirli oranlarda karıştırılması durumunda sahteciliğin hızlı ve yerinde tespiti, gözle muayene gibi yöntemlerle çoğu zaman mümkün olmamaktadır. Bu nedenle mevcut çalışma, Antep fıstığındaki yeşil bezelye ve ıspanak tağşişinin, düşük maliyetli bir spektral sensör teknolojisi ve kemometrik yöntemler kullanılarak tespitini amaçlamaktadır. Bu kapsamda yeşil bezelye ve ıspanak örnekleri Antep fıstığı ile %5-50 (a/a) arasındaki konsantrasyonlarda %5’lik artışlarla karıştırılmıştır. Saf Antep fıstığı ve karışık numunelerin reflektans spektrumları 410-940 nm arasında elde edilmiştir. Numunelerdeki sahtecilik oranlarının tespiti amacıyla geliştirilen modelin eğitilmesinde derin öğrenme yöntemi kullanılmıştır. Modele beslenen verilerde boyut indirgeme amacıyla Temel Bileşenler Analizinden faydalanılmış olup, regresyon probleminin uyum iyiliğini test etmek amacıyla belirleme katsayısı (R2), hata kareler ortalamasının karekökü (RMSE) ve artıklık tahminsel sapma (RPD) istatistikleri kullanılmıştır. Sırasıyla eğitim, doğrulama ve test verileri için R2 0,85, 0,83 ve 0,80; RMSE 5,81, 6,13 ve 6,71; RPD 2,55, 2,44 ve 2,21 olarak tespit edilmiştir. Elde edilen bulgular neticesinde, söz konusu ekonomik spektral sensör ve geliştirilen kemometrik yöntemin Antep fıstığında özellikle %10 üzerindeki yeşil bezelye ve ıspanak tağşiş oranının belirlenmesi için tahribatsız, hızlı ve kolay bir yöntem olarak kullanılma potansiyeline sahip olduğu ortaya konmuştur.

Keywords

• tağşiş
• kemometrik yöntemler
• pca
• derin öğrenme
• yapay sinir ağları