شناسایی سریع انواع گندم با «بینی الکترونیک»
به گزارش خبرنگار پژوهندگان عصر ، گندم یکی از مهمترین محصولات غذایی جهان است و حدود ۲۰ درصد کالری مصرفی انسانها را تأمین میکند. تولید جهانی این محصول در سالهای اخیر به صدها میلیون تن رسیده و بخش بزرگی از امنیت غذایی کشورها به آن وابسته است. با این حال، گندم تنها یک محصول یکنواخت نیست و دهها رقم یا واریته مختلف دارد که هر کدام ویژگیهای خاصی از نظر میزان عملکرد، مقاومت به خشکی، کیفیت نانوایی و سازگاری با شرایط خاک و آب دارند. انتخاب رقم مناسب برای هر منطقه میتواند تفاوت قابل توجهی در میزان برداشت و درآمد کشاورزان ایجاد کند.
با وجود اهمیت این موضوع، شناسایی دقیق ارقام گندم همیشه ساده نیست. بسیاری از ارقام از نظر ظاهری شباهت زیادی به یکدیگر دارند و حتی کارشناسان باتجربه نیز گاهی در تشخیص آنها دچار مشکل میشوند. روشهای سنتی شامل بررسیهای چشمی یا آزمایشهای بیولوژیکی است که یا به تجربه فرد وابستهاند یا زمانبر و پرهزینه هستند. از سوی دیگر، روشهای آزمایشگاهی پیشرفته نیز نیازمند تجهیزات خاص و تحلیلهای پیچیدهاند. بنابراین، نیاز به یک روش سریع، دقیق، غیرمخرب و در عین حال مقرونبهصرفه برای طبقهبندی و تشخیص ارقام گندم بهشدت احساس میشود.
ناهید عقیلی ناطق، استادیار مهندسی مکانیک بیوسیستم در دانشکده کشاورزی سنقر دانشگاه رازی کرمانشاه، به همراه یکی از همکاران دانشگاهی خود و با همکاری دانشگاه بوعلی سینا همدان، پژوهشی را در همین زمینه درباره امکان استفاده از سامانه بینی الکترونیکی و هوش مصنوعی برای تشخیص واریتههای گندم انجام دادند. این پژوهش با تمرکز بر ارزیابی قابلیت یک ابزار بویایی هوشمند در تفکیک سه رقم مختلف گندم طراحی شد و تلاش کرد کارایی روشهای تحلیلی نوین را در این زمینه بسنجد.
در این مطالعه، از یک سامانه بینی الکترونیکی مبتنی بر ده حسگر نیمههادی اکسید فلزی استفاده شد. این حسگرها قادرند ترکیبات فرار و معطر آزادشده از دانههای گندم را تشخیص دهند. هر رقم گندم ترکیب بویایی خاص خود را دارد که ناشی از مواد شیمیایی متفاوت در آن است. دادههای بهدستآمده از حسگرها سپس با سه روش تحلیلی مختلف ازجمله شبکه عصبی مصنوعی بررسی شدند. شبکه عصبی مصنوعی نوعی الگوریتم الهامگرفته از ساختار مغز انسان است که میتواند الگوهای پیچیده را در دادهها شناسایی کند.
نتایج نشان دادند برخی حسگرها مانند TGS۸۲۲ و TGS۲۶۲۰ واکنش قویتری در تشخیص تفاوت بین ارقام داشتند، در حالی که حسگرهایی مانند TGS۸۱۳ و TGS۲۶۱۰ پاسخ کمتری نشان دادند. در میان روشهای تحلیلی نیز شبکه عصبی مصنوعی با دقت حدود ۹۲ درصد بهترین عملکرد را در شناسایی و طبقهبندی ارقام گندم ثبت کرد.
همچنین مشخص شد که رقم گندم دیم سالاری از نظر ترکیبات معطر با دو رقم دیگر یعنی گندم آبی قدس و گندم محلی قرمز تفاوت محسوسی دارد. این تفاوت بویایی همان عاملی است که سامانه بینی الکترونیکی توانست بر اساس آن ارقام را از یکدیگر تفکیک کند. در مجموع، عملکرد این سامانه نشان داد که میتوان به استفاده از آن بهعنوان ابزاری امیدبخش برای شناسایی سریع ارقام گندم فکر کرد.
اهمیت این یافتهها که در فصلنامه «مهندسی بیوسیستم ایران» وابسته به دانشگاه تهران منتشر شدهاند، در آن است که روش پیشنهادی غیرمخرب است؛ یعنی دانهها در جریان آزمایش آسیب نمیبینند و میتوان از آنها همچنان استفاده کرد. افزون بر این، سرعت انجام آزمایش بالا و هزینه آن نسبت به برخی روشهای آزمایشگاهی کمتر است.
به گفته مجریان این تحقیق، ترکیب یک ابزار سختافزاری مانند بینی الکترونیکی با یک روش محاسباتی قدرتمند مانند شبکه عصبی مصنوعی، امکان دستیابی به دقت بالا را فراهم کرده است. چنین رویکردی میتواند در آینده برای سایر محصولات کشاورزی نیز به کار گرفته شود.