Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ σε συνδυασμό με τεχνικές μηχανικής μάθησης για την κατηγοριοποίηση ελληνικών ελαιόλαδων με βάση τη γεωγραφική τους προέλευση και ανίχνευση νόθευσης

Ο σκοπός της παρούσας μεταπτυχιακής διπλωματικής εργασίας είναι η εφαρμογή της τεχνικής δημιουργίας πλάσματος επαγόμενου από λέιζερ, Laser Induced Breakdown Spectroscopy (LIBS), στη μελέτη δειγμάτων- τροφίμων, καθώς και η κατηγοριοποίησή τους βάσει της γεωγραφικής τους προέλευσης και του βαθμού νόθε...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Μπέλλου, Έλλη
Άλλοι συγγραφείς: Κουρής, Στυλιανός
Μορφή: Thesis
Γλώσσα:Greek
Έκδοση: 2020
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/13504
id nemertes-10889-13504
record_format dspace
spelling nemertes-10889-135042022-09-06T05:13:05Z Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ σε συνδυασμό με τεχνικές μηχανικής μάθησης για την κατηγοριοποίηση ελληνικών ελαιόλαδων με βάση τη γεωγραφική τους προέλευση και ανίχνευση νόθευσης Laser induced breakdown spectroscopy combined with machine learning techniques for hellenic olive oils categorization and detection of adulteration Μπέλλου, Έλλη Κουρής, Στυλιανός Bellou, Elli Κουρής, Στυλιανός Αγγελόπουλος, Γεώργιος Βάϊνος, Νικόλαος Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ Τεχνικές μηχανικής μάθησης Γεωγραφική προέλευση Ανίχνευση νόθευσης Ελαιόλαδο 641.346 3 Laser induced breakdown spectroscopy Machine learning techniques Region of origin Detection of adulteration Olive oil Ο σκοπός της παρούσας μεταπτυχιακής διπλωματικής εργασίας είναι η εφαρμογή της τεχνικής δημιουργίας πλάσματος επαγόμενου από λέιζερ, Laser Induced Breakdown Spectroscopy (LIBS), στη μελέτη δειγμάτων- τροφίμων, καθώς και η κατηγοριοποίησή τους βάσει της γεωγραφικής τους προέλευσης και του βαθμού νόθευσής τους. Τα δείγματα που χρησιμοποιήθηκαν, ήταν εξαιρετικά παρθένα ελαιόλαδα, τα οποία διέφεραν μεταξύ τους ως προς την περιοχή προέλευσης, και κάποια από αυτά ήταν νοθευμένα με πυρηνέλαιο. Τα φάσματα LIBS αναλύθηκαν και προσδιορίστηκαν οι κατάλληλες συνθήκες για τη διεξαγωγή περαιτέρω πειραμάτων. Για την κατηγοριοποίηση των δειγμάτων, με χρήση των φασμάτων LIBS, ανάλογα με την περιοχή προέλευσής τους και τη νόθευσή τους, χρησιμοποιήθηκαν διάφορες τεχνικές μηχανικής εκμάθησης, όπως η Ανάλυση Κύριων Συνιστωσών-Principal Component Analysis (PCA), η Γραμμική Διακριτή Ανάλυση-Linear Discriminant Analysis (LDA), τα Μερικά Ελάχιστα Τετράγωνα-Partial Least Squares (PLS) και οι Μηχανές Διανυσμάτων Υποστήριξης-Support Vector Machines (SVM). Οι παραπάνω τεχνικές μηχανικής μάθησης, συνδυαζόμενες με την τεχνική LIBS εφαρμόζονται πρώτη φορά όσον αφορά για τον έλεγχο της ποιότητας του ελαιόλαδου και την ανίχνευση των ποσοστών νόθευσής του. Τα εξαιρετικά αποτελέσματα που επιδεικνύουν, καθιστούν την τεχνική LIBS ένα ισχυρότατο εργαλείο για τη διασφάλιση της ποιότητας του ελαιόλαδου, και επομένως μπορεί να εφαρμοστεί για την παρακολούθηση της ποιότητας των τροφίμων σε μια γραμμή παραγωγής, ή σε εφαρμογές τεχνολογίας των τροφίμων. The goal of the present MSc thesis is the application of Laser Induced Breakdown Spectroscopy (LIBS) to the study of samples-food, and their classification based on their geographic origin and degree of adulteration. Samples studied in this work, are extra virgin olive oils originated from different regions, some of which were adulterated with pomace oil. LIBS spectra were analyzed and the optimal experimental conditions were determined. Regarding the samples’ classification using LIBS spectra, depending on the region of origin and the adulteration, machine learning techniques were employed, such as Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), Partial Least Squares (PLS) and Support Vector Machines (SVM). The above mentioned machine learning techniques, combined with LIBS are used for the first time as far as the quality control of olive oil and the detection of its adulteration is concerned. The outstanding results they produce, render LIBS technique a powerful tool for the guarantee of olive oil’s quality, and therefore can be used for food quality monitoring on-line, or in food technology applications. 2020-06-22T12:41:00Z 2020-06-22T12:41:00Z 2019-03-18 Thesis http://hdl.handle.net/10889/13504 gr 12 application/pdf
institution UPatras
collection Nemertes
language Greek
topic Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ
Τεχνικές μηχανικής μάθησης
Γεωγραφική προέλευση
Ανίχνευση νόθευσης
Ελαιόλαδο
641.346 3
Laser induced breakdown spectroscopy
Machine learning techniques
Region of origin
Detection of adulteration
Olive oil
spellingShingle Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ
Τεχνικές μηχανικής μάθησης
Γεωγραφική προέλευση
Ανίχνευση νόθευσης
Ελαιόλαδο
641.346 3
Laser induced breakdown spectroscopy
Machine learning techniques
Region of origin
Detection of adulteration
Olive oil
Μπέλλου, Έλλη
Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ σε συνδυασμό με τεχνικές μηχανικής μάθησης για την κατηγοριοποίηση ελληνικών ελαιόλαδων με βάση τη γεωγραφική τους προέλευση και ανίχνευση νόθευσης
description Ο σκοπός της παρούσας μεταπτυχιακής διπλωματικής εργασίας είναι η εφαρμογή της τεχνικής δημιουργίας πλάσματος επαγόμενου από λέιζερ, Laser Induced Breakdown Spectroscopy (LIBS), στη μελέτη δειγμάτων- τροφίμων, καθώς και η κατηγοριοποίησή τους βάσει της γεωγραφικής τους προέλευσης και του βαθμού νόθευσής τους. Τα δείγματα που χρησιμοποιήθηκαν, ήταν εξαιρετικά παρθένα ελαιόλαδα, τα οποία διέφεραν μεταξύ τους ως προς την περιοχή προέλευσης, και κάποια από αυτά ήταν νοθευμένα με πυρηνέλαιο. Τα φάσματα LIBS αναλύθηκαν και προσδιορίστηκαν οι κατάλληλες συνθήκες για τη διεξαγωγή περαιτέρω πειραμάτων. Για την κατηγοριοποίηση των δειγμάτων, με χρήση των φασμάτων LIBS, ανάλογα με την περιοχή προέλευσής τους και τη νόθευσή τους, χρησιμοποιήθηκαν διάφορες τεχνικές μηχανικής εκμάθησης, όπως η Ανάλυση Κύριων Συνιστωσών-Principal Component Analysis (PCA), η Γραμμική Διακριτή Ανάλυση-Linear Discriminant Analysis (LDA), τα Μερικά Ελάχιστα Τετράγωνα-Partial Least Squares (PLS) και οι Μηχανές Διανυσμάτων Υποστήριξης-Support Vector Machines (SVM). Οι παραπάνω τεχνικές μηχανικής μάθησης, συνδυαζόμενες με την τεχνική LIBS εφαρμόζονται πρώτη φορά όσον αφορά για τον έλεγχο της ποιότητας του ελαιόλαδου και την ανίχνευση των ποσοστών νόθευσής του. Τα εξαιρετικά αποτελέσματα που επιδεικνύουν, καθιστούν την τεχνική LIBS ένα ισχυρότατο εργαλείο για τη διασφάλιση της ποιότητας του ελαιόλαδου, και επομένως μπορεί να εφαρμοστεί για την παρακολούθηση της ποιότητας των τροφίμων σε μια γραμμή παραγωγής, ή σε εφαρμογές τεχνολογίας των τροφίμων.
author2 Κουρής, Στυλιανός
author_facet Κουρής, Στυλιανός
Μπέλλου, Έλλη
format Thesis
author Μπέλλου, Έλλη
author_sort Μπέλλου, Έλλη
title Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ σε συνδυασμό με τεχνικές μηχανικής μάθησης για την κατηγοριοποίηση ελληνικών ελαιόλαδων με βάση τη γεωγραφική τους προέλευση και ανίχνευση νόθευσης
title_short Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ σε συνδυασμό με τεχνικές μηχανικής μάθησης για την κατηγοριοποίηση ελληνικών ελαιόλαδων με βάση τη γεωγραφική τους προέλευση και ανίχνευση νόθευσης
title_full Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ σε συνδυασμό με τεχνικές μηχανικής μάθησης για την κατηγοριοποίηση ελληνικών ελαιόλαδων με βάση τη γεωγραφική τους προέλευση και ανίχνευση νόθευσης
title_fullStr Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ σε συνδυασμό με τεχνικές μηχανικής μάθησης για την κατηγοριοποίηση ελληνικών ελαιόλαδων με βάση τη γεωγραφική τους προέλευση και ανίχνευση νόθευσης
title_full_unstemmed Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ σε συνδυασμό με τεχνικές μηχανικής μάθησης για την κατηγοριοποίηση ελληνικών ελαιόλαδων με βάση τη γεωγραφική τους προέλευση και ανίχνευση νόθευσης
title_sort φασματοσκοπία πλάσματος επαγόμενου από λέιζερ σε συνδυασμό με τεχνικές μηχανικής μάθησης για την κατηγοριοποίηση ελληνικών ελαιόλαδων με βάση τη γεωγραφική τους προέλευση και ανίχνευση νόθευσης
publishDate 2020
url http://hdl.handle.net/10889/13504
work_keys_str_mv AT mpellouellē phasmatoskopiaplasmatosepagomenouapoleizersesyndyasmometechnikesmēchanikēsmathēsēsgiatēnkatēgoriopoiēsēellēnikōnelaioladōnmebasētēgeōgraphikētousproeleusēkaianichneusēnotheusēs
AT mpellouellē laserinducedbreakdownspectroscopycombinedwithmachinelearningtechniquesforhellenicoliveoilscategorizationanddetectionofadulteration
_version_ 1799945013767962624