Ταξινόμηση ελληνικών μελιών βάσει της βοτανικής τους προέλευσης με χρήση της φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (LIBS) σε συνδυασμό με αλγορίθμους μηχανικής μάθησης
Στην παρούσα μελέτη, η τεχνική φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (Laser Induced Breakdown Spectroscopy-LIBS) εφαρμόσθηκε για την ανάλυση του μελιού και την ταξινόμησή του με βάση το είδος της βοτανικής του προέλευσης. Συνολικά, πραγματοποιήθηκαν μετρήσεις LIBS σε ένα πλήθος 345 δειγμάτω...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2022
|
| Θέματα: | |
| Διαθέσιμο Online: | https://hdl.handle.net/10889/23822 |
| id |
nemertes-10889-23822 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-238222022-11-10T04:37:52Z Ταξινόμηση ελληνικών μελιών βάσει της βοτανικής τους προέλευσης με χρήση της φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (LIBS) σε συνδυασμό με αλγορίθμους μηχανικής μάθησης Classification of greek honeys based on their botanical origin using laser induced breakdown spectroscopy (LIBS) combined with machine learning algorithms Κουρελιάς, Παναγιώτης Kourelias, Panagiotis Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ Ατομική φασματοσκοπία Πλάσμα Μέλι Βοτανική προέλευση Στοιχειομετρία Αλγόριθμοι μηχανικής μάθησης Λέιζερ Laser induced breakdown spectroscopy LIBS Atomic spectroscopy Plasma physics Honey Botanical origin Machine learning Lasers Στην παρούσα μελέτη, η τεχνική φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (Laser Induced Breakdown Spectroscopy-LIBS) εφαρμόσθηκε για την ανάλυση του μελιού και την ταξινόμησή του με βάση το είδος της βοτανικής του προέλευσης. Συνολικά, πραγματοποιήθηκαν μετρήσεις LIBS σε ένα πλήθος 345 δειγμάτων μελιού τα οποία είχαν έξι διαφορετικές βοτανικές προελεύσεις∙ θυμάρι, ερείκη, βαμβάκι, πεύκο, καστανιά και ανθέων. Με τη μεθοδολογία που αναπτύχθηκε, έγινε εφικτή η κατασκευή μοντέλων πρόβλεψης της βοτανικής προέλευσης του μελιού μέσω της χρήσης έξυπνων αλγορίθμων μηχανικής μάθησης. Συγκεκριμένα, αξιολογήθηκε η ικανότητά τους να προβλέπουν τη βοτανική προέλευση αγνώστων δειγμάτων μελιού και εντοπίσθηκαν τα φασματικά χαρακτηριστικά που έχουν μεγάλη σημασία για την επιτυχή ταξινόμησή τους. Τα αποτελέσματα της μελέτης επέδειξαν ακρίβειες πρόβλεψης που ξεπερνούν το 90%, αποδεικνύοντας την δυναμική της LIBS ως μια γρήγορη και αποτελεσματική διαγνωστική τεχνική. Μέχρι στιγμής, είναι η πρώτη φορά που γίνεται απόπειρα ταξινόμησης τόσων πολλών ειδών μελιού και τόσων πολλών δειγμάτων με την τεχνική (LIBS) η οποία είναι γρήγορη, μη παρεμβατική, δεν απαιτεί πρότερη επεξεργασία των δειγμάτων και έχει την δυνατότητα επιτόπου εφαρμογής με άμεσα αποτελέσματα και σε πραγματικό χρόνο. Συνολικά, η ερευνητική δραστηριότητα χρηματοδοτήθηκε εν μέρει από το Επιχειρησιακό Πρόγραμμα «Ανταγωνιστικότητα, Επιχειρηματικότητα και Καινοτομία» ΕΣΠΑ 2014-2020, με τη συγχρηματοδότηση της Ελλάδας και της Ευρωπαϊκής Ένωσης (Ευρωπαϊκό Ταμείο Περιφερειακής Ανάπτυξης), μέσω του προγράμματος Συνέργεια ELI - LASERLAB Europe, HiPER & IPERION-CH.gr (MIS 5002735) που εντάσσεται στη «Δράση Στρατηγικής Ανάπτυξης Ερευνητικών και Τεχνολογικών Φορέων» και από την εμβληματική δράση ΄΄Οι δρόμοι της μέλισσας΄΄ (κωδικός προγράμματος: 2018ΣE01300000) η οποία χρηματοδοτείται από το Πρόγραμμα Δημοσίων Επενδύσεων (ΠΔΕ) της Γενικής Γραμματείας Έρευνας και Τεχνολογίας (ΓΓΕΤ). In the present study, Laser Induced Breakdown Spectroscopy-LIBS technique was applied for the analysis of honey and its classification based on its botanical origin. LIBS measurements were carried out on a total of 345 honey samples which had six different botanical origins, i.e., thyme, heather, cotton, pine, chestnut and multifloral. The methodology developed enabled the construction of models to predict the botanical origin of honey using machine learning algorithms. In more detail, their ability to predict the botanical origin of unknown honey samples was evaluated and the spectral features that are of greater importance for their successful classification were identified. The results of the study demonstrated prediction accuracies exceeding 90%, demonstrating the potential of LIBS as a fast and efficient diagnostic technique. So far, it is the first attempt to classify honey species of such diversity and large number of samples with LIBS technique which is fast, non-intrusive, does not require prior processing of samples and has the potential to be applied in situ with immediate results in real time. 2022-11-09T09:30:25Z 2022-11-09T09:30:25Z 2022-07-07 https://hdl.handle.net/10889/23822 el CC0 1.0 Universal http://creativecommons.org/publicdomain/zero/1.0/ application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ Ατομική φασματοσκοπία Πλάσμα Μέλι Βοτανική προέλευση Στοιχειομετρία Αλγόριθμοι μηχανικής μάθησης Λέιζερ Laser induced breakdown spectroscopy LIBS Atomic spectroscopy Plasma physics Honey Botanical origin Machine learning Lasers |
| spellingShingle |
Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ Ατομική φασματοσκοπία Πλάσμα Μέλι Βοτανική προέλευση Στοιχειομετρία Αλγόριθμοι μηχανικής μάθησης Λέιζερ Laser induced breakdown spectroscopy LIBS Atomic spectroscopy Plasma physics Honey Botanical origin Machine learning Lasers Κουρελιάς, Παναγιώτης Ταξινόμηση ελληνικών μελιών βάσει της βοτανικής τους προέλευσης με χρήση της φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (LIBS) σε συνδυασμό με αλγορίθμους μηχανικής μάθησης |
| description |
Στην παρούσα μελέτη, η τεχνική φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (Laser Induced Breakdown Spectroscopy-LIBS) εφαρμόσθηκε για την ανάλυση του μελιού και την ταξινόμησή του με βάση το είδος της βοτανικής του προέλευσης. Συνολικά, πραγματοποιήθηκαν μετρήσεις LIBS σε ένα πλήθος 345 δειγμάτων μελιού τα οποία είχαν έξι διαφορετικές βοτανικές προελεύσεις∙ θυμάρι, ερείκη, βαμβάκι, πεύκο, καστανιά και ανθέων. Με τη μεθοδολογία που αναπτύχθηκε, έγινε εφικτή η κατασκευή μοντέλων πρόβλεψης της βοτανικής προέλευσης του μελιού μέσω της χρήσης έξυπνων αλγορίθμων μηχανικής μάθησης. Συγκεκριμένα, αξιολογήθηκε η ικανότητά τους να προβλέπουν τη βοτανική προέλευση αγνώστων δειγμάτων μελιού και εντοπίσθηκαν τα φασματικά χαρακτηριστικά που έχουν μεγάλη σημασία για την επιτυχή ταξινόμησή τους.
Τα αποτελέσματα της μελέτης επέδειξαν ακρίβειες πρόβλεψης που ξεπερνούν το 90%, αποδεικνύοντας την δυναμική της LIBS ως μια γρήγορη και αποτελεσματική διαγνωστική τεχνική. Μέχρι στιγμής, είναι η πρώτη φορά που γίνεται απόπειρα ταξινόμησης τόσων πολλών ειδών μελιού και τόσων πολλών δειγμάτων με την τεχνική (LIBS) η οποία είναι γρήγορη, μη παρεμβατική, δεν απαιτεί πρότερη επεξεργασία των δειγμάτων και έχει την δυνατότητα επιτόπου εφαρμογής με άμεσα αποτελέσματα και σε πραγματικό χρόνο. |
| author2 |
Kourelias, Panagiotis |
| author_facet |
Kourelias, Panagiotis Κουρελιάς, Παναγιώτης |
| author |
Κουρελιάς, Παναγιώτης |
| author_sort |
Κουρελιάς, Παναγιώτης |
| title |
Ταξινόμηση ελληνικών μελιών βάσει της βοτανικής τους προέλευσης με χρήση της φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (LIBS) σε συνδυασμό με αλγορίθμους μηχανικής μάθησης |
| title_short |
Ταξινόμηση ελληνικών μελιών βάσει της βοτανικής τους προέλευσης με χρήση της φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (LIBS) σε συνδυασμό με αλγορίθμους μηχανικής μάθησης |
| title_full |
Ταξινόμηση ελληνικών μελιών βάσει της βοτανικής τους προέλευσης με χρήση της φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (LIBS) σε συνδυασμό με αλγορίθμους μηχανικής μάθησης |
| title_fullStr |
Ταξινόμηση ελληνικών μελιών βάσει της βοτανικής τους προέλευσης με χρήση της φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (LIBS) σε συνδυασμό με αλγορίθμους μηχανικής μάθησης |
| title_full_unstemmed |
Ταξινόμηση ελληνικών μελιών βάσει της βοτανικής τους προέλευσης με χρήση της φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (LIBS) σε συνδυασμό με αλγορίθμους μηχανικής μάθησης |
| title_sort |
ταξινόμηση ελληνικών μελιών βάσει της βοτανικής τους προέλευσης με χρήση της φασματοσκοπίας πλάσματος επαγόμενου από λέιζερ (libs) σε συνδυασμό με αλγορίθμους μηχανικής μάθησης |
| publishDate |
2022 |
| url |
https://hdl.handle.net/10889/23822 |
| work_keys_str_mv |
AT koureliaspanagiōtēs taxinomēsēellēnikōnmeliōnbaseitēsbotanikēstousproeleusēsmechrēsētēsphasmatoskopiasplasmatosepagomenouapoleizerlibssesyndyasmomealgorithmousmēchanikēsmathēsēs AT koureliaspanagiōtēs classificationofgreekhoneysbasedontheirbotanicaloriginusinglaserinducedbreakdownspectroscopylibscombinedwithmachinelearningalgorithms |
| _version_ |
1771297321289515008 |
