Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/13504
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
Other Titles: Laser induced breakdown spectroscopy combined with machine learning techniques for hellenic olive oils categorization and detection of adulteration
Authors: Μπέλλου, Έλλη
Keywords: Φασματοσκοπία πλάσματος επαγόμενου από λέιζερ
Τεχνικές μηχανικής μάθησης
Γεωγραφική προέλευση
Ανίχνευση νόθευσης
Ελαιόλαδο
Keywords (translated): Laser induced breakdown spectroscopy
Machine learning techniques
Region of origin
Detection of adulteration
Olive oil
Abstract: 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.
Abstract (translated): 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.
Appears in Collections:Τμήμα Φυσικής (ΜΔΕ)

Files in This Item:
File Description SizeFormat 
Master thesis Έλλη Μπέλλου.pdf5.28 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.