Калініченко А. О. Інтелектуальна мультисенсорна система для ідентифікації та оцінки якості харчових продуктів

Дисертаційна робота присвячена розробленню інтелектуальної мультисенсорної системи з методологією електронний ніс, що включає дослідження закономірностей одержання оптимальних за дискримінаційною здатністю масивів п’єзокварцових сенсорів з перехресною чутливістю та аналізу багатовимірного відгуку системи з використанням методів машинного навчання. Запропоновані сенсори на основі універсальних та селективних сорбентів (поліетиленгліколю себацинату, поліетиленгліколю адипінату, дициклогексано-18-краун-6, тритону Х-100, поліетиленгліколю 2000, поліетиленгліколю сукцинату, полідиетиленгліколю сукцинату, полівінілпіролідону, Tween 80, триоктилфосфін оксиду, бджолиного воску) характеризуються рівномірними, мезопоруватими та шорсткими поверхнями плівок та відтворюваністю сорбційних властивостей. Висока сорбційна ємність певних сенсорів та варіація селективностей в масивах щодо основних летких маркерів та класів сполук харчових продуктів (альдегідів, кетонів, спиртів, вуглеводнів, карбонових кислот, амінів тощо) дали змогу вилучити їх ідентифікаційні ознаки в багатокомпонентній пробі під час ідентифікації, оцінки якості та безпечності об’єктів. Досліджено процес формування багатовимірного сигналу системи, що відтворює перебіг адсорбційних процесів на покриттях п’єзокварцових сенсорів, що дало змогу розробити математичні моделі відгуків, підходи та алгоритми вилучення інформативних ознак для оцінювання сукупності характеристик об’єкта, новий алгоритм формування та розпізнавання типових хімічних образів за геометричними параметрами для експрес-оцінки їх автентичності. Розроблено інтелектуальну систему хімічного розпізнавання для одночасного розв’язання задач якісного та кількісного аналізу об’єктів, що включає рекомендації щодо побудови простору ознак, синтезу нейронних мереж різної архітектури (PNN, LVQ та FFNN) та оптимізації процедур навчання для побудови класифікаційних та регресійних моделей на основі багатовимірних даних п’єзоелектронного носа. Результативність підходів підтверджено розробленими методиками експресної оцінки автентичності харчових продуктів, визначення масового вмісту соєвого замінника в ковбасних виробах, мікробного забруднення (показника КМАФАнМ) м’ясних та ковбасних виробів, пероксидного числа олій, створенням інтелектуального портативного електронного носа з різними системами пробовідбору, що може застосовуватися для експресного аналізу газів в харчовій та хімічних промисловостях, медицині та під час екологічного моніторингу.