Design of a beef freshness detector based on color and scent with the Mamdani fuzzy method

• Autorzy: Sujono Hari Agus , Faris Achmad Saiful

Identyfikatory

DOI

10.15199/48.2024.02.18

Warianty tytułu

PL

Projekt detektora świeżości wołowiny na podstawie koloru i zapachu metodą rozmytą Mamdani

• Języki publikacji: EN

Abstrakty

EN

Currently, the identification of beef is still done manually either through observation or press the meat to know the beef texture. This method has many disadvantages if the consumers are not thorough in differentiating the beef freshness quality. The design of a system that can identify beef quality by utilizing the characteristic of the meat rotting process is proposed. The beef's freshness can be detected through the smell or the scent of the beef. It is also can be detected through color. The fresh beef scent will have a different smell from the rotting beef scent, so the changing color. The proposed design is the beef freshness detector system using two kinds of sensor which is a Gas Sensor, MQ-136 and MQ-137 to detect the beef scent and a color sensor (TCS3200) to detect beef color change. It is also used a microcontroller as the main unit of data acquisition and uses Mamdani Fuzzy Method as to decision-making system for the acquisition of data from the sensors. The overall test result in the system has an 86,67% probability of success with an error rate of 13,3% from 15 trials.

PL

Obecnie identyfikacja wołowiny nadal odbywa się ręcznie, poprzez obserwację lub wyciskanie mięsa w celu poznania tekstury wołowiny. Metoda ta ma wiele wad, jeśli konsumenci nie są wnikliwi w różnicowaniu jakości świeżości wołowiny. Zaproponowano projekt systemu umożliwiającego identyfikację jakości wołowiny na podstawie charakterystyki procesu gnicia mięsa. Świeżość wołowiny można rozpoznać po zapachu lub zapachu wołowiny. Można to również wykryć poprzez kolor. Zapach świeżej wołowiny będzie miał inny zapach niż zapach gnijącej wołowiny, a więc zmienia kolor. Proponowany projekt to system wykrywania świeżości wołowiny wykorzystujący dwa rodzaje czujników: czujnik gazu, MQ-136 i MQ-137 do wykrywania zapachu wołowiny oraz czujnik koloru (TCS3200) do wykrywania zmiany koloru wołowiny. Wykorzystywany jest również mikrokontroler jako główna jednostka gromadzenia danych i wykorzystuje metodę Mamdani Fuzzy Method jako system podejmowania decyzji w zakresie pozyskiwania danych z czujników. Ogólny wynik testu w systemie ma 86,67% prawdopodobieństwa powodzenia przy poziomie błędu 13,3% z 15 prób.

Słowa kluczowe

EN

beef freshness detection result; Mamdani fuzzy method; color detection; scent detection

PL

wynik wykrywania świeżości wołowiny; metoda rozmyta Mamdani; wykrywanie zapachu; wykrywanie koloru wołowiny

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 2
• Strony: 92--96
• Opis fizyczny: Bibliogr. 16 poz., rys., tab.

Twórcy

autor

Sujono Hari Agus

• Department of Electrical Engineering, Institut Teknologi Adhi Tama Surabaya, Arief Rahman Hakim 100 Surabaya 60117

autor

Faris Achmad Saiful

• Department of Electrical Engineering, Institut Teknologi Adhi Tama Surabaya, Arief Rahman Hakim 100 Surabaya 60117

Bibliografia

• [1] Xiaobo, Z., Jiewen, Z., Comparative analyses of apple aroma by a tin-oxide gas sensor array device and GC/MS. Food Chem. 107, pp. 120–128, 2008. 2] P. Guo and M. Bao, “Research and realization of hand-held mobile bacon detection based on Neural Network Pattern recognition,” in 2016 Chinese Control and Decision Conference (CCDC), pp. 2018–2021, 2016.
• [3]G. Peiyuan, B. Man, Q. Shiha, and C. Tianhua, “Detection of Meat Fresh Degree Based on Neural Network,” in 2007 International Conference on Mechatronics and Automation, 2007, pp. 2726–2730.
• [4] Riny Sulistyowati, A Suryowinoto, HA Sujono, I Iswahyudi, Monitoring of road damage detection systems using image processing methods and Google Map, IOP Conference Series: Materials Science and Engineering, 2021.
• [5] Pearce, T.C., Handbook of Machine Olfaction: Electronic Nose Technology, Wiley-VCH, 2003.
• [6] Safat B. Wali , Mohammad A. Hannan , Aini Hussain , Salina A. Samad, Comparative Survey on Traffic Sign Detection and Recognition: a Review, PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 91 NR 12/2015.
• [7] Radi, M. Rivai, M.H. Purnomo, “Study on Electronic-Nose-Based Quality Monitoring System for Coffee under Roasting,” Journal of Circuits, Systems, and Computers, Vol. 25, No. 10, 2016.
• [8] J. Lozano, J. P. Santos, J. I. Suárez, M. Cabellos, T. Arroyo, and C. Horrillo, “Automatic Sensor System for the Continuous Analysis of the Evolution of Wine,” Am. J. Enol. Vitic., vol. 66, no. 2, pp. 148–155, May 2015.
• [9] T. Aguilera, J. Lozano, J. A. Paredes, F. J. Álvarez, and J. I. Suárez, “Electronic Nose Based on Independent Component Analysis Combined with Partial Least Squares and Artificial Neural Networks for Wine Prediction,” Sensors, vol. 12, no. 6, pp. 8055–8072, Jun. 2012.
• [9] Rivai, M., Purwanto, D., Juwono, H., Sujono, H.A., “Electronic nose using gas chromatography column and quartz crystal microbalance,” TELKOMNIKA 9 (2), pp. 319– 326, 2011.
• [10] Hari Agus Sujono, Muhammad Rivai, Vapor identification system using quartz resonator sensor array and support vector machine. ARPN Journal of Engineering and Applied Sciences 2014.
• [11] E.Górska-Hdrczyczak, D. Guzek, Z. Mdlęda, I. Wdjtasik-Kalindwska, M. Brdddwska, A. Wierzbicka, “Applications of electronic noses in meat analysis,” Food Sci. Technol. Camp., vol. 36, no. 3, pp. 389–395, Sep. 2016.
• [12] A. Amari, N. El Barbri, E. Llobet, N. El Bari, X. Correig, and B. Bouchikhi, “Monitoring the Freshness of Moroccan Sardines with a Neural-Network Based Electronic Nose,” IEEE Sensors, vol. 6, 2006, pp. 1209-1223.
• [13] P. E. Keller, L. J. Kangas, L. H. Liden, S. Hashem, and R. T. Kouzes, “Electronic Noses and Their Applications,” IEEE Northcon/Technical Applications Conference in Portland, OR, USA, Dec. 1995.
• [14] S. Bedoui, R. Faleh, H. Samet, and A. Kachouri, “Electronic nose system and principal component analysis technique for gases identification,” in 10th International Multi-Conferences on Systems, Signals Devices 2013 (SSD13), 2013, pp. 1–6.
• [18] I. Morsi, “Electronic Nose System and Artificial Intelligent Techniques for Gases Identification,” 2010.
• [15] S. Choopun, N. Hongsith, and E. Wongrat, “Metal-Oxide Nanowires for Gas Sensors,” 2012.
• [16] RinySulistyowati, Kunto Aji, Implementation of wireless mobile sensor based on fuzzy logic control for lpg gas pipeline leakage monitoring, ARPN, 2014.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).