زعفران بهعنوان یکی از ارزشمندترین محصولات کشاورزی ایران و جهان به دلیل ارزش اقتصادی بالا و تولید محدود، همواره در معرض تقلب قرار دارد. تقلب در زعفران، که اغلب شامل افزودن ناخالصیهایی مانند کلاله ذرت، گلرنگ، خامه زعفران و مواد مشابه است، باعث کاهش کیفیت محصول و آسیب به اعتماد مصرفکنندگان میشود. هدف این تحقیق، شناسایی و طبقهبندی تقلب در زعفران با استفاده از فناوری تصویربرداری فراطیفی و تحلیل دادهها از طریق شبکه عصبی مصنوعی است. روش تحقیق شامل جمعآوری نمونههای زعفران اصیل و تقلبی و تقسیم آنها به سطوح مختلف تقلب (0% تا 50% وزنی) است. نمونههای تقلبی با افزودن ناخالصیهای تعریفشده مانند کلاله ذرت، گلرنگ، خامه زعفران و پودر زعفران خوراکی آمادهسازی شدند. برای تصویربرداری، از یک دوربین فراطیفی با توانایی ثبت دادههای طیفی در بازه 400 تا 1000 نانومتر استفاده شد. هر نمونه تحت شرایط یکنواخت نوری که توسط منبع نور زنون تأمین شد، 18 بار تصویربرداری شد تا تأثیر خطاهای احتمالی کاهش یابد. دادههای طیفی خام پس از پیشپردازش شامل حذف نویز، نرمالسازی و استخراج ویژگیهای کلیدی، به مدل عصبی مصنوعی وارد شدند. برای ارزیابی عملکرد مدلها، از ماتریس اغتشاش استفاده شد که دقت شناسایی هر سطح تقلب و نقاط ضعف و قوت مدل را نشان داد. نتایج تحقیق نشان داد که فناوری تصویربرداری فراطیفی توانایی بالایی در شناسایی تقلب در زعفران دارد. دقت طبقهبندی برای نمونههای حاوی کلاله ذرت 89.8%، گلرنگ 81.5%، خامه زعفران 100% و پودر زعفران خوراکی 98.15% بود. در این پژوهش، از مدل شبکه عصبی مصنوعی (ANN) برای تحلیل دادههای طیفی و طبقهبندی نمونههای زعفران اصلی و تقلبی استفاده شد که در شناسایی تقلب ناشی از پوشال زعفران بهترین عملکرد را داشته است، در حالی که دقت برای گلرنگ نسبت به سایر ناخالصیها کمتر بوده است. ماتریس اغتشاش نشان داد که دقت مدل در شناسایی تقلبهای با سطوح پایین بیشتر است، درحالیکه شباهتهای طیفی در سطوح بالای تقلب منجر به افزایش خطا میشود. همچنین مشخص شد که استفاده از دادههای طیفی دقیق و الگوریتمهای پیشرفته در کاهش خطاها مؤثر بوده و امکان تفکیک بهتر نمونههای اصل از تقلبی را فراهم کرده است. پژوهش حاضر نشان میدهد که تصویربرداری فراطیفی میتواند بهعنوان ابزاری کارآمد در کنترل کیفیت و شناسایی تقلبهای مواد غذایی به کار گرفته شود.
