BALIK TAZELİĞİNİN ELEKTRONİK BURUN VE MAKİNE ÖĞRENMESİ İLE TESPİTİ ÜZERİNE LİTERATÜR ÇALIŞMASI

Electronic Letters on Science & Engineering 16(2) (2020) Available online at dergipark.org.tr/else LITERATURE REVIEW ON DETERMINING FISH FRESHNESS BY ELECTRONIC NOSE AND MACHINE LEARNING Kutlucan GÖRÜR1,*, Onursal ÇETİN1, İlyas ÖZER2 ve Feyzullah TEMURTAŞ1 1 Department of Electrical and Electronic Engineering, Bandırma Onyedi Eylül University 2 Department of Computer Engineering, Bandırma Onyedi Eylül University Bandırma, Balıkesir / Turkey Abstract: Fish freshness control has gained a lot of attention in recent years due to its importance in the food industry. Although there are different approaches in fish freshness studies, the most important one is the electronic nose approach consisting of electronic sensor arrays. Freshness, which is the most important quality feature in fish, depends on the process and storage procedures from the moment the fish first emerges to the consumers. Practically, physical, chemical, biochemical and microbiological changes that occur after death in fish result in a gradual loss of food properties in terms of taste and a general concept of quality. In this respect, elapsed time and temperature are key factors for the final quality of the product. Signal processing and machine learning approaches include very important methods in recognizing the pattern of odor measured by the electronic nose of fish freshness. In research studies, it has been reported that while classification accuracy reaching up to the 97% was obtained with decision trees, an accuracy reaching 96.87% was determined with artificial neural networks. In this related literature study, especially fish freshness was evaluated in terms of electronic nose and signal processing-machine learning approaches. Keywords: Fish Freshness, Electronic Nose, Signal Processing, Machine Learning BALIK TAZELİĞİNİN ELEKTRONİK BURUN VE MAKİNE ÖĞRENMESİ İLE TESPİTİ ÜZERİNE LİTERATÜR ÇALIŞMASI Özet: Balık tazelik kontrolü, gıda endüstrisindeki önemi nedeniyle son yıllarda büyük bir ilgi görmektedir. Balık tazeliği çalışmalarında farklı yaklaşımlar olsa da en önemlisi elektronik sensör dizilerinden oluşan elektronik burun yaklaşımıdır. Balıkta kalite özelliklerinden en önemlisi olan tazelik, balığın ilk sudan çıktığı andan tüketicilere kadar olan sürece ve depolama prosedürlerine bağlıdır. Pratik olarak, balıklarda ölüm sonrası meydana gelen fiziksel, kimyasal, biyokimyasal ve mikrobiyolojik değişiklikler, tat ve genel bir kalite kavramı açısından gıda özelliklerinde aşamalı bir kayıpla sonuçlanır. Bu açıdan geçen süre ve sıcaklık ürünün nihai kalitesi için anahtar faktörlerdir. Sinyal işleme ve makine öğrenmesi yaklaşımları balık tazeliğine ait elektronik burun tarafından ölçülen kokunun örüntüsünün tanınmasında oldukça önemli yöntemleri içermektedir. Yapılan araştırma çalışmalarında karar ağaçları ile 97%’ye ulaşan sınıflandırma doğruluğu elde edilirken, yapay sinir ağları ile 96.87%’ye ulaşan doğruluk oranı hesaplandığı rapor edilmiştir. İlgili bu literatür çalışmasında özellikle balık tazeliği, elektronik burun ve sinyal işleme-makine öğrenmesi yaklaşımları açısından değerlendirilmiştir. Anahtar Kelimeler: Balık Tazeliği, Elektronik Burun, Sinyal İşleme, Makine Öğrenmesi 161 Kutlucan GÖRÜR et al / Elec Lett Sci Eng 16(2) (2020) 161-170 Reference to this paper should be made as follows: Kutlucan GÖRÜR, Onursal ÇETİN, İlyas ÖZER and Feyzullah TEMURTAŞ, ‘Literature Review On Determining Fish Freshness By Electronic Nose And Machine Learning’, Elec Lett Sci Eng , vol. 16(2) , (2020), 161-170 1. GİRİŞ Balık tazeliğinin (fish freshness) kontrolü ve izlenmesi gıda endüstrisinde çok önemlidir. Gerçekten de, tüketicilere göre, muhtemelen tadı ile güçlü ilişkisi nedeniyle tazelik, balığın en önemli kalitesidir. Balığın bozulması esas olarak bakteri ayrışmasını büyük ölçüde kontrol eden sıcaklığa bağlıdır [1]. Bununla beraber balık eti tazeliği, balık kalitesinin temel faktörlerinden biridir ve farklı biyolojik ve işleme faktörlerine bağlıdır. Balıklardaki et tazeliği çeşitli fiziksel, kimyasal, biyokimyasal ve mikrobiyolojik değişikliklerin derecesini gösterir. Tazelik değerlendirme yöntemleri, yakalandıktan sonra geçen süreye göre balık tazeliğinin ölçümünü ilişkilendirir. Bu yöntemler tazeliği deri-göz-solungaç görünümü (skin, eyes and gills appearance), koku (odor), renk (color) ve dokunsal (tactile or texture) yaklaşımlar ile ölçmektedir [2,3]. Bu yaklaşımlara dayanarak balık tazeliğini değerlendirmek için geliştirilmiş farklı enstrümantal ve duyusal yöntemler mevcuttur [3]. Et tazeliğini belirlemek için kullanılan geleneksel yöntemler arasında duyusal değerlendirmeler, kimyasal ölçümler ve mikrobiyolojik ölçümler mevcuttur. Duyusal değerlendirmeler, renk, koku, lastik hali (rubbery state) ve etin genel kalitesi gibi bilgileri sağlamak için insan duyularını kullanır. Bununla birlikte, duyusal analizde uzman ekibin yüksek maliyeti, yorgunluk ve öznellikten kaynaklanan yargı sapmaları ve duyusal analizin sürekli ölçüm için kullanılamayacağı gerçeği gibi bir takım eksiklikler vardır. Genel olarak, kimyasal yöntemler etin pH, toplam uçucu baz nitrojen (TVB-N) ve trifeniltetrazolyum klorür (TTC) ölçümlerini içerir. Kimyasal yöntemler objektif ve kesindir; ancak, normalde balık eti üzerinde yıkıcıdır ve zaman alıcı olan laboratuvar ortamında kullanılırlar. Mikrobiyolojik sayım yöntemleri de yıkıcıdır ve bakteri kültürü için çok uzun bir süre gerektirir ve test sonuçlarını hızlı ve etkili bir şekilde sağlayamaz [3]. Bu nedenle verimli, hızlı, uygun maliyetli ve et üzerinde tahribatsız yeni yöntemler geliştirmek gerekmektedir. Önceki çalışmalarda, elektronik burun (E-Nose veya EN), elektronik dil (E-Tongue), bilgisayarla görme (Computer Vision-CV) ve spektroskopik teknik gibi hızlı ve tahribatsız analiz tekniklerinin balık eti tazeliğinin değerlendirilmesi için önerildiğini görülmektedir. Bu tespit teknolojilerinin kendi avantajları olmasına rağmen, sadece et tazeliği bilgilerinin belirli yönlerini tespit etmek için kullanılabilirler; bu nedenle, et tazeliğinin veya bozulmasının kapsamlı bir değerlendirmesini yapmak için kullanılamazlar. Örneğin, elektronik burun ve elektronik dil yalnızca etin uçucu kokusunu ve tadını algılamak için kullanılabilir. CV yöntemi ise etin kimyasal bilgilerini tespit etmek için kullanılamaz. Bununla beraber numunelerdeki uzamsal dağılım bilgisini yakalamak için ise spektroskopik teknik kullanılması uygun değildir. Balık eti dahil, et ürünlerinin tazelik düşüşü, mikroorganizmalar ve enzimler gibi çeşitli faktörlerin etkileşimi ile ilgili oldukça karmaşık bir süreçtir [4]. Bu açıdan literatürde bu yöntemleri ayrı ayrı kullanan yaklaşımların yanında balık eti ve et tazeliğini ölçmek için hepsinin bir arada kullanıldığı yaklaşımlar mevcuttur [4]. Özellikle bu literatür inceleme çalışmasında balık tazeliğinin elektronik burun, sinyal işleme ve makine öğrenmesi yaklaşımı ile analiz edilmesi üzerine olması düşünülmüştür. EN tabanlı yöntemler diğer sensör tabanlı yöntemler (...truncated)