ادویهجات از با ارزشترین گیاهان دارویی مورداستفاده در صنایع غذایی و علم پزشکی هستند و با توجه به تفاوت کیفیت و قیمت بین گونههای مختلف،تشخیص، طبقهبندی و جداسازی آنها براساس خلوص و درجه کیفیت از اهمیت بالایی برخوردار است. ادویهها درکشورهای مختلفی از جمله هندوستان،پاکستان، چین و کشورهای آسیای شرقی و جنوبی تولید میشوند. در این پژوهش، یک سامانه ماشین بویایی بر پایه هشت حسگر نیمه هادی اکسید فلزی درترکیب با روشهای تشخیص الگو بهمنظور طبقهبندی و جداسازی ادویه فلفل سیاه براساس منشاء جغرافیایی و تشخیص تقلبهای کبابه چینی و پودر هسته خرمابهکارگرفته شد. بهمنظور تحلیل دادههای استخراج شده از سیگنال پاسخ حسگرها از روش تحلیل مولفههای اصلی (PCA (استفاده شد. براساس نتایج حاصل، آنالیز مولفههای اصلی با مجموع دو مولفه اصلی اول %96 برای نمونههای فلفل سیاه براساس منشاء جغرافیایی و 95 %برای تقلبهای کبابه چینی و هسته خرمااز واریانس دادهها قابل توصیف است. همچنین از سه روش تحلیل تفکیک خطی (LDA ،(ماشین بردار پشتیبان (SVM (و درخت تصمیمگیری (DT (برایطبقهبندی نمونهها استفاده شد. استفاده از روش LDA ،برای نمونههای فلفل سیاه دقت طبقهبندی 100 %و برای تقلبها دقت 14/97 %را نشان داد. نتایج نشاناه، تقلب کبابه چینی و تقلب هسته خرما را دارد. همچنین میزان موفقیت روشDT در تفکیک و طبقهبندی نمونههای فلفل سیاه، تقلب کبابه چینی و تقلب هسته خرما بهترتیب 66/96 %و 5/88 %برآورد شد.
