Tytuł pozycji:
Design of a beef freshness detector based on color and scent with the Mamdani fuzzy method
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.
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.
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).
