palette
امکان سنجی کاربرد یک سامانه بینی الکترونیک برای کیفیت سنجی هوای کوره پخت ضایعات کشتارگاه طیور
علی فرمنش, سید سعید محتسبی, محمود امید

چکیده

سابقه و هدف: رشد فعالیتهای صنعتی و افزایش انتشار آلاینده ها موجب جلب توجه جهانیان به مسایل زیست محیطی شده است. بوی
نامطبوع را می توان جزء آلاینده هایی طبقه بندی کرد که تاثیر منفی آن بر کیفیت زندگی مشهود است. حدود یک سوم تا نیمی از تولیدات
حیوانی که برای انسان غیرقابل مصرف هستند به عنوان مواد اولیه در صنعت فرآوری و تبدیل ضایعات استفاده می شوند. از مهمترین
ویژگی های واحد فرآوری ضایعات کشتارگاه ها، می توان به انتشار ترکیبات فرار و بوی ناخوشایند اشاره کرد که سبب مزاحمت برای افراد
شاغل و ساکنان مجاور این صنعت میشود. هدف این تحقیق، ارزیابی یک سامانه بینی الکترونیکی به عنوان ابزاری برای نمایش بخارهای
خروجی از کوره پخت ضایعات کشتارگاه طیور، انتخاب آرایه ای از حسگرهای مناسب و تعیین خط اثر بویایی این واحد آلاینده است.
مواد و روش ها: فرآیند پخت ضایعات در دمای 941 درجه سانتیگراد تحت فشار 3 بار به مدت زمان 4 ساعت و با همزنی یکنواخت با
سرعت 81 دور در دقیقه انجام شد. تعداد 31 نمونه مایع هر یک با حجم ده میلی لیتر که نتیجه میعان بخارات واحد پخت ضایعات بودند،
تهیه شد. نمونه ها به آزمایشگاه واقع در گروه مهندسی مکانیک ماشین های کشاورزی دانشگاه تهران منتقل شدند و از سامانه بینی الکترونیکی
به منظور تحلیل و بررسی استفاده شد. سامانه بینی الکترونیکی مورد استفاده بر پایه حسگرهای نیمه هادی اکسید فلزی ( MOS ) و شامل
آرایه ای از شش حسگر گازی بود. از روش تحلیل مولفه های اصلی( PCA ) برای ارزیابی حسگرها و انتخاب آرایه ای مناسب از حسگرها
استفاده شد.

نتایج و بحث: مشاهده تجربی سطح پاسخ حسگرها تا رسیدن به حالت پایدار با هدف کاهش اتلاف زمان و اکسیژن، نشان داد که زمان 30 ثانیه برای رساندن سطح پاسخ حسگر به خط مبنا، 100 ثانیه برای تماس بخارات با حسگرها (پاسخ حسگر‌ها) و 40 ثانیه برای پاک کردن حسگرها، برای زمان‌بندی داده‌برداری از سامانه‌ بینی الکترونیکی مناسب است. بررسی همبستگی حسگرها نشان داد که برخی از حسگرها همبستگی بالاتر از 85/0 دارند. بررسی توزیع واریانس دو مولفه اصلی ابتدایی نشان داد که این دو مولفه بیش از 99 درصد از واریانس کل را شامل می‌شوند و مولفه اصلی اول (PC-1) به تنهایی بیش از 98 درصد از واریانس کل را شامل می‌شود. بیشترین تاثیر در مولفه اصلی اول مربوط به حسگر MQ135 است و پس از آن به ترتیب حسگرهای MQ136، MQ9، MQ131، MQ5 و در نهایت حسگر MQ3 موثر هستند. نتایج تحلیل مولفه‌های اصلی نشان داد حسگرهای MQ135 و MQ136 که حساسیت بالا به آمونیاک، سولفید هیدروژن و بنزن دارند، مناسب‌ترین حسگرها برای تشخیص بوی نامطبوع منتشر‌شده از واحد پخت ضایعات کشتارگاه طیور بودند. انتخاب آرایه‌ای از دو حسگر MQ135 و MQ136 می‌تواند برای تمایز میان آلاینده‌های واحد پخت ضایعات کشتارگاه طیور و آلاینده‌های منتشر شده از صنایع دیگر استفاده شود و از این حسگرها می‌توان برای تعیین خط اثر بویایی آلاینده‌های واحد پخت ضایعات کشتارگاهی استفاده کرد.

نتیجه‌گیری: سامانه‌ بینی الکترونیکی شامل آرایه‌ای با دوحسگر MQ135 و MQ136 می‌تواند برای نظارت و کنترل کیفی آلاینده‌های خروجی از واحد صنعتی تبدیل ضایعات کشتارگاهی طیور استفاده شود. همچنین با اشاره به این موضوع که در حال حاضر شاخصی برای بوی نامطبوع به‌صورت استاندارد در سازمان کنترل کیفیت هوا تعریف نشده است، می‌توان سامانه‌ بینی الکترونیکی را برای کنترل کیفیت هوا از نظر وجود بوهای نامطبوع در محیط زیست مورد استفاده قرار داد.

واژگان کلیدی
آلاینده های هوا، محیط زیست، بوی نامطبوع، انتشار بو، تحلیل مولفه های اصلی.

منابع و مآخذ مقاله

Anet, B., Lemasle, M., Couriol, C., Lendormi, T., Rane, A., LeCloirec, P., Cogny, G. and Fillieres, R., 2013. Characterization of gaseous odorous emissions from a rendering plant by GC/MS and treatment by biofiltration. Journal of Environmental Management. 128, 981-987.

Arshak, K., Moore, E., Lyons, G.M., Harris, J. and Clifford, S., 2004. A review of gas sensors employed in electronic nose applications. Sensor Review. 24 (2), 181–198.

Boholt, K., Andreasen, K., Den Berg, F. and Hansem, T., 2005. A new method for measuring emission of odor from a rendering plant using the Danish odor sensor system (DOSS) artificial nose. Sensors and Actuators B: Chemical. 106, 170–176.

Brattoli, M., De Gennaro, G., De Pinto, V., Loiotile, A.D., Lovascio, S. and Penza, M., 2011. Odour detection methods: olfactometry and chemical sensors. Sensors. 11, 5290 - 5322.

Capelli, L., Sironi, S. and Del Rosso, R., 2014. Electronic noses for environmental monitoring applications. Sensors. 14, 19979-20007.

Charles, M. and McGinley, P.E., 2002. Standardized odour measurement practices for air quality testing. In proceeding Air and Waste

علی فرمنش و همکاران

فصلنامه علوم محیطی، دوره پانزدهم، شماره 4، زمستان 9316

Management Association Symposium on air quality measurement methods and technology, 13th – 15th November, San Francisco. P. 5.

Delgado-Rodríguez, M., Ruiz-Montoya, M., Giraldez, I., López, R., Madejónc, E. and Díaz, M.J., 2012. Use of electronic nose and GC-MS in detection and monitoring some VOC. Atmospheric Environment. 51, 278 - 285.

Environmental protection agency., 2017. Available online at: https://www.airnow.gov

/index.cfm?action=aqibasics.aqi

Ghasemi-Varnamkhasti, M., Mohtasebi, S.S., Siadat, M. and Balasubramanian, S., 2009. Meat quality assessment by electronic nose (machine olfaction technology). Sensors. 9, 6058–6083.

Heidarbeigi, K., Mohtasebi, S.S., Foroughirad, A., Ghasemi-Varnamkhasti, M., Rafiee, SH. and Rezaei, K., 2014. Detection of adulteration in saffron samples using electronic nose. International Journal of Food Properties. 18(7), 1391 – 1401.

Hesam, Gh., Ghorbani Shahna, F. and Bahrami, A., 2015. Survey of air pollutants emitted from rendering plant of poultry slaughterhouse and design of local ventilation system and suitable collector for control and treatment of air pollutants, Iran. Iranian Journal of Health and Environment. 7(4), 469 – 480. (In Persian with English abstract).

Hove, N.C.Y., Langenhove, H.V., Weyenberg, S.V. and Demeyer, P., 2016. Comparative odour measurements according to EN 13725 using pig house odour and n-butanol reference gas. Biosystems Engineering. 143, 119 - 127.

ISIRI 2389, 1995. Poultry by-product used as foodstuff. Institute of Standards and Industrial Research of Iran. Available online at: http://standard.isiri.gov.ir/StandardView.aspx?Id=11016.

Kiani, S. and Minaei, S., 2016. Potential application of machine vision technology to saffron (Crocus sativus L.) quality characterization. Food Chemistry. 212, 392-394.

Li, C., Heinemann, P. and Sherry, R., 2007. Neural network and Bayesian network fusion models to fuse electronic nose and surface acoustic wave sensor data for apple defect detection. Sensors and Actuators B: Chemical. 125(1), 301-310.

López, R., Cabeza, I.O., Giráldez, I. and Díaz, M.J., 2011. Biofiltration of composting gases using different municipal solid waste-pruning residue composts: Monitoring by using an electronic nose. Bioresource Technology. 102, 7984–7993.

Pearce, T.C., Schiffman, S.S., Nagle, H.T. and Gardner, J.W., 2003. Handbook of Machine Olfaction: Electronic Nose Technology. Wiley-VCH Verlag GmbH & Co.: Weinheim, Germany.

Sanaeifar, A., Mohtasebi, S.S., Ghasemi-Varnamkhasti, M. and Ahmadi, H., 2016. Application of MOS based electronic nose for the prediction of banana quality properties. Measurement. 82, 105–114.

Shareefdeen, Z., Herner, B. and Sing, A., 2005. Biotechnology for air pollution control– an Overview. Berlin, Heidelberg. Springer, Inc., 2005. p. 3–15.

Sironi, S., Capelli, L., Céntola, P., Del Rosso, R. and Grande, M., 2007. Continuous monitoring of odours from a composting plant using electronic noses. Waste Management. 27, 389 - 397.

Sohn, J.H., Hudson, N., Gallagher, E., Dunlop, M., Zeller, L. and Atzeni, M., 2008. Implementation of an electronic nose for continuous odour monitoring in a poultry shed. Sensors and Actuators. 133, 60–69.

امکانسنجی کاربرد یک سامانه بینی الکترونیک برای کیفیتسنجی...

فصلنامه علوم محیطی، دوره پانزدهم، شماره 4، زمستان 9316

Wilson, A.D., 2013. Diverse Applications of Electronic-Nose Technologies in Agriculture and Forestry. Sensors. 13, 2295-2348.

Wu, C., Liu, J., Zhao, P., Piringer, M. and Schauberger, G., 2016. Conversion of the chemical concentration of odorous mixtures into odour concentration and odour intensity: A comparison of methods. Atmospheric Environment. 127, 283 -


ارجاعات
  • در حال حاضر ارجاعی نیست.