امکان سنجی کاربرد یک سامانه بینی الکترونیک برای کیفیت سنجی هوای کوره پخت ضایعات کشتارگاه طیور

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی مکانیک ماشین های کشاورزی ، دانشکده علوم و مهندسی فناوری کشاورزی، دانشگاه تهران، کرج، ایران

2 گروه مهندسی مکانیک ماشین های کشاورزی ، دانشکده علوم و مهندسی فناوری کشاورزی ،دانشگاه تهران، کرج، ایران

چکیده

سابقه و هدف:
رشد فعالیتهای صنعتی و افزایش انتشار آلاینده ها موجب جلب توجه جهانیان به مسایل زیست محیطی شده است. بوینامطبوع را می توان جزء آلاینده هایی طبقه بندی کرد که تاثیر منفی آن بر کیفیت زندگی مشهود است. حدود یک سوم تا نیمی از تولیداتحیوانی که برای انسان غیرقابل مصرف هستند به عنوان مواد اولیه در صنعت فرآوری و تبدیل ضایعات استفاده می شوند. از مهمترینویژگی های واحد فرآوری ضایعات کشتارگاه ها، می توان به انتشار ترکیبات فرار و بوی ناخوشایند اشاره کرد که سبب مزاحمت برای افرادشاغل و ساکنان مجاور این صنعت میشود. هدف این تحقیق، ارزیابی یک سامانه بینی الکترونیکی به عنوان ابزاری برای نمایش بخارهایخروجی 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 باسرعت 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 الکترونیکیبه منظور تحلیل و بررسی استفاده شد. سامانه بینی الکترونیکی مورد استفاده بر پایه حسگرهای نیمه هادی اکسید فلزی ( MOS ) و شاملآرایه ای از شش حسگر گازی بود. از روش تحلیل مولفه های اصلی( PCA ) برای ارزیابی حسگرها و انتخاب آرایه ای مناسب از حسگرهااستفاده 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.

کلیدواژه‌ها


عنوان مقاله [English]

Feasibility of using an electronic nose for quality assessment of air in poultry slaughterhouse rendering plants

نویسندگان [English]

  • Ali Farmanesh 1
  • Seyed Saeid Mohtasebi 2
  • Mahmoud Omid 2
1 Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering & Technology, University of Tehran, ,Karaj, Iran
2 Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering & Technology, University of Tehran, Karaj, Iran
چکیده [English]

Introduction:
Industrial activities growth and increasing emissions getting attention to environmental problems in the world. Unpleasant smell (malodor) can be classified as pollutants that had negative impact on quality of life. About one third to half of animal products that are unusable for humans are used as raw materials in the processing and recycling industry. One of the most important features of slaughterhouse rendering plants is the release of volatile compounds and unpleasant odors, which disturb the working people and the adjacent inhabitants of this industry. The purpose of this study was to evaluate an electronic nose system as a tool for displaying vapors from a slaughterhouse rendering plant, select an array of appropriate sensors and determine the fingerprint for this pollutant unit.
 Material and methods:
The batch cooking was carried out at temperature 140 ° C under pressure 3 bar for 4 hours and uniformly stirred at a speed of 20 rpm (ISIRI 2389, 1995). A total of 30 liquid samples, each one with volume of 10 ml, were obtained from condensed vapors of batch cooker. Samples were transferred to the laboratory located at the Agricultural Machinery Department of the University of Tehran, and an electronic nose system was used for analysis and investigation. The electronic nose system was based on metal oxide semiconductor (MOS) sensors and included an array of six gas sensors. The principal component analysis (PCA) method was used to evaluate the sensors and select appropriate array of sensors. 
Results and discussion:
Observation of sensor’s response until steady state with aim of reducing consumption of time and oxygen, showed that 30 seconds to reach sensors to their baseline (baseline time), 100 seconds to contact the vapors with sensors (injection and response time) and 40 seconds to clear the sensors (purging time) were suitable . Correlation analysis of the sensors showed that some of the sensors had a correlation higher than 0.85. The analysis of variance distribution of two primary principal components showed that these two components comprises for more than 99% of the total variance, and the primary component (PC-1) comprise over than 98% of the total variance. The highest effect on the first component was related to the MQ135 sensor, after that MQ136, MQ9, MQ131, MQ5 and finally MQ3 sensors were effective. The analysis of the principal components showed that MQ135 and MQ136 sensors with high sensitivity to ammonia, hydrogen sulfide and benzene were the most suitable sensors for detecting the unpleasant smell released from the poultry slaughterhouse waste batch cooking (rendering plant). Selection of MQ135 and MQ136 sensors as an array can be used to distinguish between pollutants from poultry rendering plant and pollutants released from other industries, and these sensors can be used to determine the fingerprint of the odor emitted from poultry rendering plant. 
Conclusion:
According to the results of this research, the electronic nose system with array of MQ135 and MQ136 can be used to monitor and control the quality of pollutants from poultry rendering plant. Also, with referring to this fact that unpleasant smell in air quality control is not defined standardly in Iran, an electronic nose system could be used to control the air quality in terms of the presence of unpleasant odors in the environment.

کلیدواژه‌ها [English]

  • Air pollution
  • Environment
  • Malodorous
  • Odour emission
  • Principle component analysis
  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. Capelli, L., Sironi, S. and Del Rosso, R., 2014. Electronic noses for environmental monitoring applications. Sensors. 14, 19979-20007.
  6. Charles, M. and McGinley, P.E., 2002. Standardized odour measurement practices for air quality testing. In proceeding Air and Waste
  7. علی فرمنش و همکاران
  8. فصلنامه علوم محیطی، دوره پانزدهم، شماره 4، زمستان 9316
  9. Management Association Symposium on air quality measurement methods and technology, 13th – 15th November, San Francisco. P. 5.
  10. Delgado-Rodriguez, M., Ruiz-Montoya, M., Giraldez, I., Lopez, R., Madejonc, E. and Diaz, M.J., 2012. Use of electronic nose and GC-MS in detection and monitoring some VOC. Atmospheric Environment. 51, 278 - 285.
  11. Environmental protection agency., 2017. Available online at: https://www.airnow.gov
  12. /index.cfm?action=aqibasics.aqi
  13. 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.
  14. 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.
  15. 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).
  16. 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.
  17. 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.
  18. Kiani, S. and Minaei, S., 2016. Potential application of machine vision technology to saffron (Crocus sativus L.) quality characterization. Food Chemistry. 212, 392-394.
  19. 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.
  20. Lopez, R., Cabeza, I.O., Giraldez, I. and Diaz, 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.
  21. 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.
  22. 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.
  23. Shareefdeen, Z., Herner, B. and Sing, A., 2005. Biotechnology for air pollution control– an Overview. Berlin, Heidelberg. Springer, Inc., 2005. p. 3–15.
  24. Sironi, S., Capelli, L., Centola, P., Del Rosso, R. and Grande, M., 2007. Continuous monitoring of odours from a composting plant using electronic noses. Waste Management. 27, 389 - 397.
  25. 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.
  26. امکانسنجی کاربرد یک سامانه بینی الکترونیک برای کیفیتسنجی...
  27. فصلنامه علوم محیطی، دوره پانزدهم، شماره 4، زمستان 9316
  28. Wilson, A.D., 2013. Diverse Applications of Electronic-Nose Technologies in Agriculture and Forestry. Sensors. 13, 2295-2348.
  29. 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 -