Sığır eti elektronik burun testinde bütün örnekler ayrı tutulunca sonuçlar düştü

Ayrı test edilen on iki et parçası

Erkan Caner Ozkat’ın Foods’ta 10 Ağustos 2026’da yayımlanan çalışması, sığır eti tazeliğine ilişkin açık elektronik burun verilerini yeniden analiz etti. Ana veri kümesi, 11 metal oksit gaz sensörü kanalıyla kaydedilen 12 et parçasını içeriyor. Her testte bir parçanın bütün kayıtları ayrılırken modeller diğer parçalarla eğitildi; toplam canlı sayısı, yani TVC, tazelik etiketlerini belirledi ancak model girdilerine eklenmedi.

Bu testlerde gradyan artırmalı ağaç modeli 0,81 ± 0,10 doğruluğa ve 0,68 ± 0,15 makro-F1 değerine ulaştı. Ham diziyi kullanan sinir ağının makro-F1 değeri 0,50 ± 0,15 oldu. Aynı ağ bunun yerine rastgele veri bölümleriyle değerlendirildiğinde makro-F1 0,97’ye yükseldi. TVC’nin girdi olarak verildiği ayrı karşılaştırmada rastgele orman doğruluğu kusursuza yaklaştı; yazar bu işlemlerin belirli bir önceki yayının sonucuna neden olduğunu ortaya koymuyor.

Özellikler ve daha az sensör kanalı

Sinir ağına ağaç modeliyle aynı ölçüm penceresi özetleri verildiğinde makro-F1 0,64 ± 0,17 oldu; eşleştirilmiş karşılaştırmada ağaçtan farkı istatistiksel olarak anlamlı değildi. Eğitim katları içinde seçilen beş kanallı alt küme 0,64 makro-F1’e, tam dizi 0,68’e ulaştı; bu fark da anlamlı değildi. Yazar, fiziksel olarak küçültülmüş sensör dizisinin hâlâ üretilip doğrulanması gerektiğini belirtiyor.

Ayrı kahve ve aroma veri kümeleri, daha zengin ısıtıcı profili sinyallerinin rolünü sınadı. Kahve görevinde konumu dikkate alan sinir ağı ağacı geçti; profil tek adıma indirildiğinde üstünlük tersine döndü. Yedi sınıflı aroma görevinde ağaç daha güçlü kaldı. Yazar bu verileri ek et kalitesi doğrulaması olarak değil, sinyal yapısının karşılaştırmaları olarak tanımlıyor.

Referans veriler ve aktarım sınırları

On iki parçanın onu, kısmen aynı TVC referans serisini paylaşıyor. Bu nedenle yazar, 12 sensör kaydı arasındaki doğrulamayı 12 bağımsız mikrobiyal süreçte doğrulamadan ayırıyor. Ayrı bir sığır eti kaydına aktarımda makro-F1 ağaç için 0,40, sinir ağı için 0,46 oldu. Yazar, hedef kayıttan etiketsiz veriler kullanılarak her cihaza özgü standartlaştırmanın sinir ağını iyileştirdiğini bildiriyor.

Yazar, 37 saatlik kayıtların uzun dönemli sensör kaymasını nitelendiremeyeceğini belirterek laboratuvarlar, saklama koşulları ve daha uzun dönemler arasında daha geniş doğrulama istiyor. Makale TVC’yi patojen veya toksin varlığının ölçüsü olarak değil, tazelik ölçüsü olarak tanımlıyor. Çalışma, Recep Tayyip Erdoğan Üniversitesi Geliştirme Vakfının 02026007008461 numaralı desteğiyle yürütüldü; yazar çıkar çatışması bildirmedi.

Kaynak ve lisans

Kaynak: Erkan Caner Ozkat. Leakage-Free Benchmarking of Electronic Noses for Beef Freshness: A Signal-Richness Criterion for Model Selection. Foods (2026), 15, 2798. DOI: 10.3390/foods15162798. © 2026 Yazar. CC BY 4.0. FoodRadar bu özeti hazırladı, düzenledi ve Türkçeye çevirdi.