Share, Keep, Give

Metode flvq merupakan metode jaringan neural buatan berbasis vektor quantization yang mengintegrasikan teori fuzzy dalam proses pembelajarannya dan mempunyai algoritma yang sederhana tetapi berkemampuan tinggu dalam pengenalan aroma.

Sistem penciuman elektronik terdiri dari 3 bagian yaitu pertama, sistem sensor yang mengubah besaran aroma menjadi besaran listrik, kedua, sistem elektronik yang mengukur besar perubahan frekuensi sensor dan ketiga, sistem jaringan neural buatan yang melakukan pengenalan aroma.

Fungsi jaringan neural buatan adalah menyerupai kelakuan otak manusia. Dimana beberapa neuron berhubungan rapi satu sama lain.

Kemampuan kecepatan, ketepatan dan tingkat keakurasian yang tinggi pada sistem neural sangat dibutuhkan oleh sistem penciuman elektronik. Maka metode fuzzy learning vector quantization sangat diperlukan.

Awal alur kerja penciuman elektronik ini adalah dengan memasukkan uap aroma ke ruang sensor lalu uap tersebut akan diekstraksi menjadi komponen penyusun uap. Tiap komponen itu selanjutnya diukur intensitas dan konsentrasinya oleh sensor Quartz Crystal Microbalance (QCM). Guna menangkap uap aroma, osilator dimodifikasi dan diberikan tambahan lapisan zat kimia.

Salah satu fungsi utama teknologi ini berada dalam industri makanan dan minuman, yaitu untuk memonitor atau mengontrol kualitas suatu produk atau melakukan klasifikasi. Seperti pada proses pembuatan kopi, tembakau ataupun produk yang akan diekspor ke negara asing. Selain itu dapat digunakan di daerah lain seperti minyak bumi untuk analisis kualitatif dan kuantitatif, deteksi bahan peledak, klasifikasi dan degradasi minyak zaitun penelitian, pengembangan bidang lingkungan detektor bau aplikasi, aplikasi kontrol kualitas dalam industri otomotif, membedakan antara sapi perah bersih dan tercemar, analisis bahan baku kosmetik, serta banyak bidang penting lainnya seperti dalam bidang medis dan ruang.