آلودگی ناشی از زهرابه قارچی آفلاتوکسین به عنوان یک معضل اساسی برای صادرات پسته محسوب می شود. با توجه به استقبال روزافزون استفادهاز تکنیک طیف سنجی رامان در تشخیص و تفکیک مواد مختلف و همچنین مسائل پیشروی روش های آزمایشگاهی سنجش سم مذکور (مانند هزینهبالا و زمان بر بودن)، هدف از این پژهش بررسی امکان تشخیص و سنجش آفلاتوکسین پسته با تکنیک طیف سنجی رامان و استفاده از شبکه هایاز مجموع آفلاتوکسین ها ی (ppb) عصبی بوده است. نمونه های مورد تحقیق در 3 سطح بدون آلودگی (سالم )، آلودگی 20 و 100 نانوگرم در گرمآماده شدند. بعد از طیف برداری، با توجه به نتایج، هنجارسازی داده های طیفی به عنوان روش پیش پردازش مناسب، انتخاب شد (B1+B2+G1+G2)و به دنبال آن برای کاهش ابعاد داده های طیفی استخراج مؤلفه های اصلی صورت پذیرفت. برای طبقه بندی نمونه ها، شبکه پرسپترون با قانون یادگیریپس انتشار خطا (با 4 مؤلفه اصلی مؤثر به عنوان ورودی و 3 نرون در لایه پنهان) مورد استفاده قرار گرفت. متوسط دقت طبقه بندی شبکه 98 درصدبه دست آمد و بنابراین، مدل سازی غیرخطی داده های طیف رامان توسط شبکه عصبی پرسپترون در طبقه بندی نمونه ها موفقیت آمیز ارزیابی شد.
