Discovering the chemical factors behind regional royal jelly differences via machine learning

dc.contributor.authorÖzkök, Aslı
dc.contributor.authorKeskin, Merve
dc.contributor.authorSamancı, Aslı Elif Tanuğur
dc.contributor.authorÖnder, Elif Yorulmaz
dc.contributor.authorSilahtaroğlu, Gökhan
dc.date.accessioned2023-06-12T05:56:57Z
dc.date.available2023-06-12T05:56:57Z
dc.date.issued2023-03-16
dc.description.abstractThis study aims to discover the characteristic chemical factors for determining the region of royal jelly using machine learning. 84 samples from 13 different regions of Turkey were used for the study, and the chemical parameters of moisture, pH, acidity, and 10-hydroxy-2-decanoic acid (10-HDA) were investigated. ANOVA test was conducted to determine whether there are differences between royal jelly from 13 locations concerning the four chemical values. In addition to the statistical tests, a machine learning model was used to find out what makes royal jelly different from each other. The descriptive statistics of the chemical analysis results of royal jelly showed the following values: moisture 63.05%±2.99, pH 3.67±0.08, acidity 45.32±3.55, and 10-HDA 2.40±0.24. Surprisingly, the machine learning model suggests that 10-HDA may be the most prominent parameter for determining the region of royal jelly. This information will help us identify royal jelly’s authenticity more easily.en_US
dc.description.abstractBu çalışmanın amacı, makine öğrenmesi yoluyla arı sütünün bölgesini belirlemek için ayırt edici kimyasal faktörleri keşfetmektir. Çalışmada, Türkiye'nin 13 farklı bölgesinden 84 numune kullanılmış ve nem, pH, asitlik ve 10-hidroksi-2-dekanoik asit (10-HDA) kimyasal parametreleri incelenmiştir. 13 yerden toplanan arı sütleri arasında dört kimyasal değer açısından farklılık olup olmadığı ANOVA testi ile incelenmiştir. İstatistiksel testlere ek olarak, arı sütlerini birbirinden neyin ayırdığını keşfetmek için bir makine öğrenimi modeli kullanılmıştır. Arı sütü, kimyasal analiz sonuçlarının tanımlayıcı istatistikleri sırasıyla, nem %63,05±2,99, pH 3,67±0,08, asitlik 45,32±3,55 ve 10-HDA 2,40±0,24 olarak bulunmuştur. Şaşırtıcı bir şekilde, makine öğrenimi modeli, 10-HDA'nın arı sütünün bölgesini belirlemek için en belirgin parametre olabileceğini öne sürmektedir. Bu bilgi, arı sütünün doğruluğunun tespitini daha kolay öğrenmemize yardımcı olacaktır.tr_TR
dc.identifier.citationÖzkök, A. vd. (2023). ''Discovering the chemical factors behind regional royal jelly differences via machine learning''. Uludağ Arıcılık Dergisi, 23(1), 49-60.tr_TR
dc.identifier.endpage60tr_TR
dc.identifier.issn2687-5594
dc.identifier.issue1tr_TR
dc.identifier.startpage49tr_TR
dc.identifier.urihttps://doi.org/10.31467/uluaricilik.1238027
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/2900306
dc.identifier.urihttp://hdl.handle.net/11452/33004
dc.identifier.volume23tr_TR
dc.language.isoenen_US
dc.publisherBursa Uludağ Üniversitesitr_TR
dc.relation.journalUludağ Arıcılık Dergisi / Uludağ Bee Journaltr_TR
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergitr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectArı sütütr_TR
dc.subjectBal arısıtr_TR
dc.subjectMakine öğrenimitr_TR
dc.subject10-HDAtr_TR
dc.subjectRoyal jellyen_US
dc.subjectHoneybeeen_US
dc.subjectMachine learningen_US
dc.titleDiscovering the chemical factors behind regional royal jelly differences via machine learningen_US
dc.title.alternativeMakine öğrenimi yoluyla bölgesel arı sütü farklarının arkasındaki kimyasal faktörleri keşfetmektr_TR
dc.typeArticleen_US

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
23_1_5.pdf
Size:
318.94 KB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: