تکتم محمدی مقدم؛ سید محمد علی رضوی؛ مسعود تقی زاده؛ آمنه سازگارنیا؛ بیسواجت پرادان
چکیده
با افزایش توقعات در ارتباط با کیفیت و سلامت محصولات غذایی، روشهای تجزیهای صحیح و دقیق برای اطمینان از کیفیت، صحت و سلامت محصول ضروری است. روشهای سنتی کنترل مواد غذایی، زمان بر، گران و نیازمند تخریب نمونه هستند. بنابراین استفاده از اتوماسیون برای اطمینان از کیفیت محصولات کشاورزی ضروری است. هدف از این تحقیق استفاده از تصویربرداری ...
بیشتر
با افزایش توقعات در ارتباط با کیفیت و سلامت محصولات غذایی، روشهای تجزیهای صحیح و دقیق برای اطمینان از کیفیت، صحت و سلامت محصول ضروری است. روشهای سنتی کنترل مواد غذایی، زمان بر، گران و نیازمند تخریب نمونه هستند. بنابراین استفاده از اتوماسیون برای اطمینان از کیفیت محصولات کشاورزی ضروری است. هدف از این تحقیق استفاده از تصویربرداری ابرطیفی، شیوههای مختلف پیش پردازش و روشهای آنالیز چند متغیره (رگرسیون کمترین مربعات جزئی و شبکه عصبی مصنوعی) جهت پیشگویی رطوبت و سختی مغزهای پسته طی شرایط مختلف برشته کردن (دما، زمان و سرعت جریان هوای برشته کردن) بوده است. نتایج نشان داد تصویربرداری ابرطیفی میتواند بهخوبی برای پیشگویی میزان رطوبت و سختی مغزهای پسته برشته شده بهکار رود. بررسیها نشان داد استفاده از روشهای مختلف پیش پردازش میتواند باعث کاهش خطای پیشگویی و بهبود کیفیت مدل بهدست آمده شود. روش شبکه عصبی مصنوعی بهتر از روش کمترین مربعات جزئی توانست برای پیشگویی میزان رطوبت و سختی مغزهای پسته برشته شده بهکار رود. بهترین مدل برای پیشگویی رطوبت مغزهای پسته برشته شده با انجام پیش پردازشهای تبدیل متغیر نرمال استاندارد، موجک و مشتق اول بهدست آمد که میزان ضریب تبیین 907/0 و میزان خطای پیشگویی 179/0 بود. برای پیشگویی سختی مغزهای پسته برشته شده بهترین مدل از پیش پردازشهای تبدیل متغیر نرمال استاندارد، موجک و مشتق دوم بهدست آمد که میزان ضریب تبیین 876/0 و میزان خطای پیشگویی216/5 بهدست آمد.