امکان سنجی قابلیت طیف سنجی مرئی/ فروسرخ نزدیک (Vis/NIR) در طبقه بندی نمونه های لیموترش طی دوره انبارمانی با روش های شناسایی PCA، LDA و SVM | ||
| مجله علوم و صنایع غذایی ایران | ||
| Article 25, Volume 18, Issue 120, 1400, Pages 335-352 PDF (1.05 M) | ||
| DOI: 10.52547/fsct.18.120.26 | ||
| Authors | ||
| نیلوفر گودرزی1; سارا موحد* 2; محمد جواد شکوری3; حسین احمدی چناربن4 | ||
| 1دانشجوی دکتری، گروه علوم و صنایع غذایی، دانشکده کشاورزی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران. | ||
| 2دانشیار، گروه علوم و صنایع غذایی، دانشکده کشاورزی، واحد ورامین– پیشوا، دانشگاه آزاد اسلامی، ورامین، ایران. | ||
| 3استادیار، گروه علوم و صنایع غذایی، دانشکده کشاورزی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران. | ||
| 4استادیار، گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، واحد ورامین– پیشوا، دانشگاه آزاد اسلامی، ورامین، ایران. | ||
| Abstract | ||
| امروزه روند افزایشی ضایعات مواد غذایی و محصولات کشاورزی یکی از چالشهای جدی اکثر کشورها، به ویژه کشورهای در حال توسعه محسوب میشود لذا یکی از سیاستهای جدی دولتها در امر امنیت مواد غذایی، کاهش ضایعات و حفظ کیفیت محصولات کشاورزی است. تاکنون از روشهای متعددی برای سنجش کیفیت محصولات کشاورزی استفاده شده است که تنها برخی از آنها از لحاظ فنی و صنعتی توجیه پذیرند. روش طیف سنجی مرئی/ مادون قرمز نزدیک (Vis/NIR) از جمله روشهایی است که به دلیل سرعت و دقت بالا در ارزیابی خصوصیات کیفی محصولات کشاورزی مورد توجه و استفاده قرار گرفته است. در این راستا، در پژوهش حاضر از طیف سنجی مرئی/ فروسرخ نزدیک به منظور سنجش تغییرات کیفی و طبقهبندی نمونههای لیموترش واریته کی لایم، طی دوره انبارمانی (10، 20 و 30 روز) استفاده گردید. در ادامه به منظور تحلیل ویژگیهای کیفی و طبقه بندی دادههای مستخرج از NIR، از روش های شناسایی الگو شامل تحلیل مؤلفه های اصلی (PCA)، تحلیل تفکیک خطی (LDA) و ماشین بردار پشتیبان (SVM) استفاده شد. نتایج بدست آمده نشان داد که طیفسنجی مرئی/ فروسرخ نزدیک (Vis/NIR) قادر به تفکیک نمونههای لیموترش بر اساس مدت زمان نگهداری در انبار است. هرچند روشهای PCA، LDA و SVM توانستند با دقت خوبی نمونههای لیموترش را با توجه به ویژگیهای کیفی دستهبندی کنند، اما روشهای LDA و SVM با دقت 100% از دقت و برازش مطلوبتری برخوردار بودند. همچنین، طبق نتایج، تابع درجه 2، به عنوان بهترین تابع برای ساخت مدلهای دستهبندی به روشهای LDA و SVM تعیین و معرفی گردیدهاست. | ||
| Keywords | ||
| فروسرخ نزدیک; طیف سنجی مرئی; لیموترش; دوره انبارمانی | ||
| References | ||
|
| ||
|
Statistics Article View: 187 PDF Download: 146 |
||
| Number of Journals | 45 |
| Number of Issues | 2,160 |
| Number of Articles | 24,568 |
| Article View | 19,744,151 |
| PDF Download | 15,968,111 |