دوره 17، شماره 105 - ( 1399 )                   جلد 17 شماره 105 صفحات 149-135 | برگشت به فهرست نسخه ها

‎ 10.52547/fsct.17.105.135

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ganjloo A, Zandi M, Bimakr M, Monajem S. Ripening Stages Control of Cherry Tomato Coated with Aloe Vera Gel using Artificial Vision System. FSCT 2020; 17 (105) :135-149
URL: http://fsct.modares.ac.ir/article-7-41047-fa.html
گنجلو علی، زندی محسن، بی مکر ماندانا، منجم سمانه. کنترل مراحل رسیدگی گوجه‌فرنگی گیلاسی پوشش‌دهی شده با ژل آلوئه‌ورا با استفاده از سامانه بینایی مصنوعی. مجله علوم و صنایع غذایی ایران. 1399; 17 (105) :135-149

URL: http://fsct.modares.ac.ir/article-7-41047-fa.html

کنترل مراحل رسیدگی گوجه‌فرنگی گیلاسی پوشش‌دهی شده با ژل آلوئه‌ورا با استفاده از سامانه بینایی مصنوعی
علی گنجلو 1، محسن زندی2 ، ماندانا بی مکر2 ، سمانه منجم3
1- گروه علوم و مهندسی صنایع غذایی، دانشگاه زنجان ، aganjloo@znu.ac.ir
2- گروه علوم و مهندسی صنایع غذایی، دانشگاه زنجان
3- دانشجوی کارشناسی ارشد فناوری مواد غذایی، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
چکیده:   (2391 مشاهده)
کنترل مراحل رسیدگی فرآورده‌های کشاورزی طی نگهداری و درجه‌بندی کیفی آنها بر اساس مرحله رسیدگی از اهمیت بالایی برخوردار است. پوشش‌های خوراکی می‌توانند عمر انبارمانی فرآورده‌های کشاورزی را افزایش دهند و از آنها طی عملیات جابجایی، نگهداری، فرآوری و عرضه به بازار مصرف محافظت نمایند. هدف از پژوهش حاضر ایجاد سامانه‌ای برای کنترل و جداسازی کیفی گوجه‌فرنگی گیلاسی در دو حالت با و بدون پوشش ژل آلوئه‌ورا بر مبنای سامانه بینایی مصنوعی می‌باشد. برای این منظور نخست خصوصیات فیزیکی‌وشیمیایی شامل اسیدیته قابل تیتر (TA)، مواد جامد محلول کل (TSS) و سفتی بافت (F) گوجه‌فرنگی‌های گیلاسی در هر دو حالت اندازه‌گیری گردید. براساس این خصوصیات شاخص رسیدگی (RPI) تعیین گردید و نمونه‌‌ها بر اساس مرحله رسیدگی به دو درجه کیفی MS1 و MS2 طبقه‌بندی شدند. در ادامه با کمک سامانه بینایی مصنوعی با استفاده از دو سیستم تجزیه و تحلیل مولفه‌های اصلی (PCA)، شبکه عصبی مصنوعی پس انتشار (BPNN) و با کمک خصیصه‌های رنگی و بافتی حاصل از تصویر به‌صورت مجزا و با هم، نمونه‌ها طبقه‌بندی گردید. نتایج طبقه‌بندی نشان داد که استفاده از خصیصه‌های رنگی و بافتی باهم سبب طبقه‌بندی با صحت بیشتر می‌گردد. در این میان با کمک 21 خصیصه رنگی و بافتی روش‌های PCA و BPNN قادر به جداسازی نمونه‌‌ها به ترتیب با دقت 72/85 و 21/98 بودند. صحت بالاتر روش BPNN به سبب عملکرد غیر خطی آن است. نتایج به‌دست آمده از این پژوهش حاکی از آن است که ژل آلوئه‌ورا در به تاخیر انداختن فرایند رسیدن گوجه‌های گیلاسی به‌طور موفقیت آمیزی عمل می‌نماید و می‌توان از سامانه بینایی مصنوعی به‌عنوان یک روش غیرمخرب برای ارزیابی میزان رسیدگی گوجه‌فرنگی گیلاسی براساس خصیصه‌های رنگی و بافتی به‌طور کارآمد استفاده کرد.
واژه‌های کلیدی: گوجه‌فرنگی گیلاسی، درجه رسیدگی، پردازش تصویر، تجزیه و تحلیل چند متغیره، شبکه عصبی مصنوعی پس‌انتشار.
متن کامل [PDF 932 kb]   (817 دریافت)    
نوع مقاله: پژوهشی اصیل | موضوع مقاله: مهندسی صنایع غذایی
دریافت: 1398/12/9 | پذیرش: 1399/3/20 | انتشار: 1399/8/10
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.