جستجو در:
دوره 18، شماره 116 - ( 1400 )
جلد 18 شماره 116 صفحات 159-143 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ganjloo A, Zandi M, Bimakr M, Monajem S. Visual grading of cherry tomatoes coated with aloe vera gel containing hemp seed oil using principal component analysis, artificial neural network and adaptive neuro-fuzzy inference system methods. FSCT 2021; 18 (116) :143-159
URL: http://fsct.modares.ac.ir/article-7-45273-fa.html
URL: http://fsct.modares.ac.ir/article-7-45273-fa.html
گنجلو علی، زندی محسن، بی مکر ماندانا، منجم سمانه. درجه‌بندی بصری گوجه‌فرنگی گیلاسی پوشش‌دار شده با ژل آلوئه‌ورا حاوی روغن شاهدانه با روش‌های تجزیه و تحلیل مولفه‌های اصلی، شبکه عصبی مصنوعی و سیستم استنتاج تطبیقی عصبی- فازی. مجله علوم و صنایع غذایی ایران. 1400; 18 (116) :143-159
علی گنجلو 
1، محسن زندی2 ، ماندانا بی مکر2 ، سمانه منجم2
1، محسن زندی2 ، ماندانا بی مکر2 ، سمانه منجم2
1- گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان 38791- 45371، ایران ، aganjloo@znu.ac.ir
2- گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان 38791- 45371، ایران
2- گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان 38791- 45371، ایران
چکیده: (1530 مشاهده)
در پژوهش حاضر، در قدم اول تاثیر پوشش ژل آلوئه‌ورا (75 درصد حجمی/حجمی) حاوی غلظت‌های مختلف از روغن شاهدانه (1-5 درصد حجمی/حجمی) بر برخی از ویژگی‌های فیزیکی‌و‌شیمیایی گوجه‌فرنگی گیلاسی حین دوره نگهداری در دمای محیط بررسی گردید. نتایج به دست آمده حاکی از توانایی روغن شاهدانه جهت بهبود ویژگی‌های فیزیکی‌و‌شیمیایی گوجه‌فرنگی گیلاسی حین دوره نگهداری می‌باشد هرچند اختلاف معنی‌داری بین سطوح 3 و 5 درصد مشاهده نگردید (05/0p>). تغییر شیب در روند تغییرات شاخص رسیدگی برای نمونه پوشش‌دار شده با ژل آلوئه‌ورا 75 درصد در روز 12 و برای نمونه پوشش‌دار شده با ژل آلوئه‌ورا 75 درصد حاوی 3 درصد روغن شاهدانه در روز 16 رخ داد. با استفاده از یک سامانه پردازش تصویر نیز تغییرات نمونه‌های پوشش‌دار شده بر اساس خصیصه‌های رنگی و بافت حاصل از تصویر بررسی و به روش‌های مختلف درجه‌بندی شدند. نتایج حاکی از آن است که روش‌های تجزیه و تحلیل مولفه‌های اصلی و شبکه عصبی مصنوعی توانستد گوجه‌فرنگی گیلاسی را به دو درجه سالم و معیوب تقسیم نماید که روش شبکه عصبی مصنوعی با کمک خصیصه‌های بافتی نمونه‌ها را با صحت بالاتری درجه‌بندی نمود (41/97 درصد). روش انفیس نسبت به دو روش دیگر قدرت تشخیصی بالاتری داشت و توانست با صحت درجه‌بندی معادل 96/98 درصد نمونه‌ها را به سه درجه سالم، درجه دو و غیرقابل مصرف درجه‌بندی نماید.
نوع مقاله: پژوهشی اصیل |
موضوع مقاله:
مهندسی صنایع غذایی
دریافت: 1399/5/27 | پذیرش: 1400/2/5 | انتشار: 1400/7/10
دریافت: 1399/5/27 | پذیرش: 1400/2/5 | انتشار: 1400/7/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |