دوره 18، شماره 113 - ( 1400 )                   جلد 18 شماره 113 صفحات 172-157 | برگشت به فهرست نسخه ها

‎ 10.52547/fsct.18.113.157

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ganjloo A, Zandi M, Bimakr M, Ghareh Baghi A. Evaluation the Effect of Farsi Gum Containing Hemp seed oil Coating on Mass and Volume Changes of Grape using Machine Vision and Machine Learning Systems. FSCT 2021; 18 (113) :157-172
URL: http://fsct.modares.ac.ir/article-7-48131-fa.html
گنجلو علی، زندی محسن، بی مکر ماندانا، قره باغی ابوالفضل. بررسی تاثیر پوشش‌دهی با صمغ فارسی حاوی روغن شاهدانه بر تغییرات جرم و حجم انگور با استفاده از سیستم‌های بینایی ماشین و یادگیری ماشین. مجله علوم و صنایع غذایی ایران. 1400; 18 (113) :157-172

URL: http://fsct.modares.ac.ir/article-7-48131-fa.html

بررسی تاثیر پوشش‌دهی با صمغ فارسی حاوی روغن شاهدانه بر تغییرات جرم و حجم انگور با استفاده از سیستم‌های بینایی ماشین و یادگیری ماشین
علی گنجلو1 ، محسن زندی 2، ماندانا بی مکر3 ، ابوالفضل قره باغی4
1- دانشیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
2- استادیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران ، zandi@znu.ac.ir
3- استادیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
4- دانش آموخته کارشناسی، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
چکیده:   (1559 مشاهده)
در این پژوهش تاثیر پوشش خوراکی صمغ فارسی (0، 5/1 و 3 درصد) حاوی روغن شاهدانه (0، 075/0 و 15/0 درصد) بر تغییرات جرم و حجم طی نگهداری در دمای 4 درجه سلسیوس به مدت 28 روز بررسی گردید. سیستم بینایی ماشین به همراه انواع روش‌های یادگیری ماشین برای استخراج تصویر انگور از تصویر و تخمین جرم و حجم بر اساس خصیصه‌های تصویر (طول، عرض، ارتفاع و سطح) استفاده شد. برای پیش‌بینی جرم و حجم حبه انگور 4 مدل یادگیری ماشین شامل رگرسیون خطی (LR)، شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان بر پایه تابع شعاعی (RBF-SVR) و ماشین بردار پشتیبان بر پایه تابع خطی (LBF-SVR) توسعه یافت. به‌منظور بررسی کارایی مدل‌های توسعه یافته داده‌های تخمین جرم و حجم انگور با داده‌های تجربی مقایسه گردید. جرم و حجم طی نگهداری در کل تیمارها کاهش یافت. از طرفی تغییرات جرم و حجم با افزایش غلظت صمغ فارسی و روغن شاهدانه کاهش یافت. بر اساس نتایج ارزیابی مدل، عملکرد پیش‌بینی مدل RBF-SVR در مقایسه با مدل‌های LR، ANN و LBF-SVR دقیق‌تر بود و توانست جرم و حجم را به ترتیب با ضریب تبیین 998/0 و 989/0 تخمین بزند که نشان‌دهنده همبستگی خوب بین نتایج واقعی و پیش‌بینی است. این نتایج تائید می‎‌نماید که مدل SVR ابزاری قابل قبول در تخمین جرم و حجم انگور پوشش‌دار شده طی نگهداری در دمای سردخانه است. 
واژه‌های کلیدی: پوشش‌دهی، پردازش تصویر، ماشین بردار پشتیبان، شبکه عصبی مصنوعی، پیش‌بینی
متن کامل [PDF 1564 kb]   (650 دریافت)    
نوع مقاله: پژوهشی اصیل | موضوع مقاله: هیدروکلوئیدها،امولسیون
دریافت: 1399/9/14 | پذیرش: 1399/11/7 | انتشار: 1400/4/10
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.