جستجو در:
دوره 21، شماره 151 - ( 1403 )
جلد 21 شماره 151 صفحات 31-13 |
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:
Kashaninejad M, Ziaiifar A M, Soleimanipour A, Behnampour N. Prediction of textural characteristics in low-fat mozzarella cheese by Hyperspectral imaging using machine learning methods. FSCT 2024; 21 (151) :13-31
URL: http://fsct.modares.ac.ir/article-7-71880-fa.html
URL: http://fsct.modares.ac.ir/article-7-71880-fa.html
کاشانی نژاد مهدی، ضیائی فر محمدامان، سلیمانی پور علیرضا، بهنام پور ناصر. پیشبینی ویژگیهای بافتی پنیر موزارلای کم چرب با استفاده از تصویربرداری فراطیفی به کمک روش‌های یادگیری ماشین. مجله علوم و صنایع غذایی ایران. 1403; 21 (151) :13-31
1- استاد گروه مهندسی صنایع غذایی، دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
2- گروه مهندسی صنایع غذایی، دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
3- گروه مهندسی مکانیک بیوسیستم، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
4- مرکز تحقیقات مدیریت سلامت و توسعه اجتماعی، گروه آمار زیستی و اپیدمیولوژی، دانشگاه علوم پزشکی گلستان ،Behnampour@yahoo.com
2- گروه مهندسی صنایع غذایی، دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
3- گروه مهندسی مکانیک بیوسیستم، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
4- مرکز تحقیقات مدیریت سلامت و توسعه اجتماعی، گروه آمار زیستی و اپیدمیولوژی، دانشگاه علوم پزشکی گلستان ،
چکیده: (507 مشاهده)
با تغییر در شدت عملیات مکانیکی-حرارتی متفاوت، تنوع فرمولاسیون و شرایط نگهداری، 36 نمونه پنیر موزارلا کمچرب تهیه و سختی چسبندگی، انسجام، فنریت، حالت صمغی و قابلیت جویدن آنها توسط تجزیه و تحلیل مشخصات بافت اندازهگیری و با استفاده از تجزیه و تحلیل تکمتغیره در قالب فاکتوریل در نرمافزار SPSS با یکدیگر مقایسه شد. سپس تصویربرداری از همان نمونهها با دوربین فراطیفی در محدوده 1000-400 نانومتر با دوربین فراطیفی انجام و پس از پیشپردازش طیفها و جداسازی طول موجهای مؤثر به کمک الگوریتمهای انتخاب ویژگی، مدلسازی با الگوریتم رگرسیون خطی چندگانه، رگرسیون حداقل مربعات جزئی، ماشین بردار پشتیبان با کرنل خطی، شبکه عصبی پرسپترون چندلایه، جنگلهای تصادفی و الگوریتم رأی اکثریت در نرمافزار پایتون انجام و کارائی مدلهای ارزیابی گردید. نتایج نشان داد که با تشدید عملیات مکانیکی-حرارتی، سختی، فنریت، حالت صمغی و قابلیت جویدن و انسجام افزایش و چسبندگی کاهش پیدا کرد (05/0< P). افزودن اسید و جانشینشوندههای چربی سبب کاهش سختی، انسجام، فنریت و قابلیت جویدن شده و حالت صمغی و چسبندگی را افزایش دادند. الگوریتم رأی اکثریت، بیشترین کارایی را در پیشبینی سختی (878/0=R2p، 52/2606= RMSEp و 12/2=RPD) بروز داد و توانست انسجام موزارلا را با کارائی بالاتری نسبت به سایر الگوریتمها پیشبینی نماید. رگرسیون خطی چندگانه در پیشبینی چسبندگی کارائی نداشت، اما روش جنگلهای تصادفی با عملکرد بالا این ویژگی را پیشبینی نمود (808/0=R2p، 49/56= RMSEp، 90/1=RPD). شبکه عصبی پرسپترون چندلایه با کمترین خطا، توانست فنریت (848/0= R2p 094/0= RMSEp، 12/2=RPD) و قابلیت جویدن (84/0=R2p، 21/1117= RMSEp، 96/1=RPD) موزارلا را با عملکرد مناسب پیشبینی نماید. تمام روشها به جز جنگلهای تصادفی توانستند با کارائی بالا حالت صمغی را پیشبینی کنند. در این مطالعه مشخص شد عوامل فرایند تأثیر معنیداری بر ویژگیهای بافتی داشتند و روش تصویربرداری تصویربرداری فراطیفی یک روش جایگزین مناسب برای تخمین ویژگیهای بافتی پنیر موزارلا تشخیص داده شد.
نوع مقاله: پژوهشی اصیل |
موضوع مقاله:
مهندسی صنایع غذایی
دریافت: 1402/7/15 | پذیرش: 1402/9/1 | انتشار: 1403/6/1
دریافت: 1402/7/15 | پذیرش: 1402/9/1 | انتشار: 1403/6/1
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |