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]   (855 دریافت)