انجمن علوم و صنایع غذایی ایران ناشر: دانشگاه تربیت مدرس مجله علوم و صنایع غذایی ایران 2008-8787 18 113 2021 06 22 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 بررسی تاثیر پوشش‌دهی با صمغ فارسی حاوی روغن شاهدانه بر تغییرات جرم و حجم انگور با استفاده از سیستم‌های بینایی ماشین و یادگیری ماشین 157 172 26386 10.52547/fsct.18.113.157 FA علی گنجلو دانشیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران 0000-0002-3298-4492 محسن زندی استادیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران ماندانا بی مکر استادیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران ابوالفضل قره باغی دانش آموخته کارشناسی، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران Journal Article In this study, the effects of Farsi gum (0, 1.5% and 3%) coating containing hemp seed oil (0, 0.075% and 0.15%) on mass and volume changes of grape were investigated during storage at 4°C for 28 days. Machine vision system with learning machine methods was used to detect coated grapes from an image and estimate their mass and volume based on the image features (length, width, height and area). Four machine learning models, including linear regression (LR), artificial neural networks (ANN), radial basis function support vector regression (RBF-SVR) and Linear basis function support vector regression (LBF-SVR) were developed to predict the mass and volume of the single grape. The estimated grape mass and volume by these methods was compared statistically with actual values. The mass and volume in all treatments showed a decreasing pattern during the cold storage. The results indicated that mass and volume change decrease with Farsi gum and hemp seed oil increasing. Furthermore, according to the model evaluation results, the prediction performance of RBF-SVR model had achieved better predictive accuracy compared with the results of LR, ANN and LBF-SVR models, with R2 of 0.998 and 0.989 for mass and volume estimation, respectively, which also showed a good agreement between actual and predicted values. These results revealed that SVR model was a promising tool for estimating the mass and volume of grape during storage. 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 (<span dir="LTR">LR</span>)، شبکه عصبی مصنوعی (<span dir="LTR">ANN</span>)، ماشین بردار پشتیبان بر پایه تابع شعاعی (<span dir="LTR">RBF-SVR</span>) و ماشین بردار پشتیبان بر پایه تابع خطی (<span dir="LTR">LBF-SVR</span>) 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 <span dir="LTR">RBF-SVR</span> در مقایسه با مدل‌های <span dir="LTR">LR</span>، <span dir="LTR">ANN</span> و <span dir="LTR">LBF-SVR</span> 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 می<span dir="LTR">‎</span>‌نماید که مدل <span dir="LTR">SVR</span> ابزاری قابل قبول در تخمین جرم و حجم انگور پوشش‌دار شده طی نگهداری در دمای سردخانه است. https://fsct.modares.ac.ir/article_26386_3ef4bf74a70bcd489c8c84a62fa61bb9.pdf