دوره 18، شماره 116 - ( 1400 )                   جلد 18 شماره 116 صفحات 143-159 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
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
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. علوم و صنایع غذایی ایران. 1400; 18 (116) :143-159

URL: http://fsct.modares.ac.ir/article-7-45273-fa.html


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
چکیده:   (192 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.
متن کامل [PDF 2025 kb]   (21 دریافت)    
نوع مقاله: پژوهشي اصيل | موضوع مقاله: مهندسی صنایع غذایی
دریافت: 1399/5/27 | پذیرش: 1400/2/5 | انتشار: 1400/7/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول