goodarzi N, Movahhed S, Shakouri M J, Ahmadi Chenarbon H. Feasibility of Visible/Near Infrared (Vis/NIR) Spectrophotometry capability in classification of lemon samples during storage period by PCA, LDA and SVM identification methods. FSCT 2021; 18 (120) :335-352
URL:
http://fsct.modares.ac.ir/article-7-54615-fa.html
گودرزی نیلوفر، موحد سارا، شکوری محمد جواد، احمدی چناربن حسین. امکان سنجی قابلیت طیف سنجی مرئی/ فروسرخ نزدیک (Vis/NIR) در طبقه بندی نمونه های لیموترش طی دوره انبارمانی با روش های شناسایی PCA، LDA و SVM. مجله علوم و صنایع غذایی ایران. 1400; 18 (120) :335-352
URL: http://fsct.modares.ac.ir/article-7-54615-fa.html
1- دانشجوی دکتری، گروه علوم و صنایع غذایی، دانشکده کشاورزی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران.
2- دانشیار، گروه علوم و صنایع غذایی، دانشکده کشاورزی، واحد ورامین– پیشوا، دانشگاه آزاد اسلامی، ورامین، ایران. ، movahhed@iauvaramin.ac.ir
3- استادیار، گروه علوم و صنایع غذایی، دانشکده کشاورزی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران.
4- استادیار، گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، واحد ورامین– پیشوا، دانشگاه آزاد اسلامی، ورامین، ایران.
چکیده: (1636 مشاهده)
امروزه روند افزایشی ضایعات مواد غذایی و محصولات کشاورزی یکی از چالشهای جدی اکثر کشورها، به ویژه کشورهای در حال توسعه محسوب میشود لذا یکی از سیاستهای جدی دولتها در امر امنیت مواد غذایی، کاهش ضایعات و حفظ کیفیت محصولات کشاورزی است. تاکنون از روشهای متعددی برای سنجش کیفیت محصولات کشاورزی استفاده شده است که تنها برخی از آنها از لحاظ فنی و صنعتی توجیه پذیرند. روش طیف سنجی مرئی/ مادون قرمز نزدیک (Vis/NIR) از جمله روشهایی است که به دلیل سرعت و دقت بالا در ارزیابی خصوصیات کیفی محصولات کشاورزی مورد توجه و استفاده قرار گرفته است. در این راستا، در پژوهش حاضر از طیف سنجی مرئی/ فروسرخ نزدیک به منظور سنجش تغییرات کیفی و طبقهبندی نمونههای لیموترش واریته کی لایم، طی دوره انبارمانی (10، 20 و 30 روز) استفاده گردید. در ادامه به منظور تحلیل ویژگیهای کیفی و طبقه بندی دادههای مستخرج از NIR، از روش های شناسایی الگو شامل تحلیل مؤلفه های اصلی (PCA)، تحلیل تفکیک خطی (LDA) و ماشین بردار پشتیبان (SVM) استفاده شد. نتایج بدست آمده نشان داد که طیفسنجی مرئی/ فروسرخ نزدیک (Vis/NIR) قادر به تفکیک نمونههای لیموترش بر اساس مدت زمان نگهداری در انبار است. هرچند روشهای PCA، LDA و SVM توانستند با دقت خوبی نمونههای لیموترش را با توجه به ویژگیهای کیفی دستهبندی کنند، اما روشهای LDA و SVM با دقت 100% از دقت و برازش مطلوبتری برخوردار بودند. همچنین، طبق نتایج، تابع درجه 2، به عنوان بهترین تابع برای ساخت مدلهای دستهبندی به روشهای LDA و SVM تعیین و معرفی گردیدهاست.
نوع مقاله:
پژوهشی اصیل |
موضوع مقاله:
مهندسی صنایع غذایی دریافت: 1400/5/14 | پذیرش: 1400/7/10 | انتشار: 1400/9/10