تشخیص میزان قند موجود در ریشههای چغندر قند با استفاده از طیفسنجی فروسرخ نزدیک (NIR) حسین باقرپور1، سعید مینایی2 ،محمد عبداللهیان نوقابی3، محمد اسماعیل خراسانی4

چکیده
چکیده
به کارگیری طیف سنجی به عنوان یک روش سریع و غیر مخرب برای سنجش کیفیت محصولات کشاورزی در سال‌های اخیر مورد توجه بسیاری از پژوهشگران قرار گرفته است. یکی از کاربردهای این تکنیک، تعیین سریع و غیر مخرب ویژگی‌های کیفی محصولات در فعالیت‌هایی چون کشاورزی دقیق، اصلاح نبات و سنجش بر خط هنگام فرآوری می‌باشد. در این تحقیق با استفاده از طیف سنجی فروسرخ نزدیک (NIR) در محدوده طول موج 900 الی 1700 نانومتر مدلی برای تخمین مقدار قند موجود در ریشه‌های چغندر قند تدوین گردید. در تدوین مدل از 80 نمونه برای درجه‌بندی و 40 نمونه برای آزمون مدل استفاده شد. پس از حذف نوفه، برای بهبود طیف، پیش پردازش‌های اولیه مانند مشتق اول و مشتق دوم و تصحیح پراکنش افزاینده (MSC) انجام شد و اثرات آنها مورد بررسی قرار گرفت. مدل مناسب با استفاده از روش حداقل مربعات جزئی(PLS) تعیین گردید، با استفاده از این مدل مقادیر ضریب همبستگی و ریشه میانگین مربعات خطا برای داده‌های آزمون به ترتیب برابر با 84/0 و 8/1 برای تخمین عیار و 95/0 و 7/1 برای مواد جامد محلول(SSC) بدست آمد. نتایج بدست آمده نشان می دهد که طیف سنجی فروسرخ قابلیت تخمین مقدار ساکاروز و مواد جامد محلول در ریشه‌های چغندر قند را دارد و می‌تواند جایگزین مناسبی برای روش‌های دیگر شود.
کلیدواژه‌ها

عنوان مقاله English

Non-destructive determination of sugar content in root beet by near infrared spectroscopy (NIRS) H. Bagherpour, H. 1, Minaei, S. 2 , Abdollahian Noghabi, M. 2, Khorasani Fardvani, M. E. 3

چکیده English

Near infrared reflectance spectroscopy (NIRS) is a nondestructive and rapid technique applied increasingly for food quality evaluation in recent years. In this research optical method based on near-infrared spectroscopy (900-1600 nm) has been used to determine sugar content in sugar beet. A total of 120 samples were used for the modeling, whereas 80 samples were used for the calibration set and 40 samples were used for prediction set. Four pre-processing methods, including average smoothing, multiplicative scatter correction (MSC), first and second derivatives, were applied to improve the predictive ability of the models. Then models were developed by partial least squares (PLS). The correlation coefficient (r) and root mean square error of prediction (RMSEP) were 0.84 and 1.8 for SC, whereas 0.95 and 1.7 for SSC, respectively. The results show that NIR can be used as a rapid method to determine soluble solid content and sucrose in sugar beet.

کلیدواژه‌ها English

Key words: NIR spectroscopy
Soluble solids content
Partial Least Squares
Sugar content