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 (LR)، شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان بر پایه تابع شعاعی (RBF-SVR) و ماشین بردار پشتیبان بر پایه تابع خطی (LBF-SVR) 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 RBF-SVR در مقایسه با مدل‌های LR، ANN و LBF-SVR 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 می‎‌نماید که مدل SVR ابزاری قابل قبول در تخمین جرم و حجم انگور پوشش‌دار شده طی نگهداری در دمای سردخانه است. 

واژه‌های کلیدی: پوشش‌دهی، پردازش تصویر، ماشین بردار پشتیبان، شبکه عصبی مصنوعی، پیش‌بینی

متن کامل [PDF 1564 kb]   (1381 دریافت)