بازشناسی الگوي اسپکتروسکوپی فروسرخ نزدیک براي تفکیک غیرمخرب پرتقال ها براساس شاخص مزه

توضیحات

چکیده

در سال هاي اخیر، کاربرد اسپکتروسکوپی فروسرخ نزدیک  (NIR)به عنوان یک روش غیر مخرب در ترکیب با روش هاي شـیمی سـنجی بـه منظـور ارزیابی کیفیت محصولات کشاورزي و غذایی به طور گسترده اي مورد توجه قرار گرفته است. در روش هاي شـیمی سـنجی، آنالیزهـاي کیفـی موضـوعات مهمی هستند که میتوانند به مسئله بازشناسی الگو نسبت داده شوند. در این پژوهش، توانایی روش هاي بازشناسی الگـو در ترکیـب بـا اسپکتروسـکوپی NIRبازتابی به منظور تفکیک غیر مخرب مزه پرتقال ها بررسی شد. بـراي ایـن منظـور، روش هـاي بازشناسـی الگـوي نظـارت نشـده و نظـارت شـده، خوشه بندي سلسله مراتبی (HCA) و مدل سازي مستقل نرم شباهت هاي طبقه ،(SIMCA) به ترتیب براي امکان سنجی تفکیک واریته هاي پرتقـال و طبقه بندي (براساس مزه آنها) بر پایه اطلاعات طیفی محـدوده 930 -1650 nmاسـتفاده شـدند. آنالیزهـاي کیفـی نشـان داد کـه طیـف هـاي NIR واریته هاي پرتقال به درستی با بازشناسی الگوي نظارت نشده HCAخوشه بندي شـدند. همچنـین، بازشناسـی الگـوي نظـارت شـده SIMCAبـراي طیف هاي NIRپرتقال ها نتایج عالی طبقه بندي واریته براساس شاخص BrimAرا در سطح احتمـال %5در بـر داشـت (دقـت طبقـه بنـدي %98/57) همچنین، طول موج هاي 1502 nm ،1047/5 nmو 1475 nmسهم بیشتري نسبت به سایر طول مـوج هـا در تفکیـک دو طبقـه بـر عهـده داشـتند. نمونه هاي داراي مقدارهاي یکسان شاخص BrimAنیز به درستی و با دقت طبقه بندي بالا (%95/45) در سطح احتمال %5طبقـه بنـدي شـدند. قـدرت تفکیک طول موج هاي 1583nm ،1475 nmو 1436/75 nm براي دستیابی به این طبقه بندي بسـیار بیشـتر از سـایر طـول مـوج هـا بـود. بنـابراین، اسپکتروسکوپی NIRبازتابی در ترکیب با روش هاي بازشناسی الگو میتواند براي تشخیص سایر پارامترهاي مرتبط با مزه نیز به کار رود.

مقدمه

از بیش از دو دهـه گذشـته، اسپکتروسـکوپی فروسـرخ نزدیـک (NIR) به عنوان یک روش تحلیلـی و عملـی غیرمخـرب در گسـتره پهناوري از علم و صنعت به کـار گرفتـه شـده و پیشـرفت هـاي اخیـر تکنولوژي در طراحی سخت افزار و روش هاي جمـع آوري، پـردازش و تحلیل داده، توانمندي آن را دو چندان  نموده است. کـاربرد ایـن روش در آنالیزهاي غذایی به ویژه به منظور ارزیابی کیفیت درونـی میـوه هـا و سبزي ها نیز بسیار مورد توجه پژوهشگران و  صـنعتگران قـرار گرفتـه است (Jamshidi et al., 2011b, 2012a, 2013).

 

 

 

ABSTRACT

In recent years, the use of Near Infrared Spectroscopy (NIR) has been widely considered as a non-destructive method in combination with chemometric methods to evaluate the quality of agricultural products and food. In chemical methods, qualitative analyzes are important issues that can be attributed to pattern recognition. In this research, the ability of pattern recognition methods in combination with reflective NIR spectroscopy was investigated for non-destructive separation of orange tastes. For this purpose, the methods of recognition of the unstructured and supervised model, hierarchical clustering (HCA) and independent modeling of soft similarities of the class (SIMCA), respectively, for the feasibility of differentiation of orange varieties and classification (based on their taste) On the basis of spectral information, the range 930 -1650 nm was used. Qualitative analyzes showed that the NIR spectra of orange varieties were correctly clustered with the recognition of the uncontrolled pattern of HCA. Also, recognition of the SIMCA supervised pattern for OIR spectra of oranges had excellent results based on the BrimA index at a probability level of 5% (classification accuracy of 57.98%). Also, wavelengths of 1502 nm, 1047.5 nm, and 1475 nm had a higher contribution Compared to other wavelengths in the two-story separation. Samples of the same values ​​of the BrimA index were classified correctly and with high classification accuracy (45.95%) at a probability level of 5%. The resolution of 1583nm, 1475 nm and 1436/75 nm wavelengths was much higher than the other wavelengths for achieving this classification. Therefore, reflective NIR spectroscopy, combined with pattern recognition techniques, can also be used to identify other taste related parameters.

INTRODUCTION

Over the past two decades, Near Infrared Spectroscopy (NIR) has been used as a non-destructive analytical and practical method in a wide range of science and technology, and recent technological advances in hardware design and collection, processing and analysis methods Data has doubled its capability. The application of this method in food analyzes, especially for the evaluation of the internal quality of fruits and vegetables, has also been highly regarded by researchers and craftsmen (Jamshidi et al., 2011b, 2012a, 2013).

Year: 2015

Publisher :   Journal of Agricultural Machinery

By : Bahareh Jamshidi-Saeed Minaei-Ozaddin Mohajeri-Hassan Ghasemian

File Information: Persian Language/ 10 Page / size: 787 KB

Only site members can download free of charge after registering and adding to the cart

Download tutorial

سال : 1394

ناشر : نشریه ماشین هاي کشاورزي

کاری از : بهاره جمشیدي -سعید مینایی -عزالدین مهاجرانی -حسن قاسمیان

اطلاعات فایل : زبان فارسی / 10 صفحه / حجم : KB 787

فقط اعضای سایت پس از ثبت نام و اضافه کردن به سبد خرید می توانند دانلود رایگان کنند.خوشحال می شویم به ما پبیوندید

آموزش دانلود