|
|
سیزدهمین کنگره ملی مکانیک بیوسیستم و مکانیزاسیون ایران (مکانیک بیوسیستم 1400)
|
|
|
| عنوان فارسی |
طیفسنجی مرئی و مادون قرمز نزدیک برای تعیین حجم آب میوه انار |
|
| چکیده فارسی مقاله |
میوه انار یکی از محصولات باغی مهم در ایران است که علاوه بر ارزش بالای اقتصادی-تجاری از فواید غذایی فراوانی نیز برخوردار است. به دلیل عدم توسعه مناسب صنعت در بخش فرآوری این محصول، کارخانهها از روشهای کاملاً سنتی و محدود در سنجش کیفیت انار استفاده میکنند که باعث کاهش مرغوبیت کالای تولیدی میشود. در این پژوهش استفاده از فناوری غیرمخرب طیفسنجی مرئی-مادون قرمز نزدیک برای تعیین حجم آب میوه انار که از ویژگیهای اساسی کیفیت این محصول است مورد بررسی قرار گرفت. دادههای طیفی نمونهها حاصل از اعمال امواج در دامنه 400 تا 2500 نانومتر علاوه بر حالت پردازش نشده به پنج روش تصحیح پراکندگی ضربی (MSC)، متغیر نرمال استاندارد (SNV)، نرمالسازی بردار (VN) ، مشتق اول (FD) و مشتق دوم (SD) پیشپردازش شدند و مورد ارزیابی قرار گرفتند. سپس به منظور تخمین حجم آب از رگرسیون حداقل مربعات جزئی (PLSR) استفاده شد. پیادهسازی این فرآیندها در قالب الگوریتمهای یادگیری ماشین و با استفاده از نرم افزار PYTHON 3.8 صورت گرفت. نتایج پیشبینی حجم آب ضریب تعیین 98 درصد را نشان داد که از ترکیب پیشپردازش SNV با رگرسیون PLSR حاصل شد. وابستگی نتایج به روش واکاوی دادههای طیفسنجی مورد تایید قرار گرفت. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Visible and Near Infrared Spectroscopy for Determining Pomegranate juice volume |
|
| چکیده انگلیسی مقاله |
Pomegranate is one of the most important garden products in Iran. In addition to its high commercial-economic value, it has many nutritional benefits. Due to the lack of appropriate development of processing technologies in this sector, factories use completely traditional and limited methods for measuring the quality of pomegranate, which reduces the quality of the final product. In the present study, the feasibility of utilizing non-destructive technology of visible and near-infrared (Vis/NIR) spectroscopy was investigated to determine the pomegranate fruit juice volume. In addition to raw spectral data of the samples were subjected to a wavelength of 400 to 2500 nm, five preprocessed data series from multiplicative scatter correlation (MSC), standard normal variate (SNV), vector normalization (VN), first derivative (FD), second derivative (SD) were used for data analyzing. The prediction models of juice volume were developed by PLSR. The model was established according to machine learning algorithms using PYTHON 3.8 software. The results predicted the juice volume by 98% coefficient of determination which was obtained from the combination of SNV and PLSR model. |
|
| کلیدواژه‌های انگلیسی مقاله |
انار- طیفسنجی- یادگیری ماشین- روش غیرمخرب |
|
| نویسندگان مقاله |
-
-
-
-
|
|
| نشانی اینترنتی |
http://ncame1400.modares.ac.ir/browse.php?a_code=A-10-132-1&slc_lang=fa&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
