تخمین غیرمخرب سفتی میوه گوجه فرنگی با استفاده از روش طیف سنجی فروسرخ نزدیک
Publish place: Journal of Crop Production and Processing، Vol: 9، Issue: 3
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 311
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCPP-9-3_008
تاریخ نمایه سازی: 5 خرداد 1400
Abstract:
با توجه به استقبال بازار از محصولات کشاورزی با کیفیت و سالم، استفاده از روش های غیرمخرب برای تعیین کیفیت آن ها مورد توجه قرار گرفته است. در این میان، روش طیف سنجی فروسرخ نزدیک (NIR) یکی از روش های پرکاربرد در حوزه ارزیابی کیفی محصولات کشاورزی است. در این پژوهش، سامانه ای برای اندازه گیری طیف NIR میوه گوجه فرنگی در مد "عبور نیمه" توسعه داده شد. از لامپ های هالوژنی به عنوان منابع تحریک نور و از یک اسپکترومتر پرتابل مجهز به فیبر نوری برای جمع آوری طیف در محدوده ۴۰۰ -۱۱۰۰ نانومتر استفاده شد. بلافاصله پس از جمع آوری طیف از ۱۷۰ نمونه گوجه فرنگی (رقم گلدی) که در طول مراحل مختلف رسیدگی برداشت شده بودند، سفتی نمونه ها با استفاده از آزمون نفوذ با پروب استاندارد اندازه گیری شد. برای حذف اثر عوامل مزاحم از روش های مختلف پیش پردازش و برای مدل سازی سفتی از روش رگرسیون چند متغیره حداقل مربعات جزئی (PLS) استفاده شد. در بررسی نتایج اولیه طیف ها، دو پیک جذبی در طول موج های ۶۷۰ و ۹۹۰ نانومتر مشاهده شدند که به ترتیب مربوط به وجود کلروفیل و آب در میوه گوجه فرنگی بودند. روش طیف سنجی NIR توانست سفتی گوجه فرنگی را با یک ضریب همبستگی در مرحله پیش بینی (rp) برابر با ۰/۹۲۱ و خطای پیش بینی (RMSEP) برابر ۲/۵ نیوتن پیشگویی کند.
Keywords:
Near-infrared spectroscopy , Tomato , Firmness , Half-transmittance mode , Partial least squares , طیف سنجی فروسرخ نزدیک (NIR) , گوجه فرنگی , سفتی , مد عبور نیمه , حداقل مربعات جزئی (PLS)
Authors
محمد حق شناس آدرمنابادی
Isfahan University of Technology
سید احمد میره ای
Isfahan University of Technology
مرتضی صادقی
Isfahan University of Technology
مجید ناظری
عضو هیات علمی دانشگاه کاشان دانشکده فیزیک - گروه فوتونیک
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :