پیش بینی برخی خواص کیفی ارقام مختلف برنج سفید با استفاده از فناوری پردازش تصویر

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 213

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JIFT-8-1_001

تاریخ نمایه سازی: 30 آبان 1400

Abstract:

برنج یکی از رایج ترین و پرمصرف ترین مواد غذایی در جهان است. خواص کیفی ازجمله عوامل بسیار مهم در تعیین ویژگی های پخت و فرآوری برنج محسوب می شوند. یکی از مشکلات مهم در صنایع غذایی پیش بینی خواص کیفی می باشد. بنابراین در این مطالعه، امکان پیش بینی میزان آمیلوز (AC)، درجه حرارت ژلاتینه شدن (GT)، قوام ژل (GC)، میزان پروتئین (PC)، حداقل چسبندگی (MV)، حداکثر چسبندگی (PV)، چسبندگی نهایی (FV)، فروریختگی چسبندگی (BDV) و پس روی چسبندگی (SBV) از ۱۰۰ نمونه تک دانه برنج ارقام هاشمی، خزر و درفک با استفاده از فناوری پردازش تصویر در سه شرایط نورپردازی شامل نوردهی مستقیم با لامپ LED، نوردهی مستقیم با لامپ های LED و فلورسنت و نوردهی به صورت ضد نور انجام گردید. مدل های کالیبراسیون توسط رگرسیون خطی چند متغیره با حداقل مربعات جزئی (PLS) توسعه داده شد. مقادیر ضرایب تعیین کالیبراسیون متغیرهای AC، GT، GC، PC، MV، PV، FV، BDV و SBV در رقم هاشمی، خزر و درفک برای تمام تیمارها به ترتیب معادل ۸۹/۰ R۲cal ≥، ۹۵/۰ R۲cal ≥، ۹۲/۰ R۲cal ≥ و ضرایب پیش بینی به ترتیب با ۸۸/۰ R۲pre ≥، ۹۴/۰ R۲pre ≥، ۹۰/۰ R۲pre ≥ به دست آمد. نتایج رگرسیون PLS نشان داد که متغیرهای مستخرج از ویژگی های شکل و اندازه و متغیرهای رنگی R، G، B، L، a و b حاصل از پردازش تصویر می توانند پارامترهای کیفی برنج را با دقت قابل ملاحظه ای پیش بینی نمایند. درنتیجه می توان با استفاده از فناوری پردازش تصویر با هزینه کمتر و غیر مخرب برخی خواص کیفی برنج را با دقت خوبی پیش بینی کرد.

Keywords:

پردازش تصویر , تک دانه های برنج , خواص کیفی

Authors

نصراله فاضلی بورستان

دانشجو ی دکتری دانشگاه محقق اردبیلی

امیرحسین افکاری سیاح

دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشکده علوم کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.

ابراهیم تقی نژاد

دانشیار گروه مهندسی مکانیک بیوسیستم، دانشگاه محقق اردبیلی

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 :
  • Vithu, P., Tech, M., & Moses, J. A. (۲۰۱۶). Machine ...
  • Tomlins, K., Manful, J., Gayin, J., Kudjawu, B., & Tamakloe, ...
  • Kuchekar, N. A., & Yerigeri, V. V. (۲۰۱۸). Rice Grain ...
  • Wang, N. N., Sun, D. W., Yang, Y. C., Pu, ...
  • Maheshwari, C.V, Jain, K. R, & Modi, C.K. (۲۰۱۲). Non-destructive ...
  • Mousavirad, S.J., Tab, F.A., & Mollazade K. (۲۰۱۲). Design of ...
  • Vidya, P., & Malemath, V. S. (۲۰۱۵). Quality Analysis and ...
  • Mittal, S., Dutta, M. K., & Issac, A. (۲۰۱۹). Non-destructive ...
  • Nalladurai, K., Alagusundaram, K., & Gayathri, P. (۲۰۰۳). Effects of ...
  • Juliano, B. (۱۹۷۱). A simplified assay for milled rice amylose. ...
  • Champagne, E., Bett, K., Vinyard, B., Mcclung, A., Barton, F., ...
  • Cagampang, G. (۱۹۷۳). A gel consistency test for eating quality ...
  • Xu, Y. L., Xiong, S. B., Li, Y. B., & ...
  • Kesarwani, A., Chiang, P., & Chen, S. (۲۰۱۶). Rapid Visco ...
  • Patel, K., Kar, A., Jha, S., & Khan, M. (۲۰۱۲). ...
  • Chen, J., Miao, Y., Sato, S., & Zhang, H. (۲۰۰۸). ...
  • Siriphollakul, P., Nakano, K., Kanlayanarat, S., Ohashi, S., Sakai, R., ...
  • Nicolai, B., Beullens, K., Bobelyn, E., Peirs, A., Saeys, W., ...
  • Mabood, F., Hussain, J., Jabeen, F., Abbas, G., Allaham, B. ...
  • نمایش کامل مراجع