بررسی اثر پیش پردازش های مختلف طیفی بر ارزیابی غیر مخرب کیفیت پرتقال با اسپکتروفتومتری فروسرخ نزدیک (NIRS)
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 96
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ERAMS-15-2_003
تاریخ نمایه سازی: 3 دی 1401
Abstract:
اسپکتروسکوپی فروسرخ نزدیک (NIR) در ترکیب با روش های شیمی سنجی، شامل پیش پردازش های طیفی و مدل سازی های چندمتغیره، یکی از پرکاربردترین روش های غیر مخرب اندازه گیری ویژگی های کیفی میوه ها و سبزی هاست که در سال های اخیر بیشتر مد نظر پژوهشگران بوده است. در این پژوهش، توانایی روش اسپکتروسکوپی NIR بازتابی در محدوده طیفی ۱۶۵۰-۹۳۰ نانومتر به منظور پیش بینی غیر مخرب مواد جامد حل شدنی (SSC) و اسیدیته قابل تیتر کردن (TA) پرتقال تامسون، همچنین اثر پیش پردازش های مختلف طیفی بر دقت مدل های چندمتغیره پیش بینی کننده بررسی شد. در این راستا، مدل های واسنجی چندمتغیره حداقل مربعات جزئی (PLS) بر پایه اندازه گیری های مرجع و اطلاعات طیف های پیش پردازش شده با ترکیب روش های مختلف هموارسازی (میانگین گیری متحرک (MA)، ساویتزکی- گولای (SG)، تبدیل موجک (WT))؛ نرمال سازی (تصحیح پراکنش افزاینده (MSC)، توزیع نرمال استاندارد (SNV))؛ و افزایش قدرت تفکیک طیفی (مشتق های اول و دوم (D۱، D۲)) برای پیش بینی SSC و TA پرتقال ها تدوین شدند. نتایج نشان داد که اسپکتروسکوپی NIR بازتابی، در ترکیب با روش های شیمی سنجی، توانایی پیش بینی غیر مخرب SSC و TA پرتقال را دارد. همچنین، روش های پیش پردازش اثر مستقیم بر نتایج مدل های PLS تدوین شده برای پیش بینی این پارامترهای درونی داشتند و بهترین نتایج پیش بینی برای SSC (۴۳۰/۰RMSEC=، ۹۲۳/۰rc=، ۴۵۱/۰RMSEP=، ۹۳۶/۰rp=، ۷۹۸/۲SDR=) و TA (۱۳۳/۰RMSEC=، ۸۸۳/۰rc=، ۱۷۷/۰RMSEP=، ۸۶۳/۰rp=، ۸۵۳/۱SDR=) بر پایه ترکیب روش های پیش پردازش MA + SNV به دست آمد.
Keywords:
Authors
بهاره جمشیدی
دانش آموخته دکتری تخصصی دانشگاه تربیت مدرس و استادیار موسسه تحقیقات فنی و مهندسی کشاورزی
سعید مینایی مینایی
استاد دانشکده کشاورزی دانشگاه تربیت مدرس
عزالدین مهاجرانی
استاد پژوهشکده لیزر و پلاسما دانشگاه شهید بهشتی
حسن قاسمیان
استاد دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت مدرس
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 :