طیف سنجی مرئی و مادون قرمز نزدیک برای تعیین حجم آب میوه انار

میوه انار یکی از محصولات باغی مهم در ایران است که علاوه بر ارزش بالای اقتصادی-تجاری از فواید غذایی فراوانی برخوردار است. به دلیل عدم توسعه مناسب صنعت فرآوری این محصول، کارخانه­ها از روش­های کاملا 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 ۴۰۰ تا ۲۵۰۰ نانومتر علاوه بر ارزیابی در حالت ­پردازش نشده، به پنج روش تصحیح پراکندگی ضربی، متغیر نرمال استاندارد (SNV)، نرمال­سازی بردار، مشتق اول و دوم 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 ۳.۸  صورت گرفت. برای ایجاد مدل­ها، تعداد مولفه­های اصلی مرتبط با ویژگی­های استخراج شده از امضای طیفی به تعداد ۳۶، کمترین خطا را (۶۱/۱۸) حاصل نمود. نتایج نشان داد که این روش با ضریب تبیین ۹۴ درصد، میانگین خطای مطلق ۳/۵ و ضریب توافق ۹۸/۰ مقدار آب میوه انار را تخمین زد. این نتیجه از ترکیب پیش­پردازش SNV با رگرسیون PLSR  در بازه ۴۰۰ تا ۲۵۰۰ نانومتر حاصل شد. علیرغم تاثیر نوع پیش­پردازش داده­ها در تخمین میزان آب انار، طیف­سنجی مرئی-مادون قرمز نزدیک شرایط لازم برای تخمین آب انار را دارا هست.

Keywords:

انار , روش غیر مخرب , فراطیفی , یادگیری ماشین