سنجش غیرمخرب عیار چغندرقند با بهره گیری از ترکیب طیف سنجی فروسرخ نزدیک (NIR) با روش های شیمی سنجی
Publish place: Biosystem Engineering Journal of Iran، Vol: 49، Issue: 1
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 91
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJBSE-49-1_002
تاریخ نمایه سازی: 31 اردیبهشت 1402
Abstract:
در این پژوهش، توانایی روش طیفسنجی NIR بازتابی به منظور سنجش غیرمخرب میزان قند موجود در ریشههای چغندرقند بررسی شد. در این راستا، طیفگیری از ۱۲۰ نمونه چغندرقند در مد اندازهگیری تقابلی و در محدودهی طیفی nm ۲۵۰۰-۳۵۰ انجام شد. دادههای طیفی حاصل از اسپکترومتر، افزون بر اطلاعات نمونه شامل اطلاعات ناخواسته و نویز هستند. به همین دلیل، برای دستیابی به مدلهای واسنجی دقیق، نیاز به پیشپردازش دادههای طیفی پیش از تدوین مدلهای رگرسیون است. در این راستا، مدلهای واسنجی چندمتغیره حداقل مربعات جزئی (PLS) بر پایهی اندازهگیریهای مرجع و اطلاعات طیفهای پیشپردازششده با ترکیب روشهای مختلف هموارسازی، نرمالسازی و افزایش قدرت تفکیک طیفی برای سنجش میزان قند تدوین شدند. نتایج پیشگویی میزان قند (SC) نمونههای چغندرقند باپوست، با مدل PLS بر پایه ترکیب SG+D۲ بهترین تشخیص را دارا بود؛ به گونهای که پیشپردازش SG+D۲ (۹۷۳/۰=، ۳۰۶/۰RMSEC=، ۹۷۷/۰=، و ۲۶۵/۰RMSEP =) با دقت عالی(۶۶۰/۶SDR=) توانست مقدار SC را پیشگویی نماید.
Keywords:
Authors
مهرداد آقایی سعدی
فارغ التحصیل کارشناسی ارشد
سعید مینایی
عضو هیئت علمی دانشگاه تربیت مدرس
بهاره جمشیدی
استادیار، موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات ، آموزش و ترویج کشاورزی، کرج
محمد عبداللهیان نوقابی
دانشیار موسسه تحقیقات چغندر قند
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 :