پیش بینی پذیرش کلی میوه موز با استفاده از پردازش تصاویر دیجیتالی و مدل رگرسیون فرآیند گاوسی در خلال انبارمانی
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 147
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_IFST-16-2_001
Index date: 24 October 2023
پیش بینی پذیرش کلی میوه موز با استفاده از پردازش تصاویر دیجیتالی و مدل رگرسیون فرآیند گاوسی در خلال انبارمانی abstract
توسعه نقاط قهوه ای رنگ تاثیر قابل توجهی بر بافت، رنگ و طعم میوه موز دارد به طوری که ظهور این لکه ها کیفیت میوه را کاهش داده و بازارپسندی آن را تحت تاثیر قرار می دهد. در این پژوهش تغییرات مجموعه ای از پارامترهای رنگی (قرمز (R)، سبز (G)، آبی (B)، عامل روشنایی (L)، تغییرات رنگ از سبز به قرمز (a)، تغییرات رنگ از آبی به زرد (b)، فام رنگ (h)، اشباع (s)، مقدار روشنایی (v)، کروما (C)، زاویه شیب نمودار دستگاه مختصات دوبعدی a وb در فضای رنگی Lab (H))، ابعادی (قطر، شعاع انحنا، طول بزرگ و طول کوچک) و شیمیایی (کل مواد جامد محلول (TSS)، pH و اسیدیته کل قابل تیتراسیون) ۵ گروه میوه موز (متفاوت از لحاظ شکل ظاهری) در روزهای صفر، ۲، ۴و ۶ (بعد از انبارمانی) مورد بررسی قرار گرفت. در این مطالعه نشان داده شد که با به کارگیری پارامترهای غیرمخرب در توسعه مدل رگرسیون فرآیند گاوسی (GPR)، کیفیت میوه موز و همچنین میزان بازارپسندی (پذیرش کلی میوه) آن در خلال انبارمانی قابل ارزیابی و پیشبینی (با ضریب همبستگی ۹۱/۰، MAPE (۴۷/۲۰)، RMSE (۴۳/۰)، SRE (۷۱/۰) و RAV (۲۰/۰)) است؛ بدین ترتیب با استفاده از روش پیشنهاد شده در این تحقیق میتوان مطابق با تقاضای مصرف کننده، محصول مورد نیاز را به بازار عرضه نمود و از این طریق هزینه های اقتصادی را به طور چشمگیری کاهش داد.
پیش بینی پذیرش کلی میوه موز با استفاده از پردازش تصاویر دیجیتالی و مدل رگرسیون فرآیند گاوسی در خلال انبارمانی Keywords:
پیش بینی پذیرش کلی میوه موز با استفاده از پردازش تصاویر دیجیتالی و مدل رگرسیون فرآیند گاوسی در خلال انبارمانی authors
شیما نصیری
گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ایران.
سامان آبدانان مهدی زاده
گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ایران.
مریم نداف زاده
گروه مکانیک بیوسیستم، دانشگاه تربیت مدرس تهران.
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 :