تشخیص غیرمخرب بیاتی نان با استفاده از تصاویر فراطیفی

تصویربرداری فراطیفی، ترکیبی از فناوری تصویربرداری و طیف سنجی است که مقادیر زیادی از اطلاعات فضایی و طیفی را به طور همزمان ارائه می دهد، و امروزه به عنوان یک ابزار تشخیص غیرمخرب و سریع برای ارزیابی کیفیت و ایمنی مواد غذایی در حال گسترش است. در این پژوهش با استفاده از تصویربرداری فراطیفی، در محدوده طول موج nm۴۰۰-۹۵۰ و با وضوح کیفی nm ۷۹۵/۰، چگونگی فرایند بیات شدن نان و تاثیر آن بر رفتار نان بررسی شد. بعد از استخراج مولفه های اصلی، به منظور پیش بینی ویژگی های بافتی از سه روش مدل سازی PCR، PLSR و GRNN طی شش روز نگهداری استفاده شد؛ نتایج نشان دادند روش GRNN نسبت به دو روش دیگر دارای بیشترین مقادیر ضریب تشخیص R^۲ برای دو ویژگی، ارتجاعیت و سفتی به ترتیب ۹۶/۰ و ۹۴/۰ و همچنین کمترین مقدار خطا RMSE برای دو ویژگی، پیوستگی و سفتی به ترتیب ۱۱/۰ و ۳۲/۰ می باشد که نشاندهنده توانایی مدل شبکه عصبی رگرسیون تعمیم یافته برای پیش بینی ویژگی های بافتی نان است.

Keywords:

بیاتی نان , تصویربرداری فراطیفی , ارزیابی غیرمخرب , شبکه عصبی رگرسیون تعمیم یافته