کاربرد تحلیل تصویر رقمی و تشخیص الگو در طبقهبندی روغنهای خوراکی به کمک تغییرات رنگ در طی اکسایش اولیه و ثانویه
Autor: | الگا عظیمی, رضا فرهوش, محبت محبی, مهدی سعادتمند طرزجان |
---|---|
Jazyk: | English<br />Persian |
Rok vydání: | 2018 |
Předmět: | |
Zdroj: | مجله پژوهشهای علوم و صنایع غذایی ایران, Vol 14, Iss 4, Pp 503-516 (2018) |
Druh dokumentu: | article |
ISSN: | 1735-4161 2228-5415 |
DOI: | 10.22067/ifstrj.v1396i0.63375 |
Popis: | روغنها مواد غذایی با ارزشی هستند که علاوه بر تأمین انرژی نقش مهمی در بقای سلامت دارند. بنابراین یافتن روشهای تشخیص سریع کیفیت روغنها از اهمیت ویژهای برخوردار است. بینایی کامپیوتر یکی از فناوریهای پرکاربرد و مقرونبهصرفه در صنایع غذایی میباشد. هدف این مقاله معرفی روشی ساده و کمهزینه برای طبقهبندی روغنهای گیاهی خوراکی (سویا، آفتابگردان، کانولا، کنجد و زیتون) از یکدیگر و همچنین تشخیص سالم یا تند بودن آنها به کمک روشهای آماری چند متغیره (تحلیل تفکیک خطی و تحلیل مؤلفه اصلی) با توجه به نقطه دوریز بر اساس محصولات اولیه و ثانویه اکسایشی است. ویژگیهای فیزیکوشیمیایی 77 نمونه روغن شامل عدد پراکسید و عدد کربونیل در دمای 80 درجه سانتیگراد موردسنجش قرار گرفت. برای طبقهبندی از شاخص رنگی L*a*b* استفاده گردید. مقایسه نتایج تحلیل تفکیک خطی نشان داد که تفکیکپذیری بین دو نوع روغن مختلف ۱۰۰% است و تنها تفکیک بین یک نوع روغن در حالتهای تند و سالم منجر به کاهش دقت در حدود ۹۷% شده است. همچنین بررسی کلی و همزمان نمونههای روغن در هر دو حالت سالم و تندشده توسط دوطبقه بند LDA و PCA نشان داد که طبقهبندی هر روغن بهتنهایی بیشترین دقت (۱۰۰%) را دارد و نتایج بررسی چندین نوع روغن متفاوت دقت کمتری (98% و 96%) را دارا میباشد، اما در عمل نتایج این طبقهبندی با توجه به گستره رنگی متنوع روغنهای گیاهی در حد قابلقبول است و طبقهبند تحلیل تفکیک خطی در حدود 40% نسبت به طبقهبند تحلیل مؤلفه اصلی در این مطالعه موفقتر عمل کرد. |
Databáze: | Directory of Open Access Journals |
Externí odkaz: |