پیشبینی تغییرات برخی از ویژگیهای کیفی آب توت سیاه (Morus alba Var nigra L.) طی مراحل مختلف رسیدگی بر اساس آنالیز فرکتال و بینایی ماشین
Autor: | مریم سلطانی کاظمی, سامان آبدانان مهدی زاده, مختار حیدری, سید مجتبی فارغ |
---|---|
Jazyk: | English<br />Persian |
Rok vydání: | 2017 |
Předmět: | |
Zdroj: | مجله پژوهشهای علوم و صنایع غذایی ایران, Vol 13, Iss 5, Pp 730-743 (2017) |
Druh dokumentu: | article |
ISSN: | 1735-4161 2228-5415 |
DOI: | 10.22067/ifstrj.v1395i0.57415 |
Popis: | در این پژوهش بهمنظور ارزیابی کیفیت آب توت سیاه طی مراحل مختلف رسیدگی، پارامترهای فرکتالی استخراج شده توسط آنالیز فرکتال و پارامترهای بیوشیمیایی (TSS، ویتامین ث، اسیدیته، فنول، آنتوسیانین، مواد ایجاد کننده رنگ قهوهای و (pHبهترتیب بهعنوان ویژگیهای غیرمخرب و مخرب مورد استفاده قرار گرفتند؛ سپس از شبکه عصبی مصنوعی (ANN) و نزدیکترین همسایه (k-NN) بهمنظور توسعه مدل پیشگو و طبقهبندی دادهها استفاده گردید. از میان پنچ ویژگی استخراج شده از آنالیز فرکتال؛ Y و S که بهترتیب مربوط به بیشیه فرکتال و مساحت منحنی فرکتال میباشند، بهعنوان موثرترین ویژگی در فرآیند آموزش شبکه عصبی و طبقهبند k-NN مورد استفاده قرار گرفتند. الگوریتم طبقهبند k-NN تغییرات رنگ در هر چهار مرحله رسیدگی را با دقت 08/97 طبقهبندی نمود. همچنین شبکه عصبی آنتوسیانین را با مجذور میانگین مربعات خطا (RMSE) 141/0، ضریب همبستگی 99/0، مواد ایجادکننده رنگ قهوهای را با 0016/0= RMSE، ضریب همبستگی 97/0، فنول را با 879/1590=RMSE، ضریب همبستگی 8057/0، TSSرا با 0040/0=RMSE، ضریب همبستگی 907/0، اسیدیته را با 50/3=RMSE، ضریب همبستگی 986/0، ویتامین ث را با 285/0=RMSE، ضریب همبستگی 878/0 و pH را با 00017/0=RMSE و ضریب همبستگی 99/0 پیشبینی نمود. بنابراین، نتایج این بررسی نشان داد که شبکه عصبی مصنوعی و طبقهبند k-NN با آنالیز فرکتال میتواند بهعنوان یک روش مناسب در ارزیابی برخط پارامترهای کیفی آب توت سیاه طی مراحل رسیدگی مورد استفاده قرار گیرد. |
Databáze: | Directory of Open Access Journals |
Externí odkaz: |