|
چکیده
|
در سال های اخیر، کاربرد طیف سنجی نوری به همراه مدل سازی داده های طیفی به عنوان یک روش غیرمخرب در سنجش کیفی میوه ها مد نظر پژوهشگران بوده است. در تحقیق حاضر، اسپکتروسکوپی انعکاسی فروسرخ نزدیک موج کوتاه/مرئی (Vis/SWNIR) در محدوده 950-400 نانومتر به منظور پیش بینی آنتوسیانین، شاخص مزه (TSS/A) و سفتی میوه انجیر بررسی شد. علاوه بر این، عملکرد طبقه بندهای ANN، KNN و DA در تفکیک انجیرهای رسیده، نیمه رس و نرسیده بر پایه ترکیب روش های مختلف پیش پردازش مطالعه شد. تعداد 167 میوه انجیر برای تدوین و اعتبارسنجی مدل ها انتخاب شدند. از روش آنالیز مولفه های اصلی (PCA) برای استخراج مولفه های اصلی طیف ها استفاده شد و چهار مولفه اصلی اول به عنوان ورودی مدل ها تعیین شدند. عملکرد ANN و روش های رایج پیش پردازش داده های طیفی (SNV, MA, MSC, Normalize, 1st Derivative) با میانگین شاخص های انحراف پیش بینی باقیمانده (RPD)، ضریب همبستگی تخمین (rp) و جذر میانگین مربعات خطای پیش بینی (RMSEP) پس از انجام 10 مرتبه مدل سازی (Hold out) مورد ارزیابی قرار گرفتند. کارایی طبقه بندها به همراه روش های پیش پردازش نیز با متوسط درصد دقت تفکیک درست نمونه های اعتبارسنجی ارزیابی شد. بیشترین میانگین RPDهای به دست آمده (ANN) در پیش بینی آنتوسیانین برابر 38/1 (39/0 = RMSEP , 69/0 rp = )، شاخص مزه برابر 07/1 (53/11 = RMSEP , 37/0 rp = ) و سفتی برابر 55/1 (83/1 = RMSEP , 76/0 rp = )، بر پایه پیش پردازش ترکیبی هموارسازی + مشتق اول (MA+D1) به-دست آمدند. مدل PLS در پیش بینی آنتوسیانین و شاخص مزه نتایج ضعیفی داشته، اما در پیش بینی سفتی بافت 79/1=RPD (64/1 = RMSEP , 845/0 rp = ) بر پایه پیش پردازش ترکیبی هموارسازی + De-trending به دست آمد. میانگین دقت تفکیک درست طبقه بندهای ANN، KNN و DA به ترتیب 78/89، 02/87 و 52/89 در پیش پردازش MA+MSC به دست آمد.
|