شیما نصیری؛ سامان آبدانان مهدی زاده؛ مختار حیدری
چکیده
استحکام محصولات یکی از عوامل مهم و تأثیرگذار در میزان بازارپسندی و همچنین تعیین کیفیت میوه‌ها به‌خصوص "به" می‌باشد. لذا در پژوهش حاضر پس از تعیین مجموعه‌ای از تغییرات فیزیکی و شیمیایی میوه، پاسخ صوتی آن طی مدت زمان 4 ماه (هر 15 روز یک بار) موردبررسی قرار گرفت. به‌منظور تعیین سفتی میوه به‌صورت غیرمخرب چهار ویژگی (پیک آکوستیک، حداکثر ...
بیشتر
استحکام محصولات یکی از عوامل مهم و تأثیرگذار در میزان بازارپسندی و همچنین تعیین کیفیت میوه‌ها به‌خصوص "به" می‌باشد. لذا در پژوهش حاضر پس از تعیین مجموعه‌ای از تغییرات فیزیکی و شیمیایی میوه، پاسخ صوتی آن طی مدت زمان 4 ماه (هر 15 روز یک بار) موردبررسی قرار گرفت. به‌منظور تعیین سفتی میوه به‌صورت غیرمخرب چهار ویژگی (پیک آکوستیک، حداکثر فشار آکوستیک، میانگین فشار آکوستیک و فرکانس طبیعی) استخراج و با استفاده از برنامه‌نویسی ژنتیک و شبکه عصبی مدلسازی انجام و با مدلهای موجود (FI و SIQ-FT) مقایسه گردید. در این مطالعه نشان داده شد که مدلسازی بهروش برنامه‌نویسی ژنتیک و شبکه عصبی با ضریب همبستگی به‌ترتیب 9567/0 و 933/0 دارای عملکردی مطلوبتری در پیش‌بینی مقدار سفتی محصول "به" نسبت به مدلهای موجود FI و SIQ-FT با ضریب همبستگی به‌ترتیب 601/0 و 754/0 دارند.
شیما نصیری؛ سامان آبدانان مهدی زاده؛ مریم نداف زاده
چکیده
توسعه نقاط قهوه‌ای رنگ تأثیر قابل توجهی بر بافت، رنگ و طعم میوه موز دارد به‌طوری که ظهور این لکه‌ها کیفیت میوه را کاهش داده و بازارپسندی آن را تحت تأثیر قرار می‌دهد. در این پژوهش تغییرات مجموعه‌ای 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 ...
بیشتر
توسعه نقاط قهوه‌ای رنگ تأثیر قابل توجهی بر بافت، رنگ و طعم میوه موز دارد به‌طوری که ظهور این لکه‌ها کیفیت میوه را کاهش داده و بازارپسندی آن را تحت تأثیر قرار می‌دهد. در این پژوهش تغییرات مجموعه‌ای 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) 5 گروه میوه موز (متفاوت از لحاظ شکل ظاهری) در روزهای صفر، 2، 4و 6 (بعد از انبارمانی) مورد بررسی قرار گرفت. در این مطالعه نشان داده شد که با به‌کارگیری 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 91/0، MAPE (47/20)، RMSE (43/0)، SRE (71/0) و RAV (20/0)) 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 هزینه‌های اقتصادی را به‌طور چشمگیری کاهش داد.
مریم سلطانی کاظمی؛ سامان آبدانان مهدی زاده؛ مختار حیدری؛ سید مجتبی فارغ
چکیده
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 ...
بیشتر
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.
مهران نوری؛ بهزاد ناصحی؛ وحید سماواتی؛ سامان آبدانان مهدی زاده
چکیده
در این پژوهش از تکنیکهای ماشین بینایی به‌منظور بررسی اثر پیشفرآیند مایکروویو بر ویژگی‌های ظاهری دونات استفاده شد. آزمایش‌ها بر اساس روش سطح پاسخ با یک طرح باکس-بنکن طراحی شد. متغیرهای مستقل شامل توان مایکروویو (900-300 وات)، مدت‌زمان پیش فرآیند مایکروویو (90-30 ثانیه) و مدت‌زمان سرخ کردن (130-70 ثانیه) بود. همچنین متغیرهای وابسته شامل ...
بیشتر
در این پژوهش از تکنیکهای ماشین بینایی به‌منظور بررسی اثر پیشفرآیند مایکروویو بر ویژگی‌های ظاهری دونات استفاده شد. آزمایش‌ها بر اساس روش سطح پاسخ با یک طرح باکس-بنکن طراحی شد. متغیرهای مستقل شامل توان مایکروویو (900-300 وات)، مدت‌زمان پیش فرآیند مایکروویو (90-30 ثانیه) و مدت‌زمان سرخ کردن (130-70 ثانیه) بود. همچنین متغیرهای وابسته شامل ویژگی‌های بافت سطحی، شاخصهای رنگ پوسته، ویژگی‌های ساختار مغز و پذیرش مصرف کننده بود. نتایج نشان داد افزایش سطح توان مایکروویو، مدت‌زمان پیشفرآیند مایکروویو و مدت‌زمان سرخ کردن سبب افزایش قابلتوجه زبری سطح نمونه ها شد. نتایج همچنین نشان داد اثرات مثبت خطی همه متغیرهای مستقل و اثر منفی درجه دوم توان مایکروویو بر ویژگی‌های ساختار مغز دونات معنیدار بود. در مورد رنگ نمونه ها، نتایج نشان داد که شاخصهای L*و a* سطح نمونه ها با افزایش سطح مدت‌زمان سرخ کردن به‌ترتیب به‌طور قابلتوجهی کاهش و افزایش یافتند. نتایج حاصل از پذیرش مصرفکننده حاکی از تأثیر قابلتوجه مدت‌زمان سرخ کردن بر نمرات حسی بود. همچنین نتایج حاصل از آنالیز همبستگی نشاندهنده وجود ارتباط خطی قوی بین ویژگی‌های ظاهری و خصوصیات حسی دونات بود.
مهران نوری؛ بهزاد ناصحی؛ وحید سماواتی؛ سامان آبدانان مهدی زاده
چکیده
پژوهش حاضر با هدف بررسی اثر پیش فرآیند مایکروویو بر محتوی رطوبت و چربی، حجم مخصوص، ویژگی های بافتی (سفتی و ارتجاعیت) و خصوصیات ساختار مغز (تعداد سلول های گاز و تخلخل) دونات غنی شده با منابع مختلف فیبر خوراکی (حاوی صمغ فارسی و پودر تفاله هویج) انجام شد. همچنین شرایط فرآیند با استفاده از روش سطح پاسخ و یک طرح باکس-بنکن با 3 فاکتور بهینه‌سازی ...
بیشتر
پژوهش حاضر با هدف بررسی اثر پیش فرآیند مایکروویو بر محتوی رطوبت و چربی، حجم مخصوص، ویژگی های بافتی (سفتی و ارتجاعیت) و خصوصیات ساختار مغز (تعداد سلول های گاز و تخلخل) دونات غنی شده با منابع مختلف فیبر خوراکی (حاوی صمغ فارسی و پودر تفاله هویج) انجام شد. همچنین شرایط فرآیند با استفاده از روش سطح پاسخ و یک طرح باکس-بنکن با 3 فاکتور بهینه‌سازی شد. فاکتورهای مورد استفاده در این پژوهش شامل توان مایکروویو (900-300 وات)، مدت زمان پیش فرآیند مایکروویو (90-30 ثانیه) و مدت زمان سرخ کردن (130-70 ثانیه) بود. نتایج نشان داد با افزایش سطح هر یک از فاکتورها، محتوی رطوبت کاهش ولی محتوی چربی، سفتی مغز و ارتجاعیت، تعداد سلول ها و تخلخل دونات حاوی فیبر خوراکی افزایش می یابد. شرایط بهینه فرآیند شامل پیش فرآیند در توان 400 وات به مدت 60 ثانیه و سپس سرخ کردن به مدت 108 ثانیه بود. در این شرایط، محتوی چربی دونات سرخ شده کمتر از دونات های سرخ شده در شرایط معمول بود.
سامان آبدانان مهدی زاده؛ مهران نوری؛ مریم سلطانی کاظمی؛ سمیه امرایی
چکیده
هدف از پژوهش حاضر تعیین بهترین ویژگی سطحی بافت (انتروپی، انرژی، همگنی، تباین، همبستگی و برتری) به‌منظور پیشگویی فاکتورهای کیفی آب مرکبات (pH، اسیدیته، مواد جامد محلول و اسکوربیک اسید) می‌باشد. بدین منظور آب مرکبات (نارنج، پرتقال، لیموترش و نارنگی) بلافاصله پس از فرآیند پاستوریزاسیون در دمای یخچال (4 درجه سانتی‌گراد) برای مدت 60 روز ...
بیشتر
هدف از پژوهش حاضر تعیین بهترین ویژگی سطحی بافت (انتروپی، انرژی، همگنی، تباین، همبستگی و برتری) به‌منظور پیشگویی فاکتورهای کیفی آب مرکبات (pH، اسیدیته، مواد جامد محلول و اسکوربیک اسید) می‌باشد. بدین منظور آب مرکبات (نارنج، پرتقال، لیموترش و نارنگی) بلافاصله پس از فرآیند پاستوریزاسیون در دمای یخچال (4 درجه سانتی‌گراد) برای مدت 60 روز نگهداری گردید. در خلال انبارمانی بعداز اخذ تصویر از سطح آب مرکبات مقدار pH، ویتامین ث و مواد جامد محلول در روزهای 0، 20، 40 و60 اندازه گیری شدند. مطابق آنالیز تصویر تغییرات رنگ در طول فرآیند انبارمانی توسط سه کانال رنگی L*,a*, b* نشان داد که کانال رنگی L* تغییرات زوال در آب میوه ها را بهتر نشان می‌دهد. نتایج آنالیز آماری داده ها نشان داد که اسیدیته و اسکوربیک اسید در چهار نوع آب مرکبات بطور معنی داری (05/0 >P) طی مدت زمان نگهداری به ترتیب افزایش و کاهش یافتند. همچنین نتایج حاصل از آنالیز همبستگی نشان داد از بین ویژگی های استخراج شده از تصاویر، انرژی نسبت به دیگر ویژگیها با ضریب همبستگی بالاتر توانایی پیشگویی اسیدیته، pH و آسکوبیک اسید را به خوبی دارد.
سامان آبدانان مهدی زاده؛ سمیه امرایی
چکیده
رنگ اولین ویژگی کیفیت مواد غذایی است که توسط مصرف کنندگان مورد بررسی قرار می گیرد. اندازه گیری رنگ مواد غذایی به‌عنوان یک شاخص غیرمستقیم در اندازه گیری دیگر ویژگی های کیفیتی مانند عطر و طعم و محتویات رنگدانه به دلیل سرعت و سادگی در اندازه گیری، و همچنین ارتباط با سایر خواص فیزیکی محصولات غذایی مورد استفاده قرار می گیرد. در میان فضاهای ...
بیشتر
رنگ اولین ویژگی کیفیت مواد غذایی است که توسط مصرف کنندگان مورد بررسی قرار می گیرد. اندازه گیری رنگ مواد غذایی به‌عنوان یک شاخص غیرمستقیم در اندازه گیری دیگر ویژگی های کیفیتی مانند عطر و طعم و محتویات رنگدانه به دلیل سرعت و سادگی در اندازه گیری، و همچنین ارتباط با سایر خواص فیزیکی محصولات غذایی مورد استفاده قرار می گیرد. در میان فضاهای رنگی مختلف، عموما در اندازه گیری رنگ مواد غذایی، از فضای رنگی L*a*b* با توجه به توزیع یکنواخت و نزدیکی بسیار زیاد به ادراک انسان استفاده می شود. بطور کلی رنگ سنج های تجاری هنگام اندازه-گیری رنگ، سطح کوچکی از محصول را پوشش می دهند. در مقابل دوربین های دیجیتال اطلاعات پیکسلی را در اختیار کاربر قرار می دهند؛ این پژوهش یک راه‌حل محاسباتی به‌منظور استخراج واحدهای L*a*b* از اطلاعات پیکسلی تصاویر RGB دیجیتال را ارائه می دهد. در این مطالعه به‌منظور تبدیل واحدهای RGB به L*a*b* از چهار مدل: خطی، درجه دوم، شبکه عصبی مصنوعی (ANN) و رگرسیون بردار پشتیبانی (SVR) استفاده گردید. در ارزیابی مدل ها، رگرسیون بردار پشتیبانی و مدل شبکه عصبی به ترتیب با خطای 88/0 و 37/2 بهترین عملکرد را از خود نشان دادند. با توجه به مدل های شکل گرفته، ارتباط خوبی بین رنگ اندازه گیری و برآورد شده تشکیل شده بود. بنابراین، بر اساس نتایج بدست آمده از بینایی ماشین، روش توصیه شده در این پژوهش برای تبدیل دقیق رنگ یک محصول غذایی از روی اطلاعات پیکسلی یک دوربین دیجیتال به L*a*b* مناسب می باشد.
