مهندسی مواد غذایی
علی سعیدان؛ مهدی خجسته پور؛ محمودرضا گلزاریان؛ مرضیه معین فرد
چکیده
آفلاتوکسین یک ترکیب شیمیایی سمی است که توسط قارچهای آسپرژیلوس فلاووس و آسپرژیلوس پارازیتکوس تولید میشود. این سموم قارچی میتوانند باعث آلودگی گسترده محصولات کشاورزی شوند که بهصورت بالقوه دارای خطرات زیادی برای سلامتی انسان و حیوان هستند. لذا تشخیص سریع و صحیح دانههای آلوده به آفلاتوکسین به لحاظ اقتصادی و ایمنی، از اهمیت ...
بیشتر
آفلاتوکسین یک ترکیب شیمیایی سمی است که توسط قارچهای آسپرژیلوس فلاووس و آسپرژیلوس پارازیتکوس تولید میشود. این سموم قارچی میتوانند باعث آلودگی گسترده محصولات کشاورزی شوند که بهصورت بالقوه دارای خطرات زیادی برای سلامتی انسان و حیوان هستند. لذا تشخیص سریع و صحیح دانههای آلوده به آفلاتوکسین به لحاظ اقتصادی و ایمنی، از اهمیت بالایی برخوردار است. در این تحقیق از طیفسنجی مادون قرمز نزدیک بهعنوان روشی غیرتخریبی و سریع، برای تشخیص دانههای کاکائو آلوده به آفلاتوکسین استفاده شد. دانههای کاکائو با دو غلظت سم (20و ppb 500) بهصورت مصنوعی آلوده شدند و دانههای بدون آلودگی نیز بهصورت سطحی با اتانول پاکسازی شدند. هر دو دسته دانههای آلوده و سالم با دستگاه طیفسنج و در دامنه 400 الی 2500 نانومتر مورد ارزیابی قرار گرفتند. مدل تجزیه و تحلیل تمایزی حداقل مربعات جزئی برای دستهبندی دانههای آلوده و غیرآلوده مورد استفاده قرار گرفت و پیش از آنالیز دادههای طیفی، این طیفها با مشتق مرتبه اول و دوم ساویتزی گولی مورد پیش تیمار قرار گرفتند. نتایج درجهبندی نشان داد که کمترین میزان خطای درجهبندی در حالتی بود که از مشتق مرتبه دوم بهعنوان پیش تیمار استفاده شده بود و این مقادیر برای دادههای کالیبراسیون، اعتبارسنجی متقابل و تست بهترتیب برابر 00/0، 02/0 و 00/0 گزارش شد. همچنین نتایج بررسی نمودار ضرایب تاثیر در هر دسته نشان داد که با افزایش غلظت سم در دانه های کاکائو از 20 به ppb 500، مقادیر ضرایب تاثیر کاهش پیدا کرد. در نهایت میتوان گفت که روش تشخیص آلودگی آفلاتوکسین با استفاده از طیفسنجی مادون قرمز روشی کارا، غیرمخرب و سریع میباشد که میتواند جایگزین مناسبی برای روشهای سنتی شود.
امید دوستی ایرانی؛ عباس روحانی؛ محمودرضا گلزاریان؛ منصوره شمیلی؛ پیمان آذر کیش
چکیده
درجهبندی میوه از نظر ویژگیهای کیفی از جمله سفتی، مواد جامد محلول و اسیدیته، بهصورت غیرمخرب در امر بازارپسندی آن تأثیر بهسزایی دارد. در این پژوهش با استفاده از ترکیب تکنیکهای پردازش تصویر و هوش مصنوعی، پیشبینی ویژگیهای کیفی انبه رقم کلک سرخ مورد بررسی قرار گرفته است. نمونههای مورد بررسی در دو تیمار دمایی 5، 15 و تیمار ...
بیشتر
درجهبندی میوه از نظر ویژگیهای کیفی از جمله سفتی، مواد جامد محلول و اسیدیته، بهصورت غیرمخرب در امر بازارپسندی آن تأثیر بهسزایی دارد. در این پژوهش با استفاده از ترکیب تکنیکهای پردازش تصویر و هوش مصنوعی، پیشبینی ویژگیهای کیفی انبه رقم کلک سرخ مورد بررسی قرار گرفته است. نمونههای مورد بررسی در دو تیمار دمایی 5، 15 و تیمار شاهد (24 درجه سانتیگراد) به مدت 48 ساعت قرار گرفتند. پس از آن به مدت 14 روز بهصورت یک روز در میان تصویربرداری از نمونهها انجام و ویژگیهای رنگی از نواحی مورد نظر در محیط رنگی L*a*b استخراج شدند. پس از هر مرحله تصویربرداری میزان اسیدیته، قند و سفتی بافت اندازهگیری شد. بهمنظور بررسی ارتباط بین خصوصیات فیزیکوشیمیایی و مشخصههای تصویری بین نمونهها، شبکه عصبی چندلایه پرسپترون ایجاد و آموزش داده شد. از این شبکه تربیت شده بهمنظور پیش بینی ویژگیهای فیزیکی از روی مشخصههای رنگی استفاده شد. متغیرهای ورودی به شبکه شامل تیمار دمایی در سه سطح (شاهد، 15 و 5 درجه سانتیگراد)، کانالهای رنگی (L, a, b) و میزان انحراف معیار کانالهای رنگی (stdL, stda, stdb) است. متغیرهای خروجی نیز شامل قند، اسیدیته و سفتی بافت است. نتایج حاصل از پیشبینی مدل شبکه عصبی نشان داد که دقت مدل در مرحله آزمون برای پیشبینی فاکتورهای اسیدیته، قند و سفتی بافت بهترتیب برابر با 45، 85، 88 درصد است؛ بنابراین هرچند دقت مدل شبکه عصبی برای پیشبینی اسیدیته از روی فاکتورهای رنگی نمونههای انبه پایین بود، اما شبکه عصبی مبتنی بر ماشین بینایی قادر به پیشبینی فاکتورهای سفتی و قند با دقت بالا است.
محمودرضا گلزاریان؛ منصوره شمیلی؛ امید دوستی ایرانی؛ پیمان آذر کیش
چکیده
سیستم بینایی ماشین یکی از ابزارهای قدرتمند بهمنظور خودکار کردن روشهای درجهبندی محصولات کشاورزی است. در این تحقیق با استفاده از پردازش تصاویر رنگی تهیهشده از میوه انبه به تشخیص خرابیهای ظاهری ناشی از صدمات مکانیکی پرداختهشده است. برای این منظور از میان ۸۰ عدد انبه با بازرسی چشمی تعداد ۶۰ نمونه انبه که بر روی آنها لکههای ...
بیشتر
سیستم بینایی ماشین یکی از ابزارهای قدرتمند بهمنظور خودکار کردن روشهای درجهبندی محصولات کشاورزی است. در این تحقیق با استفاده از پردازش تصاویر رنگی تهیهشده از میوه انبه به تشخیص خرابیهای ظاهری ناشی از صدمات مکانیکی پرداختهشده است. برای این منظور از میان ۸۰ عدد انبه با بازرسی چشمی تعداد ۶۰ نمونه انبه که بر روی آنها لکههای سیاهرنگ ناشی از آسیبهای مکانیکی در حین برداشت و جابجایی به وجود آمده بود، تشخیص داده شدند و از هر میوه در شرایط نوردهی یکسان تصویربرداری شد. با استخراج ویژگیهای رنگی در سه مدل رنگی RGB، HSI و L*a*b* و مقایسه آماری دادهها مشخص شد که ویژگیهای رنگی G و 0.16G/0.5R در محیط رنگی RGB بهترتیب با دقت ۹۰% و ۶/۹۱% و ویژگیهای رنگی a* و 0.16L*-a* از فضای رنگی L*a*b* بهترتیب با دقت ۳۳/۹۳% و ۱۰۰% قادر به تشخیص بافت آسیبدیده میباشند. درصد مساحت استخراجشده از هر نمونه بهعنوان معیاری برای درجهبندی میوه انبه مورداستفاده قرار گرفت. با استفاده از روش خوشهبندی K میانگین نمونهها به دو دسته تقسیمبندی شدند و نقطه برش بین این دو دسته با استفاده از منحنی راک برابر با ۱۱/۳ بدست آمد. مساحت منحنی راک برابر با ۱ بدست آمد که نشاندهنده قدرت تفکیک بالای خوشهبندی است.
محمودرضا گلزاریان؛ علی محمدزاده؛ محمدحسین عباسپورفرد
چکیده
شناسایی و جداسازی محصولات کشاورزی تازه و سالم از محصولات مانده و آسیبدیده موجب کاهش تلفات و ضایعات ناشی از گسترش بیماری نمونههای ناسالم میشود. هدف از این مقاله بررسی کیفیت ماندگاری انار دانه طی دوره نگهداری 15 روزه با استفاده از سامانه تصویربرداری حرارتی میباشد. برای دریافت تصاویر حرارتی، اناردانهها با استفاده از روش گرمانگاری ...
بیشتر
شناسایی و جداسازی محصولات کشاورزی تازه و سالم از محصولات مانده و آسیبدیده موجب کاهش تلفات و ضایعات ناشی از گسترش بیماری نمونههای ناسالم میشود. هدف از این مقاله بررسی کیفیت ماندگاری انار دانه طی دوره نگهداری 15 روزه با استفاده از سامانه تصویربرداری حرارتی میباشد. برای دریافت تصاویر حرارتی، اناردانهها با استفاده از روش گرمانگاری فعال در معرض منبع سرد با دمای C◦ 2- بهمدت 60 ثانیه قرار گرفتند. بهمنظور استخراج مقادیر دمایی دو روش بخشبندی بر مبنای آستانهیابی تصاویر حرارتی و ترکیب تصاویر رنگی و حرارتی بهروش ثبت تصویر استفاده شد. از ویژگیهای دمایی مستخرج برای ارزیابی و طبقهبندی اناردانههای چهار دوره نگهداری در سه بازهی زمانی 60 ثانیهای از تصویربرداری (مجموعاً 180 ثانیه تصویربرداری حرارتی) از روش آنالیز تفکیک خطی استفاده شد. میانگین دقت طبقهبندی اناردانهها در سه بازهی زمانی 60 ثانیهی اول، دوم و سوم از تصویربرداری حرارتی 1/62%، 72% و 8/79% بهدست آمد. برای طبقهبندی دورهها نیز در سه بازهی زمانی 60 ثانیه بهترین دقت طبقهبندی در 60 ثانیهی سوم که برای روز اول 7/98% ، روز پنجم 23/69%، روز دهم 38/65% و روز پانزدهم 85/89% بهدست آمد. نتایج بهدست آمده تأیید میکند که تصویربرداری حرارتی میتواند بهعنوان یک روش غیرمخرب برای شناسایی درجه تازه بودن اناردانه در زمانهای متفاوت نگهداری مورداستفاده قرار گیرد.
علی محمدزاده؛ محمدحسین عباسپورفرد؛ محمودرضا گلزاریان
چکیده
در این مقاله شیوهای برای طبقهبندی اناردانههای خارجشده از میوه انار بر مبنای کیفیت رنگ ارائه شده است. هدف از این مقاله استخراج و استفاده از ویژگیهای مبتنی بر تصویر برای درجهبندی اناردانهها در سه گروه رنگی (قرمز، صورتی، سفید) و غشاء میباشد. طی مراحل پیشپردازش با ارزیابی کیفی فیلترهای رنگی برای بخشبندی بر مبنای آستانه، ...
بیشتر
در این مقاله شیوهای برای طبقهبندی اناردانههای خارجشده از میوه انار بر مبنای کیفیت رنگ ارائه شده است. هدف از این مقاله استخراج و استفاده از ویژگیهای مبتنی بر تصویر برای درجهبندی اناردانهها در سه گروه رنگی (قرمز، صورتی، سفید) و غشاء میباشد. طی مراحل پیشپردازش با ارزیابی کیفی فیلترهای رنگی برای بخشبندی بر مبنای آستانه، مناسبترین فیلتر ارائه گردید. در این مطالعه از مجموع 26 ویژگی مورداستفاده، 10 ویژگی ریختشناسی و شکلی، 10 ویژگی طیفی و رنگی مستخرج از فضاهای RGB, HIS, Lab و 6 ویژگی بافتی مستخرج از ممانهای آماری تصویری استفاده گردید. برای طبقهبندی و شناسایی چهار گروه تعریفشده از روش تحلیل تفکیک خطی (Linear Discriminant Analysis) استفاده گردید. دقت طبقهبندی بر مبنای ویژگیهای شکلی و اندازه برای جداکردن اناردانه و غشاء 3/96%، بر مبنای ویژگیها رنگی RGB، HSI، Lab بیشترین دقت بهترتیب 87%، 84%، 1/89% همچنین نتایج دقت طبقهبندی بر مبنای ویژگیهای بافتی 3/93 % بهدست آمد. درپایان با استفاده از روش ترکیب ویژگیها بهعنوان ورودی مدل طبقهبندی، دقت طبقهبندی 99% بهدست آمد.
امید دوستی ایرانی؛ محمودرضا گلزاریان؛ محمدحسین آق خانی؛ حسن صدرنیا
چکیده
هدف از انجام این تحقیق بررسی تغییرات ایجادشده در بافت لهیده سیب در طول زمان میباشد. در تصاویر مرئی از شاخص زردی و در تصاویر گرمایی از شاخص دما جهت بررسی تغییرات استفاده شد. نتایج نشان داد که با گذشت زمان از مقدار شاخص زردی بافت لهیده تا حدود 15 روز پس از لهیدگی کاسته شده و بعد از این مرحله روند افزایشی پیدا میکند. نتایج حاصل از تصویربرداری ...
بیشتر
هدف از انجام این تحقیق بررسی تغییرات ایجادشده در بافت لهیده سیب در طول زمان میباشد. در تصاویر مرئی از شاخص زردی و در تصاویر گرمایی از شاخص دما جهت بررسی تغییرات استفاده شد. نتایج نشان داد که با گذشت زمان از مقدار شاخص زردی بافت لهیده تا حدود 15 روز پس از لهیدگی کاسته شده و بعد از این مرحله روند افزایشی پیدا میکند. نتایج حاصل از تصویربرداری گرمایی نشان داد که دمای بافت کبودشده پس از اعمال ضربه تا 56 ساعت پس از لهیدگی خنکتر از بافت سالم، از 56 تا 96 ساعت تقریباً همدما و پس از 96 ساعت گرمتر از بافت سالم، با اختلافی بین 1-0/5 درجه سانتیگراد میباشد. تغییرات رنگ در ناحیه لهیدگی معمولاً تا 48 ساعت پس از اعمال ضربه با چشم قابلمشاهده نمیباشد، این در حالی است که دراین زمان بافت لهیده سیب خنکتر از بافت سالم میباشد. پس از 48 ساعت لهیدگی بهصورت کبودی در تصاویر مرئی قابلمشاهده میباشد. این در حالی است که در بازه زمانی 48 تا 96 ساعت پس از ضربه، تضاد دمایی بین ناحیه لهیده و بقیه نواحی در تصاویر گرمایی وجود ندارد. با گذشت زمان از 360 ساعت بهدلیل افزایش شاخص زردی و تغییر رنگ بافت لهیده از کبودی بهسمت سفیدی از قابلیت تصاویر مرئی برای تشخیص بافت لهیده کاسته میشود.
حامد سیگاری؛ محمد طبسی زاده؛ محمدحسین عباسپورفرد؛ محمودرضا گلزاریان
چکیده
با توجه به این که امکان اندازهگیری پیوسته جرم محصول در خشککنهای تحتخلأ وجود ندارد، روشهای تخمین رطوبت محصول درون محفظه خلأ کاربرد پیدا میکند. در این پژوهش از مدلسازی ریاضی برای تخمین رطوبت میوه کیوی در شرایط خلأ استفاده شده است. ورقههای میوه کیوی درون خشککن تحتخلأ در فشار 10 کیلوپاسکال و دمای 70 درجه سلسیوس خشک گردیدند. ...
بیشتر
با توجه به این که امکان اندازهگیری پیوسته جرم محصول در خشککنهای تحتخلأ وجود ندارد، روشهای تخمین رطوبت محصول درون محفظه خلأ کاربرد پیدا میکند. در این پژوهش از مدلسازی ریاضی برای تخمین رطوبت میوه کیوی در شرایط خلأ استفاده شده است. ورقههای میوه کیوی درون خشککن تحتخلأ در فشار 10 کیلوپاسکال و دمای 70 درجه سلسیوس خشک گردیدند. ضمن انجام آزمایش، محصول با فواصل 30 دقیقه توزین و نمودارهای رطوبت نهایی محصول در یک فشار، دما و ضخامت مشخص برحسب زمان رسم شد. از توابع چندجملهای، تابع نمایی درجه یک، توابع کسری و توابع گاوسی برای مدلسازی فرآیند خشکشدن با استفاده از نرمافزار متلب استفاده گردید. برای مقایسه نتایج توابع پیشبینیکننده، مقادیر ضریب همبستگی و مربع میانگین خطای نسبی موردمقایسه قرار گرفت. بهترین منحنی گذرا از نمودار رطوبت نسبی محصول برحسب زمان، با استفاده نرمافزار متلب ترسیم گردید و تابع کسری با درجه صورت و مخرج یک و سپس تابع چندجملهای درجه 3 با بیشترین ضریب همبستگی R2، بهترتیب 9991/0 و 9977/0 و کمترین مربع میانگین خطای نسبی RMSE، بهترتیب 01267/0 و 02412/0 برای پیشبینی فرآیند خشکشدن در خشککن خلأ تعیین گردید. ضریب انتشار حرارتی برای ضخامتهای مختلف کیوی از روی نمودار Ln(MR) برحسب زمان بهدست آمد و نشان داده شد که با افزایش ضخامت مقدار این ضریب نیز افزایش پیدا میکند.