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.
