با همکاری انجمن علوم و صنایع غذایی ایران
نویسنده = مختار حیدری
فناوری مواد غذایی

تاثیر پوشش خوراکی کیتوزان بر ویژگی‌های فیزیکوشیمیایی و فعالیت آنزیمی میوه انگور رقم فخری در شرایط سردخانه

دوره 19، شماره 1، فروردین و اردیبهشت 1402، صفحه 95-106

https://doi.org/10.22067/ifstrj.2022.75449.1150

معصومه شکری، مصطفی رحمتی جنیدآباد، مختار حیدری، موسی رسولی، احمد زارع

چکیده استفاده از پوشش­های خوراکی طبیعی برای افزایش عمر پس از برداشت محصولاتی همانند میوه­ها، امروزه بسیار متداول شده است. کیتوزان با قابلیت کنترل میکروارگانیسم‏های بیماری‏زا و کاهش سرعت تبخیر و تعرق آب از بافت گیاه، به عنوان یک ماده غیرسمی طبیعی و یک پوشش خوراکی طبیعی شناخته شده است. این پژوهش، با هدف بررسی اثر تیمار کیتوزان (صفر، 25/0، 5/0 و 1 درصد) و زمان انبارمانی (صفر، 20، 40 و 60 روز) بر حفظ کیفیت و عمر انبارمانی میوه انگور رقم فخری، به‏صورت فاکتوریل در قالب طرح کاملاً تصادفی در سه تکرار انجام شد. شاخص‏های مورد ارزیابی شامل درصد کاهش وزن، درصد آلودگی، درصد ریزش حبه، میزان قهوه‏ای شدن حبه، اسیدآسکوربیک، اسیدیته قابل تیتراسیون، فنل کل، میزان فعالیت آنزیم‏های فنیل‏آلانین‏آمونیالیاز، پلی‏فنل‏اکسیداز و پراکسیداز بود. نتایج نشان داد که غلظت 1 درصد کیتوزان به‏خوبی توانست آلودگی، ریزش حبه، کاهش اسیدیته قابل تیتراسیون و کاهش اسیدآسکوربیک را کنترل نماید و بیش‏ترین میزان فعالیت آنزیم پلی‏فنل‏اکسیداز در غلظت 1 درصد کیتوزان مشاهده گردید و غلظت 5/0 درصد کیتوزان نیز سبب جلوگیری از کاهش وزن و قهوه‏ای شدن حبه‏ها نسبت به سایر غلظت‏ها و نمونه شاهد گردید و بیش‏ترین میزان فنل کل و  بالاترین میزان فعالیت آنزیم فنیل‏آلانین‏آمونیالیاز و پراکسیداز نیز مربوط به غلظت 5/0 درصد کیتوزان بود، این در حالی است که بین دو غلظت 5/0 و 1 درصد کیتوزان در بیش‏تر صفات تفاوت معنی‏داری در سطح 5 درصد مشاهده نشد.

توسعه مدل پیشگو به‌منظور تعیین سفتی میوه "به" به‌کمک برنامه‌نویسی ژنتیک و شبکه عصبی در خلال انبارمانی

دوره 16، شماره 5، آذر و دی 1399، صفحه 655-667

https://doi.org/10.22067/ifstrj.v16i5.82809

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 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.

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

دوره 13، شماره 5، آذر و دی 1396، صفحه 730-743

https://doi.org/10.22067/ifstrj.v1395i0.57415

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 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.