تعيين هوشمند خواص شيميايي كيوي با استفاده از روش غير مخرب فرا صوت

INTELLIGENT ASSESSING KIWIFRUIT CHEMICAL ATTRIBUTES BY NONDESTRUCTIVE ULTRASONIC

كيوي محصول مفيدي است كه در سال هاي اخير افزايش قابل توجهي از لحاظ توليد و صادرات داشته است. تدوين استانداردهايي جهت بازار پسندي اين محصول، ضروري مي باشد كه لازمه آن آگاهي از خواص محصول است. اتخاذ يك روش غير مخرب، با عملكرد بالا هدف تمامي پژوهشگران بوده است. در تحقيق حاضر از آزمون فراصوت و تلفيق آن با شبكه عصبي مصنوعي به عنوان يك روش غير مخرب و هوشمند جهت تعيين خواص شيميايي كيوي، استفاده شده است. نمونه هاي مورد ازمايش، 150 عدد كيوي رقم هايوارد بودند كه در هفته اول پس از برداشت، هفته چهارم و هفته هفتم مورد آزمايش قرار گرفتند. ابتدا ازمايش فراصوت روي نمونه ها صورت گرفت، سپس با استفاده از روش هاي مخرب، اسيديته، ماده جامد محلول و PH تعيين شدند. نتايج اوليه تحليل داده هاي حاصل از آزمايشات مخرب نشان دادند كه خواص شيميايي كيوي در سه مرحله آزمايش، تفاوت معني داري با همديگر دارند. تحليل داده هاي فراصوت با استفاده از شبكه هاي عصبي انجام شد. خصوصيت دامنه سيگنال در حوزه زمان و چگالي طيف توان و زاويه فاز در حوزه فركانس به عنوان ورودي شبكه و داده هاي حاصل از آزمون هاي مخرب دو عنوان خروجي انتخاب شدند. تعداد نرون ها در لايه مخفي از به حداقل رساني ميانگين مربعات خطا MSE تعيين گرديد با استفاده از شبكه MLP با تعداد 20 نرون در لايه ورودي، ميزان ماده جامد محلول، اسيديته و PH به ترتيب با دقت 0/953، 0/952 و 0/920 ارزيابي شدند. شبكه هاي عصبي، آن دسته از خواص شيميايي نمونه ها را كه در سطح معناداري پاييني قرار داشتند، با دقت پايين تري پيش بيني نمود.

Kiwi is a useful product which has been increasingly produced and exported. it is essential to set some qualitative standards for marketing of this product. The first step in setting these standards and improving its various processing lines is being aware of its various benefits. All researchers aim at choosing nondestructive method with a high performance and flexibility. In the present research ultrasonic test and its blending with artificial neural networks was used as a nondestructive and smart for assessing kiwi fruit chemical attributes. 150 samples of Hayward kiwifruit were tested during the first, fourth and seventh week of their keeping. First, ultrasonic test was conducted on the samples. Then using the destructive methods, some qualitative benefits including acidity, soluble solids and PH were determined. The initial common statistical tests show that the qualitative benefits of kiwi in three states, have significant differences. For data analysis using artificial neural networks, signal domain characteristic in the area of time and power spectral density and phase in the area of frequency as the efficient feature was identified. Using MLP network with 20 neurons in input layer, acidity, soluble solids and PH were determined as 0.952, 0.953 and 0.920 respectively and these results suggest high capability of ultrasonic over time consuming and expensive destructive methods. Furthermore, results showed that neural networks, PH of samples, that were lower significantly than other qualitative criteria with Duncan and variance analysis, predict with a lower accuracy