تخمين پارامترهاي كيفي ليموشيرين (Citrus limetta) با استفاده از روش غيرمخرب طيف‌سنجي Vis/SWNIR

Non-destructive prediction of quality parameters of sweet lemon (Citrus limetta) by Vis/SWNIR spectroscopy

مؤلفه‌هاي مختلفي براي تعيين رسيدگي و كيفيت ليموشيرين معرفي شده‌اند كه از مهمترين آن‌ها مي‌توان به مقدار مواد جامد محلول (SSC)، اسيديته قابل تيتر (TA) و رطوبت (MC) اشاره كرد. در اين تحقيق، با استفاده از روش غيرمخرب طيف‌سنجي مرئي-فروسرخ نزديك طول موج كوتاه (Vis/SWNIR)، تخمين پارامترهاي SSC، MC و TA ليموشيرين مورد مطالعه قرار گرفت. طيف 120 نمونه ليموشيرين در محدوده‌ي طول موج 400 تا 1100 نانومتر در دو وضعيت تقابلي و عبوري جمع‌آوري شدند. اثر پيش پردازش‌هاي مختلف نظير الگوريتم ساويتسكي-گولاي (SG)، تصحيح پراكنش افزاينده (MSC)، تصحيح خط پايه (BC)، متغير نرمال استاندارد (SNV)، مشتق اول (1st Derivatives) و تركيبي از اين روش‌ها مورد بررسي و پيش پردازش مناسب براي مدل‌سازي با روش حداقل مربعات نسبي (PLS) انتخاب شد. براساس نتايج بدست آمده، مدل‌هاي تخمين SSC و MC در مد تقابلي و TA در مد عبوري منجر به بهترين نتايج شدند. همچنين در بين سه پارامتر مورد بررسي، بهترين نتايج به ترتيب براي SSC، MC و TA حاصل شد. SSC با ضريب همبستگي (rp) 87/0 و ريشه ميانگين مربعات خطاي پيشگويي (RMSEP) 5/0 درجه بريكس، MC با rp برابر 88/0 و RMSEP برابر 57/0 درصد و TA نيز با rp برابر 74/0 و RMSEP برابر 0076/0 درصد پيشگويي شد.

In this study, the potential of visible and short-wavelength near infrared spectroscopy for nondestructive predicting the SSC, MC and TA of sweet lemon was evaluated. The spectra of 120 sweet lemon samples were acquired in the interactance and transmission modes and the wavelength region of 400 to 1100 nm. Different preprocessing methods, including Savitzky-Golay, multiplicative scatter correction, baseline correction, standard normal variate, 1st derivative, and the combination of these methods were applied to the raw spectra. The most appropriate preprocessing methods were then selected for building the predictive models using partial least squares method. The results showed that the best SSC and MC predictive models were achieved in the interactance mode, while the best TA predictive model was obtained in the transmission mode. Among three quality parameters, the best models were resulted in the prediction of SSC, MC, and TA, respectively. The SSC with a correlation coefficient (rp) of 0.87 and a root mean squares error of prediction (RMSEP) of 0.5 °Brix, MC with a rp of 0.88 and an RMSEP of 0.57%, and TA with a rp of 0.74 and an RMSEP of 0.0076% could be predicted.