استخراج موثرترين طول موجهاي طيف آبميوه توت سياه (.Morus alba Varnigra L) با استفاده از مدلهاي مختلف رگرسيون حداقل مربعات جزئي (PLS)

Extraction of most effective wavelength of mulberry juice (Morus Alba Var. nigra L.) spectra using different PLSR models

در سال هاي اخير كاربرد طيف سنجي UV/NIR به عنوان يك روش غير مخرب با روشهاي شيمي سنجي به منظور ارزيابي كيفيت محصولات كشاورزي به طور گسترده اي مورد توجه قرار گرفته است. توت سياه يكي از ميوه هاي بومي ايران است كه در زمينه تعيين شاخص هاي كيفي آن به روش غير مخرب اطلاعات محدودي وجود دارد. در پژوهش حاضر به منظور انتخاب نواحي طول موج موثر در طيف سنجي UV/NIR(nm 1100-300)، از دو روش BiPLS و iPLS جهت تشخيص پارامترهاي كيفي مانند ميزان مواد جامد محلول (TSS)، اسيديته، ويتامين ث و آنتوسيانين در آب ميوه توت سياه مورد استفاده شد. لازم به ذكر است كه قبل از انجام محاسبات مذكور، در مرحله نخست براي هر سه مدل پيشگو (PLS، BiPLS و iPLS) تعداد مولفه اصلي مربوط به هر پارامتر آب ميوه (TSS، اسيديته، ويتامين ث و آنتوسيانين) با استفاده از روش Cross-Validation استخراج شد. با توجه به نتايج حاصل از مقايسه اين سه مدل مشخص شد كه در تشخيص و اندازه گيري پارامترهاي داخلي TSS (RMSEC=0.076, rc=0.96 و RMSEV=0.03, rv=0.96)، اسيديته (RMSEC=0.014, rc=0.96 و RMSEV =0.013, rv=0.98)، ويتامين ث (RMSEC=0.053, rc=0.87 و RMSEV=0.0008, rv=0.93) و آنتوسيانين (RMSEC=0.0007, rc=0.97 و RMSEV=0.0006, rv=0.95) BiPLS با 15 فاكتور از 20 فاصله انتخاب شده بهترين عملكرد را داشته است.

In recent years, application of UV/NIR spectroscopy as a non-destructive technique combined with chemometric methods has been widely noticed for quality assessment of food and agriculture produces. Mulberry is a native fruit of Iran and there are limited information about its quality indexes. In this paper, backward interval partial least-squares (BiPLS) and interval partial least-squares (iPLS) were utilized as wavelength selection methods in UV/NIR region to determin fruit juice internal qualities (soluble solid content (TSS), Titratable Acidity, Anthocyanine Content and Ascorbic Acid). In order to find the appriptare number of components for each juice parameter Cross-Validation method was used.BiPLS method with 15 factors of 20, compares to PLS and iPlS, had the best performance in prediction of fruit juice parameters SSC (RMSEC = 0.076, rc = 0.96 and RMSEV = 0.03, rv = 0.96), TA (RMSEC = 0.014, rc = 0.96 and RMSEV = 0.013, rv = 0.98), AA (RMSEC = 0.053, rc = 0.87 and RMSEV = 0.0008, rv = 0.93) and AC (RMSEC = 0.0007, rc = 0.97 and RMSEV = 0.0006, rv = 0.95).