تصويربرداري فراطيفي فروسرخ نزديك به منظور تخمين غير مخرب pH سيب رددليشز در دوره نگهداري

Near infrared hyperspectral imaging for non-destructive determination of pH value in red delicious apple fruit during shelf life

ارزيابي كيفيت و درجه‌بندي ميوه ها يكي از فعاليت‌هاي مهم پس از برداشت است كه با توجه به رشد تقاضا براي محصولات سالم و داراي كيفيت بهتر، مورد توجه زيادي قرار گرفته است. در دهه‌هاي اخير فناوري‌هاي مختلفي براي ارزيابي ميوه‌ها و سبزي‌ها به صورت غيرتخريبي كاربرد پيدا كرده‌اند. در بين اين روش‌ها، تصويربرداري فراطيفي به عنوان يك روش غيرمخرب، سريع و دوستدار محيط زيست به منظور سنجش خواص محصولات كشاورزي مورد توجه پژوهشگران قرار گرفته است. نظر به اينكه مصرف اسيدهاي آلي و در نتيجه تغييرات pH يكي از خواص كيفي مهم سيب به شمار مي‌رود، در اين تحقيق اثر طول دوره انبارداري سرد بر ميزان pH سيب رقم رددليشز به مدت 60 روز بررسي شد. تصويربرداري فراطيفي بازتابي در محدوده طول موج هاي nm 400-1100 انجام و ميزان pH در نمونه‌ها نيز به صورت مخرب اندازه‌گيري شد. پس از حذف نويزها با تجزيه و تحليل مؤلفه‌هاي اصلي (PCA)، براي بهبود طيف، پيش پردازش‌هاي اوليه مختلف اعمال و اثرات آنها مورد بررسي قرار گرفت. مدل مناسب با استفاده از روش حداقل مربعات جزئي(PLS) تعيين گرديد. طول موج هاي مهم براساس ضريب رگرسيون بهترين مدل و شامل نقاط داراي مقادير بالاي قدرمطلق ضريب رگرسيون انتخاب و يا استفاده از روش هاي مختلف مدل سازي شد. براساس آناليز PLS بهترين نتايج با پيش‌پردازش هموارسازي ساويتزكي-گولاي با خطاي جذر ميانگين مربعات (RMSE) 0/02 و 0/018 و ضريب تعيين (R2) هر دو برابر با 0/980به ترتيب براي داده‌هاي كاليبراسيون و اعتبار سنجي حاصل شد. بر اساس ضريب رگرسيون بهترين مدل، 9 طول موج به عنوان بهترين طول موج ها تعيين شد. در مدلسازي با استفاده از طول موج‌هاي موثر، شبكه عصبي مصنوعي بهترين نتيجه را داشت. در نتيجه به نظر مي رسد كه روش غير مخرب تصويربرداري فراطيفي قادر به تخمين pH سيب در دوره انبارداري با دقت بالا است.

Quality assessment and fruits’ sorting are important activities in postharvest process that are attracting notices interestingly because of increasing demand for healthy products with better quality. In the recent decades, various non-invasive and non-destructive techniques for fruits and vegetables evaluations have been employed. Among these methods, hyperspectral imaging as a non-destructive, fast and ecofriendly technique is getting researchers’ attraction increasingly in order to crops properties assessment. Regarding this fact that consumption of organic acids and consequent changes pH is considered as one of the important qualitative parameters of apple fruits, this study aimed to investigate the effect of shelf life time on pH value of Red Delicious apples during 60 days. Hyperspectral reflecting imaging in range of 400-1000 nm has been applied while the pH of samples was measured destructively. After discarding noises using principal component analysis (PCA) analysis, to improve spectrum, different primary pre-processing had been applied and their effects were investigated. The suitable model was obtained via Partial Least Square method (PLS). Important wavelengths were selected based on regression coefficient of the best model includes large absolute values of weighted regression coefficients (BW) and using various techniques were modeled. Concerning the PLS analysis, the best results were obtained through smoothing Savitzky-Golay pre-processing with mean square root error (RMSE) of 0.02 and 0.018 and coefficient of determination (R2) both 0.980 for calibration and validation data, respectively. According to regression coefficient of the best model, 9 wavelengths were determined as the best. In modeling by efficient wavelength, artificial neural network (ANN) gave the best result. Hence, it was obvious that non-destructive method of hyperspectral imaging was capable to predict pH values of apple fruits with high accuracy during the shelf life.