تجزيه و تحليل كمي اسيدهاي آلي در سيب‌زميني با استفاده از طيف‌سنجي NIR همراه با روش PLS و ANN

سيب‌زميني شيرين به عنوان يك گياه قوي در سراسر جهان رشد مي‌كند و محصولي سازگار با خشكي، دما و خاك هاي كم حاصلخيز مي‌باشد. سيب‌زميني حاوي مقدار زيادي نشاسته، ويتامين‌هاي متعدد، پروتئين و نمك هاي غير معدني مانند كلسيم، فسفر ،آهن و كالري كم است. اسيدهاي آلي (OA) به تركيبات آلي اسيدي حاوي گروه‌هاي كربوكسيل (به استثناي اسيدهاي آمينه) اطلاق مي‌شود كه بطور گسترده در موجودات وجود دارند. اسيدهاي آلي موجود در ميوه‌ها عمدتاً شامل اسيد سيتريك، اسيد ماليك، اسيد تارتاريك و اسيد سوكسينيك مي باشد. روش سنتي براي تشخيص غلظت OAكروماتوگرافي يوني در آزمايشگاه است كه به محلول‌هاي استاندارد بعنوان مرجع و مصرف معرف‌هاي شيميايي نياز داردو اين يك عمليات زمانبر است. بنابراين يك فناوري تشخيص سريع به عنوان جايگزين لازم مي‌باشد. طيف‌سنجي فروسرخ نزديك (NIR) نوعي فناوري تشخيص سريع مي‌باشدكه اطلاعات طيفي نمونه را از طريق تفاوت بين نور تابشي و نور بازتابشي از نمونه ها استخراج مي‌كند. خواص تشخيص سريع طيف‌سنجي NIR از توسعه روش‌هاي شيمي‌سنجي سودمند است. بر اساس داده هاي طيف FT NIR، مدل رگرسيون PLS هسته شبكه بر اساس نمونه‌هاي كاليبراسيون ايجاد و آموزش داده شد. همچنين در طول كاليبراسيون، ساختار شبكه با تعداد متفاوتي از گره‌هاي پنهان آموزش داده شد. سپس مناسب‌ترين ساختار شبكه با 130 گره پنهان و 20 گره خروجي شناسايي شد كه به طور موثري بعد داده‌ها را براي مدل‌سازي كاليبراسيون كاهش مي‌دهد. متغيرهاي ويژگي استخراج شده از هسته شبكه بهينه بيشتر براي رگرسيون PLS و تنظيم تعداد متغيرهاي پنهان براي يافتن بهترين مدل PLS هسته اعمال شد. بهترين مدل RMSEV 0.834 و CCV 0.936 را براي نمونه‌هاي اعتبارسنجي مشاهده شد، كه مشخص مي‌كند مدل PLS بهينه با 8 متغير پنهان ايجاد شده است.