شماره ركورد :
957259
عنوان مقاله :
سنجش كمي فنل كل انگور با استفاده از طيف سنجي فرو سرخ نزديك و شبكۀ عصبي مصنوعي
عنوان به زبان ديگر :
Quantification of Total Phenol in Grape by Near Infrared Spectroscopy and Artificial Neural Network
پديد آورندگان :
محمدي گل، رضا دانشگاه اراك - دانشكده كشاورزي و منابع طبيعي - گروه مهندسي مكانيك بيوسيستم , آزادشهركي، فرزاد سازمان تحقيقات آموزش و ترويج كشاورزي، كرج - موسسه تحقيقات فني و مهندسي كشاورزي , لطفي، ولي اله دانشگاه اراك - دانشكده كشاورزي و منابع طبيعي - گروه مهندسي مكانيك بيوسيستم
اطلاعات موجودي :
فصلنامه سال 1396 شماره 3
تعداد صفحه :
8
از صفحه :
313
تا صفحه :
320
كليدواژه :
انگور , شبكه عصبي , طيف سنجي , غيرمخرب , فنل كل
چكيده فارسي :
انگور يكي از مهم ترين ميوه ها در جهان است. تركيبات فنلي، آنتي اكسيدان هايي هستند كه از اجزاء مهم انگور بشمار مي روند. اصطلاح تركيبات فنلي شامل تمام مولكول هاي آروماتيكي ازجمله اسيدهاي آمينه تا مولكولهاي پيچيده شامل تانن ها و لگنين هاست. روش طيف سنجي فروسرخ نزديك از رايج ترين روش هاي غيرمخرب سنجش تركيبات و تعيين كيفيت ميوه ها و سبزي هاست. در پژوهش حاضر امكان اندازه گيري فنل كل انگور توسط طيف سنجي فروسرخ نزديك و شبكۀ عصبي مصنوعي (پرسپترون) مورد بررسي قرار گرفته است. تعداد 444 نمونه ( 107 نمونه رقم عسگري، 106 نمونه رقم بيدانۀ قرمز، 111 نمونه رقم شاهرودي و 120 نمونه رقم خوشناو) براي تدوين شبكه و اعتبارسنجي آن انتخاب شدند. شبكه هاي تدوين شده به وسيلۀ شاخص انحراف پيشبيني باقي مانده در تخمين مقادير فنل در نمونه هاي اعتبارسنجي (101 نمونه) ارزيابي شدند. بيشترين مقدار برابر 1/66 در شبكه با توپولوژي 1-5-8 باضريب همبستگي r) 0/79) و ريشه ميانگين مربعات خطاي پيش بيني 48/66 به دست آمد. نتايج نشان داد كه امكان جداسازي مقدارهاي كم از زياد فنل كل با تكنيك طيفسنجي فروسرخ نزديك و شبكۀ عصبي (پرسپترون) پس انتشار خطا به عنوان يك روش غيرمخرب وجود دارد.
چكيده لاتين :
Grape is one of the most important fruits in the world. Phenolic compounds are antioxidants are important compositions of grape. Phenolic compounds phrase includes all the aromatic molecules consisting amino acids to complex molecules like tannins and lignin’s. Near infrared spectroscopy is one of the most common nondestructive methods for fruits and vegetables qualification analysis. This research is conducted to evaluate the possibility of the quantification of total phenol in grape by near infrared spectroscopy and artificial neural network (perceptron). The number of 444 samples (107 Asgari, 106 Bidane, 111 shahroodi and 120 khoshnav varieties) were selected to model calibrating and test as well. Developed ANNs were compared on phenol prediction by residual prediction deviation (RPD) index in the test sample dataset (101 samples).The maximum RPD was 1.66 by 8-5-1 topology with correlation coefficient and root mean square (RMSE) equal to 0.79 and 48.66 respectively. It was concluded that NIR spectroscopy and back propagation perceptron ANN could be used to discriminate low and high amounts of grape total phenol as a nondestructive method.
سال انتشار :
1396
عنوان نشريه :
پژوهش و نوآوري در علوم و صنايع غذايي
فايل PDF :
3627618
عنوان نشريه :
پژوهش و نوآوري در علوم و صنايع غذايي
اطلاعات موجودي :
فصلنامه با شماره پیاپی 3 سال 1396
لينک به اين مدرک :
بازگشت