سنجش کمی فنل کل انگور با استفاده از طیفسنجی فروسرخ نزدیک و شبکۀ عصبی مصنوعی
نویسندگان
چکیده مقاله:
انگور یکی از مهم‌ترین میوه‌ها در جهان است. ترکیبات فنلی، آنتی‌اکسیدان‌هایی هستند که از اجزاء مهم انگور بشمار می‌روند. اصطلاح ترکیبات فنلی شامل تمام مولکول‌های آروماتیکی ازجمله اسیدهای آمینه تا مولکول‌های پیچیده شامل تانن‌ها و لگنین‌هاست. روش طیفسنجی فروسرخ نزدیک از رایج‌ترین روش‌های غیرمخرب سنجش ترکیبات و تعیین کیفیت میوه‌ها و سبزی‌هاست. در پژوهش حاضر امکان اندازهگیری فنل کل انگور توسط طیفسنجی فروسرخ نزدیک و شبکۀ عصبی مصنوعی (پرسپترون) مورد بررسی قرار گرفته است. تعداد 444 نمونه (107 نمونه رقم عسگری، 106 نمونه رقم بیدانۀ قرمز، 111 نمونه رقم شاهرودی و 120 نمونه رقم خوشناو) برای تدوین شبکه و اعتبارسنجی آن انتخاب شدند. شبکه‌های تدوین‌شده به‌وسیلۀ شاخص انحراف پیشبینی باقی‌مانده در تخمین مقادیر فنل در نمونه‌های اعتبارسنجی (101 نمونه) ارزیابی شدند. بیشترین مقدار برابر 66/1 در شبکه با توپولوژی 1- 5- 8 با ضریب همبستگی (r) 0/79 و ریشۀ میانگین مربعات خطای پیشبینی 48/66 به‌دست آمد. نتایج نشان داد که امکان جداسازی مقدارهای کم از زیاد فنل کل با تکنیک طیفسنجی فروسرخ نزدیک و شبکۀ عصبی (پرسپترون) پس‌انتشار خطا به‌عنوان یک روش غیرمخرب وجود دارد.
منابع مشابه
طراحی شبکۀ جادۀ جنگلی با استفاده از شبکۀ عصبی مصنوعی و GIS
جاده‌های جنگلی به‌منظور ایجاد دسترسی به جنگل احداث می‌شوند و تأثیر زیربنایی در سازماندهی منطقه دارند. هدف این پژوهش، معرفی راهکاری هوشمند مبتنی بر شبکه‌های عصبی مصنوعی با تلفیق GIS برای طراحی شبکۀ جادۀ جنگلی با در نظر داشتن اصول و معیارهای فنی شبکۀ جادۀ جنگلی است. ابتدا معیارهای مؤثر با استفاده از روش دلفی شناسایی شد و وزن‌دهی آنها با استفاده از روش AHP، انجام گرفت. با تلفیق لایه‌های مختلف و وز...
متن کاملپیش بینی برخی ویژگی‌های کیفی میوۀ انگور رقم بیدانۀ قرمز با استفاده از روش غیر مخرب طیفسنجی فروسرخ نزدیک
به‌منظور اندازهگیری ویژگی‌های رسیدن و کیفیت درونی میوه از روش‌های مخرب و غیرمخرب گوناگونی استفاده می‌شود. روش‌های مخرب غالباً وقتگیر و پرهزینه‌اند. در این پژوهش توانایی روش طیفسنجی فروسرخ نزدیک به‌منظور پیشبینی ویژگی‌های کیفی ازقبیل مواد جامد حل‌شدنی، اسید قابل تیتر، pH، فنل کل، و آنتوسیانین عصارۀ انگور رقم بیدانۀ قرمز بررسی شد. بدین منظور پس از طیفسنجی نمونه‌های دهحبهای انگور در ناحیۀ n...
متن کاملمدلسازی تغییرات پوشش سرزمین شهرستان تبریز با استفاده از شبکۀ عصبی مصنوعی و زنجیرۀ مارکف
هدف از پژوهش پیش رو، مدلسازی تغییرات کاربری اراضی شهرستان تبریز برای سالهای 1395 و 1400 با استفاده از مدلساز تغییر سرزمین (LCM) در محیط سامانۀ اطلاعات جغرافیایی است. برای این کار، تجزیهوتحلیل و بارزسازی تغییرات کاربریها، بهکمک سه دوره از تصاویر ماهوارۀ لندست مربوط به سالهای 1367، 1380 و 1390 انجام گرفت و نقشههای پوشش اراضی جداگانهای برای هر سال تهیه شد. مدلسازی پتانسیل انتقال، بهکمک ...
متن کاملسنجش غیرمخرب عیار چغندرقند با بهره‌گیری از ترکیب طیفسنجی فروسرخ نزدیک (NIR) با روش‌های شیمی‌سنجی
در این پژوهش، توانایی روش طیفسنجی NIR بازتابی به منظور سنجش غیرمخرب میزان قند موجود در ریشههای چغندرقند بررسی شد. در این راستا، طیفگیری از 120 نمونه چغندرقند در مد اندازهگیری تقابلی و در محدودهی طیفی nm 2500-350 انجام شد. دادههای طیفی حاصل از اسپکترومتر، افزون بر اطلاعات نمونه شامل اطلاعات ناخواسته و نویز هستند. به همین دلیل، برای دستیابی به مدلهای واسنجی دقیق، نیاز به پیشپردازش داده...
متن کاملپیشبینی بارش‌های سالانه در ایستگاه‌های سینوپتیک کرمانشاه و نوژۀ همدان با استفاده از شبکۀ عصبی مصنوعی
اهمّیّت پیشبینی بارش به عنوان مهم‌ترین عنصر اقلیمی و مبنای تمام برنامه‌ریزی‌ها، به‌ویژه در مناطقی که رژیم‌های بارش تغییرات معنی‌دار دارد، بر هیچ‌کس پوشیده نیست. استفاده از شبکه‌های عصبی مصنوعی یکی از روش‌های پیشبینی است که در سالهای اخیر توسعۀ زیادی یافته است. در این پژوهش برای پیشبینی بارش‌های سال بعد در دو ایستگاه سینوپتیک کرمانشاه و نوژۀ همدان از دادههای برخی از عناصر اقلیمی فصول سرد سال ...
متن کاملمدلسازی حجم تجاری درختان توده‌های آمیختۀ راش جنگل‌های هیرکانی با استفاده از شبکۀ عصبی مصنوعی
پیشبینی دقیق حجم درختان سرپا برحسب متر مکعب مبنای برآورد هر چه دقیق‌تر مقدار رویش، برداشت مجاز، ترسیب کربن زی‌تودۀ هوایی درختان و مدیریت بهینۀ جنگل براساس اصل توسعۀ پایدار محسوب می‌شود. از این‌رو، تحقیق حاضر با استفاده از شبکۀ عصبی مصنوعی در پی مدلسازی و پیشبینی حجم تجاری با حداکثر قطعیت است. پژوهش موردی جنگل سری 3 گلندرود نور بوده و اطلاعات دریافتی مستخرج از جدول‌های تجدید حجم ادارۀ کل منابع...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 6 شماره 3
صفحات 313- 320
تاریخ انتشار 2017-11-18
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023