این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و صنایع غذایی ایران، جلد ۱۸، شماره ۱۱۳، صفحات ۱۵۷-۱۷۲
عنوان فارسی بررسی تاثیر پوشش‌دهی با صمغ فارسی حاوی روغن شاهدانه بر تغییرات جرم و حجم انگور با استفاده از سیستم‌های بینایی ماشین و یادگیری ماشین
چکیده فارسی مقاله در این پژوهش تاثیر پوشش خوراکی صمغ فارسی (0، 5/1 و 3 درصد) حاوی روغن شاهدانه (0، 075/0 و 15/0 درصد) بر تغییرات جرم و حجم طی نگهداری در دمای 4 درجه سلسیوس به مدت 28 روز بررسی گردید. سیستم بینایی ماشین به همراه انواع روش‌های یادگیری ماشین برای استخراج تصویر انگور از تصویر و تخمین جرم و حجم بر اساس خصیصه‌های تصویر (طول، عرض، ارتفاع و سطح) استفاده شد. برای پیش‌بینی جرم و حجم حبه انگور 4 مدل یادگیری ماشین شامل رگرسیون خطی (LR)، شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان بر پایه تابع شعاعی (RBF-SVR) و ماشین بردار پشتیبان بر پایه تابع خطی (LBF-SVR) توسعه یافت. به‌منظور بررسی کارایی مدل‌های توسعه یافته داده‌های تخمین جرم و حجم انگور با داده‌های تجربی مقایسه گردید. جرم و حجم طی نگهداری در کل تیمارها کاهش یافت. از طرفی تغییرات جرم و حجم با افزایش غلظت صمغ فارسی و روغن شاهدانه کاهش یافت. بر اساس نتایج ارزیابی مدل، عملکرد پیش‌بینی مدل RBF-SVR در مقایسه با مدل‌های LR، ANN و LBF-SVR دقیق‌تر بود و توانست جرم و حجم را به ترتیب با ضریب تبیین 998/0 و 989/0 تخمین بزند که نشان‌دهنده همبستگی خوب بین نتایج واقعی و پیش‌بینی است. این نتایج تائید می‎‌نماید که مدل SVR ابزاری قابل قبول در تخمین جرم و حجم انگور پوشش‌دار شده طی نگهداری در دمای سردخانه است. 
کلیدواژه‌های فارسی مقاله پوشش‌دهی،پردازش تصویر،ماشین بردار پشتیبان،شبکه عصبی مصنوعی،پیش‌بینی
عنوان انگلیسی Evaluation the Effect of Farsi Gum Containing Hemp seed oil Coating on Mass and Volume Changes of Grape using Machine Vision and Machine Learning Systems
چکیده انگلیسی مقاله In this study, the effects of Farsi gum (0, 1.5% and 3%) coating containing hemp seed oil (0, 0.075% and 0.15%) on mass and volume changes of grape were investigated during storage at 4°C for 28 days. Machine vision system with learning machine methods was used to detect coated grapes from an image and estimate their mass and volume based on the image features (length, width, height and area). Four machine learning models, including linear regression (LR), artificial neural networks (ANN), radial basis function support vector regression (RBF-SVR) and Linear basis function support vector regression (LBF-SVR) were developed to predict the mass and volume of the single grape. The estimated grape mass and volume by these methods was compared statistically with actual values. The mass and volume in all treatments showed a decreasing pattern during the cold storage. The results indicated that mass and volume change decrease with Farsi gum and hemp seed oil increasing. Furthermore, according to the model evaluation results, the prediction performance of RBF-SVR model had achieved better predictive accuracy compared with the results of LR, ANN and LBF-SVR models, with R2 of 0.998 and 0.989 for mass and volume estimation, respectively, which also showed a good agreement between actual and predicted values. These results revealed that SVR model was a promising tool for estimating the mass and volume of grape during storage.
کلیدواژه‌های انگلیسی مقاله Coating,Image processing,Support vector machine,Artificial neural network,Prediction
نویسندگان مقاله علی گنجلو | Ali Ganjloo
-
دانشیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

محسن زندی | Mohsen Zandi
Assistant professor, Department Food Science and Engineering, Faculty of Agriculture, University of Zanjan, Zanjan, Iran.
استادیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

ماندانا بی مکر | Mandana Bimakr
-
استادیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

ابوالفضل قره باغی | Abolfazl Ghareh Baghi
-
دانش آموخته کارشناسی، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

نشانی اینترنتی http://fsct.modares.ac.ir/browse.php?a_code=A-10-49957-6&slc_lang=fa&sid=7
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات