این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۴۹، شماره ۱، صفحات ۹-۱۸
عنوان فارسی سنجش غیرمخرب عیار چغندرقند با بهره‌گیری از ترکیب طیف‌سنجی فروسرخ نزدیک (NIR) با روش‌های شیمی‌سنجی
چکیده فارسی مقاله 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 داده­های طیفی پیش از تدوین مدل­های رگرسیون است. در این راستا، مدل­های­ واسنجی چندمتغیره حداقل مربعات جزئی (PLS) بر پایه­ی اندازه­گیری­های مرجع و اطلاعات طیف­های پیش­پردازش­شده با ترکیب روش­های مختلف هموارسازی، نرمال­سازی و افزایش قدرت تفکیک طیفی برای سنجش میزان قند تدوین شدند. نتایج پیش­گویی میزان قند (SC) نمونه­های چغندرقند باپوست، با مدل PLS بر پایه ترکیب SG+D2 بهترین تشخیص را دارا بود؛ به گونه­ای که پیش­پردازش SG+D2 (973/0=، 306/0RMSEC=، 977/0=، و 265/0RMSEP =) با دقت عالی(660/6SDR=) توانست مقدار SC را پیش­گویی نماید.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Non-Destructive Evaluation of Sugar content Using a Combination of Near-Infrared Spectroscopy (NIRS) and Chemometrics Methods
چکیده انگلیسی مقاله In this research, the ability of the reflectance near-infrared (NIR) spectrometry was investigated for non-destructive assessment of the sugar content of sugar beet roots. To this end, spectrometry of 120 samples of sugar beet was performed in the interactance measurement mode within the spectral range of 350-2500 nm using a contact probe. Spectral data obtained from the spectrophotometer included unwanted information and noise in addition to the information about the samples. In order to arrive at accurate analytical models, pre-processing of the spectral data was required prior to regression model simulation. For this purpose, multivariate calibration models of partial least squares (PLS) were developed based on the reference measurements and the information of the preprocessed spectra. A combination of different methods for assessment and prediction of sugar content was employed: smoothing, normalizing as well as increasing the spectral resolution. Prediction of the sugar content of intact samples with the PLS model based on SG + D2, had the best discrimination ability. Thus, SG+D2 preprocessing (R_C^2=0.973, RMSEC = 0.306, R_P^2= 0.977, RMSEP = 0.265) is suitable for predicting beet root sugar content with high accuracy (SDR= 6.660).
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مهرداد آقایی سعدی |
فارغ التحصیل کارشناسی ارشد

سعید مینایی |
عضو هیئت علمی دانشگاه تربیت مدرس

بهاره جمشیدی |
عضو هیئت علمی بخش تحقیقات مهندسی مکانیک ماشین های کشاورزی و مکانیزاسیون

محمد عبداللهیان نوقابی |
دانشیار موسسه تحقیقات چغندر قند

نشانی اینترنتی https://ijbse.ut.ac.ir/article_65619_1f7a00a66b0f8a540d571b019dcff4d4.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-581508.pdf
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