طبقهبندی محصولات نهایی واکنش میلارد در مزدوج های پروتئین-پلی ساکارید با تصویربرداری فراطیفی و مدلهای یادگیری ماشین | ||
| مهندسی بیوسیستم ایران | ||
| دوره 56، شماره 4، زمستان 1404، صفحه 107-123 اصل مقاله (2.08 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2025.403611.665622 | ||
| نویسندگان | ||
| محمد حسین نرگسی1؛ سمیه عزیزنیا* 2؛ کامران خیرعلی پور1؛ محمد کرد3؛ زهرا کاویانی4 | ||
| 1گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران | ||
| 2استادیار گروه بهداشت و صنایع غذایی ، دانشکده پیرادامپزشکی ، دانشگاه ایلام ، ایران | ||
| 3گروه بهداشت و صنایع غذایی، دانشکده پیرا دامپزشکی، دانشگاه ایلام، ایلام، ایران. | ||
| 4گروه بهداشت و صنایع غذایی، دانشکده پیرا دامپزشکی، دانشگاه ایلام، ایلام، ایران | ||
| چکیده | ||
| میلارد واکنش شیمیایی است که بین گروههای آمین آزاد پروتئینها و گروههای کربونیل قندهای احیا کننده انجام میشود. تشکیل پیوند کووالانسی بین پروتئین و کربوهیدرات، با عنوان مزدوج پروتئین- ساکارید یا ترکیبات کونژوگه شناخته شده که علاوه بر بهبود ویژگیهای کاربردی، در بهبود طعم و رنگ مواد غذایی نیز مؤثر است. با این حال، در صورت عدم کنترل دقیق، نگرانیهایی در مورد تشکیل ترکیبات مضر برای سلامت انسان وجود دارد. بنابراین، بهینهسازی شرایط واکنش برای بهرهگیری از مزایای آن و به حداقل رساندن ترکیبات مضر، امری ضروری است. در این پژوهش، کنسانتره پروتئین آب پنیر و بتاگلوکان تحت دماهای مختلف مزدوج شده و محصولات نهایی میلارد با اسپکتروفوتومتری فرابنفش-مرئی سنجش شد. دادهها با روش تحلیل مؤلفههای اصلی و الگوریتمهای یادگیری ماشینی شامل جنگل تصادفی، نزدیکترین همسایگان و ماشین بردار پشتیبان پردازش شدند. نتایج نشان داد که الگوریتم نزدیکترین همسایگان با دقت 04/91 درصد بهترین عملکرد را در طبقهبندی نمونهها داشت. ماشین بردار پشتیبان با دقتهای 88/87 و 85/84 درصد با دو راهبرد «یکی در برابر یکی» و «یکی در برابر همه»، و جنگل تصادفی با دقت 20/77 درصد در رتبههای بعدی قرار گرفتند. بررسیهای طیفی تأیید کرد که افزایش دما موجب افزایش محصولات نهایی میلارد شده و مدلهای یادگیری ماشین بر پایه دادههای طیفی، امکان تفکیک دقیق نمونهها بر اساس دمای فرآیند را فراهم نمودند. این پژوهش نشان داد که رویکرد پیشنهادی ادغام اسپکتروسکوپی فرابنفش-مرئی با یادگیری ماشین، بهعنوان یک روش سریع، غیرمخرب و کارآمد، پتانسیل قابلتوجهی برای پایش واکنش میلارد و بهینهسازی فرآیندهای حرارتی در صنایع غذایی دارا میباشد. | ||
| کلیدواژهها | ||
| تصویربرداری فراطیفی؛ ملانوئیدین؛ میلارد؛ یادگیری ماشینی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 482 تعداد دریافت فایل اصل مقاله: 191 |
||