تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,500 |
تعداد مشاهده مقاله | 124,091,649 |
تعداد دریافت فایل اصل مقاله | 97,195,437 |
ارزیابی غیرمخرب کیفیت کیوی رقم ابوت با استفاده از بینی الکترونیکی | ||
مهندسی بیوسیستم ایران | ||
مقاله 1، دوره 45، شماره 1، خرداد 1393، صفحه 1-9 اصل مقاله (358.37 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijbse.2014.51285 | ||
نویسندگان | ||
امین فروغی راد1؛ سید سعید محتسبی* 2؛ مهدی قاسمی ورنامخواستی3؛ محمود امید2 | ||
1دانشجوی کارشناسی ارشد دانشکدۀ مهندسی و فناوری کشاورزی، دانشگاه تهران | ||
2استاد دانشکدۀ مهندسی و فناوری کشاورزی، دانشگاه تهران | ||
3استادیار گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکدۀ کشاورزی، دانشگاه شهرکرد | ||
چکیده | ||
امروزه روشهای گوناگونی برای ارزیابی غیرمخرب کیفیت محصولات کشاورزی ابداع شده است و از آنها استفاده میشود. در تحقیق حاضر از سامانۀ بینی الکترونیکی بهمنظور ارزیابی غیرمخرب کیفیت کیوی رقم ابوت استفاده شده است. سامانۀ بینی الکترونیکی به کمک تکنیک شبکۀ عصبی مصنوعی و آنالیز مؤلفههای اصلی (PCA) قادر به طبقهبندی نارس، نیمهرسیده، رسیده، بیش از حد رسیده، و فساد کیوی رقم ابوت است. آنالیز مؤلفههای اصلی با دو مؤلفۀ و ، 99 درصد از واریانس دادهها را پوشش داد و مراحل رسیدگی کیوی رقم ابوت را بدون تداخل طبقهبندی کرد. دقت طبقهبندی کل به کمک تکنیک شبکۀ عصبی مصنوعی 100 درصد محاسبه شد. کمترین و بیشترین میزان میانگین مربعات خطا بهترتیب در مرحلۀ نیمهرسیده 02523/0 و فساد کیوی رقم ابوت 00198/0 بهدست آمد. همچنین در این تحقیق، سفتی بهعنوان یکی از روشهای مخرب ارزیابی رسیدگی کیفیت کیوی رقم ابوت اندازهگیری شد. نتایج آنالیز سفتی کیوی رقم ابوت نشان داد که بین سفتی مراحل پس از برداشت (نارس، نیمهرسیده، رسیده و بیش از حد رسیده) در سطح 5 درصد تفاوت معنیداری وجود دارد. پیشبینی سفتی کیوی رقم ابوت از روی بوی مراحل رسیدگی با استفاده از شبکۀ عصبی مصنوعی با ضریب 995/0 تعیین شد. سامانۀ بینی الکترونیکی مطالعهشده میتواند بهعنوان ابزاری مطمئن برای پایش رسیدگی میوۀ کیوی در سردخانهها استفاده شود. | ||
کلیدواژهها | ||
آنالیز مؤلفههای اصلی؛ ارزیابی غیرمخرب؛ بینی الکترونیکی؛ حسگرهای گازی؛ شبکۀ عصبی مصنوعی | ||
عنوان مقاله [English] | ||
Nondestructive quality evaluation of Abbot Kiwifruit using electronic nose | ||
نویسندگان [English] | ||
Amin Foroughi Rad1؛ Seyed Saeed Mohtasebi2؛ Mahdi Ghasemi3؛ Mahmoud Omid2 | ||
چکیده [English] | ||
Currently, nondestructive quality evaluation of various agricultural products are being developed and used. In this study, application of an electronic nose system for the quality assessment of kiwifruit (Abbot variety) is used. Electronic nose system coupled with artificial neural network (ANN) and principal component analysis (PCA) techniques was able to classify unripe, half-ripe, ripe, over-ripe and spoiled kiwifruit cultivars successfully. The two main components & , contains about 99% of variance without overlapping. The success rate for ANN was found to be 100%. The minimum and maximum mean square error was obtained for the Half-ripe and spoiled samples as 0.02523 & 0.00198, respectively. In this paper, stiffness as a quality indicator for kiwi was measured and them predicted by electronic nose data. Analysis of the results showed that the kiwifruit firmness after harvest (unripe, half-ripe, ripe and overripe) has significant difference at 5%. Using artificial neural network, the firmness prediction of Abbot variety of kiwifruit through ripening stages aroma determined with the coefficient Electronic nose system can be considered as a reliable tool for the monitoring of kiwifruits in storage conditions. | ||
کلیدواژهها [English] | ||
Gas Sensors, electronic nose, Nondestructive evaluation, artificial neural network (ANN), Principal Component Analysis (PCA) | ||
مراجع | ||
Abbott, J. A. (1999). Quality measurement of fruits and vegetables. Postharvest Biology and Technology, 15, 207-225. Abedini, J. (2004). Post harvest physiology and technology of Kiwifruit cool-storage & industrial. Tehran: Danesh negar. (In Farsi). Apetrei, C., Apetrei, I. M., Villanueva, S., de Saja, J. A ., Gutierrez-Rosales, F ., & Rodriguez-Mendez, M. L. (2010). Combination of an e-nose, an etongue and an e-eye for the characterization of olive oils with different degree of bitterness. AnalyticaChimicaActa, 663, 91-97. Barbri, N. E., Mirhisse, J., Ionescu, R., Bari, N. E., Correig, X., Bouchikhi, B., et al. (2009). An electronic nose system based on a micromachined gas sensor array to assess the freshness of sardines. Sensors and Actuators B: Chemical, 141, 538-543. Bhattacharrya, N., Bandyopadhyay, R., Bhuyan, M., Tudu, B., Ghosh, D. & Jana, A. (2008). Electronic nose for black tea classification and correlation of measurement with “Tea Taster” marks. IEEE transactions on instrumentation and measurement, 57, 1313-1321. Concina, I., Falasconi, M., Gobbi, E., Bianchi, F., Musci, M., Mattarozzi, M., et al. (2009). Early detection of microbial contamination in processed tomatoes by electronic nose. Food Control, 20, 873-880. Cozzolin, D.,Cynkar, W., Dambergs, R., & Smith, P. (2010). Two- Dimensional Correlation analysis of the effect of the effect of temperature on the fingerprint of wines analyzed by mass spectrometry electronic nose. Sensors and Actuators B. 145. 628-634. Di Natale, C., Macagnano, A., Martinelli, E., Paolesse, R., Proietti, E.& D’ Amico, A. (2001). The evaluation of quality of post-harvest oranges and apples by means of an electronic nose. Sensors and Actuators, B78, 26-31. Dutta, R., Hines, E. L., Gardner, J. W., Udrea, D. D. &Boilot, P. (2003). Non-destructive egg freshness determination: an electronic nose base approach. Measurement Science and Technology, 14, 190-198. Foroughirad, A., Mohtasebi, S. S., Ghasemi- Varnamkhasti, M. (2012). Nondestructive evaluation of quality of food and agricultural products using electronic nose equipped with sensors MOS. National congress on food hygiene & safety. Shiraz, Iran. (In Farsi). Ghasemi-Varnamkhasti, M. (2011). Design, development and implementation of a metal oxide semiconductor (MOS) based machine olfaction system and bioelectronics tongue to quality change detection of beers coupled with pattern recognition analysis techniques. Ph. D. dissertation, University of Tehran. (In Farsi). Ghasemi-Varnamkhasti, M., Mohtasebi, S. S., Siadat, M., Lozano, J., Ahmadi, H., Razavi, S, H., & Dicko, A. (2011). Aging fingerprint characterization of beer using electronic nose. Sensors and Actuators B, 159, 51-59. Gomez, A. H., Hu, G., Wang, J. & Pereira, A. G. (2006a). Evaluation of tomato maturity by electronic nose. Computers and Electronics in Agriculture, 54, 44-52. Gomez, A. H., Wang, J., Hu, G., and Pereira, A. G. (2006b). Electronic nose technique potential monitoring mandarin maturity. Sensors and Actuators B, 113, 347–353. Guohua, H., Yuling, W., Dandan, Y., Wenwen, D., Linshan, Z., and Lvye, W. (2012). Study of peach freshness predictive method based on electronic nose. Food Control, 28, 25-32. Hertog, M. L. A. T. M., Nicholson, S. E., and Jeffery, P. B. (2004). The effect of modified atmospheres on the rate of firmness change of Hayward kiwifruit. Journal of the Postharvest Biology and Technology, (31), 251-261. Honh, H. K., Shin, H. W., Yun, D. Y., Kim, S. R., Kwon, C. H., Lee, K., and Moriizumi, T. (1996). E-nose system with micro-gas sensor array. Sensors of Actuators, B35–36, 338–341. Korel, F., &Balaban, M. (2008). Electronic Nose Technology in Food Analysis, 365-379. Li, C., Schmidt, N. E., &Gitaitis, R. (2011). Detection of onion postharvest diseases by analyses of headspace volatiles using a gas sensor array and GC-MS. Food Science and Technology, 44, 1019-1025. Mirzaeemoghaddam, H. (2006). Investigation of some mechanical properties of kiwifruit during storage. Ph. D. dissertation, TarbiatModares University. (In Farsi). Soltanifiroz, M., Alimardani, R. &Omid, M. (2010). Potential of using capacitor method in banana ripeness detection. Iranian journal of biosystems engineering, 1(42), 27-29. (In Farsi). Persaud, K. C. and Dodd, G. H. (1982). Analysis of the mammalian olfactory system using a model nose. Nature, 299, 352–355. Reinhard, H., Sager, F., &Zoller, O. (2008). Citrus juice classification by SPME-GC-MS and electronic nose measurements. Lwt-Food Science and Technology, 41, 1906-1912. Vestergaard, J., Martens, S. M., &Turkki, P. (2007). Application of an electronic nose system for prediction of sensory quality change s o f a meat product (pizza topping) during storage. Lwt - Food Science and Technology, 40, 1095-110 1. Wang, B., Xu, S. Y., & Sun, D. W. (2010b). Application of the electronic nose to the identification of different milk flavorings. Food Research International, 43,255-262. White, A., Silva, H. N. D., Requejo-Tapia, C., Harker, F. R. (2005). Evaluation of softening characteristics of fruit 14 species of Actinidia. Postharvest Biology and Technology, 35(2), 143- 151. Zhang, H., Wang, J. & Sheng, Y. (2007). Predictions of acidity, soluble solids and firmness of pear using electronic nose technique. Journal of food engineering, 86, 370-378. | ||
آمار تعداد مشاهده مقاله: 2,610 تعداد دریافت فایل اصل مقاله: 1,321 |