Skip to main content
SUPERVISOR
Mahmoud Tabrizchi,Mohammad Saraji,Maryam Zekri,Morteza Sadeghi,Aminolah Masoumi
محمود تبریزچی (استاد راهنما) محمد سراجی (استاد مشاور) مریم ذکری (استاد مشاور) مرتضی صادقی (استاد راهنما) امین اله معصومی (استاد راهنما)
 
STUDENT
Saeedeh Taghadomi Saberi
سعیده تقدمی صابری

FACULTY - DEPARTMENT

دانشکده کشاورزی
DEGREE
Doctor of Philosophy (PhD)
YEAR
1392

TITLE

The application of electronic nose and machine vision systems for monitoring essential oil and pigments of bitter orange (Citrus aurantium) peel during ripening
The quality and composition of bitter orange essential oils (EOs) strongly depend on the ripening stage of the citrus fruit. The concentration of volatile compounds and consequently its organoleptic perception varies. Citrus fragrances have psychological and physiological effects which are due to their hedonic tone or positive judgment of their odor. To ensure product quality, sensory evaluation is considered necessary. However, such evaluation is usually costly and time-consuming. To overcome these shortcomings, the current dissertation aims to develop two objective methods for quality assessment of bitter orange essential oils (EOs). In other two studies, new computer-aided prediction systems (CAPS) are proposed for quality assessment of bitter orange peel. A research challenge could be developing a fast, cheap, and non-destructive system that predicts the pigments contents and AA for different applications and/or specifying the necessity of postharvest artificial de-greening to satisfy market demand. Thus, the objectives of current dissertation includes: 1) the Key Words Modelling, Classification, Artificial neural networks, Odor, Hedonic tone, Ion mobility spectrometry, Image processing, Antioxidant activity.
ترکیبات و در نتیجه کیفیت اسانس نارنج وابستگی شدیدی به مراحل رسیدگی میوه دارد. طی این مراحل، غلظت ترکیبات فرار و در نتیجه رایحه آن‌ها تغییر می‌کند. رایحه مرکبات دارای اثرات روانی و فیزیولوژیکی است که به دلیل لذت بخشی یا قضاوت مثبت از رایحه آن‌ها است. به منظور اطمینان از کیفیت محصول، ارزیابی حسی ضروری به نظر می‌رسد، هرچند این ارزیابی‌ها معمولاً هزینه بر و زمان بر هستند. برای غلبه بر نقایص مذکور، در این رساله دو روش عینی برای ارزیابی اسانس نارنج مد نظر قرار گرفته است. در دو مطالعه دیگر نیز، سامانه‌های پیش‌بینی کامپیوتری برای کیفیت سنجی پوست نارنج مد نظر قرار گرفتند. به این ترتیب اهداف مورد نظر این رساله عبارتند از: 1) طبقه‌بندی اسانس‌ها به درجات رسیدگی با استفاده از ترکیب شبکه‌های عصبی مصنوعی با فضای فوقانی - کروماتوگرافی گازی – طیف‌سنجی جرمی؛ 2) طبقه‌بندی اسانس‌ها طی مراحل رسیدگی به درجات لذت بخشی با استفاده از طیف‌سنجی تحرک یونی و شبکه‌های عصبی مصنوعی؛ 3) تعیین مقدار رنگ‌دانه‌ها بر اساس ادغام شبکه موجک رشته ثابت و پردازش تصویر؛ 4) تعیین فعالیت آنتی اکسیدانی با ترکیب شبکه‌های عصبی مصنوعی و پردازش تصویر داده‌های به دست آمده از تحلیل‌های کروماتوگرافی گازی – طیف‌سنجی جرمی برای انتخاب پیک‌های مرتبط در کروماتوگرام و استفاده به عنوان ویژگی‌های ورودی شبکه‌های عصبی مصنوعی از طریق تبدیل لگاریتمی و حذف خط مبنا پیش پردازش شدند. از تحلیل حساسیت برای شناسایی ترکیبات کلیدی استفاده شد. در مورد طبقه‌بندی درجه لذت بخشی، چهار ویژگی از طیف تحرک یونی استخراج شدند و به عنوان ورودی شبکه‌های عصبی مصنوعی استفاده شدند. از کلاس‌های تعیین شده با ارزیابی حسی نیز به عنوان خروجی مدل‌ها استفاده شد. پس از آن، بهینه‌سازی مدل‌ها و ارزیابی عملکرد انجام شد. در سامانه هوشمند مورد نظر این رساله برای تحقق اهداف سوم و چهارم، در ابتدا از میوه‌ها عکس‌برداری شد، پس از پردازش تصویر و تحلیل مؤلفه‌های اصلی، ویژگی‌های مؤثر انتخاب شدند. سپس ویژگی‌های انتخاب شده به عنوان ورودی به تکنیک‌های هوش مصنوعی داده شد. دو مرحله غربالگری و الگوریتم حداقل مربعات متعامد برای انتخاب زیر مجموعه ای مؤثر از موجک‌های یک توری موجک استفاده شدند. ضرایب وزن، تنها پارامترهای نامعلوم شبکه، نیز از طریق روش غیر تکراری حداقل مربعات تعیین شد. نتایج مطالعه اول نشان داد که ترکیبات فرار کلیدی توانایی لازم برای طبقه‌بندی دقیق اسانس‌ها مطابق با درجه رسیدگی برای کاربردهای مختلف را دارا هستند. در مطالعه دوم نیز، نتایج نشان داد که یک شبکه عصبی مصنوعی با توپوژی 1-9-4 می‌تواند با صحت کلی 81% داده‌های جدید را به درجات لذت بخشی طبقه‌بندی کند. مجموع این مطالعات رویکرد جدیدی برای پیش‌بینی کیفیت اسانس با روش‌های عینی ارائه می‌دهند. مقادیر کلروفیل و کارتنوئید پوست نارنج‌ها نیز به ترتیب با ضرایب تبیین قابل قبول 96/0 و 86/0 توسط سامانه هوشمند مبتنی بر پردازش تصویر مدل شدند. شبکه موجک رشته ثابت در مقایسه با دو تکنیک رایج و قدرتمند دیگر، یعنی شبکه‌های عصبی مصنوعی و سیستم استنتاج عصبی – فازی، توانست عملکرد تقریبا مشابهی با تعداد بسیار کم‌تر پارامترها نشان دهد. مدل شبکه موجک رشته ثابت به دلیل کم‌تر بودن تعداد پارامترها برای کاربردهای بر خط نسبت به تکنیک‌های دیگر مطلوب‌تر است. آزمون جایگشتی نیز در مطالعه چهارم، امکان تخمین فعالیت آنتی اکسیدانی در پوست نارنج را با استفاده از ویژگی‌های استخراج شده از تصاویر میوه‌ها رد کرد. در نتیجه مجموعه داده‌ها برای مدل‌سازی فعالیت آنتی اکسیدانی با ویژگی‌های رنگی استخراج شده از تصاویر نارنج غیر قابل اطمینان است. کلمات کلیدی : مدل‌سازی، طبقه‌بندی، شبکه‌های عصبی مصنوعی، رایحه، لذت بخشی، طیف‌سنجی تحرک یونی، پردازش تصویر، فعالیت آنتی اکسیدانی.

ارتقاء امنیت وب با وف بومی