اندازه‌گیری رطوبت و پارامترهای رسیدگی و شناسایی آسیب یخ‌زدگی در لیموشیرین با استفاده از روش غیر مخرب اسپکتروسکوپی مرئی- فروسرخ نزدیک (Vis/NIR)

STUDENT

DEGREE

YEAR

Today, the world's citrus industry is very important so that nearly to one hundred manufacturing industries used products from the citrus. Iran is the seventh producer of citrus in the world. Sweet lemons has a great economic importance in Iran and since the ancient era, it has been used in order to prevent and treat colds and fever and liver diseases. Yearly, extreme cold and freezing in important fertilizing climates of citrus cause relatively highly loss in producing of citrus. Freezing damage can occur for fruits before or after harvest. In order to harvest in suitable time, reduce the losses and grade the product based on quality parameters, determining the maturity indices and identifying the common physiological damages, should be considered. This is especially important for the products like sweet lemon that is sensitive to cold. But, the most of the methods for this purpose have a destructive and time-consuming nature and are not applicable for on-line iection. Nowadays, various methods are developed for non-destructive quality evaluation of agricultural products that cause acceptable and valid results which some of them can be highly practical in application. NIR Spectroscopy is one of the most important and non-destructive methods which its application for quality determination of versatile products has been proved by plentiful studies. In this study, a system was designed and used for precise acquirement of Vis/NIR spectra in three different modes: transmission, reflectance and interactance. The acquired spectra were then used to estimate the quality parameters of sweet lemon including the soluble solids content (SSC), moisture content (MC) and titratable acidity (TA) and also to identify and ltr" Keywords: Vis/NIR spectroscopy, sweet lemon, quality parameters, classification, freezing damage, Partial least squares, artificial neural networks, support vector machine

امروزه صنعت مرکبات در جهان صنعت بسیار مهمی محسوب می‌شود، به طوری که نزدیک به یک‌صد صنعت تولیدی در فرآورده‌های خود از مرکبات استفاده می‌کنند. ایران از نظر میزان تولید مرکبات، رتبه هفتم در جهان را به خود اختصاص داده است. لیموشیرین در ایران از اهمیت اقتصادی خوبی برخوردار است که از قدیم الایام به منظور جلوگیری و درمان تب و سرماخوردگی و دردهای کبد استفاده می‌شده است. هر ساله سرمای زیاد و یخ‌زدگی در نواحی مهم پرورش مرکبات، باعث افت نسبتاً زیاد محصولات است. آسیب یخ‌زدگی در هر میوه‌ای در روی درخت یا بعد از برداشت می‌تواند اتفاق افتد. از طرف دیگر، تعیین شاخص‌های رسیدگی و همچنین شناسایی و تشخیص آسیب‌های فیزیولوژیکی شایع به منظور برداشت به موقع، کاهش میزان تلفات و درجه‌بندی کیفی از اهمیت ویژه‌ای برخوردار است. این مسأله برای محصولی همچون لیموشیرین که حساس به سرما است، اهمیت بیشتری دارد. برای تشخیص این موارد معمولاً از روش‌هایی استفاده می‌شود که مخرب و زمان‌بر هستند و امکان بازرسی تمام محصولات در خط تولید را فراهم نمی‌آورد. امروزه روش‌های جدید و سریع برای ارزیابی غیرمخرب کیفی محصولات کشاورزی توسعه یافته اند که منجر به نتایج خوب و قابل قبولی شده‌اند، به نحوی که در بسیاری از موارد به حد کاربرد عملی نیز رسیده‌اند. تکنیک اسپکتروسکوپی NIR، از جمله تکنیک‌های غیرمخرب است که مبتنی بر روش‌های اپتیکی می‌باشد. در این تکنیک با تابش امواج الکترومغناطیس در محدوده NIR به محصول، طیف عبوری، بازتابشی و یا جذبی آن جمع‌آوری و سپس با استفاده از مدل‌های آماری، ویژگی‌های کمی و کیفی تعیین می‌شود. در این پژوهش با استفاده از سامانه طراحی شده برای اندازه‌گیری دقیق طیف‌های Vis/NIR در سه حالت عبوری، بازتابشی و تقابلی به منظور تخمین سه پارامتر مواد جامد محلول (SSC)، رطوبت (MC) و اسیدیته قابل تیتر (TA) و همچنین شناسایی و طبقه‌بندی سطوح مختلف آسیب یخ‌زدگی در میوه لیموشیرین استفاده ‌شد. این سامانه دارای بخش‌های اصلی شامل منابع نوری با قابلیت تنظیم شدت نور، اسپکترومتر PDA مجهز به آشکارساز CCD با توانایی ثبت طیف‌های الکترومغناطیس در ناحیه 400 تا 1100 نانومتر، فیبر نوری شیشه‌‌ای و شاسی انعطاف‌پذیر دستگاه با سه درجه آزادی است. در تمامی مدها از هر نمونه دو طیف تحت زاویه 180 درجه حول محور استوایی میوه‌ گرفته شد. بلافاصله بعد از اندازه‌گیری طیف‌ها آزمایش‌های مرجع به منظور اندازه‌گیری مؤلفه‌های کیفیت (SSC، MC و TA) برای تحلیل‌های کمی و رگرسیون و همچنین تعیین میزان آسیب یخ‌زدگی برای طبقه‌بندی نمونه‌ها انجام شدند. به منظور تحلیل طیف‌های به دست آمده، ابتدا پس از بررسی پیش پردازش‌های مختلف، پیش پردازش مناسب انتخاب بر روی طیف‌ها اعمال گردید و سپس برای پیش‌بینی SSC، MC و TA از سه روش مختلف تحلیل رگرسیونی شامل حداقل مربعات نسبی (PLS)، شبکه‌های عصبی مصنوعی (ANN و PCA-ANN) و رگرسیون بردار پشتیبان (SVR) و برای طبقه‌بندی سطوح مختلف آسیب یخ‌زدگی نیز از سه روش مختلف مدل‌سازی نرم و مستقل شباهت‌های بین کلاس (SIMCA)، شبکه‌های عصبی مصنوعی (PCA-ANN) و الگوریتم ماشین‌های بردار پشتیبان (SVM)، استفاده و نتایج آن‌ها با هم مقایسه گردید. در بین پارامترهای مختلف کیفیت، بهترین نتیجه برای پارامتر SSC در مد اندازه‌گیری تقابلی با استفاده از روش مدل‌سازی ANN با ضریب تبیین پیش‌بینی (R 2 p ) برابر 83/0، خطای پیش‌بینی (RMSEP) برابر 47/0 درجه بریکس و RPD برابر 29/2 حاصل شد که در کل نتیجه قابل قبولی می‌باشد. بهترین نتیجه برای پارامتر MC در مد اندازه‌گیری تقابلی با استفاده از روش مدل‌سازی PLS با ضریب تبیین پیش‌بینی (R 2 p ) برابر 77/0، خطای پیش‌بینی (RMSEP) برابر 57/0 درصد و RPD برابر 94/1 بود که در کل نتیجه قابل قبولی با توجه به دیگر تحقیقات انجام شده برای اندازه‌گیری این پارامتر می‌باشد. همچنین بهترین نتیجه برای پارامتر TA در مد اندازه‌گیری عبوری با استفاده از روش مدل‌سازی PCA-ANN با ضریب تبیین پیش‌بینی (R 2 p ) برابر 61/0، خطای پیش‌بینی (RMSEP) برابر 00686/0 درصد و RPD برابر 64/1 بود که در کل نتیجه نسبتاً ضعیفی می‌باشد. بهترین و ضعیف‌ترین نتایج در مدهای اندازه‌گیری به ترتیب تقابلی و بازتابشی برای کلیه پارامترهای کیفیت به دست آمد. برای طبقه‌بندی سطوح مختلف آسیب یخ‌زدگی بهترین نتیجه در مد تقابلی با استفاده از روش طبقه‌بندی PCA-ANN و پیش پردازش ساویتسکی گولای به همراه MSC می‌باشد که در این حالت کلیه کلاس‌ها با دقت 100%، جداسازی شدند. برای مد عبوری نیز بهترین نتیجه با استفاده از روش طبقه‌بندی SVM و پیش پردازش ساویتسکی گولای به همراه MSC، با دقت‌های 94%، 100%، 100% و 92% به ترتیب برای کلاس‌های سالم، آسیب‌دیده سطح 1، 2 و 3 حاصل شد. بهترین نتیجه در مد بازتابشی با استفاده از روش طبقه‌بندی SVM و پیش پردازش ساویتسکی گولای بود که در این حالت کلاس‌های سالم، آسیب‌دیده سطح 1، 2 و 3، به ترتیب با دقت 94%، 100%، 100% و 92% در مرحله آزمون تفکیک شدند. در بین روش‌های مختلف طبقه‌بندی به ترتیب روش‌های SVM، PCA-ANN و SIMCA منجر به بهترین نتایج شدند. همچنین در بین سه مد اندازه‌گیری به ترتیب مدهای اندازه‌گیری تقابلی، بازتابشی و عبوری، منجر به بهترین نتایج برای طبقه‌بندی سطوح مختلف یخ‌زدگی گردید. کلید واژه: اسپکتروسکوپی Vis/NIR، اسپکترومتر PDA، لیموشیرین، حداقل مربعات نسبی، شبکه های عصبی مصنوعی، ماشین بردار پشتیبان، مدل‌سازی نرم و مستقل شباهت‌های بین کلاس