تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,094,587 |
تعداد دریافت فایل اصل مقاله | 97,200,177 |
استخراج مؤثرترین طول موجهای طیف تخممرغ با استفاده از الگوریتم ژنتیک و طبقهبندی آنها با روابط رگرسیونی | ||
مهندسی بیوسیستم ایران | ||
مقاله 8، دوره 46، شماره 2، تیر 1394، صفحه 157-168 اصل مقاله (1.31 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijbse.2015.55673 | ||
نویسندگان | ||
سامان آبدانان مهدی زاده* 1؛ سعید مینایی2؛ محمد امیر کریمی ترشریزی2؛ عزالدین مهاجرانی3 | ||
1دانشگاه رامین خوزستان | ||
2دانشگاه تربیت مدرس | ||
3دانشگاه شهید بهشتی تهران | ||
چکیده | ||
پتانسیل روش طیفسنجی عبوری (1100-nm200) بهمنظور ارزیابی کیفیت داخلی (تازگی) تخممرغ سالم و دستنخورده در طول انبارداری در دمای oC730 و رطوبت 425درصد بررسی شد. تعداد یکصد تخممرغ برای اندازهگیری تازگی و جمعآوری طیف در طول زمان ذخیرهسازی (تا 30 روز) استفاده شدند. دو مدل رگرسیونی میانHU [1] و ضریب زرده (YC[2]) نسبت به زمان ذخیرهسازی به ترتیب با ضریب همبستگی 86/0و 96/0 توسعه داده شد. معادلات ذکرشده حاکی از افت شدید کیفیت تخممرغ در خلال نگهداری در این شرایط است. علاوه بر این، روشی برای بهدستآوردن ویژگیهای طول موج براساس الگوریتمهای ژنتیکی شرح و بسط داده شد. این روش توانایی حل مشکل استخراج مؤثرترین اطلاعات از ماتریس دادههای ابعدی بالا[3] را دارد. معادلات رگرسیونی با دادههای خام و ویژگیهای استخراجشده با الگوریتم ژنتیک، با پردازشهای گوناگون (SNV، MSC، FFT، و همچنین مشتقات اول و دوم)، بهدست آمد. نتایج نشان داد که معادلات رگرسیونی براساس الگوریتم ژنتیک و پردازش SNV و MSC میتواند طیفها را در سه گروه طبقهبندی کند در حالیکه با یکبار مشتقگیری، هر طیف روزانه میتواند در گروهی مجزا قرار گیرد. [1] .Haugh unit [2] .Yolk Coefficient [3]. High Dimensional Data | ||
کلیدواژهها | ||
الگوریتم ژنتیک؛ کیفیت تخممرغ؛ معادلات رگرسیونی | ||
مراجع | ||
Abdanan Mehdizadeh S., Minaei, S., Karimi Torshizi M. A. & Mohajerani, E. (2014).Effect of UV irradiation, sample thickness and storage temperature on storability, bacterial activity and functional properties of liquid egg. International Journal of Food Technology, 1-9.
Aboonajmi m.,Akram A., Setarehdan S.K., & Rajabipour A. (2009). Freshness assessment of poultry egg by ultrasound signal processing. iranian journal of biomedical engineering, 3(1), 55-66.
Aghkhani, M. H., & Poureza, A. R. (2007). Egg grading using machine vision techniques. Agricultural Engineering Research, 8(3), 141-150.Anonymous. (2014). I.R. of Iranian Metrological Organization, http://www.irimo.ir/far/.
AOAC (1996). Official methods of analysis. Washington, DC: Association of Official Analytical Chemists.
Bamelis, F. (2003). Non invasive assessment of eggshell conductance and different developmental stages during incubation of eggs. PhD thesis, No. 587, FLTWB, KU Leuven.
Cho, H. K., Choi, W. K., & Paek, J. H. (2000). Inspection of surface cracks in shell eggs by acoustic impulse method. Transactions of the ASAE, 43(6), 1921–1926.
Dhanoa, M. S., Lister, S. J., Sanderson, R., & Barnes, R. J. (1994). The link between Multiplicative Scatter Correction (MSC) and Standard Normal Variate (SNV) transformations of NIR spectra. Journal of Near Infrared Spectroscopy, 2, 43-47.
Dehrouyeh, M. H., Omid, M., Ahmadi, H., Mohtasebi, S. S., & Jamzad, M. (2010). Grading and quality inspection of defected eggs using machine vision.International Journal of Advanced Science and Technology, 17, 23-31.
Demtröder, W. (2008). Laser Spectroscopy 4st edn. Springer-Verlag Berlin Heidelberg.
Dutta, R., Hines, E. L., Gardner J. W., Udrea, D. D, & Boilot, P. (2003). Non-destructive egg freshness determination: an electronic nose based approach. Measurement Science Technology, 14, 190–198.
Heath, J. L. (1975). Investigation of Changes in Yolk Moisture. Poultry Science, 54, 2007–2014.
Karoui, R., Kemps, B., Bamelis, F., De Ketelaere, B., Mertens, K., Schoonheydt, R., Decuypere, E., & Baerdemaeker, J. D. (2006a). Development of a rapid method based on front face fluorescence spectroscopy for the monitoring of egg freshness: 1-evolution of thick and thin albumens. European Food Research and Technology, 223, 303–312.
Karoui, R., Kemps, B., Bamelis, F., De Ketelaere, B., Mertens, K., Schoonheydt, R., Decuypere, E., & De Baerdemaeker, J. (2006b). Development of a rapid method based on front face fluorescence spectroscopy for the monitoring of egg freshness: 2-evolution of yolk. European Food Research and Technology, 223, 180–188.
Karoui, R., Schoonheydt, R., Decuypere, E., Nicolaï, B., & De Baerdemaeker, J. (2007). Front face fluorescence spectroscopy as a tool for the assessment of egg freshness during storage at a temperature of 12.2 °C and 87% relative humidity. Analytica Chimica Acta, 582, 83–91.
Kemps, B., Bamelis, F., De Ketelaere, B., Mertens, K., Tona, K., Decuypere, E., G De Baerdemaeker, J. (2006). Visible transmission spectroscopy for the assessment of egg freshness. Journal of the Science of Food and Agriculture, 86, 1399–1406.
Lastinger, A.W., & McLendon, B.D. (1976). Inspection of light transmission as a measure of egg fertility. ASAE Paper. No: 76- 3032.
Lin, J., Lin, Y., Hsieh, M., & Yang, C., (2001). An automatic system for eggshell quality monitoring. ASAE Paper Number: 01-6032 Joseph, Mich.: ASAE.
Liu, Y., Ying, Y., Ouyang, A., & Li, Y. (2007). Measurement of internal quality in chicken eggs using visible transmittance spectroscopy technology. Food Control, 18, 18–22.
Miller, J. N., &Miller, J. C. (2005). Statistics and Chemometrics for analytical chemistry. Pearson Education Limited. UK. Pp:268.
Osborne, B.G., Fearn, T., & Hindle, P. H. (1993).Near infrared calibration II. In”Practical NIR spectroscopy with applications in food and beverage analysis”. (David Browning ed.). Harlow: Longman Scientific and Technical. Schwagele, F., Poser, R., & Krockel, L. (2001). Application of low-resolution NMR spectroscopy of intact eggs – measurement of quality determining physical characteristics, Fleischwirtschaft, 81, 103–106
Weeks, M. (2007). Digital signal processing using MATLAB and Wavelets. Infinity Science Press LLC.
Ye, S. F., Wang, D., & Min, S.G. (2008). Successive projections algorithm combined with uninformative variable elimination for spectral variable selection, Chemometrics and Intelligent Laboratory Systems, 91, 194-199. | ||
آمار تعداد مشاهده مقاله: 1,767 تعداد دریافت فایل اصل مقاله: 1,095 |