تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,098,377 |
تعداد دریافت فایل اصل مقاله | 97,206,041 |
پیش بینی برخی ویژگیهای کیفی میوۀ انگور رقم بیدانۀ قرمز با استفاده از روش غیر مخرب طیفسنجی فروسرخ نزدیک | ||
مهندسی بیوسیستم ایران | ||
مقاله 5، دوره 46، شماره 4، دی 1394، صفحه 371-378 اصل مقاله (1.15 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijbse.2015.57343 | ||
نویسندگان | ||
فرزاد آزادشهرکی* 1؛ سیامک کلانتری2؛ یونس مستوفی3؛ بهاره جمشیدی4؛ رضا مسعودی5؛ سمیه نجفی6 | ||
1دانشجوی دکتری علوم باغبانی گرایش فیزیولوژی و فناوری پس از برداشت دانشگاه تهران | ||
2استادیار گروه باغبانی دانشگاه تهران | ||
3استاد گروه باغبانی دانشگاه تهران | ||
4استادیار مؤسسۀ تحقیقات فنی و مهندسی کشاورزی | ||
5استاد پژوهشکدۀ لیزر و پلاسمای دانشگاه شهید بهشتی تهران | ||
6دانشجوی دکتری پژوهشکدۀ لیزر و پلاسمای دانشگاه شهید بهشتی تهران | ||
چکیده | ||
بهمنظور اندازهگیری ویژگیهای رسیدن و کیفیت درونی میوه از روشهای مخرب و غیرمخرب گوناگونی استفاده میشود. روشهای مخرب غالباً وقتگیر و پرهزینهاند. در این پژوهش توانایی روش طیفسنجی فروسرخ نزدیک بهمنظور پیشبینی ویژگیهای کیفی ازقبیل مواد جامد حلشدنی، اسید قابل تیتر، pH، فنل کل، و آنتوسیانین عصارۀ انگور رقم بیدانۀ قرمز بررسی شد. بدین منظور پس از طیفسنجی نمونههای دهحبهای انگور در ناحیۀ nm1700-900 آزمونهای مرجع شیمیایی برای اندازهگیری پارامترهای مورد نظر انجام و مدلهای کالیبراسیون برای ایجاد ارتباط بین داههای طیفی پیشپردازششده و اندازهگیریهای مرجع تدوین شدند. پیشپردازشهای استفادهشده بهصورت ترکیبی اعمال شدند. نتایج حاصل از اعتبارسنجی بهترین مدلها گویای پیشبینی میزان مواد جامد حلشدنی با دقت بالا (949/0 rcv =و 838/2SDR=) و pH با دقت قابل قبول (906/0 rcv =و 993/1SDR=) توسط طیفسنجی فروسرخ نزدیک بود. اسید قابل تیتر و فنل کل توسط این روش غیرمخرب با دقت متوسط به ترتیب با rcv معادل با 772/0 و 822/0 و SDR معادل با 60/1 و 718/1 پیشگویی شدند. آنتوسیانین عصارۀ انگور رقم بیدانۀ قرمز توسط طیفسنجی فروسرخ نردیک قابل پیشبینی نبود. | ||
کلیدواژهها | ||
انگور؛ طیفسنجی فروسرخ نزدیک؛ کیفیت | ||
مراجع | ||
Abbot, J. A. (1999). Quality measurement of fruits and vegetables. Postharvest Biology and Technology, 15, 207-225.
Bobelyn, E., Serban, A. S., Nicu, M., Lammertyn, J., Nicoli, B. M. & Saeys, W. (2010). Postharvest quality predicted by NIR-spectroscopy: Study of the effect of biological variability on spectra and model performance. Postharvest Biology and Technology, 55, 133–143.
Cao, F., Wu, D. & He, Y. (2010). Soluble solids content and pH prediction and varieties discrimination of grapes based on visible–near infrared spectroscopy. Computers and Electronics in Agriculture, 71, 15–18.
Cen, H. & He, Y. (2007). Theory and application of near inferared reflectance spectroscopy in determination of food quality. Trends in Food science and Technology, 18, 72-83.
Chen, P. & Nattuvetty, V. R. (1980). Light transmittance through a region of an intact fruit. Transactions of the ASAE, 23(2), 519–522.
Ebadi, A. & Hadadninejad, M. (2014). Physiology, breeding and production of grapevine. University of Tehran Press. 383pp. (In Farsi).
Fadock, M. (2011). Non-destructive vis-NIR reflectance spectrometry for red wine grape analysis. M. A. Sc. Thesis. Faculty of Graduate Studies, University of Guelph, Ontario, Canada.
Rahemi, M. (2010). Postharvest: an introduction to the physiology and handling of fruit, vegetables & ornamentals. Shiraz University Press. 437pp. (In Farsi).
Tafazali, E., Hekmati, J. & Firoozeh, P. (1991). Grape. Shiraz University Press. 343pp. (In Farsi).
Jamshidi, B. (2012). None-destructive taste characterization and classification of oranges using Vis/NIR spectroscopy. Ph.D. Thesis. Faculty of Agriculture, University of Tarbiat Modares, Iran. (In Farsi).
Nazoori, F. (2013). Study of the effect of harvest time on quality and postharvest life of fresh and dry pistachio nut. Ph.D. Thesis. Faculty of Agriculture Science and Engineering, University of Tehran, Iran. (In Farsi).
Rabiei, V. (2004). Physiological and morphological responses of some grapevine cultivars to water stress. Ph.D. Thesis. Faculty of Agriculture Science and Engineering, University of Tehran, Iran. (In Farsi).
Geraudie, V., Roger, J. M., Ferrandis, J. L., Gialis, J. M., Barbe, P., Bellon Maurel, V. & Pellenc, R. ( 2009). A revolutionary device for predicting grape maturity based on NIR spectrometry. In: Proceedings of the 8th Fruit, Nut and Vegetable Production Engineering Symposium, 5 -9 Jan., University of Concepción, Concepción, Chile. pp. 1-8.
Giovenzana, V., Beghi, R., Mena, A., Civelli, R., Guidetti, R., Best, S. & Leon G, L. F. (2013). Quick quality evaluation of Chilean grape by a portable vis/NIR device. Acta Horticulture, 978, 93-100.
Golic, M. & Walsh, K. B. (2006). Robustness of calibration models based on near infrared spectroscopy to the in-line grading of stone fruit for total soluble solids. Analytica Chimica Acta, 555, 286-291.
Guidetti, R., Beghi, R. & Bodria, L. (2010). Evaluation of grape quality parameters by a simple VIS/NIR system. Transactions of the ASABE, 53(2), 477-484.
Jamshidi, B., Minaei, S., Mohajerani, E. & Ghassemian, H. (2012). Reflectance Vis/NIR spectroscopy for nondestructive taste characterization of Valencia oranges. Computers and Electronics in Agriculture, 85, 64-69.
Jaren, C., Ortuno, J. C., Arazuri, S., Arana, J. I. & Salvadores, M. C. (2001). Sugar determination in grapes using NIR technology. International Journal of Infrared and Millimeter Waves, 22(10), 1513-1530.
Kader, A. A. (1999). Fruit maturity, ripening and quality relationships. Acta Horticulture, 458, 203-208.
Kader, A. A. (2003). Postharvest technology of horticultural crops. University of California, Agriculture and Natural Resources, UCD Press, 535pp.
Lee, J., Durst, R. W. & Wrolstad, R. E. (2005). Determination of total monomeric anthocyanin pigment content of fruit juices, beverages, natural colorants, and wines by the pH differential method: collaborative study. Journal of AOAC International, 88(5), 1269-1287.
Lu, R. (2001). Predicting firmness and sugar content of sweet cherries using near-infrared diffuse reflectance spectroscopy. Transactions of the ASAE, 44(5), 1265–1271.
Mitcham, B., Cantwell, M. & Kader, A. (1996). Methods for determining quality of fresh commodities. Perishable Handling Newsletter, 85, 1-5.
Nicolai, B. M., Beullens, K., Bobelyn, E., Peirs, A., Saeys, W., Theron, K. I., Karen, I. T. & Lammertyn, J. (2007). Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review. Postharvest Biology and Technology, 46, 99–118.
Nicolai, B. M., Defraeye, T., Ketelaere, B. D., Herremans, E., Hertog, M. L., Saeys, W., Torricelli, A., Vandendriessche, T. & Verboven, P. (2014). Nondestructive measurement of fruit and vegetable quality. Food Science Technology, 5, 285- 312.
Raja, H. N., Dara, N. E., Hobaika, Z., Boussetta, N., Vorobiev, E., Maroun, R. G. & Louka, N. (2014). Extraction of total phenolic compounds, flavonoids, anthocyanins and tannins from grape byproducts by response surface methodology. Influence of solid-liquid ratio, particle size, time, temperature and solvent mixtures on the optimization process. Food and Nutrition Sciences, 5, 397- 409.
Shao, Y., He, Y., Gomez, A. H., Pereir, A. G., Qiu, Z. & Zhang, Y. (2007). Visible/near infrared spectrometric technique for nondestructive assessment of tomato ‘Heatwave’ (Lycopersicum esculentum) quality characteristics. Journal of Food Engineering, 81, 672-678.
Wold, S., Sjostrom, M. and Erikson, L. (2007). PLS-regression: a basic tool of chemometrics. Chemometrics and Intelligent Laboratory Systems, 58, 109-130.28. | ||
آمار تعداد مشاهده مقاله: 1,495 تعداد دریافت فایل اصل مقاله: 1,084 |