کاوه ملازاده

آردی شدن شاخص کیفی نامطلوبی است که در برخی میوه ها از جمله سیب اتفاق می افتد. شناسایی سیب های آردی از روی ویژگی های ظاهری امری غیرممکن است. از این رو بکارگیری روش های غیرمخرب نوری همواره مورد توجه محققان بوده است. در تحقیق حاضر از تکنیک نوری بایواسپکل به عنوان یک روش جدید در تشخیص آردی شدن میوه سیب رقم رددلیشس استفاده شد. برای این منظور تعداد 760 عدد سیب مورد آزمایش قرار گرفت. نمونه های سیب به دو دسته 540 و 220 عددی تقسیم شدند. دسته اول به مدت 5 ماه تحت شرایط سردخانه ای (oC 1 ± 0 و رطوبت نسبی 5 ± 85 درصد) نگهداری شدند و در روزهای صفر، 30، 60، 120 و 150ام انبارداری مورد آزمایش قرار گرفتند. از طرف دیگر برای تسریع شدت آردی شدن، نمونه-های دسته دوم به مدت 10 و 26 روز تحت شرایط دمایی oC 20 و رطوبت نسبی 95 درصد قرار گرفتند. تصاویر بایواسپکل از نمونه های سیب در دو طول موج 680 و 780 نانومتر بطور جداگانه و به مدت 25 ثانیه تحصیل شد. دو دسته ویژگی کلی شامل ویژگی های مرسوم بایواسپکل و ویژگی های مبتنی بر بافت از تصاویر استخراج شد. سپس نمونه ها تحت آزمون مخرب فشار مقید قرار گرفتند و شاخص های مکانیکی همچون سختی، آب آزاد شده، ماکزیمم نیرو، مساحت زیر نمودار بارگذاری، و مساحت زیر نمودار باربرداری از نمودار نیرو-جابه جایی استخراج شد. با استفاده از شاخص های سختی و آب آزاد شده نمونه های سیب به سه دسته تازه، نیمه آردی و آردی تفکیک شد. در نهایت مدل های رگرسیونی مبتنی بر روش حداقل مربعات نسبی و شبکه های عصبی مصنوعی به منظور پیش گویی شاخص های مکانیکی و دسته بندی سیب ها توسعه داده شد. بهترین نتایج در پیش گویی شاخص های مکانیکی و دسته بندی سیب ها برای مدل شبکه های عصبی مصنوعی مبتنی بر ویژگی-های بافت بدست آمد. مزیت عمده این مدل ها عملکرد قابل قبول آن ها در زمان تصویربرداری 1 ثانیه بود. بهترین ضرایب همبستگی در زمان تصویربرداری 1 ثانیه برای شاخص های سختی، آب آزاد شده، ماکزیمم نیرو، مساحت زیر نمودار بارگذاری و مساحت زیر نمودار باربرداری بترتیب 71/0، 71/0، 78/0، 65/0 و 76/0 بود که در طول 680 نانومتر حاصل شد. همچنین دقت های شناسایی 84/89، 51/68 و 45/85 درصد بترتیب برای سیب های تازه، نیمه آردی و آردی در طول 680 نانومتر و برای زمان تصویربرداری 1 ثانیه بدست آمد.