کاربرد استنتاج فازی-عصبی تطبیقی (ANFIS) در پیش‌بینی خصوصیات کیفی میوه سیب در طی انبارداری

نویسندگان

1 دانشیار پژوهشی، بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اصفهان، سازمان تحقیقات، آموزش

2 دانشیارگروه آموزشی رادیولوژی دهان، فک و صورت، دانشکده دندانپزشکی، دانشگاه علوم پزشکی اصفهان، ایران؛ عضو مرکز تحقیقات ایمپلنت‌های

3 گروه مهندسی بیوسیستم، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

4 دانشیار گروه مهندسی بیوسیستم، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

doi
10.22059/ijbse.2024.375506.665545
چکیده

ارزیابی‌های کیفی میوه سیب در طول انبارداری می‌تواند تولیدکنندگان سیب را در انتخاب و بهینه‌سازی شرایط مناسب انبارداری یاری نماید. تغییرات داخلی ایجادشده این محصول در طول مدت انبارداری، موجب تغییر در خصوصیات کیفی میوه می‌شود. پیش‌بینی این تغییرات و ایجاد شرایط مناسب نگهداری، گام مهمی در جهت حفظ ارزش تغذیه‌ای و اقتصادی محصول محسوب می‌شود. در این تحقیق خصوصیات فیزیکوشیمیایی سیب رقم گلدن دلیشز طی انبارداری در دو دمای صفر و 4 درجه سلسیوس و مدت انبارداری در سردخانه شامل صفر، 45، 90 و 135 روز ثبت گردید. این خصوصیات شامل عدد سی‌تی حاصل از تصویربرداری اشعه ایکس، pH، سفتی، رطوبت، چگالی و مواد جامد محلول میوه بود. در مرحله بعدی با کمک سامانه استنتاج فازی-عصبی تطبیقی (ANFIS) و بر اساس ورودی‌های مؤلفه‌های رنگی L* ، *a و *b، دمای انبارداری و طول مدت انبارداری، خصوصیات یادشده استخراج و با مقادیر واقعی مقایسه شد. طبق نتایج، در بهترین مدل‌های انتخابی، مقادیر پارامترهای آماری ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE)، میانگین درصد خطای مطلق (MAPE)  و شاخص کارایی مدل (EF) به ترتیب برای پیش‌بینی عدد سی‌تی برابر 909/0، 331/24 ، 319/11 درصد و 899/0، مقدار pH برابر 912/0، 134/0 ، 134/0 درصد و 839/0، سفتی میوه برابر 950/0، 862/1 نیوتن، 298/3 درصد و 904/0، رطوبت میوه برابر 945/0، 008/0، 729/0 درصد و 893/0، چگالی برابر 910/0، 045/0 گرم بر سانتی‌متر مکعب، 223/7 درصد و 828/0 و مواد جامد محلول برابر 884/0، 537/0 درصد بریکس، 340/2 درصد و 781/0 به دست آمد. این نتایج نشان می‌دهد که با تقریب و دقت بالا می‌توان خصوصیات کیفی میوه سیب را در تحت شرایط انبارداری پیش‌بینی نمود. این پیش‌بینی جهت حفظ کیفیت محصول در طول انبارداری بسیار مفید خواهد بود.