ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

USE OF HYPERSPECTRAL IMAGE ANALYSIS AND ARTIFICIAL NEURAL NETWORK TO PREDICT QUALITY CHANGES IN COATED AND UNCOATED AVOCADOS DURING STORAGE AT DIFFERENT TEMPERATURES

سال انتشار: 1387
کد COI مقاله: NCFOODI18_036
زبان مقاله: انگلیسیمشاهد این مقاله: 964
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله USE OF HYPERSPECTRAL IMAGE ANALYSIS AND ARTIFICIAL NEURAL NETWORK TO PREDICT QUALITY CHANGES IN COATED AND UNCOATED AVOCADOS DURING STORAGE AT DIFFERENT TEMPERATURES

n Maftoonazad - Department of Agriculture Engineering, Research Center of Agriculture and Natural Resources, Zarghan, Fars, Iran,
y Karimi - Department of Food Science, McGill University, Macdonald Campus,21,111 Lakeshore Ste-Anne-de-Bellevue
H. S. Ramaswamy - Department of Food Science, McGill University, Macdonald Campus,21,111 Lakeshore Ste-Anne-de-Bellevue
S.O Prasher - Department of Food Science, McGill University, Macdonald Campus,21,111 Lakeshore Ste-Anne-de-Bellevue

چکیده مقاله:

Hyperspectral observation were performed to characterize spectral features and Artificial Neural Network (ANN) models were used for predicting quality changes in coated and non-coated avocados during storage at different temperature. Avocados werecoated using a pectin-based coating and stored at different temperatures (10,15, 20ºC), along with control samples. At different intervals, avocados were removed from storage and respiration rate, total color difference, texture and weight loss were measured.The most effective spectral data were chosen by Principal Component Analysis to design multilayer neural network models forprediction of respiration quality parameters. The optimal configuration of neural network model was obtained by varying the main parameters of ANN: transfer function, learning rule, number of neurons and layers, and learning runs. Results indicated thatcompared to conventional mathematical models, ANN has more feasibility to predict of quality changes in avocado fruits. Models developed for firmness, weight loss and total color difference had better fitness than respiration rate

کلیدواژه ها:

Avocado, pectin-based edible coating, texture, total color difference, respiration rate, weight loss, hyper spectral image analysis, Artificial neural Network

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/140444/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Maftoonazad, n و Karimi, y و Ramaswamy, H. S. و Prasher, S.O,1387,USE OF HYPERSPECTRAL IMAGE ANALYSIS AND ARTIFICIAL NEURAL NETWORK TO PREDICT QUALITY CHANGES IN COATED AND UNCOATED AVOCADOS DURING STORAGE AT DIFFERENT TEMPERATURES,هجدهمین کنگره ملی صنایع غذایی,مشهد,,,https://civilica.com/doc/140444

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1387, Maftoonazad, n؛ y Karimi و H. S. Ramaswamy و S.O Prasher)
برای بار دوم به بعد: (1387, Maftoonazad؛ Karimi و Ramaswamy و Prasher)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • Yahia, E.M. and G. Gonzalez -Aguilar. (1998). Use of passive ...
  • Mehl, P., K. Chao, M. Kim, and Y. R. Chen, ...
  • Chen, Y. R., B. Park, , R. W. vHuffmanand M. ...
  • Cybenco, G. 1989. Appro ximations by S up erimpositions of ...
  • Chen, C. R., H. S. Ramaswamy. 2000. Neural computing approach ...
  • Chen, C. R. H S. Ramaswamy, and I. Alli. 2001. ...
  • Average error (%) ).197 0.608 0.0900 0.111 ...
  • 4 8 12 16 20 24 28 32 36 Iime ...
  • 4 8 12 16 20 24 28 32 36 Iime ...
  • 4 8 12 16 20 24 28 32 36 Iime ...
  • 12 16 20 24 28 Time (days) ...
  • 12 16 20 24 28 Iime (days) ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی