بررسی اثر مواد پوششی بر خواص حسی و شاخص بریکس سیب طی انبارمانی جهت کاهش ضایعات
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 849
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM07_063
تاریخ نمایه سازی: 8 بهمن 1391
چکیده مقاله:
در ایران، سیب یک محصول استراتژیک و پراهمیت است که به صورت گسترده، تولید و عرضه می گردد. اما متأسفانه میزان ضایعات آن در چرخه تولید، توزیع و مصرف 30 % کل تولید می باشد که 6% این ضایعات در سردخانه ها رخ می دهد. امروزه استفاده از مواد پوششی مختلف جهت حفظ کیفیت و نیز جلوگیری از ضایعات محصولاتی که دوره انبارمانی دارند، مورد توجه محققان است. لذا، در تحقیق حاضر اثر غلظت ماده پوشاننده کلریدکلسیم دوآبه بر خواص حسی و همچنین شاخص بریکس (به عنوان فاکتوری مهم در انبارمانی) روی دو واریته سیب زرد و قرمز لبنانی طی دوره انبارمانی جهت نیل به کمترین ضایعات مورد بررسی قرار گرفت. اثر غلظتهای مختلف ماده پوششی ( 0 و 3 و 6 درصد) و نیز مدت زمان نگهداری در انبار (بدون انبارمانی، 1 ماه و 2 ماه) بر روی خواص مذکور بررسی شدند. نتایج مدل رگرسیون چند متغیره نشان داد، میزان شیرینی و میزان رسیدگی بیشترین تأثیر را بر پذیرش کلی سیب داشته اند و بعد از این فاکتورها، رنگ سطح، بیشترین تأثیر را داشته است. طبق نتایج به دست آمده از تجزیه واریانس داده ها، میزان پذیرش کلی سیب در غلظت 3% بیش از غلظت 6% از ماده پوشاننده بوده است و متغیرهای انبارمانی و غلظت بر میزان پذیرش کلی سیب تأثیر معنی داری داشته است (0.05≥P) همچنین مشخص شد که اثر فاکتورهای رقم و انبارمانی بر مقدار شاخص بریکس، معنی دار است (0.01≥P) و اثر متقابل رقم و غلظت در انبارمانی بر شاخص بریکس به طور معنی دار مؤثر هستند (0.01≥P) . نهایتاً غلظت 3% از ماده پوشاننده و یک ماه انبارمانی، جهت نگهداری بهینه سیب، پیشنهاد گردید.
کلیدواژه ها:
نویسندگان
مصطفی جعفریان
کارشناس ارشد مهندسی مکانیک ماشین های کشاورزی و مدرس دانشکده فنی پروف
حسن صدرنیا
استادیار گروه مهندسی مکانیک ماشین های کشاورزی، دانشگاه فردوسی مشهد
محمدحسین آق خانی
دانشیار گروه مهندسی مکانیک ماشین های کشاورزی، دانشگاه فردوسی مشهد
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 مقاله لینک شده اند :