پیش بینی مدت زمان انبارمانی محصولات کشاورزی به کمک دادههای microRNA و روشهای هوش مصنوعی

طی دو دهه گذشته که انسانها تحقیقات وسیعی درباره ترکیبات microRNA انجام دادند نشان داده شد که تنشهای زیستی و غیرزیستی گیاهان منجر به افزایش یا کاهش غلظت بیان چندین ترکیب microRNA میشوند به عنوان مثال، تحقیقات نشان داده است که miR۱۷۲ ،miR۱۶۷ miR۱۶۴ و miR۳۹۹a سهم زیادی را در پاسخ میوه به شرایط انبارمانی و بار مکانیکی میوه توت فرنگی دارند در نتیجه به نظر میرسد بتوان از روشهای یادگیری ماشین مانند شبکه عصبی مصنوعی برای پیش بینی مدت زمان دوره انبارمانی با داشتن غلظت این ترکیبات بهره برد از طرف دیگر به نظر میرسد به کارگیری روشهایی فراابتکاری از جمله الگوریتم ژنتیک بتواند برای بهینه سازی ساختار این روشهای یادگیری ماشین بکار روند در این تحقیق، از شبکه عصبی مصنوعی بهینه شده به کمک الگوریتم ژنتیک برای پیشبینی مدت زمان انبارمانی میوه توت فرنگی که در دمای یخچال نگهداری شده بود بهره گرفته شد و نتایج نشان داد که این الگوریتم میتواند پیشبینی را با ضریب تبیین ۰/۸۱ و میانگین مربعات خطای ۰/۰۹ انجام دهد.

کلیدواژه ها:

توت فرنگی ، شبکه عصبی مصنوعی ، یادگیری ماشین ، الگوریتم ژنتیک