ارزیابی غیرمخرب کیفیت داخلی میوه سیب با استفاده از توموگرافی پرتو ایکس

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 57

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAM-16-1_011

تاریخ نمایه سازی: 2 اسفند 1404

چکیده مقاله:

در این مطالعه، از توموگرافی کامپیوتری پرتو ایکس به عنوان یک روش غیرمخرب برای ارزیابی کیفیت داخلی میوه سیب استفاده شد. برای این منظور، سه واریته سیب محلی شامل: رد دلیشز، گلدن دلیشز و گلاب انتخاب شدند. عدد CT تصاویر، که میزان جذب پرتو ایکس را نشان می دهد، با استفاده از نرم افزار K-PACS استخراج شد. پارامترهای کیفیتی مانند میزان محتوای مواد جامد محلول، اسیدیته قابل تیترات، شاخص طعم و pH واریته های مورد مطالعه اندازه گیری شد. رابطه بین پارامترهای کیفیت و عدد CT به دست آمده از تصاویر توموگرافی میوه ها در قالب مدل های رگرسیون خطی مورد بررسی قرار گرفت. بر اساس نتایج، همبستگی بین عدد CT و پارامترهای کیفیت در تمامی مدل ها بیشتر از ۰.۹۰۰ بود. برای واریته های مختلف، عدد CT همبستگی مثبتی با میزان اسیدیته قابل تیترات، شاخص طعم، pH و مواد جامد محلول داشت. روابط ارزیابی پارامترهای کیفیتی مربوط به واریته رد دلیشز بیشترین دقت را داشت (با ضرایب تبیین ۰.۹۵۲، ۰.۹۶۴، ۰.۹۴۱ و ۰.۹۶۹ به ترتیب برای میزان شاخص طعم، مواد جامد محلول، اسیدیته و pH). برای تمامی واریته ها، بیشترین همبستگی بین میزان pH و عدد CT مشاهده شد (با ضرایب تبیین ۰.۹۶۹، ۰.۹۷۲ و ۰.۹۹۶ به ترتیب برای واریته های رد دلیشز، گلدن دلیشز و گلاب). این نشان می دهد که توموگرافی پرتو ایکس می تواند به طور قابل اعتمادی ویژگی های کیفیت داخلی را بدون آسیب رساندن به میوه ها ارزیابی کند. مدل های رگرسیون خطی ایجادشده، روش معتبری و قابل بازتولید برای ارزیابی غیرمخرب کیفیت میوه سیب ارائه می دهند.

کلیدواژه ها:

ارزیابی کیفیت ، توموگرافی کامپیوتری اشعه ایکس ، شماره سی تی ، غیرمخرب ، میوه سیب

نویسندگان

رسول خدابخشیان

گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، ایران

رضا باغبانی

گروه مهندسی کشاورزی، دانشگاه ملی مهارت، تهران، ایران

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 :
  • Abasi, S., Minaei, S., Jamshidi, B., & Fathi, D. (۲۰۱۸). ...
  • Haff, R. P., Slaughter, D. C., Sarig, Y., & Kader, ...
  • Nicolaï, B. M., Beullens, K., Bobelyn, E., Peirs, A., Saeys, ...
  • نمایش کامل مراجع