ارزیابی ویژگی های فیزیکی و شیمیایی برنج نیم پز شامل ژلاتینه شدن نشاسته، درصد دانه سالم و ترکیبات معطر با استفاده از طیف سنجی فروسرخ نزدیک

در این مطالعه، از طیف سنجی ارتعاشی نزدیک به فروسرخ در ترکیب با الگوریتم های پیشرفته یادگیری ماشین، به منظور ارزیابی غیرمخرب ویژگی های کیفی برنج نیم پز نظیر میزان ژلاتینه شدن نشاسته، درصد برنج سالم و ترکیبات معطر موثر، بهره گرفته شد. سپس با استفاده از مدل های رگرسیون حداقل مربعات جزئی و شبکه های عصبی مصنوعی، پارامترهای کیفی پیش بینی شدند. مدل های به کاررفته دقت بالایی از خود نشان دادند؛ به گونه ای که برای ژلاتینه شدن نشاسته و درصد برنج سالم، ضریب تعیین برابر با ۹۷/۰ و شاخص انحراف پیش بینی بیش از ۳ گزارش شد. در میان ترکیبات عطری، ترکیب ۱-Octen-۳-ol با ضریب تعیین بیش از ۹۶/۰ و شاخص انحراف پیش بینی نزدیک به ۳، دقیق ترین پیش بینی را ارائه داد. ترکیباتی نظیر نونانال، بنزآلدهید، پارا-سایمن و لیمونن نیز با ضریب تعیین معادل یا بالاتر از ۹۰/۰ و شاخص انحراف پیش بینی بیشتر از ۷/۲، پیش بینی پذیری مناسبی داشتند. در مقابل، ترکیباتی مانند منتول، منتون و پولگون از دقت پیش بینی بسیار پایینی برخوردار بودند. کاربرد طول موج های موثر استخراج شده از طریق الگوریتم یادگیری خودکار مبتنی بر ماشین بردار پشتیبان SVM-LA موجب ارتقاء عملکرد مدل ها از طریق کاهش افزونگی اطلاعات و تمرکز بر نواحی کلیدی طیف شد. شرایط بهینه فرآوری شامل خیساندن در دمای ۶۵ درجه سانتی گراد به مدت ۱۸۰ دقیقه و خشک کردن در دمای ۷۰ درجه سانتی گراد، منجر به حداکثر میزان ژلاتینه شدن و درصد برنج سالم شد.

کلیدواژه ها:

طیف موثر ، رگرسیون حداقل مربعات جزئی ، ماشین بردار پشتیبان ، نشاسته برنج