شماره مدرك :
14290
شماره راهنما :
1316 دكتري
پديد آورنده :
تقدمي صابري، سعيده
عنوان :

بكارگيري سامانه‌هاي بيني الكترونيكي و ماشين بينايي به منظور پايش اسانس و رنگ‌دانه‌هاي پوست نارنج حين رسيدگي

مقطع تحصيلي :
دكتري
گرايش تحصيلي :
مكانيك بيوسيستم
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
سال دفاع :
1397
صفحه شمار :
پانزده، [۱۲۶]ص.: مصور، جدول، نمودار
استاد راهنما :
امين الله معصومي، مرتضي صادقي، محمود تبريزچي
استاد مشاور :
مريم ذكري، محمد سراجي
توصيفگر ها :
مدل‌سازي , طبقه‌بندي , شبكه‌هاي عصبي مصنوعي , رايحه , لذت بخشي , طيف‌سنجي تحرك يوني , پردازش تصوير , فعاليت آنتي اكسيداني
استاد داور :
احمد ميره اي، محمد تقي جعفري، مهدي قاسمي ورنامخواستي
تاريخ ورود اطلاعات :
1397/11/13
كتابنامه :
كتابنامه
رشته تحصيلي :
كشاورزي
دانشكده :
مهندسي كشاورزي
تاريخ ويرايش اطلاعات :
1397/11/16
كد ايرانداك :
ID1316 دكتري
چكيده فارسي :
چکیده ترکیبات و در نتیجه کیفیت اسانس نارنج وابستگی شديدي به مراحل رسیدگی میوه دارد طی اين مراحل غلظت ترکیبات فرار و در نتیجه رايحه آنها تغییر میکند رايحه مرکبات داراي اثرات روانی و فیزيولوژيکی است که به دلیل لذت بخشیی يا قضاوت مثبت از رايحه آنها است به منظور اطمینان از کیفیت محصول ارزيابی حسی ضروري به نظر میرسد هرچنید اين ارزيابیها معموال هزينه بر و زمان بر هستند براي غلبه بر نقايص میذکور در ايین رسیاله دو روش عینیی بیراي ارزيیابی اسانس نارنج مد نظر قرار گرفته است در دو مطالعه ديگر نیز سامانههاي پیشبینی کامپیوتري براي کیفیت سینجی پوسیت نارنج مد نظر قرار گرفتند به اين ترتیب اهداف مورد نظر اين رساله عبارتند از 1 طبقهبندي اسانسها به درجات رسیدگی با استفاده از ترکیب شیبکههیاي عصیبی مصینوعی بیا فضیاي فوقیانی کرومیاتوگرافی گیازي طییفسینجی جرمیی 2 طبقهبندي اسانسها طی مراحل رسیدگی به درجات لذت بخشی با استفاده از طیفسنجی تحرک يونی و شبکههاي عصبی مصنوعی 3 تعیین مقدار رنگدانه ها بر اساس ادغام شبکه موجک رشته ثابت و پردازش تصیوير 4 تعییین فعالییت آنتیی اکسیدانی با ترکیب شبکههاي عصبی مصنوعی و پردازش تصوير دادههاي بیه دسیت آمیده از تحلییلهیاي کرومیاتوگرافی گازي طیفسنجی جرمی براي انتخیاب پییکهیاي میرتبط در کرومیاتوگرام و اسیتفاده بیه عنیوان ويژگییهیاي ورودي شبکههاي عصبی مصنوعی از طريق تبديل لگاريتمی و حذف خیط مبنیا پییش پیردازش شیدند از تحلییل حساسییت بیراي شناسايی ترکیبات کلیدي استفاده شد در مورد طبقهبندي درجه لذت بخشی چهار ويژگی از طیف تحرک يونی استخراج شدند و به عنوان ورودي شبکههاي عصبی مصنوعی استفاده شدند از کالسهاي تعیین شده با ارزيابی حسی نییز بیه عنیوان خروجی مدلها استفاده شد پس از آن بهینهسازي مدل ها و ارزيابی عملکرد انجام شد در سامانه هوشمند میورد نظیر ايین رساله براي تحقق اهداف سوم و چهارم در ابتدا از میوهها عکسبرداري شد پس از پردازش تصیوير و تحلییل مؤلفیههیاي اصلی ويژگیهاي مؤثر انتخاب شدند سپس ويژگیهاي انتخاب شده به عنوان ورودي به تکنیکهاي هوش مصنوعی داده شد دو مرحله غربالگري و الگوريتم حداقل مربعات متعامد براي انتخاب زير مجموعه اي مؤثر از موجکهاي يیک تیوري موجک استفاده شدند ضرايب وزن تنها پارامترهاي نامعلوم شبکه نیز از طريق روش غیر تکراري حیداقل مربعیات تعییین شد نتايج مطالعه اول نشان داد که ترکیبات فرار کلییدي توانیايی الزم بیراي طبقیهبنیدي دقییق اسیانسهیا مطیابق بیا درجیه رسیدگی براي کاربردهاي مختلف را دارا هستند در مطالعه دوم نیز نتايج نشیان داد کیه يیک شیبکه عصیبی مصینوعی بیا توپوژي 1 9 4 میتواند با صحت کلی 18 دادههاي جديید را بیه درجیات لیذت بخشیی طبقیهبنیدي کنید مجمیوع ايین مطالعات رويکرد جديدي براي پیشبینی کیفیت اسانس با روشهاي عینیی ارائیه مییدهنید مقیادير کلروفییل و کارتنوئیید پوست نارنجها نیز به ترتیب با ضرايب تبیین قابل قبول 69 0 و 68 0 توسط سامانه هوشمند مبتنی بیر پیردازش تصیوير میدل شدند شبکه موجک رشته ثابت در مقايسه با دو تکنیک رايج و قدرتمند ديگر يعنی شبکههاي عصبی مصینوعی و سیسیتم استنتاج عصبی فازي توانست عملکرد تقريبا مشابهی با تعداد بسیار کمتر پارامترها نشان دهد مدل شبکه موجیک رشیته ثابت به دلیل کمتر بودن تعداد پارامترها براي کاربردهاي بر خط نسبت بیه تکنییکهیاي ديگیر مطلیوبتیر اسیت آزمیون جايگشتی نیز در مطالعه چهارم امکان تخمین فعالیت آنتی اکسیدانی در پوست نارنج را با استفاده از ويژگیهاي اسیتخراج شده از تصاوير میوهها رد کرد در نتیجه مجموعه دادهها براي مدلسیازي فعالییت آنتیی اکسییدانی بیا ويژگییهیاي رنگیی استخراج شده از تصاوير نارنج غیر قابل اطمینان است کلمات کلیدی مدلسازي طبقهبندي شبکههاي عصبی مصنوعی رايحه لیذت بخشیی طییفسینجی تحیرک يیونی پردازش تصوير فعالیت آنتی اکسیدانی 1
چكيده انگليسي :
The application of electronic nose and machine vision systems for monitoring essential oil and pigments of bitter orange Citrus aurantium peel during ripening Saeedeh Taghadomi Saberi s taghadomi saberi@ag iut ac ir December 11 2018 Department of Biosystems Engineering Isfahan University of Technology Isfahan 84156 83111 Iran1st Supervisor Amin Allah Masoumi masoumi@cc iut ac ir2nd Supervisor Morteza Sadeghi sadeghimor@cc iut ac ir3rd Supervisor Mahmoud Tabrizchi sadeghimor@cc iut ac ir Associate Professor of Biosystems Engineering Department of Biosystems Engineering College ofAgriculture Isfahan University of Technology Associate Professor of Biosystems Engineering Department of Biosystems Engineering College ofAgriculture Isfahan University of Technology Professor of Chemistry Department of Chemistry Isfahan University of TechnologyAbstractThe quality and composition of bitter orange essential oils EOs strongly depend on theripening stage of the citrus fruit The concentration of volatile compounds andconsequently its organoleptic perception varies Citrus fragrances have psychologicaland physiological effects which are due to their hedonic tone or positive judgment oftheir odor To ensure product quality sensory evaluation is considered necessary However such evaluation is usually costly and time consuming To overcome theseshortcomings the current dissertation aims to develop two objective methods for qualityassessment of bitter orange essential oils EOs In other two studies new computer aided prediction systems CAPS are proposed for quality assessment of bitter orangepeel A research challenge could be developing a fast cheap and non destructivesystem that predicts the pigments contents and AA for different applications and orspecifying the necessity of postharvest artificial de greening to satisfy market demand Thus the objectives of current dissertation includes 1 the classification of EOsaccording to ripening stages based on the combined use of headspace gaschromatography mass spectrometry HS GC MS and artificial neural networks ANN 2 the classification of EOs during ripening to hedonic tone groups based on ionmobility spectrometry IMS and ANN 3 the quantification of pigments content basedon the integration of fixed grid wavelet network FGWN and image processing 4 the 119
استاد راهنما :
امين الله معصومي، مرتضي صادقي، محمود تبريزچي
استاد مشاور :
مريم ذكري، محمد سراجي
استاد داور :
احمد ميره اي، محمد تقي جعفري، مهدي قاسمي ورنامخواستي
لينک به اين مدرک :

بازگشت