| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 2,999 |
| تعداد مقالات | 33,582 |
| تعداد مشاهده مقاله | 44,283,732 |
| تعداد دریافت فایل اصل مقاله | 21,905,700 |
پیش‌بینی و تصویرسازی توزیع عیار چغندرقند با استفاده از روش تصویربرداری فرا طیفی | ||
| چغندرقند | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 12 خرداد 1404 | ||
| نوع مقاله: کامل علمی - پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/jsb.2025.368340.1381 | ||
| نویسندگان | ||
| محسن مهدیانی1؛ مهدی خجسته پور* 1؛ محمودرضا گلزاریان2 | ||
| 1گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
| 2گروه فناوری اطلاعات و مهندسی، دانشکده مرداک، پرث، استرالیا | ||
| چکیده | ||
| تعیین ساکارز چغندرقند (عیار)، به‌عنوان شاخص مهم، هم از نظر اقتصادی برای کشاورزان، هم از جهت کیفیت فرآیند تولید برای کارخانه‌های قند و هم برای مراکز تحقیقاتی در ارزیابی عملکرد بذور مختلف چغندرقند از اهمیت بسزایی برخوردار است. پلاریمتری روش متداول اندازه‌گیری عیار چغندرقند می‌باشد که علاوه بر مصرف مواد شیمیایی و نیاز به نیروی متخصص، زمان‌بر نیز است. باهدف مقابله با این معایب، ضرورت جایگزینی این روش با روش های سریعتر و مقرون به صرفه و با قابلیت اطمینان بالا اجتناب ناپذیر است. با این هدف از 150 محموله چغندرقند تحویلی به شرکت قند تربت‌حیدریه نمونه‌برداری شد. هر نمونه شامل 40 الی 50 ریشه چغندرقند بود که به‌صورت تصادفی انتخاب، شستشو و خمیرگیری شدند. از هر نمونه حداقل 500 گرم خمیر یکنواخت تهیه گردید. بخشی از خمیر به‌دست‌آمده عیارسنجی و بخشی دیگر مورد تصویربرداری فرا طیفی در دامنه طول موجی 400 تا 950 نانومتری با وضوح 2 نانومتری قرار گرفت. در این مطالعه از دو روش پیش‌پردازش طیفی، دو روش انتخاب طول‌موج مؤثر و سه روش رگرسیونی استفاده شد. از 18 مدل رگرسیونی توسعه‌یافته، مدل حداقل مربعات جزئی با پیش‌پردازش نرمال متغیر استاندارد و الگوریتم طرح‌ریزی متوالی بهترین عملکرد را با ضریب تعیین و ریشه میانگین مربعات خطای کالیبراسیون به ترتیب برابر با 89/0 و 28/0 و برای اعتبارسنجی، به ترتیب برابر با 91/0 و 24/0 ارائه داد. این مطالعه برای اولین‌بار، امکان تصویرسازی توزیع مکانی عیار قند را در سطح پیکسل خمیر چغندرقند با مقدار ضریب تعیین و ریشه میانگین مربعات خطای به ترتیب برابر 71/0 و 89/2 فراهم آورد. این توانایی نوآورانه، امکان شناسایی ناهمگنی عیار در سطح نمونه‌ها را فراهم می‌کند. | ||
| کلیدواژه‌ها | ||
| پیش‌پردازش طیفی؛ تصویربرداری فراطیفی؛ عیار چغندرقند | ||
| عنوان مقاله [English] | ||
| Prediction and Visualization of Sugar Content Distribution in Sugar Beet Using Hyperspectral Imaging | ||
| نویسندگان [English] | ||
| Mohsen Mahdiani1؛ Mehdi Khojastehpour1؛ Mahmood Reza Golzarian2 | ||
| 1Department of Biosystems Engineering, Ferdowsi University of Mashhad, Mashhad, Iran | ||
| 2School of IT & Engineering, Murdoch University, WA 6150, Australia | ||
| چکیده [English] | ||
| Determining sugar content in sugar beet, as a critical indicator, holds significant importance for farmers economically, for sugar factories in ensuring production quality, and for research centers in evaluating the performance of various sugar beet seed varieties. Polarimetry is the conventional method for measuring sugar content, but it involves chemical consumption, requires skilled personnel, and is time-consuming. To address these limitations, samples were collected from 150 sugar beet shipments delivered to Sugar Company. Each sample consisted of 40 to 50 randomly selected sugar beet roots that were washed, ground into paste, and homogenized to obtain at least 500 grams of paste per sample. A portion of the paste was analyzed for sucrose content while another portion underwent hyperspectral imaging within the wavelength range of 400–950 nm at 2 nm resolution.This study employed two spectral preprocessing methods, two effective wavelength selection methods, and three regression techniques. Among the 18 developed regression models, the partial least squares model with standard normal variate preprocessing and successive projection algorithm demonstrated the best performance, achieving calibration determination coefficient (R2) and root mean square error (RMSE) values of 0.89 and 0.28, respectively. For validation, R2 and RMSE values were 0.91 and 0.24, respectively.For the first time, this study enabled spatial distribution imaging of sucrose content at the pixel level in sugar beet paste with R2= 0.71 and RMSE = 2.89. This innovative capability facilitates identifying heterogeneity in sucrose content across samples. | ||
| کلیدواژه‌ها [English] | ||
| Hyperspectral imaging, Spectral preprocessing, Sugar content of sugar beet | ||
|
آمار تعداد مشاهده مقاله: 8 |
||