Eine Plattform für die Wissenschaft: Bauingenieurwesen, Architektur und Urbanistik
Eine Plattform für die Wissenschaft: Bauingenieurwesen, Architektur und Urbanistik
توسعه و ارزیابی سامانه غیرمخرب تلفیقی امواج فراصوت، سنجش مقاومت و رنگ سنجی برای تعیین ویژگی‌های بافتی فیله ماهی قزل‌آلای رنگین کمان Oncorhynchus mykiss)) در طول دوره نگهداری در یخچال
در این پژوهش توانایی سامانه تلفیقی غیرمخرب امواج فراصوت، سنجش مقاومت الکتریکی و رنگ سنجی برای تعیین کیفیت فیله ماهی قزل‌آلا طی مدت نگهداری (12 روز) با تعیین ویژگی‌های بافتی (سختی، شکنندگی، چسبناکی، قابلیت ارتجاعی، صمغی بودن و قابلیت جویدن) مورد بررسی و ارزیابی قرار گرفت. هم زمان آزمایش‌های فیزیکی، مکانیکی، شیمیایی و حسی روی فیله‌ها انجام شد. عملکرد روش‌های شبکه عصبی و ماشین بردار پشتیبان برای پیش‌بینی و مدل‌سازی خصوصیات بافتی مورد مقایسه قرار گرفتند. در هریک از مدل‌ها خصوصیات فیزیکی به عنوان ورودی و خصوصیات بافتی به عنوان خروجی در نظر گرفته شده و مدل‌سازی‌ها انجام گرفت. نتایج نشان داد در پیش‌بینی شاخص‌های سختی، شکنندگی و قابلیت ارتجاعی روش ماشین بردار پشتیبان و در شاخص‌های چسبناکی، صمغی بودن و قابلیت جویدن، روش شبکه عصبی توانمندی بیشتری برای مدل‌سازی ویژگی های بافتی را دارا بودند، به طوری که ریشه میانگین مربعات خطا (RMSE) شاخص‌های سختی، شکنندگی، چسبناکی، قابلیت ارتجاعی، صمغی بودن و قابلیت جویدن به ترتیب برابر 114/0، 025/0، 015/0، 015/0، 044/0 و 171/0 و ضریب همبستگی آنها نیز به ترتیب برابر 993/0، 985/0، 992/0، 961/0، 995/0 و 995/0 است. بنابراین سامانه پیشنهادی غیرمخرب در ترکیب با روش‌های هوش مصنوعی به عنوان ابزاری غیرمخرب و کارآمد برای پایش و کنترل کیفیت در طول نگهداری فیله ماهی قزل‌آلا ارائه می‌شود.
توسعه و ارزیابی سامانه غیرمخرب تلفیقی امواج فراصوت، سنجش مقاومت و رنگ سنجی برای تعیین ویژگی‌های بافتی فیله ماهی قزل‌آلای رنگین کمان Oncorhynchus mykiss)) در طول دوره نگهداری در یخچال
در این پژوهش توانایی سامانه تلفیقی غیرمخرب امواج فراصوت، سنجش مقاومت الکتریکی و رنگ سنجی برای تعیین کیفیت فیله ماهی قزل‌آلا طی مدت نگهداری (12 روز) با تعیین ویژگی‌های بافتی (سختی، شکنندگی، چسبناکی، قابلیت ارتجاعی، صمغی بودن و قابلیت جویدن) مورد بررسی و ارزیابی قرار گرفت. هم زمان آزمایش‌های فیزیکی، مکانیکی، شیمیایی و حسی روی فیله‌ها انجام شد. عملکرد روش‌های شبکه عصبی و ماشین بردار پشتیبان برای پیش‌بینی و مدل‌سازی خصوصیات بافتی مورد مقایسه قرار گرفتند. در هریک از مدل‌ها خصوصیات فیزیکی به عنوان ورودی و خصوصیات بافتی به عنوان خروجی در نظر گرفته شده و مدل‌سازی‌ها انجام گرفت. نتایج نشان داد در پیش‌بینی شاخص‌های سختی، شکنندگی و قابلیت ارتجاعی روش ماشین بردار پشتیبان و در شاخص‌های چسبناکی، صمغی بودن و قابلیت جویدن، روش شبکه عصبی توانمندی بیشتری برای مدل‌سازی ویژگی های بافتی را دارا بودند، به طوری که ریشه میانگین مربعات خطا (RMSE) شاخص‌های سختی، شکنندگی، چسبناکی، قابلیت ارتجاعی، صمغی بودن و قابلیت جویدن به ترتیب برابر 114/0، 025/0، 015/0، 015/0، 044/0 و 171/0 و ضریب همبستگی آنها نیز به ترتیب برابر 993/0، 985/0، 992/0، 961/0، 995/0 و 995/0 است. بنابراین سامانه پیشنهادی غیرمخرب در ترکیب با روش‌های هوش مصنوعی به عنوان ابزاری غیرمخرب و کارآمد برای پایش و کنترل کیفیت در طول نگهداری فیله ماهی قزل‌آلا ارائه می‌شود.
توسعه و ارزیابی سامانه غیرمخرب تلفیقی امواج فراصوت، سنجش مقاومت و رنگ سنجی برای تعیین ویژگی‌های بافتی فیله ماهی قزل‌آلای رنگین کمان Oncorhynchus mykiss)) در طول دوره نگهداری در یخچال
حسن صفی یاری (Autor:in) / سید مهدی نصیری (Autor:in) / محمود ناصری (Autor:in) / مرضیه موسوی نسب (Autor:in) / عبدالعباس جعفری (Autor:in)
2021
Aufsatz (Zeitschrift)
Elektronische Ressource
Unbekannt
Metadata by DOAJ is licensed under CC BY-SA 1.0
| DOAJ | 2022
رویکرد اقتصادسنجی بیزینی برای تعیین عوامل موثر بر وضعیت سلامت در کشورهای در حال توسعه
| DOAJ | 2013
توسعه و ارزیابی سامانه طبقه بندی نخود بر اساس فناوری پردازش تصویر مرئی و شبکه عصبی مصنوعی
| DOAJ | 2022
اثر فرایند تخمیر و امواج مایکروویو بر ویژگی‌های فیزیکوشیمیایی سبوس گندم
| DOAJ | 2021
تصویربرداری فراطیفی فروسرخ نزدیک به منظور تخمین غیر مخرب pH سیب رددلیشز در دوره نگهداری
| DOAJ | 2022