CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

USE OF HYPERSPECTRAL IMAGE ANALYSIS AND ARTIFICIAL NEURAL NETWORK TO PREDICT QUALITY CHANGES IN COATED AND UNCOATED AVOCADOS DURING STORAGE AT DIFFERENT TEMPERATURES

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۸۱۱ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: NCFOODI18_036
زبان مقاله: انگلیسی
حجم فایل: ۷۴.۱۸ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۶ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله USE OF HYPERSPECTRAL IMAGE ANALYSIS AND ARTIFICIAL NEURAL NETWORK TO PREDICT QUALITY CHANGES IN COATED AND UNCOATED AVOCADOS DURING STORAGE AT DIFFERENT TEMPERATURES

n Maftoonazad - Department of Agriculture Engineering, Research Center of Agriculture and Natural Resources, Zarghan, Fars, Iran,
y Karimi - Department of Food Science, McGill University, Macdonald Campus,21,111 Lakeshore Ste-Anne-de-Bellevue
H. S. Ramaswamy - Department of Food Science, McGill University, Macdonald Campus,21,111 Lakeshore Ste-Anne-de-Bellevue
S.O Prasher - Department of Food Science, McGill University, Macdonald Campus,21,111 Lakeshore Ste-Anne-de-Bellevue

چکیده مقاله:

Hyperspectral observation were performed to characterize spectral features and Artificial Neural Network (ANN) models were used for predicting quality changes in coated and non-coated avocados during storage at different temperature. Avocados werecoated using a pectin-based coating and stored at different temperatures (10,15, 20ºC), along with control samples. At different intervals, avocados were removed from storage and respiration rate, total color difference, texture and weight loss were measured.The most effective spectral data were chosen by Principal Component Analysis to design multilayer neural network models forprediction of respiration quality parameters. The optimal configuration of neural network model was obtained by varying the main parameters of ANN: transfer function, learning rule, number of neurons and layers, and learning runs. Results indicated thatcompared to conventional mathematical models, ANN has more feasibility to predict of quality changes in avocado fruits. Models developed for firmness, weight loss and total color difference had better fitness than respiration rate

کلیدواژه‌ها:

Avocado, pectin-based edible coating, texture, total color difference, respiration rate, weight loss, hyper spectral image analysis, Artificial neural Network

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCFOODI18-NCFOODI18_036.html
کد COI مقاله: NCFOODI18_036

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Maftoonazad, n; y Karimi; H. S. Ramaswamy & S.O Prasher, ۱۳۸۷, USE OF HYPERSPECTRAL IMAGE ANALYSIS AND ARTIFICIAL NEURAL NETWORK TO PREDICT QUALITY CHANGES IN COATED AND UNCOATED AVOCADOS DURING STORAGE AT DIFFERENT TEMPERATURES, هجدهمین کنگره ملی علوم و صنایع غذایی, مشهد, پژوهشکده علوم و صنایع غذایی خراسان رضوی, https://www.civilica.com/Paper-NCFOODI18-NCFOODI18_036.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Maftoonazad, n; y Karimi; H. S. Ramaswamy & S.O Prasher, ۱۳۸۷)
برای بار دوم به بعد: (Maftoonazad; Karimi; Ramaswamy & Prasher, ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Yahia, E.M. and G. Gonzalez -Aguilar. (1998). Use of passive ...
  • Mehl, P., K. Chao, M. Kim, and Y. R. Chen, ...
  • Chen, Y. R., B. Park, , R. W. vHuffmanand M. ...
  • Cybenco, G. 1989. Appro ximations by S up erimpositions of ...
  • Chen, C. R., H. S. Ramaswamy. 2000. Neural computing approach ...
  • Chen, C. R. H S. Ramaswamy, and I. Alli. 2001. ...
  • 4 8 12 16 20 24 28 32 36 Iime ...
  • 4 8 12 16 20 24 28 32 36 Iime ...
  • 12 16 20 24 28 Time (days) ...
  • 12 16 20 24 28 Iime (days) ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.