تشخيص رطوبت و درجه بريكس هويج با استفاده از طيف‌سنجي فروسرخ نزديك

Non-destructive determination of moisture content and brix value in carrot using Near infrared spectroscopy (NIRS)

هر چند براي تغييرات زياد در رطوبت محصول هويج امكان تشخيص و جداسازي آن با روش هاي ديگر همچون پردازش تصوير و يا به صورت دستي امكانپذير است ولي براي تغييرات كوچك در رطوبت و يا جداسازي بر اساس شيريني، روش طيف سنجي مي تواند گزينه مناسبتري باشد. در اين مطالعه 100 نمونه هويج به صورت تصادفي انتخاب و با استفاده از دستگاه اسپكتروفتومتري، مدلي براي تخمين رطوبت و شاخص بريكس ريشه ها تدوين گرديد. پيش پردازش اوليه طيف با استفاده از روش هاي تصحيح پراكنش افزاينده (MSC)، مشتق اول و مشتق دوم انجام گرفت. با روش حداقل مربعات جزئي (PLS) مدل مناسب تعيين گرديد و مقادير ضريب تعيين و ريشه ميانگين مربعات خطا براي داده هاي آزمون به ترتيب برابر با 0.92 و 1.13 براي تخمين رطوبت و 0.96 و 1.07 براي تخمين درجه بريكس به دست آمد. نتايج نشان داد كه طيف سنجي فروسرخ قابليت تخمين رطوبت و درجه بريكس ريشه ها را داشته و مي توان از آن براي درجه بندي محصول هويج استفاده كرد.

One of the most important ways to increase sales and marketability of the agricultural products is the classifying them according to the morphological characteristics and the internal quality. Water content and soluble solid content are two important quality factors of carrot. Although other ways such as image processing can be used for classifying, the spectroscopic method can be a better choice for measuring the internal quality than others. In this research optical method based on near infrared spectroscopy (900-1600 nm) has been used to determine moisture content and brix index in carrot. A total of 60 samples were used for the modeling, whereas 40 samples were used for the calibration set and 20 samples were used for prediction set. Four pre-processing methods, including average smoothing, multiplicative scatter correction (MSC), first and second derivatives, were applied to improve the predictive ability of the models. Then models were developed by partial least squares (PLS). The correlation coefficient (R2) and root mean square error of prediction (RMSEP) were 0.92 and 1.13 for moisture content, whereas 0.96 and 1.07 for SSC., respectively. The results show that NIR can be used as a rapid method to determine soluble solid content and moisture content in carrot.