امکان سنجی قابلیت طیف سنجی مرئی/ فروسرخ نزدیک (Vis/NIR) در طبقه بندی نمونه های لیموترش طی دوره انبارمانی با روش های شناسایی PCA، LDA و SVM

امروزه روند افزایشی ضایعات مواد غذایی و محصولات کشاورزی یکی از چالش های جدی اکثر کشورها، به ویژه کشورهای در حال توسعه محسوب می شود لذا یکی از سیاست های جدی دولت ها در امر امنیت مواد غذایی، کاهش ضایعات و حفظ کیفیت محصولات کشاورزی است. تاکنون از روش های متعددی برای سنجش کیفیت محصولات کشاورزی استفاده شده است که تنها برخی از آنها از لحاظ فنی و صنعتی توجیه پذیرند. روش طیف سنجی مرئی/ مادون قرمز نزدیک (Vis/NIR) از جمله روش هایی است که به دلیل سرعت و دقت بالا در ارزیابی خصوصیات کیفی محصولات کشاورزی مورد توجه و استفاده قرار گرفته است. در این راستا، در پژوهش حاضر از طیف سنجی مرئی/ فروسرخ نزدیک به منظور سنجش تغییرات کیفی و طبقه بندی نمونه های لیموترش واریته کی لایم، طی دوره انبارمانی (۱۰، ۲۰ و ۳۰ روز) استفاده گردید. در ادامه به منظور تحلیل ویژگی های کیفی و طبقه بندی داده های مستخرج از NIR، از روش های شناسایی الگو شامل تحلیل مولفه های اصلی (PCA)، تحلیل تفکیک خطی (LDA) و ماشین بردار پشتیبان (SVM) استفاده شد. نتایج بدست آمده نشان داد که طیف­سنجی مرئی/ فروسرخ نزدیک (Vis/NIR) قادر به تفکیک نمونه­های لیموترش بر اساس مدت زمان نگهداری در انبار است. هرچند روش­های PCA، LDA و SVM توانستند با دقت خوبی نمونه­های لیموترش را با توجه به ویژگی های کیفی دسته­بندی کنند، اما روش های LDA و SVM با دقت ۱۰۰% از دقت و برازش مطلوب تری برخوردار بودند. همچنین، طبق نتایج، تابع درجه ۲، به عنوان بهترین تابع برای ساخت مدلهای دسته­بندی به روش های LDA و SVM تعیین و معرفی گردیده است.