شناسایی آسیب یخ‏زدگی میوه پرتقال رقم تامسون با استفاده از روش‏های طیف‌سنجی تبدیل فوریه-فروسرخ و تصویربرداری فراطیفی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیات علمی بخش تحقیقات فنی و مهندسی کشاورزی-مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی آذربایجان غربی - ارومیه - ایران

2 استادیار گروه مهندسی بیوسیستم-دانشکده کشاورزی- دانشگاه تبریز- تبریز- ایران

3 دانشیار موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

4 دانشیار بخش تحقیقات فنی و مهندسی کشاورزی-مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی آذربایجان غربی - ارومیه - ایران

چکیده

یخ‏زدگی از جمله آسیب‏های بسیار جدی برای میوه پرتقال محسوب می‏شود که طعم و کیفیت محصول را شدیداً تحت تأثیر قرار می‏دهد. تغییر طعم محصول حتی در فرآیندهای آبمیوه‏گیری می‏تواند سبب کاهش طعم آب‏میوه تولیدی شود. تشخیص این آسیب در هنگام ورود به بازار، از نظر تازه‏خوری و فرآوری می‏تواند نقش بسیار مهمی در بازارپسندی محصول داشته باشد. در این پژوهش، روش طیف‏سنجی تبدیل فوریه-فروسرخ (FT-IR) و تصویربرداری فراطیفی برای تشخیص یخ‏زدگی محصول پرتقال (رقم تامسون) مورد بررسی قرار گرفت. به منظور بررسی روش FT-IR ابتدا طیف‏ FT-IR مربوط به پوست 20 نمونه پرتقال سالم و یخ‏زده اخذ شد. در روش تصویربرداری فراطیفی از 18 نمونه پرتقال سالم و یخ‏زده تصاویر طیفی اخذ شد. به‏منظور تفکیک پرتقال‌های سالم از یخ‌زده بر پایه داده‏های هر دو روش پس از اعمال روش‏های مختلف پیش‏پردازش، طبقه‏بندی به روش آنالیز تفکیک خطی (LDA) انجام شد. یافته‏های این پژوهش، نشان داد که پس‏از یخ‏زدگی پیک‏های موجود در طیف FT-IR، در نواحی cm-1 400 تا تقریباً cm-1 1500 دچار تغییر اساسی ‌شدند و شدت این پیک‏ها شدیداً کاهش ‌یافت. همچنین با اعمال روش‌های پیش‌پردازش فیلتر میانه و توزیع نرمال استاندارد (MF+SNV) روی داده‏های طیف‏سنجی FT-IR می‏توان با صحت بالا (100درصد آموزش و 92 درصد ارزیابی) یخ‏زدگی و عدم یخ‏زدگی میوه پرتقال را تشخیص داد. نتایج حاصل از روش تصویربرداری فراطیفی نشان داد که با اعمال روش‌ پیش‌پردازش از نوع هموارسازی می‏توان با صحت خوب (67/91 درصد آموزش و 75 درصد ارزیابی) یخ‏زدگی و عدم یخ‏زدگی میوه پرتقال را تشخیص داد. به‏طورکلی روش طیف‏سنجی FT-IR دارای دقت بیشتری است و می‏تواند در بررسی نمونه‏هایی از پوست میوه پرتقال قادر به تشخیص یخ‏زدگی و عدم یخ‏زدگی باشد. با این حال، اگر عدم تخریب نمونه مد نظر باشد، استفاده از روش تصویربرداری فراطیفی برای تشخیص یخ‌زدگی پرتقال پیشنهاد می‌شود.

چکیده تصویری

شناسایی آسیب یخ‏زدگی میوه پرتقال رقم تامسون با استفاده از روش‏های طیف‌سنجی تبدیل فوریه-فروسرخ و تصویربرداری فراطیفی

تازه های تحقیق

  • با پیش‌پردازش MF+SNV روی داده‏های طیف‏سنجی تبدیل فوریه- فروسرخ و با روش مدلسازی LDA می‏توان یخ‏زدگی پرتقال را با صحت 92 درصد پیش‌بینی کرد.
  • در تصویربرداری فراطیفی با مدلسازی LDA مبتنی بر پیش‌پردازش هموارسازی، یخ زدگی پرتقال با صحت 75 درصد تشخیص داده شد.
  • نتایج نشان داد که روش طیف‏سنجی تبدیل فوریه فروسرخ برای تشخیص پرتقال یخ‏زده نسبت به روش تصویربرداری فراطیفی دارای صحت بالاتری است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Detection of freezing of Thomson variety orange fruit using Fourier transform-infrared spectroscopy and hyperspectral imaging methods

نویسندگان [English]

  • Karim Gerami 1
  • Hossein Behfar 2
  • Bahareh Jamshidi 3
  • Shahin Zomorodi 4
1 Member of the academic staff of the Agricultural Engineering and Technical Research Department - Agricultural and Natural Resources Research and Education Center of West Azarbaijan - Urmia - Iran
2 Assistant Professor of Department of Biosystem Engineering- Faculty of Agriculture- University of Tabriz- Tabriz-Iran
3 Associate Professor, Agricultural Engineering Research Institute, Agricultural Research Education and Extension Organization (AREEO), Karaj, Iran
4 Associate Professor of Agricultural Engineering and Technical Research Department - Center for Research and Education of Agriculture and Natural Resources of West Azarbaijan - Urmia - Iran
چکیده [English]

Detection of oranges freezing when entering the consumer market, both from the point of view of freshness and processing, can play a very important role in the marketability of the final product.

In this study, The freezing and non-freezing of orange fruit has been investigated using Fourier transform-infrared (FT-IR) spectroscopy and hyperspectral imaging First, the FT-IR spectrum of the skin of 20 healthy and freezing orange samples was obtained. Also, in the hyperspectral imaging method, images and spectra were obtained from 18 healthy and frozen orange samples using the system made by the company of the Physic Technologists. In order to further investigate the FT-IR and hyperspectral imaging data, linear discriminant analysis (LDA) was performed after applying different pre-processing methods to classify healthy and frozen oranges. The results of this research showed that after freezing, the peaks in the FT-IR spectrum, in the regions of 400 cm-1 to approximately 1500 cm-1, have undergone a fundamental change, and the intensity of these peaks has been greatly reduced. This shows the fundamental changes in orange peel samples due to freezing. The results showed that by applying the MF+SNV preprocessing method on spectroscopic data, it is possible to detect the freezing and non-freezing of orange fruit with high accuracy (accuracy for classification 92%). Moreover, the results for the hyperspectral imaging method showed that by applying the smoothing pre-processing methods, it is possible to detect the freezing and non-freezing oranges with good accuracy (accuracy for classification 75%).In general, the results showed that the FT-IR spectroscopic method has a higher accuracy and can detect freezing and non-freezing in orange peel samples. However, it is recommended to use the hyperspectral imaging to detect orange freezing if the non-destructive assessment of the sample is considered.

کلیدواژه‌ها [English]

  • Linear discriminant analysis
  • Orange
  • Fourier transform-infrared
  • Hyperspectral imaging
  • Spectroscopy
  • Freezing

مراجع

[1] FAO (Food Agriculture Organization). Citrus Fruit Statistical Compendium, (2021). URL https://www. fao.org/3/cb6492en/.pdf
[2] Tajvar, Y., Ghasemi, Y., & Fifaei, R. (2014). Cold stress and control methods in citrus. Ramsar, Iran: Iran Citrus Res. Inst. Public. Comm., [In Persian] 214 
[3] Hashempour, A., Tajvar, Y., SheikhAshkevari, A., Ebadi, H., FatahiMoghadam, J., FaghihNasiri, M., & Golmohammadi, M. (2017). Evaluation of cold and frost damage in citrus and kiwifruit of Mazandaran province citrus. Ramsar, I.R. Iran: Iran Citrus Res. Inst. Public. Comm., [In Persian].
[4] Feridoni, H., (2016). Methods of dealing with frost in fruit tree orchards. I.R. Iran:Golestan Agri. Nat. Res. Educ. Cent., (In Persian) [5] Gambhir, P.N., Choi, Y.J., Slaughter, D.C., Thompson, J. F. & McCarthy, M.J. (2005). Proton spin–spin relaxation time of peel and flesh of navel orange varieties exposed to freezing temperature. J. Sci. Food Agric., 85, 2482-2486.
[6] Moomkesh, SH., Mireei, S.A., Sadeghi, M., & Nazeri, M. (2017). Non-destructive prediction of quality parameters of sweet lemon (Citrus limetta) by Vis/SWNIR spectroscopy. Iran. J. Biosyst. Eng., 47, 603-613. (In Persian).
[7] Rahmanian, A., Mireei, S.A., Sadri, S., Gholami, M. and Nazeri, M. (2020). Application of biospeckle laser imaging for early detection of chilling and freezing disorders in orange. Postharvest Bio. Technol., 162, 111118.
[8] Buta, J.G., Qi, L. & Wang, C.Y. (1997). Fourier transform infrared spectra of zucchini squash stored at chilling or non-chilling temperatures. Environ. Exp. Bot., 38, 1-6.
[9] Sherazi, S.T.H., Bhutto, A.A. Mahesar, S.A. & Bhanger, M.I. (2017). Application of fouriertransform infrared (ft-ir) spectroscopy for determination of total phenolics of freeze-dried lemon juices. J. Chem. Soc. Pakistan., 39(6), 955-961.
[10] Oldenhof, H., Akhoondi, M., Sieme, H. & Wolkers, W. (2013). Use of Fourier transform infrared spectroscopy to determine optimal cooling rates for cryopreservation of cells. Biomed. Spectrosc. Imaging, 2(2), 83-90.
[11] Wolkers, W.F. & Oldenhof, H. (2015). Use of in situ Fourier transform infrared spectroscopy to study freezing and drying of cells. W.F. Wolkers, & H. Oldenhof, Cryopreservation and Freeze-Drying Protocols (pp.147-161). Springer Science+Business Media New York.
[12] Rahi, S., Mobli, H., Jamshidi, B., Azizi, A., & Sharifi, M. (2020). Microbial contamination assessment of lettuce using NIR hyperspectral imaging: case study on escherichia coli. Iran J Biosyst Eng, 51(3), 599-610. (In Persian).
[13] Kheiralipour, K., Ahmadi, H., Rajabipour, A., Rafiee, S., Javan-Nikkhah, M., Jayas, D., & Siliveru, K. (2016). Detection of fungal infection in pistachio kernel by long-wave near-infrared hyperspectral imaging technique. Qual. Assu.r Saf. Crop. Food, 8 (1), 129 - 135.
[14] Nunes, A., Martins, J., Barros, A.S., GalvisSánchez, A.C. & Delgadillo, I. (2009). Estimation of olive oil acidity using FT-IR and partial least squares regression. Sen. Instrum. Food Qual. Saf., 3 (3), 187- 191.
[15] Ebadi, H., gholamian, E., FatahiMoghaddam, J., Golein,B., GolMohammadi, M., & Moradi, B. ( 2019). Guide to planting, growing, harvesting and supply of citrus fruits. I.R. Iran Agric. Educ. Promote. Public., (In Persian).
[16] Jamshidi, B., Minaei, S., Mohajerani, E. & Ghassemian, H. (2014). Effect of spectral preprocessing methods on non-destructive quality assessment of oranges using NIRS. J. Agric. Eng. Res., 15(2), 44-27. (In Persian).
[17] Yang, H., Yan, R., Chen, H., Lee, D.H. & Zheng, C. (2007). Characteristics of hemicellulose, cellulose and lignin pyrolysis. Fuel, 86 (12-13), 1781-1788.
[18] McKendry, P. (2002). Energy production from biomass (part 1): overview of biomass. Bioresour.Technol., 83, 37-46.
[19] Demirbaş, A. (2000). Mechanisms of liquefaction and pyrolysis reactions of biomass. Energy Convers. Manag., 41, 633-646.
[20] Zapata, B., Balmaseda, J, Fregoso-Israel, E. & Torres-Garcia, E. (2009). Thermo-kinetics study of orange peel in air. J. Therm. Anal. Calorim., 98, 309- 315.
[21] Chaudhari, A. (2016). Nitrobenzene oxidation for isolation of value-added products from industrial waste lignin. J. Chem. Biolo. Physic. Sci., 6, 501-513.
[22] Mohamed, S.E., Khalifi, M.G., Sayed, S.A., Kamel, A.M., & Shalabi, M. (2009). Removal of lignin from pulp waste water's black liquor via bypass cement dust. Eurasian. Chem-Technol. J, 11, 51- 59.
[23] Rafiei, M. & Rajabi, H., (2017). Differentiation of essential oil cavities in developing lemon (Citrus limon (L.) Burm. F.) flower and fruit. IR. Iran. Iran J. Plant Biol., 3(8), 59-68. (In Persian).
فناوری‌های جدید در صنعت غذا
دوره 10، شماره 3
اردیبهشت 1402
صفحه 203-214

فایل ها

سابقه مقاله

  • تاریخ دریافت: 16 بهمن 1401
  • تاریخ بازنگری: 28 فروردین 1402
  • تاریخ پذیرش: 04 اردیبهشت 1402
  • تاریخ اولین انتشار: 04 اردیبهشت 1402

اشتراک گذاری

ارجاع به این مقاله

آمار