تجزیه و تحلیل صدای حاصل از اعمال ضربه به میوه انار به منظور تعیین رسیدگی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی‌ زراعی و عمران روستایی، گروه مکانیک بیوسیستم، دانشگاه کشاورزی و منابع طبیعی رامین خوزستان

2 استادیار دانشگاه کشاورزی و منایع طبیعی رامین

3 گروه باغبانی، دانشگاه کشاورزی و منابع طبیعی رامین خوزستان

چکیده

یکی از آزمون‌های غیر مخرب توسعه یافته در تعیین رسیدگی میوه‌ها، تجزیه و تحلیل صدا و همچنین پردازش سیگنال حاصل از اعمال ضربه می‌باشد . لذا در این تحقیق به منظور ارزیابی کیفیت‌ و رسیدگی میوه انار یک سامانه ثبت پاسخ صوتی حاصل از ضربه توسعه یافت. بدین منظور صدای حاصل از ضربه150 عدد انار در سه مرحله رسیدگی (نارس، رسیده و بیش‌رس) ثبت گردید. برای ارزیابی کیفیت انار از میان ویژگی‌های مخرب میزان مواد جامد محلول، میزان اسیدیته، ویتامین ث، آنتوسیانین، فنل کل وpH اندازه‌گیری شدند؛ همچنین به منظور ثبت و استخراج ویژگی‌های صوتی (آزمون غیر مخرب)، جهت قرارگیری میکروفن نسبت به محل اعمال ضربه (پشت، کنار و زیر میوه) و درجه ضربه‌زن (5، 10 و 15 درجه) به عنوان متغیر مورد بررسی قرار گرفتند. به منظور طبقه‌بندی داده‌ها از الگوریتم درخت تصمیم‌گیری ترکیب شده با الگوریتم ژنتیک استفاده گردید. بر اساس آنالیز آماری که در سطح احتمال خطای %5 صورت گرفت مشخص گردید که؛ بهترین جهت قرارگیری میکروفن و زاویه ضربه‌زن به ترتیب قرارگیری میکروفن در کنار میوه و درجه ضربه زن 15 درجه می‌باشد. بر اساس نتایج طبقه‌بند، بیشترین و کمترین دقت به ترتیب %7/96 (در گروه رسیده)، 73% (در گروه بیش‌رس) و در نهایت دقت کلی %2/89 بدست آمد.

چکیده تصویری

تجزیه و تحلیل صدای حاصل از اعمال ضربه به میوه انار به منظور تعیین رسیدگی

تازه های تحقیق

  • از روش پردازش سیگنال و آنالیز صدا به منظور ارزیابی کیفیت­ و رسیدگی میوه انار استفاده شد.
  • جهت قرارگیری میکروفن نسبت به محل اعمال ضربه و درجه ضربه­زن به‌عنوان متغیر مورد بررسی قرار گرفتند.
  • به‌منظور طبقه­بندی داده­ها از الگوریتم درخت تصمیم­گیری  ترکیب شده با الگوریتم ژنتیک استفاده گردید.
  • بهترین جهت قرارگیری میکروفن در کنار میوه و زاویه ضربه­زن 15 درجه بود.
  • بیش‌ترین و کم‌ترین دقت طبقه­بندی به‌ترتیب %7/96 و 73%، و دقت کلی %2/89 به‌دست آمد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Analysis of the the impact response of pomegranate fruit to determine its maturity stage

نویسندگان [English]

  • Sulmaz Janati 1
  • Saman Abdanan Mehdizadeh 2
  • Mokhtar Heidari 3
1 Mechanics of Biosystems Engineering Department, Faculty of Agricultural Engineering and Rural Development, Ramin University of Agriculture and Natural Resources of Khuzestan.
2 Assistant Professor of Biosystems Engineering Department, Faculty of Agricultural Engineering and Rural Development, Agricultural Sciences and Natural Resources University of Khuzestan.
3 Associate Professor of Department of Horticulture, Faculty of Agriculture, Agricultural Sciences and Natural Resources University of Khuzestan.
چکیده [English]

One of the non-destructive tests developed for determining fruit maturity stage is the analysis of imapact fruit response of fruit . Therefore, in this study, in order to evaluate the quality and maturity stages of pomegranate fruit, a system for recording acoustic responses was developted. For this purpose, the acoustic response of 150 pomegranates in three maturity stages (immature, ripe, and over-ripe) was recorded. To evaluate the destructive properties, the total soluble solids, acidity, ascoric acid , anthocyanin, total phenol and pH were measured; Also, in order to record and extract the acoustic features (non-destructive test), positions of microphone (behind, next to and under the fruit), as well as the hitting angle (5, 10 and 15 degrees) were evaluated as variables. In order to classify the data, a decision tree classifier combined with the genetic algorithm was utilized. Based on the statistical analysis, it was determined that the best orientation of the microphone and the hitting angle were the placement of the microphone next to hitting ball and 15 degrees, respectivily. Based on the results of the classification, the highest, lowest and overall classification accuricy were 96.7% (in the ripe group), 73% (in the over-ripe group) and 89.2%, respectively.

کلیدواژه‌ها [English]

  • Pomegranate
  • Quality Parameters
  • Sound Analysis
  • Genetic Algorithm
  • Classification

مراجع

  1. Akbarpour, V., Hemmati, K.,& Sharifani, M. (2009). Physical and chemical properties of pomegranate (Punica granatum L.) fruit in maturation stage. Am Eurasian J Agric Environ Sci., 6, 411-416.
  2. FAO. (2015). Agricultural statistics. Available: www.fao.org.
  3. Fawole, O.A., Opara, U.L.,& Theron, K.I. (2011). Chemical and phytochemical properties and antioxidant activities of three pomegranate cultivars grown in South Africa. Food Bioprocess Technol., 5, 2934-2940.
  4. Paimard, F., Heidari, M., Daneshvar, M.H.,& Moalemi, N.A. (2014). Effect of Different Harvest Stage on Physical and Bio-chemical Characteristics of Pomegranate (Punica granatum L.) Fruit in Climatic Condition of ‘Baghmalek’ (Khuzestan Province). Journal of Horticulture Science, 28(1), 71-79. [In Persian]
  5. Maria, I., Gil, M.I., Slnchez, R., Marin, J.G.,& Artes, F. (1996). Quality changes in pomegranates during ripening and cold storage. Z Lebensm Unters Forch., 22, 481-485.
  6. Al-Maiman, S.A.,& Ahmad, D. (2002). Changes in physical and chemical properties during pomegranate (Punica granatum L.) fruit maturation. Food Chem., 76, 437-441.
  7. Camarena, F.,& Martinez-Mora, J.A. (2006). Potential of ultrasound to evaluate turgidity and hydration of the orange peel. J Food Eng., 75, 503–507.
  8. Butz, P., Hofmann, C.,& Tauscher, B. (2005). Recent developments in noninvasive techniques for fresh fruit and vegetable quality analysis. J Food Sci., 70, 131-141.
  9. Cheng, Y.,& Haugh, C.G. (1994). Detecting Hollow Heart in Potatoes Using Ultrasound. Trans ASAE., 37, 217-222.
  10. Jivanuwong, S. (1998). Nondestructive detection of hollow heart in potatoes using ultrasonics. M.Sc. Thesis in Biological Systems Engineering. Faculty of the Virginia Polytechnic Institute and State University.
  11. Self, G.K., Ordozgoiti, E., Povey, M.J.W.,& Wainwright, H. (1994). Ultrasonic evaluation of ripening avocado flesh. Postharvest Biol Technol., 4, 111-116.
  12. Garreton, L.G., Hernndez, Y.V., Vidal, C.L.,& Besnier, A.P. (2005). A Novel noninvasive ultrasonic method to assess avocado ripening. J Food Sci., 70, 187-191.
  13. Hurng, H.Y., Lu, F.M., Ay, C. (2007). Evaluating and modeling physiological tissue texture of mango immersed in water by using ultrasonics. E-journal – CIGR., 16, 1-13.
  14. Mizrach, A. (2007). Nondestructive ultrasonic monitoring of tomato quality during shelf-life storage. Postharvest Biol Technol., 46, 271–274.
  15. Kim, K.B., Jung, H.M., Kim, M.S.,& Kim, G.S. (2004). Evaluation of fruit firmness by ultrasonic measurement. Key Eng Mater., 270, 1049-1054.
  16. Memar.R., Minaei. S., & Khoshtaghaza. M.H. (2014). Quality analysis of pear fruit of shah miveh variety using nondestructive ultrasonic technique. Journal of agricultural machinery., 324-334. [In Persian]
  17. Mizrach, A., Schmilovitch, Z.,& Avidan, B. (2006). 858 A Maturity Measurements of Olive Fruits using Acoustic and Compression Methods. VDI BERICHTE., 1958, 603.‏
  18. De Belie, N., Schotte, S., Coucke, P.,&  De Baerdemaeker, J. (2000). Development of an automated monitoring device to quantify changes in firmness of apples during storage. Postharvest Biol Technol., 18, 1–8.
  19. Li, H.,  Pidakala, P., Billing, D.,& Burdon, J. (2016). Kiwifruit firmness: Measurement by penetrometer and non-destructive devices. Postharvest Biol Technol., 120, 127-137.
  20. De Ketelaere, B., Howarth, M.S., Crezee, L., Lammert , J., Viaene, K., Bulens, I.,& De Baerdemaeker, J. (2006).  Postharvest firmness changes as measured by acoustic and
    low-mass impact devices: a comparison of techniques. Postharvest Biol Technol., 41, 275–284. 
  21. Costa, F., Cappellin, L., Longhi, S., Guerra, W., Magnago, P., Porro, D., Soukoulis, C., Salvi, S., Velasco, R., Biasioli, F.,& Gasperi, F. (2011). Assessment of apple (Malus× domestica Borkh.) fruit texture by a combined acoustic-mechanical profiling strategy. Postharvest Biol Technol., 6, 21-28.
  22. Grimi, N., Mamouni, F., Lebovka, N., Vorobiev, E.,& Vaxelaire, J. (2010). Acoustic impulse response in apple tissues treated by pulsed electric field. Biosyst Eng journal., 105, 266-272.
  23. Corollaro, M. L., Gasperi, F. L.,& Grappadelli, L. C.(2014). An overview of sensory quality of apple fruit. J. Am. Pomol. Soc., 68, 141-157.
  24. Misiti, Y. M. (2002). Wavelet Toolbox for Use with Matlab., 1-934.
  25. Khazaee, M., Ahmadi, H., Omid, M., Banakar, A.,& Moosavian, A. (2013). Feature-level fusion based on wavelet transform and artificial neural network for fault diagnosis of planetary gearbox using acoustic and vibration signals. Insight Journal-Bindt., 55, 323-330.‏
  26. Abdanan Mehdizadeh, S.,& Soltani Kazemi, M. (2017). Development and evaluation of a strawberry sorting system using machine vision technique. JRMAM ., 6, 31-44. [In Persian]
  27. Eksi, A.,& Turkmen, I. (2011). Brix degree and sorbitol/xylitol level of authentic pomegranate (Punica granatum L.) juice. Food Chem., 127, 1404-1407.
  28. Fulki, T.,& Francis, F.J. (1968). Quantitative methods for anthocyanins. 1. Extraction and determination of total anthocyaninin cranberries. J Food Sci., 33, 72-77.
  29. Barakat, M.Z., Shahab, S.K., Darwin, N.,& Zahemy, E.I .(1993). Determination of ascorbic acid from plants. Anal. Biochem., 53, 225-245. 
  30. Davidson, S., Passmore, R.,& Brocks, J. A. (1972). Human Nutrition and Dieterics. Churchill, Livingstone, London 8th Edition AOAC 1980., 3, 746.
  31. Singleton, V.L., Joseph, A.,& Rossi, J.R. (1965). Colorometry of total phenolics with phosphomolybdic-phosphotungstic acid reagents. Am. J Enol Vitic., 16, 144–153.
  32. Nourain, J., Ying, Y., Wang, J.,& Rao, X. (2006). Firmness evaluation of melon using its vibration characteristic and finite element analysis. IJPTI., 1, 212-225.‏
  33. Ragni, L., Berardinelli, A.,& Guarnieri, A. (2010). Impact device for measuring the flesh firmness of kiwifruits. J Food Eng., 96, 591-597.
  34. Shmulevich, I., Galili, N.,& Howarth, M. S. (2003). Nondestructive dynamic testing of apples for firmness evaluation. Postharvest Biol Technol., 29, 287-299.‏
  35. Sugiyama, J., Katsurai, T., Hong, J., Koyama, H.,& Mikuriya, K. (1998). Melon ripeness monitoring by a portable firmness tester. ASAE., 41, 121-127.‏
  36. Corollaro, M.L., Aprea, E., Endrizzi, I., Betta, E., Dematte, M.L., Charles, M., Bergamaschi, M., Costa, F., Biasioli, F., Grappadelli, L.C.,& Gasperi, F. (2014). A combined sensory-instrumental tool for apple quality evaluation. Postharvest Biol Technol., 96, 135-144.
  37. Gomez, A. H., Pereira, A. G.,& Wang, J. (2006). Acoustic impulse response potential to measure mandarin fruit ripeness during storage. Rev. Cie. Téc. Agr., 15, 24-30.‏
  38. Diezma-Iglesias, B., Ruiz-Altisent, M.,& Barreiro, P. (2004). Detection of internal quality in seedless watermelon by acoustic impulse response. Biosyst Eng., 88, 221-230.‏
  39. Lashgari, M.,& Mohammadigol, R. (2016). Red delicious apple classification based on acoustic response changes during storage using discrete wavelet transform and artificial neyral networks. JRIFST., 303-314. [In Persian]
  1. Donoho, D. L.,& Johnstone, I. M. (1994). Ideal spatial adaptation by wavelet shrinkage. BIOMETRIKA., 81, 425-455.‏
  1. Bishop, C. M. (2006). Pattern recognition. Mach Learn., 128, 1-58.‏
  1. Shmulevich, I., Galili, N.,& Howarth, M. S. (2003). Nondestructive dynamic testing of apples for firmness evaluation. Postharvest Biol Technol., 29, 287-299.‏
فناوری‌های جدید در صنعت غذا
دوره 7، شماره 3
اردیبهشت 1399
صفحه 347-363

فایل ها

سابقه مقاله

  • تاریخ دریافت: 18 دی 1396
  • تاریخ بازنگری: 28 اسفند 1396
  • تاریخ پذیرش: 02 اردیبهشت 1397

هم رسانی

ارجاع به این مقاله

آمار