کاربرد منطق فازی و سیستم استنتاج تطبیقی عصبی- فازی جهت پیش‌بینی تغییرات فیزیکی‌ و شیمیایی و طبقه‌بندی کیفی لیموشیرین پوشش‌دار طی مدت نگه‌داری

نشریه پژوهشهای علوم و صنایع غذایی ایران

مقاله 10، دوره 17، شماره 2 - شماره پیاپی 68، خرداد و تیر 1400، صفحه 339-351   

نوع مقاله: مقاله پژوهشی فارسی

شناسه دیجیتال (DOI): 10.22067/ifstrj.2020.39277

نویسندگان

محسن زندی^* ؛ علی گنجلو؛ ماندانا بی مکر؛ نرگس نیکومنش؛ نگار مرادی

گروه علوم و مهندسی صنایع غذایی، دانشگاه زنجان، زنجان، ایران.

چکیده

در پژوهش حاضر با بهره‌گیری از منطق فازی و با کمک روش حداکثری-حداقلی ممدانی و یکی از توابع عضویت مثلثی، گوسی و ذوزنقه‌ای برای طبقه‌بندی کیفی لیموشیرین پوشش‌دهی‌شده با بهره‌گیری از دو الگوریتم، یکی با پنج ورودی (سفتی بافت، مواد جامد محلول، درصد رنگ سبز، حجم و رنگ پوست) و دیگری با سه ورودی حاصل از تصویر (درصد رنگ سبز، حجم و رنگ پوست) استفاده گردید. برای پیش‌بینی خصوصیات کیفی (سفتی و شاخص رسیدگی) نیز از سیستم ممدانی و تــوابع عضـویت مطلوب مثلثی، ذوزنقه‌ای، زنگوله‌ای و گوسی با کمک سه ورودی (یعنی زمان نگهداری، زاویه رنگ و حجم) استفاده شد. نتایج نشان داد که میانگین دقت الگوریتم طبقه‌بندی برای توابع عضویت گوسی، مثلثی و ذوزنقه‌ای به‌ترتیب 975/0، 931/0 و 960/0 بود. نکته مهم دیگر این که مدل بر مبنای شاخص‌های استخراجی از تصویر نیز عملکرد بسیار خوبی داشت (صحت بالاتر از 966/0). مشخص شد که بهترین پیش‌بینی برای شاخص رسیدگی و سفتی بافت به‌ترتیب با مدل منطق فازی با توابع عضویت مثلثی (ضریب تبیین برابر 9996/0) و گوسی (ضریب تبیین برابر 9992/0) قابل‌دستیابی است. نتایج حاصل از تجزیه ‌و ‌تحلیل میزان حساسیت نشان داد که زمان نگهداری بیشترین تأثیر را هم بر شاخص رسیدگی و هم بر سفتی سطحی لیموشیرین دارد. درنهایت می‌توان گفت که سیستم استنتاج عصبی-فازی عملکرد قابل‌قبولی در طبقه‌بندی کیفی و پیش‌بینی خصوصیات فیزیکی‌ و شیمیایی لیموشیرین برخوردار است و با توجه به استفاده از خصیصه‌های استخراجی از تصاویر، به‌عنوان روش غیرمخرب در سردخانه‌ها قابل‌استفاده است.

کلیدواژه‌ها

منطق فازی؛ لیموشیرین؛ سیستم ممدانی؛ سیستم استنتاج عصبی-فازی؛ طبقه‌بندی

مراجع

Abbaspour‐Gilandeh, Y. and A. Jahanbakhshi and M. Kaveh. 2020. Prediction kinetic, energy and exergy of quince under hot air dryer using ANNs and ANFIS. Food Science & Nutrition 8: 594-611.

Al-Mahasneh, M., M. Aljarrah, T. Rababah and M. Alu’datt. 2016. Application of hybrid neural fuzzy system (ANFIS) in food processing and technology. Food Engineering Reviews 8: 351-366.

Askari, G. and A. Karaminia and M. Mousavi. 2019. Development of novel active coating from Sagez and Sagez-Zein to increase the shelf life of sweet lemon (Citrus limetta). Journal of Food and Bioprocess Engineering 3: 47-54.

Bahram-Parvar, M. and F. Salehi and S. M. Razavi. 2017. Adaptive neuro-fuzzy inference system (ANFIS) simulation for predicting overall acceptability of ice cream. Engineering in Agriculture, Environment and Food 10: 79-86.

Banakar, A., H. Zareiforoush, M. Baigvand, M. Montazeri, J. Khodaei and N. Behroozi‐Khazaei. 2017. Combined application of decision tree and fuzzy logic techniques for intelligent grading of dried figs. Journal of food process Engineering 40: e12456.

Barreca, D., E. Bellocco, C. Caristi, U. Leuzzi and G. Gattuso. 2011. Flavonoid profile and radical-scavenging activity of Mediterranean sweet lemon (Citrus limetta Risso) juice. Food Chemistry 129: 417-422.

Birle, S. and M. Hussein and T. Becker. 2013. Fuzzy logic control and soft sensing applications in food and beverage processes. Food Control 29: 254-269.

Chen, H. and Z. Sun and H. Yang. 2019. Effect of carnauba wax-based coating containing glycerol monolaurate on the quality maintenance and shelf-life of Indian jujube (Zizyphus mauritiana Lamk.) fruit during storage. Scientia horticulturae 244: 157-164.

Chung, D.-H., S.-H. Kim, N. Myung, K. J. Cho and M.-J. Chang. 2012. The antihypertensive effect of ethyl acetate extract of radish leaves in spontaneously hypertensive rats. Nutrition Research and Practice 6: 308-314.

Fashi, M. and L. Naderloo and H. Javadikia. 2019. The relationship between the appearance of pomegranate fruit and color and size of arils based on image processing. Postharvest Biology and Technology 154: 52-57.

Gavahian, M., A. Farahnaky, K. Javidnia and M. Majzoobi. 2013. A novel technology for extraction of essential oil from Myrtus communis: ohmic-assisted hydrodistillation. Journal of Essential Oil Research 25: 257-266.

Gharibi, H., A. H. Mahvi, R. Nabizadeh, H. Arabalibeik, M. Yunesian and M. H. Sowlat. 2012. A novel approach in water quality assessment based on fuzzy logic. Journal of Environmental Management 112: 87-95.

Goel, N. and P. Sehgal. 2015. Fuzzy classification of pre-harvest tomatoes for ripeness estimation–An approach based on automatic rule learning using decision tree. Applied Soft Computing 36: 45-56.

International, A. 2006. Official methods of analysis: AOAC Int Arlington, VA.

Iraji, M. S. and A. Tosinia. 2011. Classification tomatoes on machine vision with fuzzy the mamdani inference, adaptive neuro fuzzy inference system based (anfis-sugeno). Australian Journal of Basic and Applied Sciences 5: 846-853.

Jafari, S. M., M. Ganje, D. Dehnad and V. Ghanbari. 2016. Mathematical, fuzzy logic and artificial neural network modeling techniques to predict drying kinetics of onion. Journal of Food Processing and Preservation 40: 329-339.

Kaveh, M., Y. Abbaspour-Gilandeh, R. Amiri Chayjan and R. Mohammadigol. 2018. Comparison of mathematical modeling, artificial neural networks and fuzzy logic in predicting the moisture ratio of garlic and shallot in a fluidized bed dryer (In Persian). Journal of Agricultural Machinery.

Kingwascharapong, P., K. Arisa, S. Karnjanapratum, F. Tanaka and F. Tanaka. 2020. Effect of gelatin-based coating containing frog skin oil on the quality of persimmon and its characteristics. Scientia Horticulturae 260: 108864.

Klangmuang, P. and R. Sothornvit. 2018. Active coating from hydroxypropyl methylcellulose-based nanocomposite incorporated with Thai essential oils on mango (cv. Namdokmai Sithong). Food Bioscience 23: 9-15.

Ligus, M. and P. Peternek. 2018. Determination of most suitable low-emission energy technologies development in Poland using integrated fuzzy AHP-TOPSIS method. Energy Procedia 153: 101-106.

Maftoonazad, N. and H. S. Ramaswamy. 2019. Application and Evaluation of a Pectin-Based Edible Coating Process for Quality Change Kinetics and Shelf-Life Extension of Lime Fruit (Citrus aurantifolium). Coatings 9: 285-294.

Morsy, N. E. and A. M. Rayan. 2019. Effect of different edible coatings on biochemical quality and shelf life of apricots (Prunus armenica L. cv Canino). Journal of Food Measurement and Characterization 13: 3173-3182.

Nadian, M. H., M. H. Abbaspour-Fard, A. Martynenko and M. R. Golzarian. 2017. An intelligent integrated control of hybrid hot air-infrared dryer based on fuzzy logic and computer vision system. Computers and Electronics in Agriculture 137: 138-149.

Papageorgiou, E. I., K. Aggelopoulou, T. A. Gemtos and G. Nanos. 2018. Development and evaluation of a fuzzy inference system and a neuro-fuzzy inference system for grading apple quality. Applied Artificial Intelligence 32: 253-280.

Rad, S. J., M. Kaveh, V. R. Sharabiani and E. Taghinezhad. 2018. Fuzzy logic, artificial neural network and mathematical model for prediction of white mulberry drying kinetics. Heat and Mass Transfer 54: 3361-3374.

Sabbaghi, H. and A. M. Ziaiifar and M. Kashaninejad. 2019. Design of Fuzzy System for Sensory Evaluation of Dried Apple Slices Using Infrared Radiation. Iranian journal of Biosystem Engineering 50: 77-89.

Sakthivel, G. and D. Saravanakumar and T. Muthuramalingam. 2018. Application of failure mode and effect analysis in manufacturing industry-an integrated approach with FAHP-fuzzy TOPSIS and FAHP-fuzzy VIKOR. International Journal of Productivity and Quality Management 24: 398-423.

Sung, N.-Y., W.-Y. Park, Y.-E. Kim, E.-J. Cho, H. Song, H.-K. Jun, J.-N. Park, M.-H. Kim, G.-H. Ryu and E.-H. Byun. 2016. Increase in anti-oxidant components and reduction of off-flavors on radish leaf extracts by extrusion process. Journal of the Korean Society of Food Science and Nutrition 45: 1769-1775.

Vélez-Rivera, N., J. Blasco, J. Chanona-Pérez, G. Calderón-Domínguez, M. de Jesús Perea-Flores, I. Arzate-Vázquez, S. Cubero and R. Farrera-Rebollo. 2014. Computer vision system applied to classification of “manila” mangoes during ripening process. Food and Bioprocess Technology 7: 1183-1194.

Yan, J., Z. Luo, Z. Ban, H. Lu, D. Li, D. Yang, M. S. Aghdam and L. Li. 2019. The effect of the layer-by-layer (LBL) edible coating on strawberry quality and metabolites during storage. Postharvest Biology and Technology 147: 29-38.

Zadeh, L. A. 1965. Fuzzy sets. Information and control 8: 338-353.