[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
.
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
IFRAME

..
:: دوره 15، شماره 1 - ( بهار 1399 ) ::
جلد 15 شماره 1 صفحات 122-113 برگشت به فهرست نسخه ها
تعیین غیرتخریبی بازهای ازته فرار کل (TVB-N) توسط تصاویر ابرطیفی در ماهی گوازیوم دم‌رشته‌ای (Nemipterus japonicus)
سارا خشنودی نیا ، مرضیه موسوی نسب*
دانشگاه شیراز ، marzieh.moosavi-nasab@mail.mcgill.ca
چکیده:   (2985 مشاهده)
سابقه و هدف: با توجه به اهمیت ارزیابی کیفی آبزیان از صید تا مصرف، روش‌های سریع و غیرتخریبی برآورد فساد در صنعت شیلات مهم هستند. هدف این مطالعه بررسی پتانسیل به‌کارگیری تصاویر ابرطیفی (nm 430-1010HSI: ) برای پیش‌بینی بازهای ازته‌ی فرار کل
(
TVB-N) در فیله‌ی گوازیوم دم‌رشته‌ای (Nemipterus japonicus) به عنوان ماهی آب شور است.
مواد و روشها: فساد فیله‌های ماهی طی 8 روز نگهداری در دمای یخچال (°C 2±4) مورد بررسی قرار گرفت. ابتدا، داده‌های مربوط به تصاویر ابرطیفی و TVB-N فیله‌های ماهی در آزمایشگاه حاصل شد. مدل اولیه‌ی پیش‌بینی این شاخص بر پایه‌ی شبکه‌ی مصنوعی عصبی پس‌انتشار خطا (BP-ANN) تشکیل شد. برای ساده کردن مدل، 10 طول موج به روش ضریب-رگرسیون (RC) انتخاب شد و مدل‌های رگرسیون خطی-چندگانه (MLR) و BP-ANN بر پایه‌ی طول موج‌های برگزیده پیاده‌سازی شدند.
یافتهها: در طیف کامل طول موج، مدل‌ BP-ANN قدرت پیش‌بینی نسبتاً ضعیفی را نشان داد (76/0=R2P و 45/4=RMSEP). بعد از انتخاب 10 طول موج، توانایی مدل‌های ساده‌ شده بهتر از مدل مبتنی بر طیف کامل بود. قدرت پیش‌بینی مدل ساده‌ BP-ANN بالاتر از MLR بود (820/0=R2P(RC-BP-ANN) و 79/3=RMSEPRC-BP-ANN؛ 794/0=R2P(RC-MLR) و 25/4=RMSEPRC-MLR). بنابراین RC-BP-ANN عملکرد خوبی را در پیش‌بینی شاخص TVB-N نشان داد (90/0 R2P 82/0).
نتیجه گیری: اگرچه مدل چندطیفی ساده‌ی توسعه‌یافته بر پایه‌ی مدل BP-ANN نتایج امیدوارکننده‌ای را در پیش‌بینی مقادیر TVB-N فیله‌ی ماهی گوازیوم دم‌رشته‌ای نشان داد. اما، مدل پایه‌ریزی‌شده قدرت پیش‌بینی قوی را در طول دوره‌ی نگهداری نشان نداد. بنابراین مطالعات بیش‌تری به منظور بهبود قدرت پیش‌بینی و کاربری روش HSI برای برآورد TVB-N در ماهی گوازیوم دم‌رشته‌ای نیاز است.
واژه‌های کلیدی: انتخاب متغیر، بازهای ازته فرار کل، تحلیل شیمی‌سنجی، تصاویر ابرطیفی، ماهی گوازیوم دم رشته‌ای
متن کامل [PDF 791 kb]   (1548 دریافت)    
نوع مقاله: پژوهشي | موضوع مقاله: صنايع غذايي
دریافت: 1398/1/23 | پذیرش: 1398/7/24 | انتشار: 1399/1/6
فهرست منابع
1. Cheng J-H, Sun D-W. Hyperspectral imaging as an effective tool for quality analysis and control of fish and other seafoods: current research and potential applications. Trends Food Sci Tech. 2014;37(2):78-91. [DOI:10.1016/j.tifs.2014.03.006]
2. Folkestad A, Wold JP, Rørvik K-A, Tschudi J, Haugholt KH, Kolstad K, et al. Rapid and non-invasive measurements of fat and pigment concentrations in live and slaughtered Atlantic salmon (Salmo salar L.). Aquac. 2008;280(1-4):129-35. [DOI:10.1016/j.aquaculture.2008.04.037]
3. Pena EA, Ridley LM, Murphy WR, Sowa JR, Bentivegna CS. Detection of polycyclic aromatic hydrocarbons (PAHs) in raw menhaden fish oil using fluorescence spectroscopy: Method development. Environ Toxicol Chem. 2015;34(9):1946-58. [DOI:10.1002/etc.3015]
4. Hu J, Li D, Duan Q, Han Y, Chen G, Si X. Fish species classification by color, texture and multi-class support vector machine using computer vision. Comput Electron Agric. 2012;88:133-40. [DOI:10.1016/j.compag.2012.07.008]
5. Shi C, Qian J, Han S, Fan B, Yang X, Wu X. Developing a machine vision system for simultaneous prediction of freshness indicators based on tilapia (Oreochromis niloticus) pupil and gill color during storage at 4° C. Food Chem. 2018;243:134-40. [DOI:10.1016/j.foodchem.2017.09.047]
6. Dai Q, Cheng J-H, Sun D-W, Zeng X-A. Advances in feature selection methods for hyperspectral image processing in food industry applications: a review. Crit Rev Food Sci Nutr. 2015;55(10):1368-82. [DOI:10.1080/10408398.2013.871692]
7. Cheng J-H, Sun D-W, Qu J-H, Pu H-B, Zhang X-C, Song Z, et al. Developing a multispectral imaging for simultaneous prediction of freshness indicators during chemical spoilage of grass carp fish fillet. J Food Eng. 2016;182:9-17. [DOI:10.1016/j.jfoodeng.2016.02.004]
8. Cheng J-H, Sun D-W. Rapid and non-invasive detection of fish microbial spoilage by visible and near infrared hyperspectral imaging and multivariate analysis. LWT-food Sci Technol. 2015;62(2):1060-8. [DOI:10.1016/j.lwt.2015.01.021]
9. Cheng J-H, Sun D-W. Data fusion and hyperspectral imaging in tandem with least squares-support vector machine for prediction of sensory quality index scores of fish fillet. LWT-Food Sci Technol. 2015;63(2):892-8. [DOI:10.1016/j.lwt.2015.04.039]
10. Khojastehnazhand M, Khoshtaghaza MH, Mojaradi B, Rezaei M, Goodarzi M, Saeys W. Comparison of Visible-Near infrared and short wave infrared hyperspectral imaging for the evaluation of rainbow trout freshness. Food Res Int. 2014;56:25-34. [DOI:10.1016/j.foodres.2013.12.018]
11. Cheng J-H, Sun D-W, Zeng X-A, Pu H-B. Non-destructive and rapid determination of TVB-N content for freshness evaluation of grass carp (Ctenopharyngodon idella) by hyperspectral imaging. Innov Food Sci Emerg Technol. 2014;21:179-87. [DOI:10.1016/j.ifset.2013.10.013]
12. Dai Q, Cheng J-H, Sun D-W, Zhu Z, Pu H. Prediction of total volatile basic nitrogen contents using wavelet features from visible/near-infrared hyperspectral images of prawn (Metapenaeus ensis). Food Chem. 2016;197:257-65. [DOI:10.1016/j.foodchem.2015.10.073]
13. Russell BC. A review of the threadfin breams of the genusNemipterus (Nemipteridae) from Japan and Taiwan, with description of a new species. JPN J ICHTHYOL. 1993;39(4):295-310. [DOI:10.1007/BF02905130]
14. Dantas Filho HA, Galvao RKH, Araújo MCU, da Silva EC, Saldanha TCB, José GE, et al. A strategy for selecting calibration samples for multivariate modelling. Chemometr Intell Lab Syst. 2004;72(1):83-91. [DOI:10.1016/j.chemolab.2004.02.008]
15. Khoshnoudi-Nia S, Moosavi-Nasab M, Nassiri SM, Azimifar Z. Determination of Total Viable Count in Rainbow-Trout Fish Fillets Based on Hyperspectral Imaging System and Different Variable Selection and Extraction of Reference Data Methods. Food Anal Method. 2018;11(12):3481-94. [DOI:10.1007/s12161-018-1320-0]
16. Fan W, Chi Y, Zhang S. The use of a tea polyphenol dip to extend the shelf life of silver carp (Hypophthalmicthys molitrix) during storage in ice. Food Chem. 2008;108(1):148-53. [DOI:10.1016/j.foodchem.2007.10.057]
17. Wu D, Sun D-W. Advanced applications of hyperspectral imaging technology for food quality and safety analysis and assessment: A review-Part I: Fundamentals. Innov Food Sci Emerg Technol. 2013;19:1-14. [DOI:10.1016/j.ifset.2013.04.014]
18. Yang Q, Sun D-W, Cheng W. Development of simplified models for nondestructive hyperspectral imaging monitoring of TVB-N contents in cured meat during drying process. J Food Eng. 2017;192:53-60. [DOI:10.1016/j.jfoodeng.2016.07.015]
19. Xiong Z, Sun D-W, Xie A, Han Z, Wang L. Potential of hyperspectral imaging for rapid prediction of hydroxyproline content in chicken meat. Food Chem. 2015;175:417-22. [DOI:10.1016/j.foodchem.2014.11.161]
20. Sun D-W. editor. Hyperspectral imaging for food quality analysis and control. Amsterdam : Elsevier; 2010. p 496
21. Lakshmanan P. editor. Fish spoilage and quality assessment. India: The Central Institute of Fisheries Technology (CIFT). 2000. p. 26-40.
22. Zhu F, Zhang D, He Y, Liu F, Sun D-W. Application of visible and near infrared hyperspectral imaging to differentiate between fresh and frozen-thawed fish fillets. Food Bioprocess Tech. 2013;6(10):2931-7. [DOI:10.1007/s11947-012-0825-6]
23. Abtahi S, Aminlari M. Effect of sodium sulfite, sodium bisulfite, cysteine, and pH on protein solubility and sodium dodecyl sulfate− polyacrylamide gel electrophoresis of soybean milk base. J Agric Food Chem. 1997;45(12):4768-72. [DOI:10.1021/jf970035r]
24. Iqbal A, Sun D-W, Allen P. Prediction of moisture, color and pH in cooked, pre-sliced turkey hams by NIR hyperspectral imaging system. J Food Eng. 2013;117(1):42-51. [DOI:10.1016/j.jfoodeng.2013.02.001]
25. Klaypradit W, Kerdpiboon S, Singh RK. Application of artificial neural networks to predict the oxidation of menhaden fish oil obtained from Fourier transform infrared spectroscopy method. Food Bioprocess Tech. 2011;4(3):475-80. [DOI:10.1007/s11947-010-0386-5]
26. Jouki M, Yazdi FT, Mortazavi SA, Koocheki A, Khazaei N. Effect of quince seed mucilage edible films incorporated with oregano or thyme essential oil on shelf life extension of refrigerated rainbow trout fillets. Int J Food Microbiol. 2014;174:88-97. [DOI:10.1016/j.ijfoodmicro.2014.01.001]
27. Cheng J-H, Sun D-W, Wei Q. Enhancing visible and near-infrared hyperspectral imaging prediction of TVB-N level for fish fillet freshness evaluation by filtering optimal variables. Food Anal method. 2017;10(6):1888-98 [DOI:10.1007/s12161-016-0742-9]
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Khoshnoudi-Nia S, Moosavi-Nasab M. Nondestructive Determination of the Total Volatile Basic Nitrogen (TVB-N) Content Using hyperspectral Imaging in Japanese Threadfin Bream (Nemipterusjaponicus) Fillet. Iranian J Nutr Sci Food Technol 2020; 15 (1) :113-122
URL: http://nsft.sbmu.ac.ir/article-1-2833-fa.html

خشنودی نیا سارا، موسوی نسب مرضیه. تعیین غیرتخریبی بازهای ازته فرار کل (TVB-N) توسط تصاویر ابرطیفی در ماهی گوازیوم دم‌رشته‌ای (Nemipterus japonicus). علوم تغذیه و صنایع غذایی ایران. 1399; 15 (1) :113-122

URL: http://nsft.sbmu.ac.ir/article-1-2833-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 15، شماره 1 - ( بهار 1399 ) برگشت به فهرست نسخه ها
Iranian Journal of  Nutrition Sciences and Food  Technology
Persian site map - English site map - Created in 0.06 seconds with 39 queries by YEKTAWEB 4660