Menu
Skrót klawiszowy: /
Skrót klawiszowy: /

Inner properties estimation of gala apple using spectral data and two statistical and artificial intelligence based methods.

Opis bibliograficzny

Inner properties estimation of gala apple using spectral data and two statistical and artificial intelligence based methods. [AUT. KORESP.] VALI RASOOLI SHARABIANI, [AUT.] SAJAD SABZI, MARIUSZ SZYMANEK, [AUT. KORESP.] SŁAWOMIR MICHAŁEK. Foods 2021 Vol. 10 Issue 12 Article number 2967, il., bibliogr., sum. DOI: 10.3390/foods10122967
Kliknij opis aby skopiować do schowka

Szczegóły publikacji

Źródło:
Foods 2021 Vol. 10 Issue 12, Article number 2967
Rok: 2021
Język: Angielski
Charakter formalny: Artykuł w czasopismie
Typ MNiSW/MEiN: praca oryginalna

Streszczenia

Fruits provide various vitamins to the human body. The chemical properties of fruits provide useful information to researchers, including determining the ripening time of fruits and the lack of nutrients in them. Conventional methods for determining the chemical properties of fruits are destructive and time-consuming methods that have no application for online operations. For that, various researchers have conducted various studies on non-destructive methods, which are currently in the research and development stage. Thus, the present paper focusses on a non-destructive method based on spectral data in the 200–1100-nm region for estimation of total soluble solids and BrimA in Gala apples. The work steps included: (1) collecting different samples of Gala apples at different stages of maturity; (2) extracting spectral data of samples and pre-preprocessing them; (3) measuring the chemical properties of TSS and BrimA; (4) selecting optimal (effective) wavelengths using artificial neural network-simulated annealing algorithm (ANN-SA); and (5) estimating chemical properties based on partial least squares regression (PLSR) and hybrid artificial neural network known as the imperialist competitive algorithm (ANN-ICA). It should be noted that, in order to investigate the validity of the methods, the estimation algorithm was repeated 500 times. In the end, the results displayed that, in the best training, the ANN-ICA predicted the TSS and BrimA with correlation coefficients of 0.963 and 0.965 and root mean squared error of 0.167% and 0.596%, respectively.

Open Access

Tryb dostępu: otwarte czasopismo Wersja tekstu: ostateczna wersja opublikowana Licencja: Creative Commons - Uznanie Autorstwa (CC-BY) Czas udostępnienia: w momencie opublikowania

Identyfikatory

BPP ID: (46, 49028) wydawnictwo ciągłe #49028

Metryki

100,00
Punkty MNiSW/MEiN
5,561
Impact Factor

Eksport cytowania

Wsparcie dla menedżerów bibliografii:
Ta strona wspiera automatyczny import do Zotero, Mendeley i EndNote. Użytkownicy z zainstalowanym rozszerzeniem przeglądarki mogą zapisać tę publikację jednym kliknięciem - ikona pojawi się automatycznie w pasku narzędzi przeglądarki.

Informacje dodatkowe

Rekord utworzony:3 grudnia 2021 10:26
Ostatnia aktualizacja:1 stycznia 2023 23:06

Informacja o ciasteczkach (tych internetowych, nie tych słodkich i chrupiących...)

Ta strona wykorzystuje pliki cookie do poprawy funkcjonalności i analizy ruchu. Możesz zaakceptować wszystkie pliki cookie lub zarządzać swoimi preferencjami prywatności. Nawet, jeżeli nie zgodzisz się na używanie plików cookie na tej stronie, to informację o tym musimy zapamiętać w formie... pliku cookie, zatem jeżeli chcesz zadbać o swoją prywatność w pełni, zapoznaj się z informacjami, jak zupełnie wyłączyć możliwości śledzenia Ciebie w internecie.

✓ Zgadzam się ✗ Nie zgadzam się