@article { author = {Mohammadigol, Reza and Azadshahraki, Farzad and Lotfi, Valiollah}, title = {Quantification of Total Phenol in Grape by Near Infrared Spectroscopy and Artificial Neural Network}, journal = {Research and Innovation in Food Science and Technology}, volume = {6}, number = {3}, pages = {313-320}, year = {2017}, publisher = {Research Institute of Food Science and Technology}, issn = {2252-0937}, eissn = {2538-2357}, doi = {10.22101/JRIFST2017.11.18.638}, abstract = {Grape is one of the most important fruits in the world. Phenolic compounds are antioxidants are important compositions of grape. Phenolic compounds phrase includes all the aromatic molecules consisting amino acids to complex molecules like tannins and lignin’s. Near infrared spectroscopy is one of the most common nondestructive methods for fruits and vegetables qualification analysis. This research is conducted to evaluate the possibility of the quantification of total phenol in grape by near infrared spectroscopy and artificial neural network (perceptron). The number of 444 samples (107 Asgari, 106 Bidane, 111 shahroodi and 120 khoshnav varieties) were selected to model calibrating and test as well. Developed ANNs were compared on phenol prediction by residual prediction deviation (RPD) index in the test sample dataset (101 samples).The maximum RPD was 1.66 by 8-5-1 topology with correlation coefficient and root mean square (RMSE) equal to 0.79 and 48.66 respectively. It was concluded that NIR spectroscopy and back propagation perceptron ANN could be used to discriminate low and high amounts of grape total phenol as a nondestructive method.}, keywords = {grape,Neural Networks,Nondestructive,Spectroscopy,Total Phenol}, title_fa = {سنجش کمی فنل کل انگور با استفاده از طیف‌سنجی فروسرخ نزدیک و شبکۀ عصبی مصنوعی}, abstract_fa = {انگور یکی از مهم‌ترین میوه‌ها در جهان است. ترکیبات فنلی، آنتی‌اکسیدان‌هایی هستند که از اجزاء مهم انگور بشمار می‌روند. اصطلاح ترکیبات فنلی شامل تمام مولکول‌های آروماتیکی ازجمله اسیدهای آمینه تا مولکول‌های پیچیده شامل تانن‌ها و لگنین‌هاست. روش طیف‌سنجی فروسرخ نزدیک از رایج‌ترین روش‌های غیرمخرب سنجش ترکیبات و تعیین کیفیت میوه‌ها و سبزی‌هاست. در پژوهش حاضر امکان اندازه‌گیری فنل کل انگور توسط طیف‌سنجی فروسرخ نزدیک و شبکۀ عصبی مصنوعی (پرسپترون) مورد بررسی قرار گرفته است. تعداد 444 نمونه (107 نمونه رقم عسگری، 106 نمونه رقم بیدانۀ قرمز، 111 نمونه رقم شاهرودی و 120 نمونه رقم خوشناو) برای تدوین شبکه و اعتبارسنجی آن انتخاب شدند. شبکه‌های تدوین‌شده به‌وسیلۀ شاخص انحراف پیش‌بینی باقی‌مانده در تخمین مقادیر فنل در نمونه‌های اعتبارسنجی (101 نمونه) ارزیابی شدند. بیشترین مقدار برابر 66/1 در شبکه با توپولوژی 1- 5- 8 با ضریب همبستگی (r) 0/79 و ریشۀ میانگین مربعات خطای پیش‌بینی 48/66 به‌دست آمد. نتایج نشان داد که امکان جداسازی مقدارهای کم از زیاد فنل کل با تکنیک طیف‌سنجی فروسرخ نزدیک و شبکۀ عصبی (پرسپترون) پس‌انتشار خطا به‌عنوان یک روش غیرمخرب وجود دارد.}, keywords_fa = {انگور,شبکۀ عصبی,طیف‌سنجی,غیرمخرب,فنل کل}, url = {https://journals.rifst.ac.ir/article_68435.html}, eprint = {https://journals.rifst.ac.ir/article_68435_59c6bdf6db6ee6ce27bd231326d83c54.pdf} }