نوع مقاله : مقاله کامل پژوهشی
نویسندگان
گروه علوم و صنایع غذایی، دانشگاه فردوسی مشهد، مشهد، ایران
چکیده
روشهای سنتی درجهبندی خرما به علت نبود ویژگیهای کمی مشخص باعث درجهبندی ناصحیح شده و اتلاف زمان و هزینه ایجاد میکند. درجهبندی خرما براساس الگوریتمهای طبقهبندی میتواند اختلافنظر فروشنده و خریدار را کاهش دهد. در این تحقیق شناسایی برخی ویژگیهای کیفی خرمای مضافتی و درجهبندی آن به چهار دسته (درجۀ 1، 2، ۳ و ۴) طبق نظرهای استخراجشده از واردکنندگان خرمای مضافتی کشور روسیه انجام شده است و برای ایجاد ارتباط معنیدار بین کیفیت خرما و برنامۀ پردازش تصویر در محیط متلب، ماشین بردار پشتیبان مورد استفاده قرار گرفت. نتایج ماشین بردار پشیتبان خطی، کوادراتیک، کوبیک و گوسین متوسط دارای دقت ۱۰۰ درصد بوده، یعنی توانسته است درجهبندی را بهطورکامل انجام دهد. برای درک چگونگی عملکرد درجهبندیشدۀ انتخابشده در هر درجه، از طرح ماتریس اغتشاش استفاده شده است. منحنی مشخصۀ عامل گیرنده نرخ درجهبندی مثبت در مقابل نرخ مثبت کاذب را برای انتخاب آموزش درجهبندی، ارائه میدهد. نرخ مثبت 0/97 در درجۀ اول نشان میدهد که طبقهبندیکنندۀ فعلی 0/97 از مشاهدهها را بهدرستی به درجۀ مثبت اختصاص میدهد. بهمنظور صحتسنجی نهایی از ضریب کاپا استفاده شده است که با نظر خبرگان نیز میزان درستی درجهبندی موردبررسی قرار گرفته است. تمام مقادیر کاپا بزرگتر از 0/6 بوده و دارای پایداری کافی است. همچنین بیشترین کاپا مربوط به روش کوبیک بیش از 0/8 و کمترین مربوط به گوسین کامل با مقدار 0/76 است. باتوجهبه دقت و صحت پیادهسازی با ماشین بردار پشتیبان این روش با بازده بالایی قابلیت درجهبندی خرما را با ویژگیهای استخراجشده دارد.
کلیدواژهها
موضوعات
© 2023, Research Institute of Food Science and Technology. All rights reserved.
This is an open-access article distributed under the terms and conditions of the Creative Commons Attribution 4.0 International (CC-BY 4.0). To view a copy of this license, visit (https://creativecommons.org/licenses/by/4.0/).
ارسال نظر در مورد این مقاله