پایش تازگی گوشت قرمز با استفاده از ترکیب طیف‌نگاری دی‌الکتریک و پردازش تصویر

با توجه به اهمیت کیفیت گوشت و سایر مواد غذایی مورد مصرف روزانه در رشد و سلامت جامعه انسانی، توسعه سامانه‌های تشخیص و پایش کیفیت مواد غذایی بیش از پیش مورد توجه محققین می‌باشد. در این مطالعه 40 نمونه‌ گوشت گوساله در طی پنج روز ماندگاری در دمای پنج درجه سانتیگراد مورد تصویربرداری ماکروسکوپیک و طیف­نگاری توان دی­الکتریک در 20 فرکانس از بازه MHz 100- 5 قرار گرفت. فرضیه مطالعه بر این اساس بود که با ترکیب دو روش مذکور حجم اطلاعات مفید حاصل از تغییرات فیزیکی و شیمیایی گوشت به واسطه ماندگاری افزایش می­یابد. در هر بار آزمایش مجموعا 42 ویژگی (توان دی­الکتریک در 20 فرکانس­ مختلف بین MHz 100-5 و 22 ویژگی بافتی و رنگی تصویر) از هر نمونه استخراج شد. طبقه­بندی روز ماندگاری گوشت با استفاده از متغیرهای دی­الکتریک و تصویر با اعمال پنج الگوریتم شبکه­های عصبی چند لایه پرسپترون (MLP)، رگرسیون منطقی چند جمله­ای (MRL)، درخت­های کاربردی (FT)، درخت­های مدل منطقی (LMT) و روش تجمیعی بگینگ (Bagging) انجام گرفت. نتایج نشان داد که توان دی­الکتریک در فرکانس­های مختلف با افزایش ماندگاری تا روز پنجم کاهش یافت به طوری که برای مثال از 250 میکرو وات در فرکانس پنج مگاهرتز در روز اول به 100 میکرو وات در همین فرکانس در روز پنجم رسید. همچنین نتایج طبقه­بندی نشان داد که متغیرهای تصویر گوشت به تنهایی بیشتر از متغیرهای دی‌الکتریک گوشت در طبقه­بندی روز ماندگاری موثر هستند اما با تجمیع این دو منبع اطلاعات حسگری و اعمال تکنیک کاهش بعد به روش مولفه­های اصلی (PCA) بر روی تمام ویژگی­ها، دقت طبقه­بندی 78 % برای الگوریتم درخت­های کاربردی (FT) و 77 % برای طبقه­بند ترکیبی بگینگ (Bagging) با رده­بند پایه شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) حاصل شد.