تجزیه و تحلیل کمی اسیدهای آلی در سیب زمینی با استفاده از طیف سنجی NIR همراه با روش PLS و ANN

سیب زمینی شیرین به عنوان یک گیاه قوی در سراسر جهان رشد می کند و محصولی سازگار با خشکی، دما و خاک های کم حاصلخیز می باشد. سیب زمینی حاوی مقدار زیادی نشاسته، ویتامین های متعدد، پروتیین و نمک های غیر معدنی مانند کلسیم، فسفر ،آهن و کالری کم است. اسیدهای آلی (OA) به ترکیبات آلی اسیدی حاوی گروه های کربوکسیل (به استثنای اسیدهای آمینه) اطلاق می شود که بطور گسترده در موجودات وجود دارند. اسیدهای آلی موجود در میوه ها عمدتا شامل اسید سیتریک، اسید مالیک، اسید تارتاریک و اسید سوکسینیک می باشد. روش سنتی برای تشخیص غلظت OAکروماتوگرافی یونی در آزمایشگاه است که به محلول های استاندارد بعنوان مرجع و مصرف معرف های شیمیایی نیاز داردو این یک عملیات زمانبر است. بنابراین یک فناوری تشخیص سریع به عنوان جایگزین لازم می باشد. طیف سنجی فروسرخ نزدیک (NIR) نوعی فناوری تشخیص سریع می باشدکه اطلاعات طیفی نمونه را از طریق تفاوت بین نور تابشی و نور بازتابشی از نمونه ها استخراج می کند. خواص تشخیص سریع طیف سنجی NIR از توسعه روش های شیمی سنجی سودمند است. بر اساس داده های طیف FT-NIR، مدل رگرسیون PLS هسته شبکه بر اساس نمونه های کالیبراسیون ایجاد و آموزش داده شد. همچنین در طول کالیبراسیون، ساختار شبکه با تعداد متفاوتی از گره های پنهان آموزش داده شد. سپس مناسب ترین ساختار شبکه با 130 گره پنهان و 20 گره خروجی شناسایی شد که به طور موثری بعد داده ها را برای مدل سازی کالیبراسیون کاهش می دهد. متغیرهای ویژگی استخراج شده از هسته شبکه بهینه بیشتر برای رگرسیون PLS و تنظیم تعداد متغیرهای پنهان برای یافتن بهترین مدل PLS هسته اعمال شد. بهترین مدل RMSEV 0.834 و CCV 0.936 را برای نمونه های اعتبارسنجی مشاهده شد، که مشخص می کند مدل PLS بهینه با 8 متغیر پنهان ایجاد شده است.