پیش‌بینی برخی خواص شیمیایی و فیزیکوشیمیایی نمونه‌های برنج سفید با استفاده از آنالیز طیف سنجی فروسرخ نزدیک (nirs)

خواص شیمیایی و فیزیکوشیمیایی از جمله عوامل بسیار مهم در تعیین ویژگی‌های پخت و فرآوری برنج محسوب می‌شوند. در این مطالعه، امکان پیش‌بینی میزان آمیلوز، درجه حرارت ژلاتینه شدن، حداقل چسبندگی و پس‌روی چسبندگی از 120 نمونه دانه‌های برنج با استفاده از طیف سنجی فروسرخ نزدیک (nirs) در ناحیه 2500-800(nm) انجام گردید. مدل‌های کالیبراسیون توسط رگرسیون چند متغیره با حداقل مربعات جزئی (pls) توسعه داده شد. پارامترهای فوق به ترتیب با پیش‌پردازش‌های sg+msc، sg+d1، بدون پیش‌پردازش و بدون پیش‌پردازش با r^2 کالیبراسیون؛ 0.97، 0.93، 0.97 و 0.94 و r2 اعتبار سنجی به ترتیب 0.95، 0.83، 0.90 و 0.86 به دست آمد. rmsecv برای پارامترهای فوق به ترتیب 0.27، 0.26، 4.92 و 3.95 به دست آمد. اعتبار هریک از مدل‌های کالیبراسیون به‌طور آماری ارزیابی شدند. بر اساس نتایج این تحقیق، استفاده از nirs برای تخمین خواص شیمیایی و فیزیکوشیمیایی نمونه‌های دانه برنج مفید است و به‌کارگیری آن روشی سریع برای پیش‌بینی است.

Prediction of some chemical and physicochemical properties of white rice grain samples using nearinfrared spectroscopy(NIRS) analysis

Chemical and physicochemical properties are very important factors in determining the characteristics of rice cooking and processing. According to this study, it was possible to predict the of amylose content, gelatinization temperature, minimum and setback viscosity from 120 samples of rice grains, carried out using nearinfrared spectroscopy (NIRS) in the electromagnetic region of 8002500 nm. Calibration models were developed by partial least squares regression (PLS). The above parameters with SG + MSC, SG + D1, none preprocessing and none preprocessing preprocessing, was obtained with calibration R2; 0.97, 0.95, 0.97 & 0.94 and validation R2; 0.95, 0.83, 0.90 & 0.86, respectively. The RMSECV for these parameters was 0.27, 0.26, 4.92 & 3.95, respectively. The validity of each calibration models was statistically evaluated. Based on the results of this research, Using NIRS is useful for estimating chemical and physicochemical properties of rice grain samples and is a quick method for its quality prediction.