توسعه یک روش غیر مخرب به منظور تعیین ویژگی‌های بافتی نان باگت با استفاده از سنسور ارتعاش ‌سنج لیزر داپلر

یافتن روشی غیرمخرب برای ارزیابی سریع تغییرات بافت نان طی مدت نگهداری کمک شایانی به پژوهشگران برای بررسی تاثیر افزودنی‌های مختلف بر ویژگی‌های کیفی و ماندگاری نان می‌کند. در این راستا، در این پژوهش تغییرات پارامترهای ارتعاش آزاد شامل فرکانس طبیعی، نسب میرایی، تعداد عبور از نقطه صفر، میانگین، انحراف معیار، اوج، انرژی شدت ارتعاش، آنتروپی در مقایسه با ویژگی‌های بافتی و حسی نمونه‏های نان در روزهای صفر، دوم و چهارم نگهداری مورد بررسی قرار گرفتند. نهایتا با ویژگی‌ها بدست آمده مدل پیشگویی برای تعیین ویژگی‌های بافتی نان (سفتی، قابلیت جویدن، پیوستگی و ارتجاعی) به کمک رگرسیون ماشین بردار پشتیبان با 3 کرنل خطی، درجه دو و کرنل تابع پایه شعاعی توسعه یافت. نتایج ارزیابی ضریب همبستگی نشان دهنده وجود ارتباط قوی بین پارامترهای ارتعاشی و متغییرهای بافتی بود. بعلاوه در حالت کلی با توجه به خطای سه کرنل و همچنین ضریب همبستگی بدست آمده کرنل خطی در پیش‌بینی ویژگی‌های بافتی عملکرد بهتری نسب به دو کرنل دیگر داشت. لذا روش توسعه یافته با توجه به دقت بالا امکان جایگزینی روش مخرب آزمون بافت را دارد.

Development of a non-destructive method to determine the textural characteristics of baguette bread using a Doppler laser vibrometer sensor

Finding a nondestructive method, for rapid evaluation of bread crumb changes during storage, helps researchers to assess the effect of different additives on quality properties and shelf life of bread. Therefore, in this study the changes of bread free vibrational parameters including natural frequency, damping ration, zero-crossing rate, average, standard deviation, peak, energy and entropy were evaluated in comparison with bread textural and sensorial properties on 0, 2 and 4 storage days. Finally, a predictive model was developed to determine the textural characteristics of bread (firmness, chewiness, cohesiveness and springiness) using support vector regression with three kernels linear, quadratic and radial basis function. Results of correlation coefficient of evaluation showed strong relationship between vibrational parameters with textural variables. In addition, in general, considering the error of three kernels as well as the correlation coefficient, the linear kernel performed better than the other two kernels in predicting textural properties. Therefore, the results of this study demonstrated the suitability of vibrational properties for determination of textural Characteristics of bread crumb during storage.