به کارگیری روش جنگل تصادفی در راستای تعیین میزان قند، اسیدیته و سختی گیلاس با بهره مندی از روش طیف سنجی (مرئی -مادون قرمز)

این مطالعه به بررسی کاربرد الگوریتم جنگل تصادفی در رابطه با تکنیک‌های طیف‌سنجی، به‌ویژه طیف‌سنجی مادون قرمز نزدیک مرئی (vis-nir)، برای پیش‌بینی ویژگی‌های کیفیت کلیدی گیلاس می‌پردازد. هدف این مقاله ارایه یک روش قابل اعتماد و کارآمد برای ارزیابی غیر مخرب محتوای قند، اسیدیته و سختی، عوامل مهم تعیین کننده کیفیت گیلاس و پذیرش مصرف کننده، می باشد. در این مطالعه 400 نمونه تصادفی از محصول گیلاس تهیه شد. داده های طیفی به دست آمدند. در ادامه داده‌های طیفی به‌دست‌آمده از طیف‌سنجی vis-nir توسط روش relief مورد ارزیابی قرار گرفته و برای هر کدام از مقادیر متغیرهای وابسته (مقادیر قند، اسیدیته و سفتی)، پنج طول موج موثر به طور جداگانه انتخاب شدند. در ادامه مقادیر شدت بازتاب مربوط به طول موج های موثر انتخاب شده به عنوان ویژگیهای ورودی برای مدل جنگل تصادفی انتخاب شدند (برای سفتی، محتوایجامد محلول و اسیدیته گیلاس، به ترتیب طول موج های بین 615 تا 650 ،650 تا 675 و 818 تا 945 نانومتر). عملکرد مدل از نظر دقت پیش بینی از طریق اعتبارسنجی متقابل و آزمایش مستقل ارزیابی، با به کارگیری میانگین مربعات خطا (rmse) و ضریب همبستگی (cc) مورد ارزیابی قرار گرفت. نتایج نشان‌دهنده اثربخشی الگوریتم جنگل تصادفی در پیش‌بینی دقیق محتوای قند، (با ضریب همبستگی 0/93 و میانگین مربعات خطای حدود 3/4 اسیدیته (با ضریب همبستگی حدود 0/95 و میانگین مربعات خطای حدود 0/87 و سفتی گیلاس با ضریب همبستگی حدود 0/92 و میانگین مربعات خطای حدود 1/2 بر اساس اطلاعات طیفی است این رویکرد، یک راه حل سریع، غیر مخرب و مقرون به صرفه برای ارزیابی کیفیت محصول در صنعت گیلاس را ارائه می کند. همچنین با پیشرفت در این حوزه می توان تولید کنندگان و ذینفعان را قادر ساختتا تصمیم گیری آگاهانه در مورد برداشت، مرتب سازی و فرآیندهای پساز برداشت بگیرند.

applying the radom forest method to determine the amount of sugar، acidity and hardness of cherries with the benefit of spectroscopic technique (vis-nir)

this study investigates the application of random forest algorithm in relation to spectroscopic techniques، especially vis-nir (vis-nir) spectroscopy، to predict key quality characteristics of cherries. the aim of this article is to provide a reliable and efficient method for non-destructive evaluation of sugar content، acidity and hardness which are important factors determining cherry quality and consumer acceptance. in this study، 200 random samples of cherry products were prepared. spectral data were obtained. the spectral data obtained from vis-nir spectroscopy were evaluated by the relief method، and five effective wavelengths were selected separately for each of the values of the dependent variables of sugar، acidity، and hardness values. the selected effective wavelengths were then used as input features for a random forest model، which was trained on a dataset containing samples with known sugar content، acidity levels، and hardness measurements. the performance of the model was evaluated in terms of prediction accuracy and robustness through cross-validation and independent testing using root mean square error (rmse) and correlation coefficient (cc). the results showed that the effectiveness of the random forest algorithm in accurately predicting the sugar content، acidity and hardness of cherries based on spectral information. the proposed approach provides a rapid، non-destructive and cost-effective solution for quality assessment in the cherry industry and enables producers and stakeholders to make informed decisions about harvesting، sorting and post-harvest processes.