استخراج موثرترین طول موج‏های طیف تخم‏مرغ با استفاده از الگوریتم ژنتیک و طبقه‏بندی آن‏ها با روابط رگرسیونی

پتانسیل روش طیف‏سنجی عبوری (1100-nm200) به‏منظور ارزیابی کیفیت داخلی (تازگی) تخم‏مرغ سالم و دست‏نخورده در طول انبارداری در دمای  oc730 و رطوبت 425درصد بررسی شد. تعداد یک‏صد تخم‏مرغ برای اندازه‏گیری تازگی و جمع‏آوری طیف در طول زمان ذخیره‏سازی (تا 30 روز) استفاده شدند. دو مدل رگرسیونی میانhu   [1] و ضریب زرده (yc[2]) نسبت به زمان ذخیره‏سازی به ترتیب با ضریب همبستگی 86/0و 96/0 توسعه داده شد. معادلات ذکرشده حاکی از افت شدید کیفیت تخم‏مرغ در خلال نگهداری در این شرایط است. علاوه بر این، روشی برای به‏دست‏آوردن ویژگی‏های طول موج براساس الگوریتم‏های ژنتیکی شرح و بسط داده شد. این روش توانایی حل مشکل استخراج موثرترین اطلاعات از ماتریس داده‏های ابعدی بالا[3] را دارد. معادلات رگرسیونی با داده‏های خام و ویژگی‏های استخراج‏شده با الگوریتم‏ ژنتیک، با پردازش‏های گوناگون (snv، msc، fft، و همچنین مشتقات اول و دوم)، به‏دست آمد. نتایج نشان داد که معادلات رگرسیونی براساس الگوریتم‏ ژنتیک و پردازش snv و msc می‏تواند طیف‏ها را در سه گروه طبقه‏بندی کند در حالی‏که با یکبار مشتق‏گیری، هر طیف روزانه می‏تواند در گروهی مجزا قرار گیرد.[1] .haugh unit[2] .yolk coefficient[3]. high dimensional data