استخراج موثرترین طول موج های طیف تخم مرغ با استفاده از الگوریتم ژنتیک و طبقه بندی آن ها با روابط رگرسیونی

پتانسیل روش طیف سنجی عبوری (1100-nm200) به منظور ارزیابی کیفیت داخلی (تازگی) تخم مرغ سالم و دست نخورده در طول انبارداری در دمای oC730 و رطوبت 425درصد بررسی شد. تعداد یک صد تخم مرغ برای اندازه گیری تازگی و جمع آوری طیف در طول زمان ذخیره سازی (تا 30 روز) استفاده شدند. دو مدل رگرسیونی میانHU [1] و ضریب زرده (YC[2]) نسبت به زمان ذخیره سازی به ترتیب با ضریب همبستگی 86 /0و 96/ 0 توسعه داده شد. معادلات ذکرشده حاکی از افت شدید کیفیت تخم مرغ در خلال نگهداری در این شرایط است. علاوه بر این، روشی برای به دست آوردن ویژگی های طول موج براساس الگوریتم های ژنتیکی شرح و بسط داده شد. این روش توانایی حل مشکل استخراج موثرترین اطلاعات از ماتریس داده های ابعدی بالا[3] را دارد. معادلات رگرسیونی با داده های خام و ویژگی های استخراج شده با الگوریتم ژنتیک، با پردازش های گوناگون (SNV، MSC، FFT، و همچنین مشتقات اول و دوم)، به دست آمد. نتایج نشان داد که معادلات رگرسیونی براساس الگوریتم ژنتیک و پردازش SNV و MSC می تواند طیف ها را در سه گروه طبقه بندی کند در حالی که با یکبار مشتق گیری، هر طیف روزانه می تواند در گروهی مجزا قرار گیرد.
[1]. Haugh unit [2]. Yolk Coefficient [3]. High Dimensional Data