تعیین غیرتخریبی بازهای ازته فرار کل (TVB-N) توسط تصاویر ابرطیفی در ماهی گوازیوم دم رشته ای (Nemipterus japonicus)

با توجه به اهمیت ارزیابی کیفی آبزیان از صید تا مصرف، روش های سریع و غیرتخریبی برآورد فساد در صنعت شیلات مهم هستند. هدف این مطالعه بررسی پتانسیل به کارگیری تصاویر ابرطیفی (nm 430-1010HSI:) برای پیش بینی بازهای ازته ی فرار کل (TVB-N) در فیله ی گوازیوم دم رشته ای (Nemipterus japonicus) به عنوان ماهی آب شور است.

مواد و روش ها:

 فساد فیله های ماهی طی 8 روز نگهداری در دمای یخچال (°C 2±4) مورد بررسی قرار گرفت. ابتدا، داده های مربوط به تصاویر ابرطیفی و TVB-N فیله های ماهی در آزمایشگاه حاصل شد. مدل اولیه ی پیش بینی این شاخص بر پایه ی شبکه ی مصنوعی عصبی پس انتشار خطا (BP-ANN) تشکیل شد. برای ساده کردن مدل، 10 طول موج به روش ضریب-رگرسیون (RC) انتخاب شد و مدل های رگرسیون خطی-چندگانه (MLR) و BP-ANN بر پایه ی طول موج های برگزیده پیاده سازی شدند.

یافته ها : 

در طیف کامل طول موج، مدل BP-ANN قدرت پیش بینی نسبتا ضعیفی را نشان داد (76/0=R2P و 45/4=RMSEP). بعد از انتخاب 10 طول موج، توانایی مدل های ساده شده بهتر از مدل مبتنی بر طیف کامل بود. قدرت پیش بینی مدل ساده BP-ANN بالاتر از MLR بود (820/0=R2P(RC-BP-ANN) و 79/3=RMSEPRC-BP-ANN؛ 794/0=R2P(RC-MLR) و 25/4=RMSEPRC-MLR). بنابراین RC-BP-ANN عملکرد خوبی را در پیش بینی شاخص TVB-N نشان داد (90/0 R2P 82/0).

اگرچه مدل چندطیفی ساده ی توسعه یافته بر پایه ی مدل BP-ANN نتایج امیدوارکننده ای را در پیش بینی مقادیر TVB-N فیله ی ماهی گوازیوم دم رشته ای نشان داد. اما، مدل پایه ریزی شده قدرت پیش بینی قوی را در طول دوره ی نگهداری نشان نداد. بنابراین مطالعات بیش تری به منظور بهبود قدرت پیش بینی و کاربری روش HSI برای برآورد TVB-N در ماهی گوازیوم دم رشته ای نیاز است.