文献

J-GLOBAL ID：202102217473255378   整理番号：21A0522245

人工ニューラルネットワークと人工蜂コロニーアルゴリズムのハイブリッドを用いた赤いおいしいリンゴの成分特性の推定【JST・京大機械翻訳】

Estimation of the Constituent Properties of Red Delicious Apples Using a Hybrid of Artificial Neural Networks and Artificial Bee Colony Algorithm

著者 (6件)： Abbaspour-Gilandeh Yousef (Department of Biosystems Engineering, College of Agriculture, University of Mohaghegh Ardabili, Ardabil 56199-11367, Iran) ,  Sabzi Sajad (Department of Biosystems Engineering, College of Agriculture, University of Mohaghegh Ardabili, Ardabil 56199-11367, Iran) ,  Benmouna Brahim (Computer Science and Systems Department, University of Murcia, 30100 Murcia, Spain) ,  Garcia-Mateos Gines (Computer Science and Systems Department, University of Murcia, 30100 Murcia, Spain) ,  Hernandez-Hernandez Jose Luis (Division of Research and Graduate Studies, TecNM/Technological Institute of Chilpancingo, Chilpancingo, Guerrero 39070, Mexico) ,  Molina-Martinez Jose Miguel (Food Engineering and Agricultural Equipment Department, Technical University of Cartagena, 30203 Cartagena, Spain)
資料名： Agronomy (Web)  (Agronomy (Web))
巻： 10  号： 2  ページ： 267  発行年： 2020年 
JST資料番号： U7129A  ISSN： 2073-4395  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 果物と野菜の成分特性の非破壊評価は,農業と食品工業の劇的な変化をもたらし,それらの内部特性に基づく製品の正確で効率的な選別を可能にした。したがって,本研究は,赤いリンゴ,すなわちブリックスマイナス酸(BrimA),硬度,酸度,および澱粉含有量のいくつかの特性の推定のために,200から1100nmの範囲の可視(VIS)および近赤外(NIR)分光データを,人工ニューラルネットワークおよび人工ハチコロニー(ANNABC)アルゴリズムを使用して,利用した。さらに,ハイブリッド人工ニューラルネットワーク粒子群最適化(ANNPSO)アルゴリズムを用いて,これらの特性を推定するための最も効果的な特性を選択した。結果は,このスペクトル範囲内に異なるピークがあり,各ピークに対するスペクトル範囲は異なる結果を与えることを示した。提案方法の安定性を確保するために,1000の複製を各推定のために実行した。1000回の複製の中で調べた特性を推定するための最高の決定係数R2は,BrimAで0.898,硬度で0.8,25,酸性で0.825,澱粉含量で0.973であった。特性を推定するための最も効果的な波長の選択は,BrimAに対して5つの有効波長,硬度に対して9,酸性度に対して7,および澱粉含有量に対して5つの有効波長を生成した。この場合,1000回の反復の間のハイブリッドANNABCの最良のR2は,それぞれ0.828,0.738,0.9および0.923であった。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  農業 ,  野菜 ,  *ニューラルネットワーク ,  波長 ,  酸性度 ,  果物 ,  澱粉 ,  スペクトル ,  近赤外線 ,  酸性 ,  硬度
準シソーラス用語： 非破壊評価 ,  粒子群最適化 ,  決定係数 , 【Automatic Indexing@JST】

著者キーワード (6件)： 非破壊評価 ,  内部果実特性 ,  ハイブリッドニューラルネットワーク ,  人工蜂コロニーアルゴリズム ,  粒子群最適化アルゴリズム ,  選別

分類 (2件)： 油層工学  (UA10030G) ,  人工知能  (JE08000Z)

引用文献 (39件)：

• Bexiga, F.; Rodrigues, D.; Guerra, R.; Brázio, A.; Balegas, T.; Cavaco, A.M.; Antunes, M.D.; de Oliveira, J.V. A TSS classification study of ‘Rocha’pear (Pyrus communis L.) based on non-invasive visible/near infra-red reflectance spectra. Postharvest Biol. Technol. 2017, 132, 23-30.
• Opara, U.L.; Pathare, P.B. Bruise damage measurement and analysis of fresh horticultural produce-A review. Postharvest Biol. Technol. 2014, 91, 9-24.
• Arendse, E.; Fawole, O.A.; Magwaza, L.S.; Opara, U.L. Non-destructive prediction of internal and external quality attributes of fruit with thick rind: A review. J. Food Eng. 2018, 217, 11-23.
• Chen, L.; Opara, U.L. Approaches to analysis and modeling texture in fresh and processed foods-A review. J. Food Eng. 2013, 497-507.
• Chen, L.; Opara, U.L. Texture measurement approaches in fresh and processed foods-A review. Food Res. Int. 2013, 823-835.

タイトルに関連する用語 (4件)： 人工ニューラルネットワーク ,  人工蜂コロニーアルゴリズム ,  リンゴ ,  推定