تعیین غیرمخرب، سریع و کم هزینه مقدار رطوبت خرما یکی از اقدامات بسیار مهم در تعیین رسیدگی و فرآوری این محصول ارزشمند محسوب می شود. از طرف دیگر، روش اسپکتروسکوپی NIR یکی از روش های توانمند در تخمین غیرمخرب خواص درونی محصولات کشاورزی است. در این تحقیق، اثر سه روش متداول بازتابشی، عبوری و تقابلی در اندازه گیری طیف NIR بر توانایی مدل های PLS در تخمین مقدار رطوبت خرماهای مضافتی مورد مطالعه قرار گرفت. طیف NIR خرماها با استفاده از یک اسپکترومتر PDA در محدوده طول موج 1700- 900 نانومتر و در هر سه وضعیت بازتابشی، عبوری و تقابلی جمع آوری گردید. از الگوریتم ساویتسکی- گولای برای یکنواخت کردن، پیش پردازش تصحیح پراکنش افزاینده (MSC) برای حذف اطلاعات اضافی از طیف ها و روش حداقل مربعات نسبی (PLS) برای مدل سازی مقدار رطوبت از روی داده های NIR استفاده شد. مقایسه نتایج به دست آمده نشان داد که وضعیت تقابلی بهترین حالت برای اندازه گیری طیف NIR خرمای مضافتی می باشد، به طوری که مدل PLS به دست آمده در این وضعیت توانست مقدار رطوبت خرماهای مضافتی را با یک ضریب تبیین (R2cv) برابر 0.922، ریشه میانگین مربعات خطای (RMSECV) برابر %1.57 و انحراف پیشگوی باقیمانده (RPD) برابر 3.60 پیش بینی کند. از جمله علل این برتری را می توان تاثیر کمتر عوامل مزاحم مانند تغییر در فاصله نمونه با فیبر و همچنین اثر کمتر ناهمواری های سطحی پوست خرما در وضعیت تقابلی دانست.

در سال های اخیر استفاده از روش های طیف سنجی زیرقرمز نزدیک برای ایجاد یک مدل تخمین خصوصیات فیزیکی و شیمیایی ترکیبات در صنایع غذایی گسترش یافته است. در این تحقیق نسبت به بررسی تاثیر برخی از روش های پیش پردازش داده های طیفی همچون میانگین گیری متحرک، تصحیح پراکنش افزاینده، هموارسازی ساویتزکی-گولای، توزیع نرمال استاندارد، مشتق اول و مشتق دوم بر مدل تخمین میزان ساکارز موجود در شربت های کارخانه تولید شکر اقدام شد. نتایج نشان داد که روش های پیش پردازش توزیع نرمال استاندارد و مشتق گیری دوم می توانند بهبود موثری در تخمین توسط مدل تدوین شده داشته باشند.

 لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

در این مقاله تعاریف و اصول ریاضی تصحیح برون راند شیب در لرزه نگاری سه بعدی و اثر تصحیح برون راند به روش انتگرال کیرشهف روی داده های سه بعدی گرگان ارایه و بررسی می شود. برای اعمال فرایند برون راند شیب به داده ها، ابتدا لازم است مراحلی از پردازش روی آنها انجام شود. پس از آماده سازی داده ها برای تصحیح برون راند شیب، مقاطعی در مکان های معینی تهیه کرده و پس از تصحیح برون راند شیب روی داده ها، یک بار دیگر در همان نقاط همان مقاطع را به منظور بررسی اثر فرایند، تهیه نموده ایم. از مقایسه مقاطع قبل و بعد از تصحیح برون راند شیب، می توان اثر این فرایند را روی داده های واقعی بررسی کرد. این تحقیق نشان می دهد که بهبود کیفیت داده ها پس از اعمال برون راند شیب قابل ملاحظه است و نمی توان از آن صرفنظر کرد. شیب لایه های زیرزمینی در منطقه گرگان که از آن برداشت لرزه نگاری سه بعدی صورت گرفته، بین 0 تا 50 درجه متغیر است. مراحل کار با استفاده از نرم افزار پروماکس نسخه 7.1 روی دستگاه IBM-590 صورت گرفته است.

هر چند برای تغییرات زیاد در رطوبت محصول هویج امکان تشخیص و جداسازی آن با روش های دیگر همچون پردازش تصویر و یا به صورت دستی امکانپذیر است ولی برای تغییرات کوچک در رطوبت و یا جداسازی بر اساس شیرینی، روش طیف سنجی می تواند گزینه مناسبتری باشد. در این مطالعه 100 نمونه هویج به صورت تصادفی انتخاب و با استفاده از دستگاه اسپکتروفتومتری، مدلی برای تخمین رطوبت و شاخص بریکس ریشه ها تدوین گردید. پیش پردازش اولیه طیف با استفاده از روش های تصحیح پراکنش افزاینده (MSC)، مشتق اول و مشتق دوم انجام گرفت. با روش حداقل مربعات جزئی (PLS) مدل مناسب تعیین گردید و مقادیر ضریب تعیین و ریشه میانگین مربعات خطا برای داده های آزمون به ترتیب برابر با 0.92 و 1.13 برای تخمین رطوبت و 0.96 و 1.07 برای تخمین درجه بریکس به دست آمد. نتایج نشان داد که طیف سنجی فروسرخ قابلیت تخمین رطوبت و درجه بریکس ریشه ها را داشته و می توان از آن برای درجه بندی محصول هویج استفاده کرد.

مولفه های مختلفی برای تعیین رسیدگی و کیفیت لیموشیرین معرفی شده اند که از مهمترین آن ها می توان به مقدار مواد جامد محلول (SSC)، اسیدیته قابل تیتر (TA) و رطوبت (MC) اشاره کرد. در این تحقیق، با استفاده از روش غیرمخرب طیف سنجی مرئی- فروسرخ نزدیک طول موج کوتاه (Vis/SWNIR)، تخمین پارامترهای SSC،MC  و TA لیموشیرین مورد مطالعه قرار گرفت. طیف 120 نمونه لیموشیرین در محدوده ی طول موج 400 تا 1100 نانومتر در دو وضعیت تقابلی و عبوری جمع آوری شدند. اثر پیش پردازش های مختلف نظیر الگوریتم ساویتسکی-گولای (SG)، تصحیح پراکنش افزاینده (MSC)، تصحیح خط پایه (BC)، متغیر نرمال استاندارد (SNV)، مشتق اول (1st Derivatives) و ترکیبی از این روش ها مورد بررسی و پیش پردازش مناسب برای مدل سازی با روش حداقل مربعات نسبی (PLS) انتخاب شد. براساس نتایج بدست آمده، مدل های تخمین SSC و MC در مد تقابلی و TA در مد عبوری منجر به بهترین نتایج شدند. همچنین در بین سه پارامتر مورد بررسی، بهترین نتایج به ترتیب برای SSC،MC و TA حاصل شد. SSC با ضریب همبستگی 0.87 (rp) و ریشه میانگین مربعات خطای پیشگویی 0.5 (RMSEP) درجه بریکس،MC  با rp برابر 0.88 و RMSEP برابر 0.57 درصد و TA نیز با rp برابر 0.74 و RMSEP برابر 0.0076 درصد پیشگویی شد.

در این تحقیق عوامل افزاینده استقلال حسابرس مستقل از دیدگاه حسابرسان عضو جامعه حسابداران رسمی ایران مورد بررسی قرار گرفته است. روش تحقیق از نوع پیمایشی بوده و با استفاده از پرسش نامه داده های لازم گردآوری شده و از طریق فرض های آماری و روش های ناپارامتری مورد آزمون قرار گرفتند. نتایج تحقیق نشان می دهد از نظر حسابرسان مستقل، کمیته حسابرسی صاحب کار، اندازه و سابقه موسسه حسابرسی و اندازه شرکت صاحب کار به عنوان عوامل افزاینده استقلال و رقابت در حرفه حسابرسی به عنوان عامل کاهنده استقلال حسابرسی هستند.

در این تحقیق، پتانسیل تکنیک غیرمخرب طیف سنجی FT-NIR در تعیین میزان رطوبت و مواد جامد محلول خرمای شاهانی مورد ارزیابی قرار گرفت. طیف FT-NIR خرماها با استفاده از یک اسپکتروفوتومتر FT-NIR در وضعیت انعکاسی و در محدوده طول موجی 4000-12000 سانتیمتر معکوس (800-2500 نانومتر) به دست آمد. از سه روش متفاوت پیش پردازش (تصحیح پراکنش افزاینده، مشتق اول و مشتق دوم) برای حذف اطلاعات اضافی از طیف ها استفاده شد و اثر آنها در توانایی پیشگویی مدل، مورد مقایسه قرار گرفت. بهترین مدل های به دست آمده از روش حداقل مربعات نسبی(PLS) ، میزان رطوبت و مواد جامد محلول خرماها را با ضرایب تبیین به ترتیب برابر 977.0 و 973.0 و ریشه میانگین مربعات خطای کمتر از 4.1 درصد و 6.1 درجه بریکس پیش بینی کردند. مقادیر نسبتا بالای انحراف پیشگوی باقیمانده (RPD) به دست آمده از این تحقیق (4.7 و 4.6 برای به ترتیب تخمین میزان رطوبت و مواد جامد محلول) نشان دادند که تکنیک طیف سنجی FT-NIR می تواند به عنوان یک روش غیرمخرب، سریع و دقیق در تعیین رسیدگی خرماهای شاهانی مورد استفاده قرار گیرد.

میزان عناصر مغذی نقش به سزایی در رشد، تکثیر و عملکرد محصولات کشاورزی و گیاهان دارند. با پیش بینی این عناصر می توان به صورت دقیق نهاده های شیمیایی را مدیریت کرد. هدف از این مطالعه ارزیابی غیرمخرب میزان عناصر NPK با استفاده از طیف سنجی مرئی/ فروسرخ نزدیک (Vis/NIR) در بازه طول موجی 500 تا 1000 نانومتر بود. برای این منظور، طیف سنجی از نمونه های برگ درختان سیب در مد اندازه گیری برهم کنش انجام گرفت. برای حذف اثرات ناخواسته از روش های مختلف پیش پردازش استفاده شد تا مدل واسنجی دقیق حاصل شود. در این راستا، مدل واسنجی چندمتغیره حداقل مربعات جزئی (PLS) بر پایه اندازه گیری های مرجع و اطلاعات طیفی با روش های مختلف پیش پردازش مورد بررسی قرار گرفت. بهترین مدل ارائه شده مبتنی بر روش پیش پردازش توزیع نرمال استاندارد در ترکیب با مشتق دوم (SNV+D2) با مقادیر rc= 0.988, RMSEC=0.028%, rp=0.978, RMSEP=0.034% و 7.47=RPD متعلق به پیش بینی نیتروژن بود. بهترین مدل برای ارزیابی میزان پتاسیم و فسفر نیز براساس روش پیش پردازش تصحیح پراکنش افزاینده در ترکیب با مشتق دوم (MSC+D2) به ترتیب RPD=7.10, rp=0.976, RMSEP=0.021% و RPD=5.96, rp=0.958, RMSEP=0.0057% به دست آمد. نتایج به دست آمده حاصل از این پژوهش نشان می دهد که طیف سنجی Vis/NIR می تواند به عنوان یک ابزار غیرمخرب، سریع و قابل اعتماد برای پیش بینی مقدار عناصر مغذی درخت سیب استفاده و از مصرف بیش از حد نهاده های شیمیایی و پیامدهای ناشی از آن جلوگیری شود.