Bu çalışmada, buğdaydaki protein miktarını
tahmin etmek için, tahribatsız ve hızlı bir gözlem yöntemi olan yakın
kızılötesi spektroskopi (KS) tekniği kullanılmıştır. Sırasıyla spektral
bantları ve en iyi modelleri seçmek için Kısmi En Küçük Kareler Regresyonu
(KEKKR) ve Yapay Sinir Ağı (YSA) yöntemleri kullanılmıştır. Modellerin
verimliliğini karşılaştırmak için Kök-ortalama-kare hata (KOKH) ve R2
uygulanmıştır. Cascade ileri geri yayılımının (CİGY) en iyi sonucu,
Levenberg-Marquardt (LM) ile 8-8-1 ağ yapısı ve TANSIG-TANSIG-PURELIN
(TANSIG-TANSIG-PURELIN (R𝑀𝑆𝐸 = 0.0289 ve 𝑅2) 'nin işlevi ile ilgilidir. YSA modeli için
tahmin sonuçları (𝑅2 = 0.9881), KEKKR modelinden (𝑅2 = 0.9783)
daha iyi bulunmuştur. Bu nedenle, sonuçlara göre, buğdaydaki protein miktarının
belirlenmesinde KS'nin tahmin etme potansiyeli yüksek olduğu söylenebilir.
In
this study to predict amount of protein in wheat, near infrared spectroscopy
technique (NIRS) was used that is a non-destructive and fast observing method. Partial Least Squares Regression (PLSR) and
Artificial Neural Network (ANN) methods were used to choose the spectral bands
and the best models, respectively. To compare the efficiency of models
Root-mean-square error (RMSE) and R2 were applied. The finest
consequence by cascade forward back propagation (CFBP) was related to network
structure of 8-8-1 with Levenberg-Marquardt (LM), and function of
TANSIG-TANSIG-PURELIN (TANSIG-TANSIG-PURELIN (R𝑀𝑆𝐸=0.0289 and 𝑅2=0.9881 at 14 epochs). The consequences of estimation
for ANN model (𝑅2=0.9881) was better than the PLSR model (𝑅2=0.9783). Therefore, according to the results, it can
be said that NIRS has a high potential for predicting the amount of protein in
wheat.
Birincil Dil | İngilizce |
---|---|
Konular | Mühendislik |
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 29 Mart 2019 |
Kabul Tarihi | 23 Şubat 2019 |
Yayımlandığı Sayı | Yıl 2019 Cilt: 29 Sayı: 1 |
Yüzüncü Yıl Üniversitesi Tarım Bilimleri Dergisi CC BY 4.0 lisanslıdır.