با افزایش توقعات در ارتباط با کیفیت و سلامت محصولات غذایی، روش های تجزیه ای صحیح و دقیق برای اطمینان از کیفیت، صحت و سلامت محصول ضروری است. روش های سنتی کنترل مواد غذایی، زمان بر، گران و نیازمند تخریب نمونه هستند. بنابراین استفاده از اتوماسیون برای اطمینان از کیفیت محصولات کشاورزی ضروری است. هدف از این تحقیق استفاده از تصویربرداری ابرطیفی، شیوه های مختلف پیش پردازش و روش های آنالیز چند متغیره (رگرسیون کمترین مربعات جزئی و شبکه عصبی مصنوعی) جهت پیشگویی رطوبت و سختی مغزهای پسته طی شرایط مختلف برشته کردن (دما، زمان و سرعت جریان هوای برشته کردن) بوده است.نتایج نشان داد تصویربرداری ابرطیفی می تواند به خوبی برای پیشگویی میزان رطوبت و سختی مغزهای پسته برشته شده به کار رود. بررسی ها نشان داد استفاده از روش های مختلف پیش پردازش می تواند باعث کاهش خطای پیشگویی و بهبود کیفیت مدل به دست آمده شود. روش شبکه عصبی مصنوعی بهتر از روش کمترین مربعات جزئیتوانست برای پیشگویی میزان رطوبت و سختی مغزهای پسته برشته شده به کار رود. بهترین مدل برای پیشگویی رطوبت مغزهای پسته برشته شدهبا انجام پیش پردازش های تبدیل متغیر نرمال استاندارد، موجک و مشتق اول به دست آمد کهمیزان ضریب تبیین907/0و میزان خطای پیشگویی179/0 بود. برای پیشگویی سختی مغزهای پسته برشته شده بهترین مدل از پیش پردازش های تبدیل متغیر نرمال استاندارد، موجک و مشتق دوم به دست آمد که میزان ضریب تبیین876/0 و میزان خطای پیشگویی216/5 به دست آمد.

کلمات کلیدی