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 ب هدست آمده شود. روش شبکه عصبی مصنوعی بهتر از روش کمترین مربعات جزئی توانست برای پیشگویی میزان رطوبت و سختی مغزهای پسته برشته شده ب هکار رود. بهترین مدل برای پیشگویی رطوبت مغزهای پسته برشته شده با انجام پیش پرداز ش های تبدیل متغیر نرمال 0 بود. برای پیشگویی سختی مغزهای پسته / 0 و میزان خطای پیشگویی 179 / استاندارد، موجک و مشتق اول به دست آمد که میزان ضریب تبیین 0/907 برشته شده بهترین مدل از پیش پردازش های تبدیل متغیر نرمال استاندارد، موجک و مشتق دوم به دست آمد که میزان ضریب تبیین0.876 و میزان خطای پیشگویی 5/216 به دست آمد.

کلمات کلیدی