Artificial neural network model in predicting the quality of fresh tomato genotypes
Veštačke neuronske mreže za predviđanje kvaliteta različitih genotipova paradajza
Аутори
Pestorić, MladenkaMastilović, Jasna
Kevrešan, Žarko
Pezo, Lato
Belović, Miona
Glogovac, Svetlana
Škrobot, Dubravka
Ilić, Nebojša
Takač, Adam
Чланак у часопису (Објављена верзија)
Метаподаци
Приказ свих података о документуАпстракт
Sensory analysis is the best mean to precisely describe the eating quality of fresh foods. However, it is expensive and time-consuming method which cannot be used
for measuring quality properties in real time. The aim of this paper was to contribute to
the study of the relationship between sensory and instrumental data, and to define a proper model for predicting sensory properties of fresh tomato through the determination of the
physicochemical properties. Principal Component Analysis (PCA) was applied to the
experimental data to characterize and differentiate among the observed genotypes, explaining 73.52% of the total variance, using the first three principal components.
Artificial neural network (ANN) model was used for the prediction of sensory properties
based on the results obtained by basic chemical and instrumental determinations. The
developed ANN model predicts the sensory properties with high adequacy, with the
overall coefficient of determination of 0.859.
Senzorska analiza predstavlja najbolje sredstvo za precizno opisivanje kvaliteta svežih namirnica. Međutim,to je skupa i dugotrajna metoda koja se ne može koristiti za merenje pokazatelja kvaliteta u realnom vremenu. Cilj ovog rada bio je da doprinese proučavanju odnosa između podataka dobijenih primenom senzorske analize i instrumentalnih metoda i da definiše odgovarajući model za predviđanje senzorskih svojstava svežeg paradajza pomoću određivanja fizičko-hemijskih svojstava. Analiza glavnih komponenti (RSA) primenjena je na eksperimentalne podatke da bi se okarakterisali i diferencirali posmatrani genotipovi, objašnjavajući 73,52% od ukupne varijanse, koristeći prve tri glavne komponente. Model veštačke neuronske mreže (ANN) korišćen je za predviđanje senzorskih svojstava na osnovu rezultata dobijenih osnovnim hemijskim i instrumentalnim određivanjima. Razvijeni ANN model predviđa senzorska svojstva sa visokom adekvatnošću, sa ukupnim koeficijentom determinacije od 0,859.
Кључне речи:
fresh tomato quality / sensory evaluation / physicochemical properties / artificial neural network model / Principal Component Analysis / prediction / kvalitet svežeg paradajza / senzorska ocena / fizičko-hemijska svojstva / model veštačkih neuronskih mreža / predviđanje senzorskih svojstava / Analiza glavnih komponentiИзвор:
Food and Feed Research, 2021, 48, 1, 9-21Издавач:
- Novi Sad : University of Novi Sad, Institute of Food Technology
Финансирање / пројекти:
- Развој и примена нових и традиционалних технологија у производњи конкурентних прехрамбених производа са додатом вредношћу за европско и светско тржиште - Створимо богатство из богатства Србије (RS-MESTD-Integrated and Interdisciplinary Research (IIR or III)-46001)
- Стварање сората и хибрида поврћа за гајење на отвореном пољу и у заштићеном простору (RS-MESTD-Technological Development (TD or TR)-31030)
- Министарство науке, технолошког развоја и иновација Републике Србије, институционално финансирање - 200222 (Институт за прехрамбене технологије, Нови Сад) (RS-MESTD-inst-2020-200222)
- Министарство науке, технолошког развоја и иновација Републике Србије, институционално финансирање - 200032 (Научни институт за ратарство и повртарство, Нови Сад) (RS-MESTD-inst-2020-200032)
Колекције
Институција/група
FiVeRTY - JOUR AU - Pestorić, Mladenka AU - Mastilović, Jasna AU - Kevrešan, Žarko AU - Pezo, Lato AU - Belović, Miona AU - Glogovac, Svetlana AU - Škrobot, Dubravka AU - Ilić, Nebojša AU - Takač, Adam PY - 2021 UR - http://fiver.ifvcns.rs/handle/123456789/2482 AB - Sensory analysis is the best mean to precisely describe the eating quality of fresh foods. However, it is expensive and time-consuming method which cannot be used for measuring quality properties in real time. The aim of this paper was to contribute to the study of the relationship between sensory and instrumental data, and to define a proper model for predicting sensory properties of fresh tomato through the determination of the physicochemical properties. Principal Component Analysis (PCA) was applied to the experimental data to characterize and differentiate among the observed genotypes, explaining 73.52% of the total variance, using the first three principal components. Artificial neural network (ANN) model was used for the prediction of sensory properties based on the results obtained by basic chemical and instrumental determinations. The developed ANN model predicts the sensory properties with high adequacy, with the overall coefficient of determination of 0.859. AB - Senzorska analiza predstavlja najbolje sredstvo za precizno opisivanje kvaliteta svežih namirnica. Međutim,to je skupa i dugotrajna metoda koja se ne može koristiti za merenje pokazatelja kvaliteta u realnom vremenu. Cilj ovog rada bio je da doprinese proučavanju odnosa između podataka dobijenih primenom senzorske analize i instrumentalnih metoda i da definiše odgovarajući model za predviđanje senzorskih svojstava svežeg paradajza pomoću određivanja fizičko-hemijskih svojstava. Analiza glavnih komponenti (RSA) primenjena je na eksperimentalne podatke da bi se okarakterisali i diferencirali posmatrani genotipovi, objašnjavajući 73,52% od ukupne varijanse, koristeći prve tri glavne komponente. Model veštačke neuronske mreže (ANN) korišćen je za predviđanje senzorskih svojstava na osnovu rezultata dobijenih osnovnim hemijskim i instrumentalnim određivanjima. Razvijeni ANN model predviđa senzorska svojstva sa visokom adekvatnošću, sa ukupnim koeficijentom determinacije od 0,859. PB - Novi Sad : University of Novi Sad, Institute of Food Technology T2 - Food and Feed Research T1 - Artificial neural network model in predicting the quality of fresh tomato genotypes T1 - Veštačke neuronske mreže za predviđanje kvaliteta različitih genotipova paradajza EP - 21 IS - 1 SP - 9 VL - 48 DO - 10.5937/ffr48-29661 ER -
@article{ author = "Pestorić, Mladenka and Mastilović, Jasna and Kevrešan, Žarko and Pezo, Lato and Belović, Miona and Glogovac, Svetlana and Škrobot, Dubravka and Ilić, Nebojša and Takač, Adam", year = "2021", abstract = "Sensory analysis is the best mean to precisely describe the eating quality of fresh foods. However, it is expensive and time-consuming method which cannot be used for measuring quality properties in real time. The aim of this paper was to contribute to the study of the relationship between sensory and instrumental data, and to define a proper model for predicting sensory properties of fresh tomato through the determination of the physicochemical properties. Principal Component Analysis (PCA) was applied to the experimental data to characterize and differentiate among the observed genotypes, explaining 73.52% of the total variance, using the first three principal components. Artificial neural network (ANN) model was used for the prediction of sensory properties based on the results obtained by basic chemical and instrumental determinations. The developed ANN model predicts the sensory properties with high adequacy, with the overall coefficient of determination of 0.859., Senzorska analiza predstavlja najbolje sredstvo za precizno opisivanje kvaliteta svežih namirnica. Međutim,to je skupa i dugotrajna metoda koja se ne može koristiti za merenje pokazatelja kvaliteta u realnom vremenu. Cilj ovog rada bio je da doprinese proučavanju odnosa između podataka dobijenih primenom senzorske analize i instrumentalnih metoda i da definiše odgovarajući model za predviđanje senzorskih svojstava svežeg paradajza pomoću određivanja fizičko-hemijskih svojstava. Analiza glavnih komponenti (RSA) primenjena je na eksperimentalne podatke da bi se okarakterisali i diferencirali posmatrani genotipovi, objašnjavajući 73,52% od ukupne varijanse, koristeći prve tri glavne komponente. Model veštačke neuronske mreže (ANN) korišćen je za predviđanje senzorskih svojstava na osnovu rezultata dobijenih osnovnim hemijskim i instrumentalnim određivanjima. Razvijeni ANN model predviđa senzorska svojstva sa visokom adekvatnošću, sa ukupnim koeficijentom determinacije od 0,859.", publisher = "Novi Sad : University of Novi Sad, Institute of Food Technology", journal = "Food and Feed Research", title = "Artificial neural network model in predicting the quality of fresh tomato genotypes, Veštačke neuronske mreže za predviđanje kvaliteta različitih genotipova paradajza", pages = "21-9", number = "1", volume = "48", doi = "10.5937/ffr48-29661" }
Pestorić, M., Mastilović, J., Kevrešan, Ž., Pezo, L., Belović, M., Glogovac, S., Škrobot, D., Ilić, N.,& Takač, A.. (2021). Artificial neural network model in predicting the quality of fresh tomato genotypes. in Food and Feed Research Novi Sad : University of Novi Sad, Institute of Food Technology., 48(1), 9-21. https://doi.org/10.5937/ffr48-29661
Pestorić M, Mastilović J, Kevrešan Ž, Pezo L, Belović M, Glogovac S, Škrobot D, Ilić N, Takač A. Artificial neural network model in predicting the quality of fresh tomato genotypes. in Food and Feed Research. 2021;48(1):9-21. doi:10.5937/ffr48-29661 .
Pestorić, Mladenka, Mastilović, Jasna, Kevrešan, Žarko, Pezo, Lato, Belović, Miona, Glogovac, Svetlana, Škrobot, Dubravka, Ilić, Nebojša, Takač, Adam, "Artificial neural network model in predicting the quality of fresh tomato genotypes" in Food and Feed Research, 48, no. 1 (2021):9-21, https://doi.org/10.5937/ffr48-29661 . .