Yoğurtların depolama esnasında mikrobiyal ve kimyasal değişimlerinin bilgisayarlı görüntüleme sistemiyle belirlenmesi ve elde edilen verilerin yapay sinir ağlarıyla değerlendirilmesi

Abstract

Fermente bir süt ürünü olan yoğurt ülkemizde ve dünya da önemli bir besin kaynağı olaraktüketilmektedir. Yoğurdun kalite kriterlerinden olan kimyasal ve mikrobiyolojik yapısıyoğurdun depolama ve raf ömrü süresini belirlemektedir. Depolama esnasında, fizyolojik,kimyasal ve mikrobiyolojik nedenlerle yoğurtta meydana gelen renk, koku, tekstürdeğişimleri, tüketici tarafından bu ürünün seçiminde göz önünde bulundurulan önemli kalitekriterleridir.Gıda ürünlerinde hızlı ve objektif kalite kiriterlerinin belirlenmesinde ve yüksek kalite vegüvenlik standartları tahminlerinde kesin sonuçlara olan ihtiyaç artmaktadır. Bu çalışmada;yoğurtlarda raf ömrü süresinin belirlenmesinde, gıdalardaki morfolojik, kompozisyonel verenk değişikliklerinin hızlı, otomatik ölçülebilmesini sağlayan, görüntüyü digital formadönüştürebilen, bilgisayarlı görüntüleme sistemi (BGS) ile yoğurdun renk analizi yapılaraksayısal veriler elde edilmiştir. Daha sonra, elde edilen veriler geleneksel yöntemlerin veklasik modellemelerin yetersiz kaldığı sınıflandırma, kümeleme, duyu-veri işleme, çokduyulu makine gibi alanlarda beynin bazı fonksiyonlarını özellikle öğrenme yöntemlerindenbenzetim yolunu kullanan, başarılı sonuçların elde edilmesini sağlayan Yapay Sinir Ağları(YSA) ile modellenmiştir.Çalışmada ilk olarak, yoğurt örneklerinin laboratuvar ortamında 1. 7. ve 14. günlerinde pHtayini ve mikrobiyel analizleri yapılmıştır. Eş zamanlı olarak depolama esnasında meydanagelen renk değişimlerini gözlemek amacıyla görüntü analizi de yapılarak bilgisayarlıgörüntüleme sisteminde görüntünün sayısallaştırılması sağlanmış ve bu verilerle YSAkullanılarak yoğurt raf ömrü süresi tahmin modelleri geliştirilmiştir. Yoğurdun raf ömrütahmin modeli; bir gizli tabakalı, sigmoid aktivasyon fonksiyonuyla geri beslemeli ağ(backpropagation) kullanılarak oluşturulmuştur. YSA modelinin girdi parametreleri olarak,pH, toplam mikroorganizma, maya küf, koliform değerleri ve bilgisayarlı görüntülemesistemi kullanılarak elde edilen renk analiz değerleri, çıktı parametresi olarak da raf ömrüsüresi değeri kullanılmıştır. Geliştirilen modelin performansını değerlendirmek için modelinsonuçları laboratuvar çalışması sonucu elde edilen verilerle karşılaştırılmış ve yüksekdeterminasyon katsayısı (R2) 0.9996 olarak yüksek bir değer elde edilmiştir.Bu çalışmada, geliştirilen YSA modelinin, doğrusal olmayan çok değişkenli analizyapabilmesi, paralellik özelliği göstermesi, hız konusunda oldukça büyük üstünlüksağlaması, daha az parametreye gereksinim duyma özelliğinden dolayı raf ömrü süresihesaplarında kullanılabileceği gösterilmiştir. Ayrıca, modelin formüle edilmesiyle markettenalınan yoğurt örneklerinin etiketinde belirtilen gün sayısını kontrol edilebilmesi, literatürdeveri tabanı oluşturarak, hem üretici firmanın ürün kalitesini geliştirmesini hem de tüketiciningüvenli besin tüketmesini sağlayacağı düşünülmektedir.ANAHTAR KELİMELER:Bilgisayarlı görüntüleme sistemi, yapay sinir ağları, yoğurt, raf ömrü

Yogurt is a semi-solid fermented milk product, now consumed in our country and most partsof the world. Changes in physical, chemical and microbiolagical structure of yogurtdetermine the storage and shelf life of the product. Alteration of these properties causescolor, aroma and texture deterioration in yogurt which are considered as important qualitycriteria by the consumers.There is an increasing demand on fast, reliable, and objective techniques to determine shelflife of the food products with high quality and safety standards. In this study, the coloranalysis data was obtained by using machine vision system for prediction of shelf life ofyogurt. Machine vision system provides automated, rapid, reproducible results to determinemorphological, compositional and color changes in food by converting images intonumerical form. Obtained data was modelled with artificial neural network (ANN) which isa mathematical algorithm which has the capability of relating the input and outputparameters, learning from examples through iteration, without requiring a prior knowledgeof the relationships of the process parameters.In this study, microbial counts and pH values of yogurt during storage were determined atday 1, 7, and 14. Simultaneously, image processing of yogurt was digitized with usingmachine vision system to determine color changes during storage and obtained data wasmodelled with ANN for prediction shelf life of yogurt. Neural network models weredeveloped using backpropagation networks with single hidden layer and sigmoid activationfunctions. While the input variables of the network were pH, total aerobic, yeast, mold andcoliform counts, and color analysis values obtained with machine vision system, outputvariable was storage time of the yogurt during shelf life (Day 1, 7, 14). The modelling resultsshowed that there was an excellent agreement between the experimental data and predictedvalues, with a high determination coefficient (R2) 0.9996.Our results showed that the developed model was able to analyse non-linear multi variantdata with very good performance, less parameters and shorter calculation time suggestingthat the model might have alternative method to control expiration date of yogurt shown inlabeling and provide consumers to safer food supply. As a result, the ANN seems to findapplication in the quality analysis of yogurtKEY WORDS:Machine vision, neural network, yogurt, shelf life