مقاله پژوهشی دکتر حسن صباغی با عنوان «چارچوب یکپارچه دادهمحور و درخت تصمیم برای مدلسازی ویژگیهای کیفی برشهای سیب خشکشده با پرتودهی مادونقرمز» در همکاری مشترک بینالمللی با دکتر مونیکا نِمتانو، پژوهشگر برجسته حوزه پرتودهی از مؤسسه ملی پژوهش و توسعه فیزیک لیزر، پلاسما و پرتودهی رومانی (INFLPR) در مجله معتبر Applied Food Research (الزویر، ۲۰۲۶) منتشر شد؛ پژوهشی که با بهرهگیری از روشهای پیشرفته دیتاماینینگ و یادگیری ماشین، گامی نو در هوشمندسازی فرایندهای خشککردن مواد غذایی و پیشبینی کیفیت محصولات خشکشده محسوب میشود. دکتر حسن صباغی مجری و طراح این پروژه بین المللی بود.
در این مطالعه، یک چارچوب تحلیلی یکپارچه مبتنی بر دادههای چندمتغیره توسعه یافت که در آن تکنیکهای دادهکاوی مانند تحلیل مؤلفههای اصلی (PCA)، رگرسیون مؤلفههای اصلی (PCR)، خوشهبندی سلسلهمراتبی و مدل درخت تصمیم بهصورت ترکیبی بهکار گرفته شد تا روابط پیچیده بین پارامترهای فرایند خشککردن مادونقرمز و شاخصهای کیفی محصول آشکار شود. نتایج نشان داد مدلهای یادگیری ماشین توانستند با دقت بالا ویژگیهای فیزیکوشیمیایی، بافتی و حسی سیب خشکشده را پیشبینی کرده و قواعد تصمیمگیری قابلتفسیر برای بهینهسازی صنعتی ارائه دهند؛ بهگونهای که آستانههای کلیدی دما و ضخامت برش برای حفظ ویتامین C و پذیرش مصرفکننده استخراج شد.
این پژوهش نمونهای موفق از همافزایی دادهکاوی، مدلسازی پیشبین و مهندسی فرایند غذا با دانش تخصصی تابش و فناوریهای مبتنی بر پرتو و مادونقرمز در قالب یک همکاری علمی بینالمللی است و نشان میدهد چگونه رویکردهای یادگیری ماشین قابلتفسیر میتوانند به توسعه سامانههای هوشمند پایش و کنترل کیفیت در صنایع خشکبار و فرآوری مواد غذایی کمک کنند؛ دستاوردی که مسیر گذار به «فرآوری هوشمند غذا» (Smart Food Processing) و بهینهسازی پایدار مصرف انرژی و کیفیت محصول را هموار میسازد.
این مقاله بهصورت دسترسی آزاد در جلد ۶، شماره ۱ (ژوئن ۲۰۲۶) مجله Applied Food Research از انتشارات الزویر منتشر شده است.
لینک مقاله: https://doi.org/10.1016/j.afres.2026.101791