Kahrıman, FatihŞerment, Mehmet2025-01-262025-01-262020https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=fl0Kw4p1rmMDotyKRdYv1J24zCFtrpvePmGAuSwIRWen6W5rNICfwtdGShFHzggChttps://hdl.handle.net/20.500.12428/10113Lisansüstü Eğitim Enstitüsü, Tarla Bitkileri Ana Bilim DalıBu tez çalışmasında öğütülmüş mısır örneklerinde 10 farklı tane kalite özelliğinin (amiloz, amilopektin, zein, lisin, triptofan, fitik asit, antosiyanin, fenolik bileşen, toplam karotenoid, toplam tokoferol) NIR spektroskopisi ile tespitine yönelik kalibrasyon modelleri geliştirilmiş ve geliştirilen modellerde farklı bir ön işlem ve farklı bir dalga boyu seçim yöntemi kombinasyonlarının tahmin başarısına etkisinin araştırılması yapılmıştır. Materyal olarak genetik ve biyokimyasal açıdan farklılık gösteren 200 farklı örnek kullanılmıştır. Örnekler model geliştirme (n=150) ve dış doğrulama (n=50) olmak üzere iki sete ayrılmıştır. Proje çalışmasında ön işlem olarak; birinci türev (FD), ikinci türev (SD), standart normal değişim (SNV) bu yöntemlerin birlikte kullanıldığı 4 farklı kombinasyonun karşılaştırılması yapılmıştır. Her ön işlem kombinasyonundan elde edilen spektral veri 2 farklı dalga boyu seçim yöntemi (VIP ve SR) kombinasyonu ile ayrı ayrı işleme konulmuştur. Ön işlem ve dalga boyu seçim yöntemlerinin uygulanmasından sonra hedef değişkenlerin tahmini için iki farklı model oluşturma tekniğinden (PLS ve SVMR) faydalanılmıştır. Böylelikle çalışmada toplam her bir özellik için 36 farklı model kıyaslanmıştır. Oluşturulan modeller dış doğrulama işlemine tabi tutularak model güvenilirlikleri test edilmiştir. Çalışma sonucunda mısır tanesinde minör kalite bileşenlerinin tespitine yönelik oluşturulan NIR kalibrasyonlarının farklı kemometrik yöntemlerin tahmin başarısına önemli bir etkisinin olduğu anlaşılmıştır. Çalışmada 10 farklı biyokimyasal bileşen için değerlendirilen toplam 360 adet model içerisinde en başarılı bulunan 20 adet modelden 16'sında dalga boyu seçim yönteminin kullanıldığı belirlenmiştir. Yine bu modellerin 15'inde spektral ön işlem uygulanması durumunda başarının arttığı anlaşılmıştır. Oluşturulan modeller içerisinde FD-VIP-SVM kombinasyonu ile karotenoid içeriği için oluşturulan model (RMSECal=1,28, R2Cal=0,99, RPDCal=10,76, RMSEVal=2,54, R2Val=0,96, RPDVal=5,11) tahmin başarısı en yüksek olan modeldir. Dalga boyu seçim yöntemlerinin kullanıldığı ve tahmin başarısı yüksek bulunan modellerde etkili dalga boylarının hedef bileşene göre değişim gösterdiği anlaşılmıştır. Sonuç olarak mısır ununda minor bileşenlerin tespitinde spektral ön işlem ve dalga boyu seçim işleminin uygulanması halinde, oluşturulan NIR kalibrasyonunun tahmin başarısının arttığı söylenebilir. Anahtar sözcükler: Modelleme, Spektral veri, Spektroskopi, Dalga boyu seçimiIn this thesis study, 10 different grain quality characteristics (amylose, amylopectin, zein, lysine, tryptophan, phytic acid, anthocyanin, phenolic component, total carotenoid, total tocopherol) in ground maize samples were determined by NIR spectroscopy. Calibration models were developed and the effect of different pre-treatment and different wavelength selection method combinations on prediction success was investigated. Two hundered samples differing in genetically and biochemically were used, as material. The samples were divided into two sets as model development (n = 150) and external validation (n = 50). As pre-treatment in the project work; first derivative (FD), second derivative (SD), standard normal variate (SNV) were compared with 4 different combinations in which these methods implemented jointly. Spectral data obtained from each pre-treatment combination were processed separately with the combination of 2 different wavelength selection methods (VIP and SR). After applying pre-treatment and wavelength selection methods, two different modeling techniques (PLS and SVMR) were used to estimate the target variables. In this way, a total of 36 different models were compared for each trait in the study. The model reliability was tested by subjecting the created models to external verification. Consequently, it was understood that NIR calibrations created for the determination of minor quality components in maize grain had a significant effect on the prediction success of different chemometric methods. In the study, it was determined that the wavelength selection method was used in 16 of the most successful 20 models among a total of 360 models evaluated for 10 different biochemical components. Nevertheless, in 15 of these models, it was understood that the reliability was increased when spectral pre-treatment was applied. The model created for the carotenoid content with the combination of FD-VIP-SVM among the created models (RMSEC = 1.28, R2Cal = 0.99, RPDCal = 10.76, RMSEVal = 2.54, R2Val = 0.96, RPDVal = 5.11) was the model with the highest prediction reliability. It has been understood that the effective wavelengths vary according to the target component in models with high prediction success and using wavelength selection methods. As a result, it can be expressed that the prediction success of the created NIR calibration increases if spectral pre-treatment and wavelength selection process is applied in the detection of minor components in maize flour. Keywords: Modelling, Spectral data, Spectroscopy, Wavelength selectiontrinfo:eu-repo/semantics/openAccessZiraatAgricultureMaster Thesis174647554