Renk parametreleri kullanılarak karadut'ta antosiyanin içeriğinin modellenmesi

Meyvelerde toplam monomerik antosiyanin içeriğinin belirlenmesinde yaygın olarak pH diferansiyel metodu kullanılmaktadır. Bu metot yoğun iş gücü ve zamanın yanı sıra pahalı kimyasallar gerektirmektedir. Bu tez çalışmasının amacı, karadut meyvesinin antosiyanin içeriğinin belirlenmesinde, mevcut yönteme alternatif olacak daha basit ve hızlı bir model geliştirmektir. Tez kapsamında Tokat Gaziosmanpaşa Üniversitesi Tarımsal Uygulama ve Araştırma Merkezi'nde bulunan karadut (Morus nigra) K60 genotipinden yararlanılmıştır. Meyveler, 2022 ve 2023 yıllarının temmuz ayında çok farklı olgunluk aşamalarında hasat edilmiştir. İlk başta dış renk (L*, a*, b*) ölçümleri yapılan meyvelerin daha sonra pH, suda çözünür kuru madde (SÇKM) ve antosiyanin analizleri yapılmıştır. Elde edilen veriler bağımsız (L*, a*, b*, pH, SÇKM) ve bağımlı (antosiyanin) değişkenler olarak iki gruba ayrılmıştır. Antosiyanin tahmini için dört farklı makine öğrenimi algoritmalarından faydalanılmıştır. Bunlar; MultilayerPerceptron, SVM, KNN ve RandomForest'dir. Oluşturulan modellerin performans değerlendirme ölçütleri olarak; korelasyon katsayısı (r), ortalama mutlak hata (Mean absolute error-MAE), hata kareler ortalamasının karakökü (Root Mean Square Error-RMSE), bağıl mutlak hata (Relative Absolute Error-RAE) ve bağıl hata kareleri karakökü (Root relative squared error-RRSE) kullanılmıştır. Çalışmanın sonucunda, kullanılan makine öğrenimi algoritmaları arasında antosiyanin değerlerinin tahmininde en başarılı sonucu RandomForest algoritması sağlamıştır. RandomForest algoritmasını sırasıyla KNN, SVM ve MultilayerPerceptron algoritmaları takip etmiştir. RandomForest algoritmasının performans değerleri; korelasyon katsayısı (r) 0.8498, MAE 52.779, RMSE 79.0309, RAE %43.3826 ve RRSE %52.7319 olarak tespit edilmiştir.