امکان سنجی استفاده از الگوریتم قورباغه ای تصادفی در پیش بینی باقیمانده سموم در گوجه فرنگی
- سال انتشار: 1400
- محل انتشار: ششمین همایش بین المللی دانش و فناوری علوم کشاورزی ، منابع طبیعی و محیط زیست ایران
- کد COI اختصاصی: MDCONF06_118
- زبان مقاله: فارسی
- تعداد مشاهده: 451
نویسندگان
دانشجوی دکتری گروه مهندسی بیو سیستم ، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
استاد گروه مهندسی بیو سیستم ، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
استاد گروه مهندسی بیو سیستم ، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
استاد دانشکده کشاورزی و منابع طبیعی مغان ، دانشگاه محقق اردبیلی
دانشجوی ارشد گروه مهندسی بیو سیستم ، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران
چکیده
در این مطالعه امکان تشخیص غیر مخرب باقیمانده سموم گوجه فرنگی با استفاده از طیف سنجی مادون قرمز نزدیک (۱Vis/NIR)ومدل های پیش بینی از قبیل، رگرسیون حداقل مربعات جزئی(PLSR)شبکه عصبی مصنوعی ۲ (ANN) مورد بررسی قرار گرفتند. ابتدا داده های طیفی Vis / NIR ، از ۱۸۰ نمونه گوجه فرنگی بدون سم (که به عنوان تیمار شاهد استفاده شد و نمونه های آغشته به سم با غلظت ۲ لیتر در هزار لیتر در محدوده طیفی ۲۵۰-۱۱۰۰ نانومتر بوسیله یک دستگاه اسپکتر ورادیو متر ثبت گردید و سپس به دو قسمت داده های کالیبراسیون (۷۰٪) و داده های پیشبینی (۳۰%) تقسیم بندی شدند. در مرحله بعد، عملکرد پیش بینی مدل های PLSR و ANN پس از پردازش با ده روش پیش پردازش طیفی مقایسه شد. داده های طیفی بدست آمده از طیف سنجی به عنوان ورودی و مقادیر سم بدست آمده با روش کاراتوگرافی گازی به عنوان داده های خروجی مورد استفاده قرار گرفتند. برای انتخاب تعداد متغیرهای اصلی از الگوریتم قورباغه تصادفی ۳(RF) استفاده گردید. با توجه به مقادیر بدست آمده برای خطای ریشه میانگین مربعات(RMSE) و ضریب همبستگی (R) داده های کالیبراسیون و پیشبینی مشخص شد که مدل تلفیقی RF- PLS بهترین عملکرد را دارد (۰.۹۸۸= RMSEP=۰.۱۶۶ ،RMSEC-۰.۱۴۱ ،RP= ۰.۹۸۲ RC). نتایج تجربی بدست آمده می تواند مرجعی برای توسعه ی سامانهای برای تشخیص غیرمخرب محتوای داخلی محصولات کشاورزی مبتنی برطیف سنجی NIR باشد.کلیدواژه ها
باقیمانده سموم، اسپکتروسکوپی، PLS ، محاسبات نرم، الگوریتممقالات مرتبط جدید
- نقش کربن و اثرات دی اکسیدکربن بر آلودگی هوا و سلامت انسان
- اثرات مالچ پاشی در مقابله با بیابان زدایی و مرور سایر روش های اجرایی بیابان زدایی
- منابع و مسیرهای ورود میکروپلاستیک ها به محیط زیست
- چالشهای مدیران امور اراضی در مواجه با تخلفات تغییر کاربری و راهکارهای مقابله با آنها
- ارزیابی اثر زیست پالایی بر پسماندهای صنعتی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.