ارزیابی غیرمخرب کیفیت کیوی رقم ابوت با استفاده از بینی الکترونیکی
محل انتشار: مجله مهندسی بیوسیستم ایران، دوره: 45، شماره: 1
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 247
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJBSE-45-1_001
تاریخ نمایه سازی: 31 اردیبهشت 1402
چکیده مقاله:
امروزه روشهای گوناگونی برای ارزیابی غیرمخرب کیفیت محصولات کشاورزی ابداع شده است و از آنها استفاده میشود. در تحقیق حاضر از سامانه بینی الکترونیکی بهمنظور ارزیابی غیرمخرب کیفیت کیوی رقم ابوت استفاده شده است. سامانه بینی الکترونیکی به کمک تکنیک شبکه عصبی مصنوعی و آنالیز مولفههای اصلی (PCA) قادر به طبقهبندی نارس، نیمه رسیده، رسیده، بیش از حد رسیده، و فساد کیوی رقم ابوت است. آنالیز مولفه های اصلی با دو مولفه و ، ۹۹ درصد از واریانس دادهها را پوشش داد و مراحل رسیدگی کیوی رقم ابوت را بدون تداخل طبقهبندی کرد. دقت طبقهبندی کل به کمک تکنیک شبکه عصبی مصنوعی ۱۰۰ درصد محاسبه شد. کمترین و بیشترین میزان میانگین مربعات خطا به ترتیب در مرحله نیمه رسیده ۰۲۵۲۳/۰ و فساد کیوی رقم ابوت ۰۰۱۹۸/۰ به دست آمد. همچنین در این تحقیق، سفتی به عنوان یکی از روشهای مخرب ارزیابی رسیدگی کیفیت کیوی رقم ابوت اندازهگیری شد. نتایج آنالیز سفتی کیوی رقم ابوت نشان داد که بین سفتی مراحل پس از برداشت (نارس، نیمه رسیده، رسیده و بیش از حد رسیده) در سطح ۵ درصد تفاوت معنیداری وجود دارد. پیشبینی سفتی کیوی رقم ابوت از روی بوی مراحل رسیدگی با استفاده از شبکه عصبی مصنوعی با ضریب ۹۹۵/۰ تعیین شد. سامانه بینی الکترونیکی مطالعه شده میتواند به عنوان ابزاری مطمئن برای پایش رسیدگی میوه کیوی در سردخانهها استفاده شود.
کلیدواژه ها:
نویسندگان
امین فروغی راد
دانشجوی کارشناسی ارشد دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران
سید سعید محتسبی
استاد دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران
مهدی قاسمی ورنامخواستی
استادیار گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده کشاورزی، دانشگاه شهرکرد
محمود امید
استاد دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :