امکان سنجی تعیین بافت خاک با استفاده از پردازش سیگنال های صوتی یک نفوذسنج مخروطی
محل انتشار: دوفصلنامه ماشین های کشاورزی، دوره: 13، شماره: 4
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 99
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAM-13-4_007
تاریخ نمایه سازی: 18 آذر 1402
چکیده مقاله:
بافت خاک یکی از خصوصیات مهم خاک است که با بسیاری از جنبه های عملکرد خاک، از بهره وری تا سهولت خاک ورزی، در ارتباط است. در حال حاضر، تعیین بافت خاک به دو صورت انجام می گیرد: در سطح مزرعه با دقت کم یا در محیط آزمایشگاهی و زمان بر. در این مطالعه به توسعه یک سیستم جدید برای تعیین بافت خاک در محل مورد نظر، با استفاده از یک نفوذسنج مخروطی با سه زاویه مخروط ۳۰، ۴۵ و ۶۰ درجه پرداخته شد. نفوذسنج مجهز به یک میکروفون بود که در آن صدای حاصل از اصطکاک مخروط-خاک برای تعیین بافت خاک استفاده شد. برای تشخیص سه نوع بافت خاک که شامل رس، شن و لوم بود، از روش آنالیز سیگنال های صوتی در حوزه زمان- فرکانس (تبدیل موجک) استفاده گردید. تجزیه سیگنال ها در ۵ سطح انجام شد و ویژگی های مجموع (SUM)، ریشه میانگین مربعات (RMS)، واریانس Var، کشیدگی (kurtosis) و ممان های مرتبه بالا Moment۴ مورد مقایسه قرار گرفتند. نتایج نشان داد که زیر سیگنال های جزئیات اول مخروط ۳۰ و ۶۰ درجه، جزئیات سوم مخروط ۶۰ درجه، جزئیات چهارم مخروط ۶۰ درجه و آپروکسیمت مخروط ۴۵ و ۶۰ درجه به ترتیب دارای بیشترین توانایی و اولویت برای تشخیص نوع بافت خاک از یکدیگر می باشند. در بین ویژگی های بررسی شده به ترتیب ویژگی های مجموع، واریانس، ممان، کشیدگی و ماکزیمم برای تشخیص نوع خاک با سطح احتمال ۱% دارای اولویت هستند. مقادیر همه این ویژگی ها با افزایش اندازه ذرات خاک از رس تا شن افزایش یافت. تکنیک صوت دارای پتانسیل خوبی جهت تشخیص نوع بافت خاک بود.
کلیدواژه ها:
نویسندگان
جعفر نصرالهی آذر
دانشجوی دکتری، گروه مهندسی مکانیک بیوسیستم، دانشگاه ارومیه، ارومیه، ایران
رحمان فرخی تیمورلو
گروه مهندسی مکانیک بیوسیستم، دانشگاه ارومیه، ارومیه، ایران
وحید رستم پور
گروه مهندسی مکانیک بیوسیستم، دانشگاه ارومیه، ارومیه، ایران
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 :