ارزیابی بهینه سازی مولفه های پرتودهی بذر با فراصوت برای افزایش بنیه گیاه چه ماش (Vigna radiata) توسط شبکه عصبی مصنوعی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 37

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_YUS-8-2_005

تاریخ نمایه سازی: 16 اردیبهشت 1404

چکیده مقاله:

چکیده مبسوط  مقدمه: شواهد آزمایشی زیادی نشان گر تاثیر مثبت پرتودهی بذر با موج های فراصوت می باشد؛ به طوری که این پرتودهی می تواند باعث تولید گیاه چه قوی تر شود. در مقابل، پرتودهی با شدت و مدت نامناسب می تواند از طریق تاثیر مخرب بر فعالیت آنزیمی، تاثیری زیان بار بر گیاه چه به جای گذارد. بین مولفه های پرتودهی (مدت خیساندن بذر قبل از پرتودهی، مدت و دمای پرتودهی) با یک دیگر و با متغیرهای پاسخ (وزن خشک گیاه چه و درصد گیاه چه های غیرطبیعی) رابطه پیچیده ای وجود دارد. از این رو نمی توان با مقایسه میانگین، یک ترکیب تعادلی دقیق را برای حصول مقادیر مطلوب وزن خشک گیاه چه و درصد گیاه چه های غیرطبیعی به دست آورد. هدف از این بررسی، بهینه سازی (پیدا کردن ترکیب تعادلی) مولفه های پرتودهی برای حصول وزن خشک زیادتر گیاه چه و درصد کم تر گیاه چه های غیرطبیعی در ماش با استفاده از شبکه عصبی مصنوعی بود.  مواد و روش ها: آزمایش به صورت فاکتوریل در قالب طرح پایه کاملا تصادفی با سه تکرار انجام شد که در آن، فاکتورها شامل شش مدت خیساندن بذر (دو، چهار، شش، هشت، ده و دوازده ساعت) قبل از پرتودهی، پنج مدت پرتودهی (صفر، سه، شش، نه و دوازده دقیقه) و چهار دمای پرتودهی (۱۷، ۲۲، ۲۷ و ۳۲ درجه سلسیوس) بود. ۲۵ عدد بذر برای هر ظرف پتری انتخاب گردید. برای کمی کردن روابط بین متغیرها از شبکه عصبی چند لایه پرسپترون استفاده شد که در آن، فاکتورهای آزمایش به عنوان ورودی (متغیرهای تاثیرگذار)، و درصد گیاه چه های غیر طبیعی و وزن خشک گیاه چه به عنوان خروجی مدل (متغیرهای پاسخ) در نظر گرفته شدند. یافته ها: نتایج تجزیه واریانس نشان داد که اثرات ساده و برهمکنش فاکتورها بر وزن خشک گیاه چه و درصد گیاه چه های غیر طبیعی معنی دار بود. ساختار ۳:۳:۲ مدل شبکه عصبی مبتنی بر تابع فعال سازی سکانت هایپربولیک مناسب به دست آمد. وزن خشک گیاه چه و درصد گیاه چه های غیر طبیعی از لحاظ میزان مشارکت فاکتورها در توجیه تغییرات آنها تفاوت قابل اغماضی داشتند؛ ترتیب اولویت فاکتورها از نظر تحت تاثیر قرار دادن این صفات به صورت مدت پرتودهی> دمای پرتودهی> مدت خیساندن بذر بود. ترکیب تعادلی مولفه های به دست آمده توسط شبکه عصبی شامل دمای پرتودهی ۹۶/۱۷ درجه سلسیوس، مدت پرتودهی ۳/۵ دقیقه و خیساندن ۲۵/۱۱ ساعته بذر بود که در مقایسه با دو ترکیب تعادلی به دست آمده توسط مقایسه میانگین، وزن خشک گیاه چه ۲۷% بالاتر و درصد گیاه چه های غیرطبیعی ۶/۰% پایین تر به دست آمد.  نتیجه گیری: به لحاظ شدت بالای برهمکنش مولفه های پرتودهی بر رشد گیاه چه، با تغییر کمیت هر مولفه، اثر مولفه (های) دیگر نیز تغییر شدیدی می یابد. از لحاظ یافتن بهترین ترکیب مولفه های پرتودهی، شبکه عصبی کارآمدتر از مقایسه میانگین بود. از این رو می توان از شبکه عصبی به عنوان روش تکمیلی در این گونه بررسی ها استفاده نمود. بهترین ترکیب تیماری شامل دمای حدود ۹۶/۱۷ درجه سلسیوس، خیساندن ۲۵/۱۱ ساعت و پرتودهی به مدت ۳/۵ دقیقه بود. جنبه های نوآوری: مولفه های پرتودهی شامل دما و مدت پرتودهی و مدت خیساندن بذر رشد گیاهچه را متاثر نمودند. سطوح نامناسب مولفه های پرتودهی بذر، رشد گیاه چه را به کمتر از شرایط بدون پرتودهی تقلیل داد. سطوح مطلوب (تعادلی) مولفه های پرتودهی بذر افزایش قابل توجهی در رشد گیاهچه ایجاد نمود.

نویسندگان

شمس الدین اسکندرنژاد

Shahrood University, Department of Agriculture, Shahrood, Iran

منوچهر قلی پور

of Shahrood University, Department of Agriculture, Shahrood, Iran

حسن مکاریان

of Shahrood University, Department of Agriculture, Shahrood, Iran

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 :
  • Alvandian, S., Vahedi, A. and Taghizadeh, R. ۲۰۱۳. Study of ...
  • Babaei, A., Alebrahim, M.T., MacGregor, D.R., Khatami, A. and Hasani_Nasab, ...
  • Bar, R. ۱۹۸۸. Ultrasound-enhanced bioprocesses: cholesterol oxidation by Rhodococcus erythropolis. ...
  • Barton, S., Bullock, C. and Weir, D. ۱۹۹۶. The effects ...
  • Bewley, J.D. and Black, M. ۱۹۸۲. Physiology and biochemistry of ...
  • Bommannan, D., Menon, G.K., Okuyama, H., Elias, P.M. and Guy, ...
  • Bonto, A.P., Tiozon Jr, R.N., Sreenivasulu, N. and Camacho, D.H. ...
  • Chang, D.H. and Islam, S. ۲۰۰۰. Estimation of soil physical ...
  • Drummond, S.T., Sudduth, K.A., Joshi, A., Birrell, S.J. and Kitchen, ...
  • Fariabi, A., Zarmanesh, H., Keshvari, M. and Abdoli, N. ۲۰۰۹. ...
  • The optimization of root nutrient content for increased sugar beet productivity using an artificial neural network [مقاله ژورنالی]
  • Optimization of traits to increasing barley grain yield using an artificial neural network [مقاله ژورنالی]
  • Goussous, S.J., Samarah, N.H., Alqudah, A.M. and Othman, M.O. ۲۰۱۰. ...
  • Green, T.R., Salas, J.D., Martinez, A. and Erskine, R.H. ۲۰۰۷. ...
  • Huang, Y., Lan, Y., Thomson, S.J., Fang, A., Hoffmann, W.C. ...
  • Jin, Y.Q., and Liu, C. ۱۹۹۷. Biomass retrieval from high-dimensional ...
  • Kashi, H., Emamgholizadeh, S., Ghorbani, H. and Hashemi, A.I. ۲۰۱۳. ...
  • Kaul, M., Hill, R.L. and Walthall, C. ۲۰۰۵. Artificial neural ...
  • Lib, Y., Pana, D., Caoa, J., Liua, L., Zhoucd, X. ...
  • Liu, Y., Takatsuki, H., Yoshikoshi, A., Wang, B.C. and Sakanishi, ...
  • Machikowa, T., Kulrattanarak, T. and Wonprasaid, S. ۲۰۱۳. Effects of ...
  • Miano, A.C., Sabadoti, V.D. and Augusto P.E.D. ۲۰۱۹. Combining ionizing ...
  • Park, S.J., Hwang, C.S. and Vlek, P.L.G. ۲۰۰۵. Comparison of ...
  • Pitt, W.G. and Ross, S.A. ۲۰۰۳. Ultrasound increases the rate ...
  • Polachini, T.C., Mulet, A., Telis-Romero, J. and Cárcel, J.A. ۲۰۱۹. ...
  • Rajabian, S. ۲۰۱۲. Effect of ultrasonic waves and pseudomonas bacteria ...
  • Rohani, A., Rangbar, A., Abbasporfard, M.H., Ajabshirchi, Y. and Valizadeh, ...
  • Optimizing plant traits to increase yield quality and quantity in tobacco using artificial neural network [مقاله ژورنالی]
  • Wang, J., Bian, Z., Wang, S. and Zhang, L. ۲۰۲۰. ...
  • Yaldagard, M., Mortazavi, S.A. and Tabatabaie, F. ۲۰۰۸a. Influence of ...
  • Yaldagard, M., Mortazavi, S.A. and Tabatabaie, F. ۲۰۰۸b. The effect ...
  • Zhang, W.J. and Barrion, A.T. ۲۰۰۶. Function approximation and documentation ...
  • Babaei, A., Alebrahim, M.T., MacGregor, D.R., Khatami, A. and Hasani_Nasab, ...
  • Bar, R. ۱۹۸۸. Ultrasound-enhanced bioprocesses: cholesterol oxidation by Rhodococcus erythropolis. ...
  • Barton, S., Bullock, C. and Weir, D. ۱۹۹۶. The effects ...
  • Bewley, J.D. and Black, M. ۱۹۸۲. Physiology and biochemistry of ...
  • Bommannan, D., Menon, G.K., Okuyama, H., Elias, P.M. and Guy, ...
  • Bonto, A.P., Tiozon Jr, R.N., Sreenivasulu, N. and Camacho, D.H. ...
  • Chang, D.H. and Islam, S. ۲۰۰۰. Estimation of soil physical ...
  • Drummond, S.T., Sudduth, K.A., Joshi, A., Birrell, S.J. and Kitchen, ...
  • Fariabi, A., Zarmanesh, H., Keshvari, M. and Abdoli, N. ۲۰۰۹. ...
  • The optimization of root nutrient content for increased sugar beet productivity using an artificial neural network [مقاله ژورنالی]
  • Optimization of traits to increasing barley grain yield using an artificial neural network [مقاله ژورنالی]
  • Goussous, S.J., Samarah, N.H., Alqudah, A.M. and Othman, M.O. ۲۰۱۰. ...
  • Green, T.R., Salas, J.D., Martinez, A. and Erskine, R.H. ۲۰۰۷. ...
  • Huang, Y., Lan, Y., Thomson, S.J., Fang, A., Hoffmann, W.C. ...
  • Jin, Y.Q., and Liu, C. ۱۹۹۷. Biomass retrieval from high-dimensional ...
  • Kashi, H., Emamgholizadeh, S., Ghorbani, H. and Hashemi, A.I. ۲۰۱۳. ...
  • Kaul, M., Hill, R.L. and Walthall, C. ۲۰۰۵. Artificial neural ...
  • Lib, Y., Pana, D., Caoa, J., Liua, L., Zhoucd, X. ...
  • Liu, Y., Takatsuki, H., Yoshikoshi, A., Wang, B.C. and Sakanishi, ...
  • Machikowa, T., Kulrattanarak, T. and Wonprasaid, S. ۲۰۱۳. Effects of ...
  • Miano, A.C., Sabadoti, V.D. and Augusto P.E.D. ۲۰۱۹. Combining ionizing ...
  • Park, S.J., Hwang, C.S. and Vlek, P.L.G. ۲۰۰۵. Comparison of ...
  • Pitt, W.G. and Ross, S.A. ۲۰۰۳. Ultrasound increases the rate ...
  • Polachini, T.C., Mulet, A., Telis-Romero, J. and Cárcel, J.A. ۲۰۱۹. ...
  • Rajabian, S. ۲۰۱۲. Effect of ultrasonic waves and pseudomonas bacteria ...
  • Rohani, A., Rangbar, A., Abbasporfard, M.H., Ajabshirchi, Y. and Valizadeh, ...
  • Optimizing plant traits to increase yield quality and quantity in tobacco using artificial neural network [مقاله ژورنالی]
  • Wang, J., Bian, Z., Wang, S. and Zhang, L. ۲۰۲۰. ...
  • Yaldagard, M., Mortazavi, S.A. and Tabatabaie, F. ۲۰۰۸a. Influence of ...
  • Yaldagard, M., Mortazavi, S.A. and Tabatabaie, F. ۲۰۰۸b. The effect ...
  • Zhang, W.J. and Barrion, A.T. ۲۰۰۶. Function approximation and documentation ...
  • نمایش کامل مراجع