مدلسازی پیشبینی خصوصیات فیزیکی دانه ذرت شیرین تحت تاثیر رطوبت با استفاده از شبکه عصبی مصنوعی

اندازهگیری دقیق و سریع خصوصیات هندسی و ثقلی در هنگام فرآوری محصولات کشاورزی، طراحی دستگاههای حمل و نقل، فرآیند، نگهداری و همچنین دستیابی به محصولی با کیفیت بالا بسیار حائز اهمیت است. در این پژوهش برخی از ویژگیهای فیزیکی دانه ذرت شیرین کشت داده شده در استان گلستان ایران بررسی شد. بدین منظور ویژگیهای هندسی (طول، عرض، ضخامت، قطر میانگین حسابی و هندسی، سطح جانبی ضریب کرویت و مساحت تصویر)، ثقلی (وزن هزار دانه، دانسیته واقعی، دانسیته توده، حجم و تخلخل) و اصطکاکی (زاویه پایداری پر کردن و تخلیه) این محصول در دامنه رطوبتی ۹ تا ۲۵ درصد اندازه گیری شد. در این مطالعه جهت پیشبینی روند تغییرات خصوصیات ذرت شیرین از ابزار شبکههای عصبی مصنوعی در نرمافزار MATLAB R۲۰۱۳a استفاده شد. با بررسی شبکههای مختلف شبکه ی پس انتشار پیشخور با توپولوژیهای ۱۶ - ۶ - ۱ با ضریب همبستگی بیشتر از ۹۹۹ / ۰ و میانگین مربعات خطای کمتر از ۰۰۱ / ۰ و با بکارگیری تابع فعالسازی لگاریتم سیگموئیدی ، الگوی یادگیری جهنده و چرخه یادگیری ۱۰۰۰ به عنوان بهترین مدل عصبی مشخص گردید. نتایج حاصل از مدلهای بهینهی انتخاب شده نیز ارزیابی گردید و این مدلها با ضرایب همبستگی بالا (بیش از ۹۹۰/۰) قادر به پیشبینی روند تغییرات خصوصیات فیزیکی ذرت شیرین بودند. با توجه به اهمیت دستیابی به ویژگیهای فیزیکی حبوبات در مراحل برداشت و فراوری محصول، مدلی با استفاده از شبکه عصب مصنوعی ایجاد شد که بهعنوان یک سیستم کارشناس، با دقت و سرعت بسیار بالا قادر به پیشگویی و تعیین ویژگیهای فیزیکی محصول تنها با استفاده از درصد رطوبت آن بود.

کلیدواژه ها:

شبکه عصب مصنوعی ، سیستم کارشناس ، ذرت شیرین ، ویژگیهای فیزیکی