محسن آزادبخت؛ محمد واحدی ترشیزی
چکیده
آسیبهای گلابی یکی از علتهای اصلی ازدستدادن کیفیت میوه است. کبودی در هنگام بارگذاری دینامیکی و شبه استاتیک رخ میدهد که باعث تخریب بافت سالم میوه میگردد. در این پژوهش ابتدا گلابیها تحت بارگذاری شبه استاتیکی (لبۀ پهن و لبۀ نازک) و بارگذاری دینامیکی قرار گرفتند. سپس در دورههای 5، 10 و 15 روزه انبارداری شده و بعد از هر دوره انبارداری ...
بیشتر
آسیبهای گلابی یکی از علتهای اصلی ازدستدادن کیفیت میوه است. کبودی در هنگام بارگذاری دینامیکی و شبه استاتیک رخ میدهد که باعث تخریب بافت سالم میوه میگردد. در این پژوهش ابتدا گلابیها تحت بارگذاری شبه استاتیکی (لبۀ پهن و لبۀ نازک) و بارگذاری دینامیکی قرار گرفتند. سپس در دورههای 5، 10 و 15 روزه انبارداری شده و بعد از هر دوره انبارداری با استفاده از تکنیک غیرمخرب سیتیاسکن (CT-Scan) برای تخمین درصد پوسیدگی مورد بررسی قرار گرفتند. شبکۀ عصبی مصنوعی پرسپترون چندلایه (MLP) با دولایۀ پنهان و تعداد 3، 5، 7 و 9 نرون در هر لایه برای مدلسازی نیروی بارگذاری و دورۀ انبارداری میوۀ گلابی جهت پیشگویی میزان پوسیدگی انتخاب گردید. بیشترین مقادیر R2 آموزش و آزمون برای بارگذاری شبه استاتیکی لبۀ نازک و لبۀ پهن در شبکهای با 9 نرون بهترتیب 0/91=لبۀ نازک آموزش، 0/99=لبۀ نازک آزمون و 0/95= لبۀ پهن آموزش و 0/99= لبۀ پهن آزمون بوده است و برای بارگذاری دینامیکی شبکهای با 3 نرون در لایۀ مخفی 0/98=آموزش، 0/99=آزمون بیشترین مقدار را به خود اختصاص داده است. همچنین بهترین شبکه برای یادگیری (9 نرون) بارگذاری شبه استاتیکی لبۀ نازک، (7 نرون) بارگذاری شبه استاتیکی لبۀ پهن و بارگذاری دینامیکی (7 نرون) بود. باتوجهبه نتایج بهدستآمده برای R2، RMSE و سیکل یادگیری میتوان گفت شبکۀ عصبی توانایی پیشبینی میزان درصد پوسیدگی را در حد قابلقبولی برای گلابی داشته است.
رضا محمدی گل؛ فرزاد آزاد شهرکی؛ ولی اله لطفی
چکیده
انگور یکی از مهمترین میوهها در جهان است. ترکیبات فنلی، آنتیاکسیدانهایی هستند که از اجزاء مهم انگور بشمار میروند. اصطلاح ترکیبات فنلی شامل تمام مولکولهای آروماتیکی ازجمله اسیدهای آمینه تا مولکولهای پیچیده شامل تاننها و لگنینهاست. روش طیفسنجی فروسرخ نزدیک از رایجترین روشهای غیرمخرب سنجش ترکیبات و تعیین کیفیت میوهها ...
بیشتر
انگور یکی از مهمترین میوهها در جهان است. ترکیبات فنلی، آنتیاکسیدانهایی هستند که از اجزاء مهم انگور بشمار میروند. اصطلاح ترکیبات فنلی شامل تمام مولکولهای آروماتیکی ازجمله اسیدهای آمینه تا مولکولهای پیچیده شامل تاننها و لگنینهاست. روش طیفسنجی فروسرخ نزدیک از رایجترین روشهای غیرمخرب سنجش ترکیبات و تعیین کیفیت میوهها و سبزیهاست. در پژوهش حاضر امکان اندازهگیری فنل کل انگور توسط طیفسنجی فروسرخ نزدیک و شبکۀ عصبی مصنوعی (پرسپترون) مورد بررسی قرار گرفته است. تعداد 444 نمونه (107 نمونه رقم عسگری، 106 نمونه رقم بیدانۀ قرمز، 111 نمونه رقم شاهرودی و 120 نمونه رقم خوشناو) برای تدوین شبکه و اعتبارسنجی آن انتخاب شدند. شبکههای تدوینشده بهوسیلۀ شاخص انحراف پیشبینی باقیمانده در تخمین مقادیر فنل در نمونههای اعتبارسنجی (101 نمونه) ارزیابی شدند. بیشترین مقدار برابر 66/1 در شبکه با توپولوژی 1- 5- 8 با ضریب همبستگی (r) 0/79 و ریشۀ میانگین مربعات خطای پیشبینی 48/66 بهدست آمد. نتایج نشان داد که امکان جداسازی مقدارهای کم از زیاد فنل کل با تکنیک طیفسنجی فروسرخ نزدیک و شبکۀ عصبی (پرسپترون) پسانتشار خطا بهعنوان یک روش غیرمخرب وجود دارد.
مجید لشگری؛ رضا محمدی گل
چکیده
امروزه استفاده از سیستمهای نوینی که قادر به اندازهگیری غیرمخرب ویژگیهای کیفی محصولات غذایی بوده و قابلیت نصب روی خطوط درجهبندی را دارند، از اهمیت بهسزایی برخوردار است. تحلیل پاسخ آکوستیکی یکی از شیوههای غیرمخرب اندازهگیری ویژگیهای کیفی میوهها بشمار میآید. در این پژوهش، بررسی امکان استفاده از تحلیل پاسخ ...
بیشتر
امروزه استفاده از سیستمهای نوینی که قادر به اندازهگیری غیرمخرب ویژگیهای کیفی محصولات غذایی بوده و قابلیت نصب روی خطوط درجهبندی را دارند، از اهمیت بهسزایی برخوردار است. تحلیل پاسخ آکوستیکی یکی از شیوههای غیرمخرب اندازهگیری ویژگیهای کیفی میوهها بشمار میآید. در این پژوهش، بررسی امکان استفاده از تحلیل پاسخ آکوستیکی در طبقهبندی سیب رددلیشز صورت گرفته است. در این پژوهش، تبدیل موجک گسسته با استفاده از موجک دابوچی چهار در سه سطح، روی سیگنالهای صدای حاصل از ضربه به سیبها در دو حوزۀ زمان و فرکانس برای استخراج ویژگیهای مناسب اعمال شد. توابع آماری بیشینه، کمینه، میانگین، انحراف معیار، انرژی، کشیدگی، چولگی و ممان سوم بهعنوان ویژگی استخراج شدند. با استفاده از الگوریتم شبکۀ عصبی پرسپترون چندلایه، طبقهبندی سیبها براساس تغییرات پاسخ آکوستیکی در دورۀ نگهداری انجام گرفت. نتایج نشان داد که شبکۀ مصنوعی با ساختار 2-1-4 در حوزۀ زمان بهترین عملکرد را داراست. میانگین صحت طبقهبندی برای شبکۀ مذکور 82/1 درصد و شاخص میانگین همساز دقت و حساسیت (Fβ) نیز 0/81 بهدست آمد.