پیش‌بینی حجم، سطح جانبی و ضریب کرویت انار با استفاده از شبکه عصبی مصنوعی MLP

ماشین های کشاورزی

مقاله 7، دوره 5، شماره 2 - شماره پیاپی 10، 1394، صفحه 292-301   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jam.v5i2.28130

نویسندگان

عباس روحانی^{* 1}؛ سید ایمان ساعدی²؛ هادی گرایلو³؛ محمدحسین آق خانی¹

¹گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

²گروه مهندسی مکانیک ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، تهران، ایران

³دانشکده مهندسی برق و روباتیک، دانشگاه شاهرود، شاهرود، ایران

چکیده

اندازه‌گیری سریع و دقیق خصوصیات هندسی محصولات کشاورزی کاربردهای زیادی در امور مربوط به کاشت، داشت، برداشت و پس از برداشت دارد. محاسبات مربوط به انبارداری و نقل و انتقال، میزان مواد پوشش‌دهنده داده شده به محصولات برای افزایش عمر انبار داری، همچنین تخمین زمان پوست کنی و تعیین میزان تجمع مواد میکروبی روی محصول، از جمله کاربردهای مهم اندازه‌گیری حجم و سطح جانبی می‌‌باشند. ضریب کرویت نیز که یکی از پارامترهایی است که برای کمی کردن اختلاف در شکل میوه‌ها، سبزی‌ها، غلات و بذرها به‌کار می‌رود، در فرآیندهای جداسازی توسط ماشین‌های غربال و نیز قابلیت غلتش روی سطوح دارای اهمیت می‌باشد. استفاده از شبکه عصبی به‌عنوان یک روش سریع و غیرمخرب برای پیش‌بینی خصوصیات فیزیکی محصولات کشاورزی حائز اهمیت می‌‌باشد. در این تحقیق توانایی تکنیک شبکه عصبی مصنوعی به‌عنوان یک روش جایگزین در پیش‌بینی حجم، سطح جانبی و کرویت انار ارزیابی شد. برای این کار از مقایسه آماری پارامترهایی مانند میانگین، واریانس، توزیع آماری و رابطه رگرسیونی بین مقادیر پیش‌بینی شده توسط شبکه عصبی و مقادیر واقعی آنها استفاده شد. طبق نتایج به‌دست آمده مقدار 85/0 ≤p می‌باشد که نشان‌دهنده عدم وجود تفاوت معنی‌داری در سطح 5 درصد بین مقادیر ویژگی‌های آماری مجموعه داده‌های پیش‌بینی شده توسط شبکه عصبی و مقادیر واقعی آنها بود. همچنین ضرایب تبیین بین داده‌های واقعی و پیش‌بینی شده بزرگتر از 9/0 شد.

کلیدواژه‌ها

انار؛ حجم؛ سطح جانبی؛ شبکه عصبی؛ کرویت

مراجع