طبقه‌بندی کیوی با استفاده از تکنیک ضربه- آکوستیک و شبکه عصبی مصنوعی

ماشین های کشاورزی

مقاله 7، دوره 9، شماره 2 - شماره پیاپی 18، 1398، صفحه 337-346   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jam.v9i2.71198

نویسندگان

فرزانه جنت دوست؛ پرویز احمدی مقدم^* ؛ فاروق شریفیان

گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران

چکیده

حفظ پارامترهای کیفی میوه در مرحله پس از برداشت نقش تاثیرگذاری در بازارپسندی و کاهش ضایعات محصول دارد. هدف اصلی تحقیق حاضر، بررسی فاکتور سفتی میوه‌ی کیوی پس از برداشت با استفاده از تکنیک غیرمخرب آنالیز سیگنال صوتی حاصل از ضربه می‌باشد. در این مطالعه 150 عدد کیوی رقم هایوارد در طول دوره 18 روز پس از برداشت (پس از خروج از سردخانه) مورد مطالعه قرار گرفتند. نمونه‌ها بر روی یک نوار نقاله قرار داده شده و به‌طور گسسته با یک صفحه افقی برخورد کرده و سپس با پردازش صدای حاصل از ضربه در دو حوزه زمان و فرکانس، صفات مربوط به کیوی‌های سفت، متوسط و نرم استخراج گشت و سپس توسط شبکه‌های عصبی مصنوعی کلاس‌بندی شد. نتایج نشان داد که ویژگی‌های حوزه فرکانس، بیشترین قابلیت را در شناسایی صحیح نمونه‌ها داشته و مدل بهینه‌ی ارائه شده با تعداد پنج نرون در لایه پنهان دارای دقت شناسایی صحیح 3/93 در مرحله آموزش، 3/91 در مرحله ارزیابی و 3/78 درصدی برای داده‌های آزمون برای کل نمونه‌ها بود.

کلیدواژه‌ها

آزمون غیرمخرب صوتی؛ انبارمانی؛ پردازش سیگنال؛ سفتی کیوی؛ شبکه عصبی مصنوعی

مراجع

1. Bureau, S., D. Ruiz, M. Reich, B. Gouble, D. Bertrand, J.-M. Audergon, and C. M. Renard. 2009. Rapid and non-destructive analysis of apricot fruit quality using FT-near-infrared spectroscopy. Food Chemistry 113: 1323-1328.

2. De Ketelaere, B., M. S. Howarth, L. Crezee, J. Lammertyn, K. Viaene, I. Bulens, and J. De Baerdemaeker. 2006. Postharvest firmness changes as measured by acoustic and low-mass impact devices: a comparison of techniques. Postharvest Biology and Technology 41: 275-284.

3. FAO. 2013. FAO Stat: Agriculture Data. Available on <http://faostat.fao.org/site/339/default.aspx>.

4. Garsia, F. J., J. Canavate, M. Altisen, and J. M. Chaves. 2003. Development and impelementation of online impact sensor for firmness sensing of fruits. Journal of Food Engineering 58: 53-70.

5. Kim, K.-B., S. Lee, M.-S. Kim, and B.-K. Cho. 2009. Determination of apple firmness by nondestructive ultrasonic measurement. Postharvest Biology and Technology 52: 44-48.

6. Mery, D., F. Pedreschi, and A. Soto. 2013. Automated design of a computer vision system for visual food quality evaluation. Food and Bioprocess Technology 6: 2093-2108.

7. Mirzaei, M., M. Khoshtaghaza, H. Barzegar, and A. Salimi. 2013. Effect of potasiom nani ziolet and time on kiwifruit physic chemical properties. Journal of Agricultural Machinery 4 (1): 37-49. (In Farsi).

8. Mizrach, A. 2007. Nondestructive ultrasonic monitoring of tomato quality during shelf-life storage. Postharvest Biology and Technology 46: 271-274.

9. Park, Y., S. Jung, and S. Gorinstein. 2005. Ethylene treatment of ‘Hayward’kiwi fruit during ripening and its influence on ethylene synthesis and antioxidant activity. Scientia Horticulturae 108: 22-28.

10. Pathaveerat, S., A. Terdwongworakul, and A. Phaungsombut. 2008. Multivariate data analysis for classification of pineapple maturity. Journal of Food Engineering 89: 112-118.

11. Perez-Marin, D., M.-T. Sanchez, P. Paz, M.-A. Soriano, J.-E. Guerrero, and A. Garrido-Varo. 2009. Non-destructive determination of quality parameters in nectarines during on-tree ripening and postharvest storage. Postharvest Biology and Technology 52: 180-188.

12. Rangi, L., and A. Berardinelli. 2001. Mechanical behaviour of apples, and damage during sorting and packing. Journal of Agricultural Engineering Research 78: 273-279.

13. Ruiz-Altisent, M., L. Lleo, and F. Riquelme. 2006. Instrumental quality assessment of peaches: fusion of optical and mechanical parameters. Journal of Food Engineering 74: 490-499.

14. Smets, M. P. H., T. R. Eger, and S. G. Grenier. 2010. Whole body vibration experienced by haulage truck operations in surface mining operations: a comparison of various analysis methods utilized in the prediction of health risks. Applied Ergonimics 41 (6): 763-770.

15. Terasaki, S., N. Wada, N. Sakurai, N. Muramatsu, R. Yamamoto, and D. J. Nevins. 2001. Nondestructive measurement of kiwifruit ripeness using a laser Doppler vibrometer. Transactions of the ASAE 44: 81.

16. Zhang, B., W. Huang, L. Jiangbo, C. Zhao, S. Fan, J. Wu, and C. Liu. 2014. Principles, developments and applications of computer vision for external quality inspection of fruits and vegetables: A review. Food Research International 62: 326-343.