اثر زمان برداشت بر تلفات ذرت و پیش‌بینی آن با منطق فازی در منطقه مغان

ماشین های کشاورزی

مقاله 9، دوره 10، شماره 2 - شماره پیاپی 20، 1399، صفحه 229-240   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jam.v10i2.73290

نویسنده

مهدی عباسقلی پور^*

گروه مهندسی مکانیک بیوسیستم، واحد بناب، دانشگاه آزاد اسلامی، بناب، ایران

چکیده

در این تحقیق تلفات برداشت ذرت با کمباین جاندیر مدل 1165 در منطقه مغان در شرایط آب و هوایی مختلف در قالب طرح کرت‌های خرد شده بر پایه بلوک‌های کامل تصادفی و در سه تکرار مورد مطالعه قرار گرفت. تلفات واحد فرآوری و واحد جمع‌آوری کمباین در تاریخ‌های 14، 17 و 20 آبان ماه 1396 و در سه زمان برداشت در طول روز ساعت 10-8، 13-11 و 16-14 با سه تکرار اندازه‌گیری شدند. نتایج تجزیه واریانس اختلاف معنی‌داری را بین تاریخ‌ها و زمان‌های برداشت در سطح احتمال 5% نشان داد. با توجه به مقایسه میانگین‌ها توسط آزمون دانکن، کمترین تلفات در تاریخ 17 آبان ماه ساعت 16-14 به مقدار 05/10% بود و بیشترین آن مربوط به 20 آبان ساعت 10-8 به مقدار 78/12% اندازه‌گیری شد. رطوبت بالای هوا و پایین بودن دمای هوا از دلایل افزایش تلفات بود. در ادامه تحقیق با توجه به تاثیر زمان برداشت در میزان تلفات، برای پیش‌بینی مناسب‌ترین زمان برداشت اقدام به طراحی یک سیستم خبره فازی گردید که در آن تلفات واحد فرآوری، واحد جمع‌آوری و رطوبت هوا به‌عنوان ورودی‌های سیستم و زمان برداشت به‌عنوان خروجی آن در نظر گرفته شد. برای ایجاد سیستم خبره فازی از موتور استنتاج ممدانی با فازی‌ساز منفرد و غیرفازی‌ساز میانگین مراکز استفاده شد. ضریب تبیین 98/0 نشان‌دهنده همبستگی زیاد نتایج پیش‌بینی بهترین زمان برداشت با مقادیر اندازه‌گیری شده بود. بنابراین سیستم فازی طراحی شده با دقت بالایی زمان برداشت ذرت را پیش‌بینی می‌کند.

کلیدواژه‌ها

پیش بینی زمان برداشت؛ تلفات برداشت؛ ذرت دانه ای؛ سیستم خبره فازی

مراجع

1. Craessaerts, G., J. De Baerdemaeker, B. Missotten, and W. Saeys. 2009. Fuzzy control of the cleaning process on a combine harvester. Biosystems Engineering 106: 103-111.

2. FAO statistics. 2015. The Food and Agriculture Organization statistics: Corp, Maize, production quantity, Available at: http://www.fao.org/faostat/en/#data/ QC.

3. Humburg, D. 2016. Combine Adjustments to Reduce Harvest Losses. Chapter 37 in Clay, D.E., C.G. Carlson, S.A. Clay, and E. Byamukama eds. Best Management Practices. South Dakota State University.

4. DeToro, A., G. Gunnarsson, G. Lundin, and N. Jonsson. 2012. Cereal harvesting strategies and costs under variable weather conditions. Biosystem Engineering 3: 429-439.

5. Karatalopoulos, S. V. 2000. Understanding Neural Networks and Fuzzy Logic- Basic Concepts and Applications. Prentice Hall, New-Delhi, India.

6. Kordi, S. 2012. Effects of urea foliar application, harvesting time and seed drying methods on agronomical traits and seed quality of corn in Khorramabad conditions. Faculty of agriculture. Ilam University, Ilam, Iran. (In Farsi).

7. Laviolette, M. and J. W. Seaman. 1994. The efficiency of fuzzy representations of uncertainty. IEEE Trans. Fuzzy Systems 2: 4-15.

8. Mostofi Sarkari M. R. 2011. Investigation & determination of corn combine harvester losses to introduce an appropriate methods to reduce losses. Journal of Agricultural Machinery Engineering 1(1): 10-16. (In Farsi).

9. Mostofi Sarkari M. R., M. S Valiahdi, and I. Ranjbar. 2014. Field Evaluation of Cereal Combine Harvesters Processing Losses on JD-955 and JD-1165 Combines Equipped with Grain Loss Monitor. Journal of Agricultural Machinery 4 (2): 335-343. (In Farsi).

10. Nazmi, M.W., G. Chen, and D. Zare. 2010. The effect of different climatic conditions on wheat harvesting strategy and return. Biosystems Engineering 106: 493-502.

11. Omid, M., M. Lashgari, H. Mobli, R. Alimardani, S. Mohtasebi, and R. Hesamifard. 2010. Design of fuzzy logic control system incorporating human expert knowledge for combine harvester. Expert Systems with Applications 37: 7080-7085.

12. Paulsen, M. R., F. D. A. D. C. Pinto, D. G. De Sena, R. S. Zandonadi, S. Ruffato, A. G. Costa, and M. G. C. Danao. 2014. Measurement of combine losses for corn and soybeans in Brazil. Applied Engineering in Agriculture 30 (6): 841-855.

13. Price, T. 1997. Growing dryland maize, Agricultural Extention Office, Northern Territory, Australia.

14. Prochnow, A., H. Risius, T. Hoffmann, and F. M. Chmielewski. 2015. Does climate change affect period, available field time and required capacities for grain harvesting in Brandenburg, Germany? Agricultural and Forest Meteorology 203 (0): 43e53

15. Rahama A. M., M. E. Ali, and M. I. Dawel Beit. 1997. On-farm evaluation of combine harvester losses in the Gezira Scheme in Sudan. Agricultural Mechanization in Asia, Africa and Latin America 28 (2): 23-26.

16. Ross, J. T. 1995. Fuzzy Logic with engineering applications. New York: McGraw Hill Inc.

17. Shauck, T. C., and R. J. Smeda. 2011. Factors Influencing Corn Harvest Losses in Missouri. Crop Management. Online. 10.1094/CM-2011-0926-01-RS. Available at: www.plantmanagementnetwork.org/cm/

18. Shay C., L.V. Ellis, and W. Hires. 1999. Measuring and Reducing Corn Harvesting Losses, Department of Agricultural Engineering, University of Missouri-Columbia.

19. Spengler A., S. Memleben. 2003. Combine harvesting at large scale enterprises in Europe. Proceedings of the international conference on crop harvesting and processing. American Society of Agricultural and Biological Engineers (ASABE). Pub. # 701P1103e. Louisville, Kentucky, USA.

20. Suleiman, A. R. 2015. Current Maize Production, Post-harvest Losses and the Risk of Mycotoxins Contamination in Tanzania. An ASABE Meeting Presentation, 26e29, 2015. Paper No. 152189434. ABSAE, St. Joseph MO, USA.

21. Tolera, A., F. Sundstøl, and A. N. Said. 1998. The effect of stage of maturity on yield and quality of maize grain and stover. Animal Feed Science and Technology 75 (2): 157-168.

22. Wang, L. X. 1997. A Course in Fuzzy Systems and Control, Prentice-Hall.