ماشین های کشاورزی

چکیده مالچ های پلاستیکی باقی‌مانده در مزارع کشاورزی به دلیل تخریب ساختاری و بازیابی ناکارآمد، سلامت خاک و کشاورزی پایدار را تهدید می‌کنند. برای پرداختن به این موضوع در این مطالعه، اثرات ضخامت فیلم مالچ (0.006-0.014 میلی‌متر)، زمان ماندگاری فیلم مالچ (تا120 روز) و دو منطقه مختلف از لحاظ اکولوژیکی در استان گوئیژو چین: شهر لانگگانگ (شهرستان کایانگ) و شهر لینکوان (شهرستان کیانشی) را بر خواص فیزیکی و قابلیت بازیافت در کشت تنباکو بررسی کرد. تحلیل مکانیکی، نوری و راندمان بازیافت نشان داد که مقاومت کششی، گسیختگی (پارگی) و سوراخ شدن به‌طور متناسب با ضخامت در مدت زمان‌های یکسان افزایش می‌یابد، در حالی‌که نرخ ازدیاد طول در ابتدا افزایش و سپس کاهش می‌یابد. ماندگاری مالچ ها در طولانی مدت عملکرد مکانیکی را در ضخامت‌های ثابت کاهش می‌دهد، به‌طوری‌که مقاومت کششی و پارگی طولی به‌طور مداوم از مقادیر عرضی بیشتر می‌شود. خواص نوری به‌طور قابل‌توجهی دچار تغییر می شود: فیلم‌های نو و استفاده‌نشده، بهترین عبور نور و کدورت را نشان می‌دهند، در حالی‌که فیلم‌های 0.008 میلی‌متری حداکثر عبور نور را داشته و فیلم‌های ضخیم‌تر (0.010-0.014 میلی‌متر) کدورت بیشتری دارند. راندمان بازیافت با ضخامت همبستگی مثبت و با مدت ماندگاری مالچ همبستگی معکوس دارد. پس از 120 روز، راندمان بازیافت همبستگی زیادی با بارهای پارگی طولی و عرضی دارد. تغییرات منطقه‌ای به‌طور قابل‌توجهی بر خواص مکانیکی فیلم‌های 0.010 میلی‌متری تاثیر می‌گذارند، که نشان می‌دهد این ضخامت ممکن است با محیط‌های متنوع جغرافیایی بهتر سازگار شود. فیلم‌های ضخیم‌تر پس از گذشت 120 روز از استقرار مالچ، به دلیل حفظ یکپارچگی ساختاری، قابلیت بازیافت بالاتری را نشان می‌دهند. این یافته‌ها به‌طور سیستماتیک الگوهای تخریب فیزیکی را به قابلیت بازیافت در شرایط مزرعه مرتبط می‌کنند و بینش‌های عملی برای بهینه‌سازی استفاده از مالچ پلاستیکی، طراحی محصولات بادوام و بهبود ماشین‌آلات بازیابی ارائه می‌دهند. این مطالعه با متعادل کردن عملکرد پلاستیک، سازگاری با محیط‌زیست و راندمان بازیابی در پایان عمر، از شیوه‌های کشاورزی پایدار حمایت می‌کند.

چکیده مطالعه رفتار خاک در تعامل چرخ با خاک به دلیل هندسه چرخ و شرایط متغیر خاک پیچیده است. اندازه‌گیری‌های سنتی پارامترهای خاک، مانند بوامتر و نفوذسنج مخروطی، زمان‌بر و پرزحمت هستند. این تحقیق یک رویکرد مبتنی بر یادگیری ماشین برای پیش‌بینی فرونشست خاک در آزمایش‌های نفوذ صفحه ارائه می‌دهد و جایگزین مناسبی برای روش‌های مرسوم ارائه می‌دهد. از یک انباره خاک با شرایط آزمایشگاهی کنترل‌شده برای جمع‌آوری داده‌ها استفاده شد. مقدار نیرو در هر لحظه توسط یک حسگر اندازه‌گیری بار و میزان فرورفتگی توسط یک خط‌کش دیجیتال با سرعت نفوذ ثابت 4 میلی‌متر بر ثانیه ثبت شد. دو مدل اصلی یادگیری ماشین، XGBoost و CatBoost، انتخاب شدند. نسخه‌های ترکیبی این مدل‌ها با استفاده از الگوریتم بهینه‌سازی پرنده شرایک (SBOA) توسعه داده شدند. نتایج نشان داد که مدل‌های ترکیبی از مدل‌های پایه بهتر عمل می‌کنند. مدل ترکیبی SBOA-CatBoost با ضریب تعیین 0.99، میانگین مربعات خطا 2.81 و میانگین مطلق خطا 0.79، بالاترین دقت را در داده‌های آموزشی به‌دست آورد. یافته‌های این مطالعه، پتانسیل یادگیری ماشین را به‌عنوان جایگزینی مقرون به‌صرفه و کارآمد برای روش‌های سنتی اندازه‌گیری پارامترهای خاک برجسته می‌کند. تحقیقات بیشتر برای اعتبارسنجی این مدل‌ها در انواع و شرایط مختلف خاک توصیه می‌شود.

چکیده ریزش دانه و آسیب ناشی از ضربه، شاخص‌های کلیدی کیفیت خرمن‌کوبی گندم هستند. برای بررسی مکانیسم‌های ریزش و آسیب دانه، این مطالعه فرآیند خرمن‌کوبی گندم را با ایجاد یک مدل المان گسسته از گیاهان گندم و یک پلتفرم شبیه‌سازی برای دستگاه‌های خرمن‌کوبی بازتولید می‌کند. این مطالعه شبیه‌سازی‌هایی را بر روی قوانین حرکت جریان مواد و قوانین توزیع مواد خرمن‌کوبی‌شده تحت شرایط مختلف نرخ تغذیه، سرعت چرخش درام و زاویه منحرف‌کننده انجام می‌دهد. بر اساس محاسبات شبیه‌سازی، قوانین سرعت و نیروی متوسط بوته های گندم به‌دست آمد و قوانین تاثیر نرخ تغذیه، سرعت چرخش درام و زاویه منحرف‌کننده بر فرآیند خرمن‌کوبی مورد تجزیه و تحلیل قرار گرفت. از طریق تجزیه و تحلیل بهینه‌سازی پارامتر چندهدفه، مشخص می‌شود که وقتی نرخ تغذیه 7 کیلوگرم بر ثانیه، سرعت چرخش درام 815 دور در دقیقه و زاویه منحرف‌کننده 70 درجه باشد، خرمن‌کوبی دستگاه عملکرد برتری دارد. آزمایش‌های تایید آزمایشگاهی قبل و بعد از بهینه‌سازی نشان داد که میزان ناخالصی گندم از %29.19 به %25.02 و میزان تلفات از %1.61 به %0.95 کاهش یافته است و خطای بین نتایج پیش‌بینی مدل و نتایج تجربی کمتر از 5 درصد بوده است. مدل پیشنهادی و استراتژی بهینه‌سازی می‌توانند بهبود ساختاری دستگاه‌های خرمن‌کوب جریان محوری را هدایت کنند، چرخه تحقیق و توسعه تجهیزات برداشت را به‌طور قابل‌توجهی کوتاه کنند و یک مبنای فنی قابل‌اعتماد برای برداشت کارآمد و کم‌ضرر گندم فراهم کنند.

چکیده در سال‌های اخیر، استفاده از تراکتورهای کشاورزی باعث پیشرفت مکانیزاسیون مزارع شده است و سیستم اتصال سه‌نقطه‌ای (TPH)  نقش مهمی در اتصال ادوات ایفا می‌کند. این مقاله بر روی بهینه‌سازی هندسه سیستم اتصال سه نقطه تراکتورمسی فرگوسن مدل 475 (MF475) با استفاده از شبیه‌سازی در نرم‌افزار سالیدورک و اعتبارسنجی آن با اندازه‌گیری‌های کارگاهی متمرکز است. پارامترهای مستقل شامل: طول بازوی بالابر، طول بازوی رابط، طول بازوی پایینی و فاصله نقطه اتصال بازوی پایینی به بدنه تا نقطه اتصال بازوی رابط روی بازوی پایینی به‌منظور پیدا کردن طرح بهینه به‌صورت سیستماتیک تغییر داده شدند. علاوه‌براین، تأثیر پارامترهای مستقل بر روی پارامترهای عملکردی از قبیل: موقعیت نقاط اتصال مجازی، مزیت مکانیکی و نیروی بالابری تجزیه و تحلیل شدند. نتایج نشان داد که سیستم اتصال سه‌نقطه‌ای موجود در تراکتور MF475 با استانداردهای ASABE  تفاوت‌هایی دارد، در حالی‌که طرح بهینه‌شده با این استانداردها مطابقت دارد. همچنین مشخص شد که طول بازوهای پایینی بیشترین تأثیر را بر روی موقعیت نقطه اتصال مجازی دارد. علاوه‌بر این، افزایش طول بازوی بالابر، طول بازوی رابط و طول بازوی پایینی باعث کاهش نیروی بالابری شدند. در مقابل، افزایش فاصله نقطه اتصال بازوی پایینی تا نقطه اتصال بازوی رابط روی بازوی پایینی باعث افزایش نیروی بالابری گردید. تحلیل حساسیت نشان داد که این فاصله، بیشترین تأثیر را بر روی نیروی بالابری و مزیت مکانیکی دارد.

چکیده با تشدید فشارهای ناشی از محدودیت منابع، تغییرات اقلیمی و کمبود نیروی کار روستایی، مکانیزاسیون کشاورزی به اهرمی استراتژیک برای ارتقای بهره‌وری تبدیل شده است. این مطالعه یک مدل پویایی سیستم را برای بررسی اثرات بلندمدت مکانیزاسیون بر سطح زیرکشت و عملکرد گندم در نظام‌های خرده‌مالکی توسعه داد. پژوهش با ترسیم نمودار حلقه علی (CLD) برای مفهوم‌سازی ساختارهای بازخورد کلیدی آغاز شد. سپس یک مدل شبیه‌سازی موجودی و جریان، با استفاده از داده‌های استان خوزستان (2022-2011) تدوین و اعتبارسنجی شد. نتایج، همخوانی قوی بین روندهای شبیه‌سازی شده و مشاهداتی را در شاخص‌های اصلی نشان داد. از مدل برای شبیه‌سازی سناریوهای سیاستی مختلف شامل نوسازی ناوگان ماشین‌ها، دسترسی به آب و تغییرپذیری بارندگی استفاده شد. افزایش 30 درصدی نرخ جایگزینی ماشین‌آلات منجر به افزایش 7 درصدی عملکرد و 1 درصدی سطح زیرکشت نسبت به پایه شد. هنگامی که بهبود مکانیزاسیون با دسترسی بهتر آب ترکیب شد، اثر نهایی آن بر استفاده از زمین کاهش یافت که نشان‌دهنده تمایل کشاورزان به کشت محصولات باارزش در شرایط هیدرولوژیک مطلوب است. در مقابل، در شرایط کم‌آبی، کشت گندم به‌دلیل سازگاری و کارایی ناشی از مکانیزاسیون، گسترش یافت. این یافته‌ها بر اهمیت توجه به تعامل آب و مکانیزاسیون در طراحی سیاست‌ها، به‌ویژه در مناطق خشک تأکید می‌کنند. مدل ارائه‌شده، ابزار انعطاف‌پذیر و مبتنی بر تجربه برای پشتیبانی از تصمیم‌گیری در راستای بهبود تاب‌آوری اقلیمی و استفاده بهینه از منابع فراهم می‌کند.

چکیده برش‌های گیاه بامیه (Abelmoschus esculentus L.) با استفاده از روش خشک‌کردن خلأ- مادون‌قرمز خشک شدند. یک خشک‌کن آزمایشگاهی در مقیاس کوچک طراحی و ساخته شد تا امکان کنترل پارامترهای خشک‌کردن و پایش تغییرات وزنی نمونه‌ها فراهم گردد. پارامترهای مورد بررسی شامل دما (در بازه 50 تا 80 درجه سلسیوس) و فشار (در محدوده 5 تا 101 کیلوپاسکال) بودند. عوامل پاسخ شامل زمان خشک‌کردن، سرعت خشک‌کردن، ضریب نفوذ مؤثر، مصرف ویژه انرژی، تغییر رنگ، سبزفامی نسبی و نسبت بازجذب آب بودند. نتایج حاصل از روش سطح پاسخ نشان داد که شرایط بهینه برای حداقل‌سازی زمان خشک‌کردن و حداکثرسازی حفظ رنگ سبز، فشار 5 کیلوپاسکال و دمای 51 درجه سلسیوس است. در این شرایط، مقادیر حاصل برای زمان خشک شدن 173 دقیقه، سرعت خشک شدن 0.24 درصد رطوبت (بر مبنای تر) بر دقیقه، ضریب انتشار مؤثر  ^9-10 × 1.44 متر مربع بر ثانیه، انرژی مصرفی ویژه 32.6 کیلووات ساعت بر کیلوگرم، تغییر رنگ 12.64، سبزفامی نسبی 0.75 و نسبت بازجذب آب 6.8 بودند. علاوه بر این، یافته‌ها نشان دادند که ترکیب فشارهای کمتر از 20 کیلوپاسکال با خشک‌کردن مادون‌قرمز به‌طور مؤثری موجب بهبود شاخص‌های عملکرد خشک‌کن شده و در عین حال رنگ برش‌های خشک‌شده بامیه را حفظ می‌نماید.

چکیده این مطالعه به تلفیق تصاویر سنتینل-2A و طبقه‌بندی‌کننده‌های ماشین یادگیری برای تهیه نقشه باغات در بستر سکوی گوگل ارث در منطقه‌ای تحت تأثیر تنش شرایط محیطی (دشت شارویران در جنوب دریاچه ارومیه) می‌پردازد. طبقه‌بندی‌کننده‌های جنگل تصادفی، ماشین بردار پشتیبان و درخت رگرسیون و طبقه‌بندی روی باندهای چندطیفی و شاخص‌های گیاهی و طیفی منتخب با استفاده از 836 نمونه (تعلیمی و اعتبارسنجی) سیستماتیک حاصل از تصاویر با اندازه تفکیک بالا و نقشه‌برداری زمینی به‌کار برده شدند. این مطالعه روی تشخیص دقیق باغات از کاربری‌های کشاورزی و غیرکشاورزی تمرکز دارد. نتایج نشان می‌دهد که باغات حدود 11% منطقه مورد مطالعه را پوشش می‌دهد و طبقه‌بندی‌کننده جنگل تصادفی با ضریب کاپای 0.84 و بهترین F1-score، بالاترین کارآیی را دارد. اعتبارسنجی نتایج با استفاده از برداشت‌های میدانی باغات، خطای کمی در حدود 2.2% را نشان داد. این یافته‌ها نشان می‌دهد که تلفیق تصاویر سنتینل-2A با طبقه‌بندی‌کننده‌های ماشین یادگیری، یک چهارچوب توانمند، قابل‌تکرار و کم‌هزینه را برای تهیه نقشه باغات در مناطق با کمبود داده و تحت تأثیر تنش‌های محیطی، پیشنهاد می‌دهد. نقشه‌های باغات با تفکیک مکانی بالا به‌طور مؤثری می‌توانند برای برنامه‌ریزی کشاورزی، مدیریت آبیاری و تصمیم‌سازی مبتنی بر شواهد در حوضه دریاچه ارومیه استفاده شوند. مطالعات آینده می‌تواند با استفاده از تصاویر چندزمانه، متغیرهای اجتماعی-اقتصادی و بوم‌شناختی و مدل‌های پیشرفته ازجمله یادگیری عمیق گسترش داده شود.

چکیده مطالعه‌ای برای بررسی دستگاه موتوری یکپارچه برش دادن و خرد کردن غده کاساوا (مانیوک) انجام شد. این دستگاه یکپارچه از نظر معیارهای کلیدی عملکرد در سه سطح سرعت (950، 1150 و 1350 دور در دقیقه برای خرد کردن؛ 300، 450 و 600 دور در دقیقه برای برش) و دو سطح نرخ تغذیه (10 و 15 کیلوگرم در دقیقه برای خرد کردن؛ 5 و 10 کیلوگرم در دقیقه برای برش) مورد بررسی قرار گرفت. طبق یافته‌های تحقیق، حداکثر ظرفیت خرد کردن 7/229 کیلوگرم در ساعت در سرعت دورانی 1350 دور در دقیقه و نرخ تغذیه 10 کیلوگرم در دقیقه ثبت شد. حداکثر راندمان خرد کردن 1/82 % در سرعت دورانی ۱۳۵۰ دور در دقیقه و نرخ تغذیه ۱۵ کیلوگرم در دقیقه به‌دست آمد، در حالی‌که حداقل تلفات مکانیکی 06/9 % در سرعت دورانی ۱۳۵۰ دور در دقیقه و نرخ تغذیه ۱۵ کیلوگرم در دقیقه مشاهده شد. بر اساس نتایج تحقیق، در سرعت دورانی ۶۰۰ دور در دقیقه و نرخ تغذیه ۵ کیلوگرم در دقیقه، بیشترین ظرفیت برش‌دهنده 8/114 کیلوگرم در ساعت مشاهده شد. در سرعت دورانی ۶۰۰ دور در دقیقه و نرخ تغذیه ۱۰ کیلوگرم در دقیقه، بیشترین راندمان برش‌دهنده 6/71 % به‌دست آمد. در این سرعت و نرخ تغذیه، کمترین تلفات 06/11 % نیز مشاهده شد. به دلیل پایین بودن معیارهای کلیدی عملکرد ثبت‌شده در طول تحقیق، بهینه‌سازی درام و قیف واحد خردکن و همچنین هندسه قیف و تیغه واحد برش پیشنهاد می‌شوند.

چکیده سوسک سرخرطومی حنایی خرما (Rhynchophorus ferrugineus) از آفات مهم نخل‌ خرما است که به دلیل تغذیه پنهان لاروها، تشخیص زودهنگام آن دشوار می‌باشد. برای ثبت سیگنال‌های ضعیف ناشی از جویدن لارو در شرایط طبیعی نخلستان، سامانه حسگرصوتی قابل‌حمل طراحی و ساخته شد. این سامانه با میکروفون الکتریت MAX9814 و ماژول داده‌برداری ۱۲ بیتی STM32F103C8T6 با نرخ نمونه‌برداری ۱۶ کیلوهرتز، امکان ضبط سریع و غیرتهاجمی سیگنال‌ها را فراهم و با طراحی فشرده، منبع تغذیه ایزوله و پایه ضدارتعاش، کارایی دستگاه را در شرایط میدانی افزایش داد. سیگنال‌های صوتی حاصل از نخل‌های آلوده در حوزه‌ زمان و فرکانس تحلیل و سپس شش ویژگی طیفی شامل فرکانس میانگین و میانه، توان باند، پهنای‌باند اشغال‌شده، پهنای‌باند توان و فرکانس پیک در پنج طول فریم مختلف استخراج گردید. نتایج آماری نشان داد مقیاس قطعه‌بندی بر پایداری سیگنال و افزونگی میان ویژگی‌ها اثرگذار است. برای یکپارچه‌سازی داده‌ها، اطلس طیفی ساختاریافته تدوین، که توصیف‌گرهای صوتی پراکنده را در قالب یک نمایش منسجم گردآوری کرد. فعالیت غالب لاروی در فرکانس‌های کمتر از ۷ کیلوهرتز مشاهده شد؛ به‌گونه‌ای که فرکانس‌های میانگین و میانه بین 2.1 تا 3.8 کیلوهرتز قرار داشتند (r > 0.85) و توان باند در محدوده ۸ تا ۲۲ دسی‌بل بود. همچنین پهنای‌باند اشغال‌شده (1.5 تا 2.8 کیلوهرتز) با تشدید عمل جویدن کاهش یافت که ثبات طیفی و ارزش تشخیصی ویژگی‌ها را تأیید نمود. این سامانه خط‌مبنای زیستی کمّی ارزشمندی ارائه داده که علاوه بر بهبود انتخاب ویژگی‌ها، از مدل‌های یادگیری ماشین پشتیبانی می‌کند و با حسگرهای صوتی تعبیه‌شده تشخیص زودهنگام و غیرتهاجمی آلودگی تنه نخل به آفت را میسر می‌سازد.

چکیده برآورد دقیق عملکرد پیش از برداشت در باغبانی دقیق اهمیت زیادی دارد، زیرا تصمیم‌گیری آگاهانه در تخصیص نیروی کار، برنامه‌ریزی لجستیکی و پیش‌بینی بازار را ممکن می‌سازد. در این پژوهش، یک چارچوب یکپارچه بینایی کامپیوتر مبتنی بر معماری YOLOv12 برای تشخیص و کمی‌سازی میوه‌های خرمالو (Diospyros kaki) در شرایط واقعی باغ ارائه شد. استخراج ویژگی‌های چندمقیاسی با مدل رگرسیونی سبک‌وزن ترکیب شد تا وزن هر میوه مستقیماً از تصاویر RGB پیش‌بینی شود. مجموعه‌داده‌ای شامل 2118 تصویر برچسب‌خورده تهیه شد تا تغییرات چگالی تاج و شدت نور را پوشش دهد و پایداری مدل را در برابر پوشیدگی‌های طبیعی تضمین کند. پس از تنظیم پنج نسخه از YOLOv12، دقت تشخیص از 0.92 mAP@0.5  فراتر رفت و مدل YOLOv12x بالاترین دقت (0.945) را داشت. با این حال، نسخه YOLOv12n بهترین توازن میان دقت (0.925 mAP@0.5) و کارایی (5.7 میلی‌ثانیه، بیش از 100 فریم بر ثانیه) را ارائه داد و برای استقرار بلادرنگ مبتنی بر اینترنت اشیاء در باغ‌های هوشمند بهینه بود. برآورد عملکرد از طریق نگاشت حجم بیضوی به وزن واقعی با رگرسیون خطی انجام شد و میانگین خطای مطلق 6.2 گرم و انحراف کمتر از 5 درصد در سطح درخت حاصل گردید. این چارچوب با حفظ سرعت استنتاج بلادرنگ در دستگاه‌های لبه‌ای، قابلیت اعتماد بالایی برای پیش‌بینی عملکرد مبتنی بر داده نشان داد و پتانسیل ادغام در سامانه‌های برداشت هوشمند جهت کاهش ضایعات پس از برداشت را برجسته کرد.

چکیده پوسته برنج یکی از پسماندهای کشاورزی رایج در بسیاری از کشورهای در حال توسعه است. گازی‌سازی آن در اجاق‌های میکروگازیفایر، روشی عملی برای تولید انرژی پاک به شمار می‌رود. با این حال، شکل منحصربه‌فرد و چگالی خاص پوسته برنج باعث پل‌زنی سوخت و جریان ضعیف هوا می‌شود؛ این امر، در صورت عدم تامین مصنوعی و کافی هوا، به گازی‌سازی ناقص می‌انجامد. در این تحقیق، اصلاحات طراحی بر روی یک اجاق میکروگازیفایر اعمال گردید و یک سیستم هوادهی اجباری به‌منظور اطمینان از تامین اکسیژن کافی در طول احتراق به آن افزوده شد. آزمایش به‌صورت فاکتوریل در قالب طرح کاملاً تصادفی با سه تکرار اجرا شد. محفظه احتراق اجاق دارای قطر 150 میلی‌متر و ارتفاع 225 میلی‌متر بود. ارزیابی‌ها طی آزمون جوشش آب در مرحله شروع سرد، در سه سطح جرم سوخت (200، 300 و 400 گرم) که به‌ترتیب معادل 45، 68 و 90 درصد حجم بارگیری محفظه بودند، و سه سرعت هوا (0.6، 0.7 و 0.8 متر بر ثانیه) تامین‌شده توسط یک فن الکتریکی انجام گرفت. نتایج نشان داد که سرعت هوای تزریقی و جرم سوخت به‌طور معنی‌داری بر شاخص‌های عملکرد اجاق، از جمله توان حرارتی، بازده حرارتی، نرخ مصرف سوخت و زمان جوشش تاثیر می‌گذارند. بیشترین بازده حرارتی (51.7 درصد) با 200 گرم سوخت و در سرعت هوای 0.6 متر بر ثانیه به‌دست آمد، در حالی که بیشترین توان حرارتی (5420 وات) در سرعت هوای 0.8 متر بر ثانیه ثبت شد.

چکیده با توجه به محدودیت‌ها و مشکلات زیست‌محیطی ناشی از سوخت‌های فسیلی، انرژی خورشیدی منبعی مطمئن و کاربردی برای آبیاری مزارع و باغ‌هایی است که به شبکه برق دسترسی ندارند. در این مطالعه، یک سیستم پمپاژ آب فتوولتائیک با استفاده از انرژی خورشیدی مجهز به ردیاب خورشیدی تک‌محوره به‌منظور آبیاری خودکار باغ‌ها و مزارع ساخته و ارزیابی شد. سیستم ساخته‌شده دارای واحدهای جذب و ذخیره انرژی خورشیدی، ردیاب خورشیدی و آبیاری خودکار است. انرژی دریافتی توسط پنل خورشیدی از طریق یک کنترل‌کننده شارژ به باتری منتقل شده و از طریق یک مبدل ولتاژ و یک درایور موتور برای فعال کردن پمپ آب استفاده می‌شود. مطابق نتایج آزمایش‌ها، سیستم بیشترین انرژی را بین ساعات 10 صبح تا 2 بعد از ظهر دریافت کرد. در شرایط آفتابی با ردیاب فعال، 53.58 وات در باتری ذخیره شد، در حالی‌که در شرایط آفتابی بدون ردیاب 43.4 وات و در شرایط ابری 35.3 وات در باتری ذخیره شد. همچنین، تأثیر ردیاب خورشیدی و زاویه پنل نسبت به خورشید بر دریافت انرژی در سطح 5% معنی‌دار بود. ضمن این‌که، نوع حسگر رطوبت خاک تأثیر قابل‌توجهی بر عملکرد سیستم داشت که با تشکیل ماتریس اختلال، دقت آبیاری 100% حاصل شد. در مجموع، ردیاب خورشیدی طراحی و استفاده شده در این پژوهش، در شرایط آفتابی عملکرد خوبی داشت و استفاده از آن در سامانه‌های فتوولتائیک برای آبیاری خودکار توصیه می‌شود.

چکیده تشخیص مطمئن گاو در محیط‌های اصطبل به‌دلیل انسداد بصری، همپوشانی دام‌ها و پس‌زمینه‌های شلوغ همچنان چالش برانگیز است. برای بهبود دقت و عملکرد بلادرنگ در چنین شرایطی، این مطالعه YOLO11-DML را ارائه می‌دهد، که یک چارچوب تشخیص بهبودیافته ساخته‌شده بر اساس YOLO11 است. برای رفع کاهش دقت تشخیص ناشی از همپوشانی گاوها و دیگر اجسام و تداخل پس‌زمینه، این مقاله بهینه‌سازی‌هایی را در سه جنبه انجام داده است: استخراج ویژگی، مکانیسم توجه و طراحی تشخیص سبک: ماژول C3K2-DIMB در Backbone و Neck معرفی شده است و قابلیت‌های مدل‌سازی ویژگی چند مقیاسی را از طریق وزن‌های هسته کانولوشن پویا افزایش می‌دهد. مکانیسم توجه کانال محلی ترکیبی (MLCA) در انتهای Backbone به‌عنوان یک ماژول بهبود ویژگی کمکی برای اصلاح نمایش‌های سلسله مراتبی ویژگی تعبیه شده است. یک سر تشخیص کانولوشن مشترک سبک (LSCDH) برای سر تشخیص طراحی شده است که به‌طور موثر تعداد پارامترها و سربار محاسباتی را کاهش می‌دهد و در عین حال دقت تشخیص را حفظ می‌کند. آزمایش‌های انجام‌شده بر روی مجموعه داده‌های CBVD-5 و داده‌های گاو شیری نشان می‌دهد که YOLO11-DML به دقت (P) 92.57 درصد، امتیاز F1 برابر با 89.07 درصد، mAP@0.5 برابر با 93.11%، mAP@0.5:0.95 برابر با 59.37%، سرعت استنتاج 105.79 FPS، تعداد پارامترهای M 2.16 ،GFLOP 5.1 عملیات ممیز شناور و اندازه مدل تنها 4.5 مگابایت دست می‌یابد. این تحقیق نشان می‌دهد که YOLO11-DML با حفظ طراحی سبک و عملکرد بلادرنگ، به دقت بالایی دست می‌یابد و یک راه‌حل عملی برای تشخیص چند شیء و نظارت بر رفتار گاوهای شیری در مزارع هوشمند ارائه می‌دهد.

چکیده شناسایی دقیق و به‌موقع بیماری برگ ذرت (.Zea mays L) برای بهبود بهره‌وری محصول و اطمینان از امنیت غذایی امری ضروی است. این مطالعه به بررسی عملکرد مدل‌های یادگیری عمیق مبتنی بر مبدل در شناسایی خودکار بیماری‌های برگ ذرت با استفاده از یک مجموعه داده جمع‌آوری‌شده از مزارع ذرت استان قندهار افغانستان پرداخته است. مجموعه داده تحت شرایط طبیعی مزرعه جمع‌آوری شد و پس زمینه پیچیده برگ، نورپردازی متغیر در طول روز و جهت‌گیری مختلف برگ باعث شد تا محیط واقعی مزرعه حفظ شود. چندین معماری پیشرفته یادگیری عمیق مبتنی بر مبدل مورد ارزیابی قرار گرفت. این معماری‌ها شامل مبدل بینایی (ViT)، مبدل بینایی چندمحوره مرکب (Max-Vit-Tiny، MaxViT-small و MaxViT-base) بودند. نتایج با برخی مدل‌های سنگین یاگیری عمیق مبتنی بر شبکه کانولوشنی EfficientNet (شامل نسخه‌های B5، B6 و B7) مقایسه شدند. نتایج نشان داد که مدل‌های مبتنی بر مبدل، همانند مدل‌های مبتنی بر CNN، عملکردی قابل‌اتکا (دقت بالای 97%) در محیط‌های چالش‌برانگیر مزرعه‌ای دارند. در بین مدل‌های ارزیابی‌شده، مدل EfficientNet-B7، ViT و MaxViT_tiny با صحت تشخیص 97% بهترین عملکرد را داشتند، درحالی‌که مدل MaxVit_tiny بالاترین دقت را ثبت کرد (0.9741). این مورد نشان‌دهنده ظرفیت عمومی‌سازی بالای این مدل‌هاست. خطاهای تشخیص عمدتا بین آن‌دسته از کلاس‌های بیماری مشاهده شد که شباهت بصری زیادی با هم داشتند. درحالی‌که دقت و حساسیت کلی مدل‌ها به‌طورپیوسته بالا بود. این یافته‌ها اثرگذاری معماری‌های مرکب و مبتنی بر توجه در کابردهای شرایط واقعی برای شناسایی بیماری ذرت را تایید می‌کند و نشان‌دهنده پایایی آن‌ها در سامانه‌های کشاورزی دقیق است.

چکیده افزایش بهره‌وری گندم برای حفظ امنیت غذایی در سال‌های آتی یک ضرورت است. یکی از چالش‌های اصلی تولید گندم، وجود علف‌های هرز است که می‌تواند عملکرد آن را تا حد زیادی کاهش دهد. یک عامل کلیدی در تولید پایدار گندم مدیریت دقیق علف‌های هرز بر اساس طبقه‌بندی علف هرز-محصول است. برای این منظور، در مطالعه حاضر، از تصاویر رنگی و راهبردهای یادگیری عمیق برای تشخیص و تمایز گندم زمستانه از چهار علف هرز رایج آن استفاده شد که منجر به ایجاد پنج کلاس مجزا گردید. چهار شبکه یادگیری عمیق شامل Xception، EfficientNetB0، VGG19 و InceptionResNetV2 به‌عنوان شبکه‌های ستون فقرات برای برآورده کردن الزامات طبقه‌بندی تصاویر لحاظ شدند. این شبکه‌ها با استفاده از یادگیری انتقالی در ImageNet از قبل آموزش داده شدند، سپس با لایه‌های اضافی برای بهبود عملکرد در مجموعه داده‌های ما تقویت شدند. با توجه به نتایج به‌دست‌آمده، مدل بهبودیافته InceptionResNetV2 بهترین عملکرد را در بین چهار مدل نشان داد و به دقت 98.17% و خطای 3.19% در داده‌های آزمون دست یافت. همه مدل‌ها عملکرد بسیار خوبی در شناسایی تصاویر کلاس‌های مختلف نشان دادند، به‌طوری‌که میانگین وزنی امتیاز F1 برای مدل‌های مبتنی بر Xception، EfficientNetB0، VGG19و InceptionResNetV2 به‌ترتیب برابر با 97%، 86%، 94% و 98% به‌دست آمد. علاوه‌بر این، پانزده حالت متفاوت از حضور علف‌های هرز در مزارع گندم زمستانه را با تمرکز بر انواع مختلف علف‌های هرز مورد مطالعه، تجزیه و تحلیل شد تا راهبردهای موثر مدیریت علف‌های هرز با استفاده از هر یک از چهار مدل پیشنهاد داده شود. یافته‌های این تحقیق، پایه و اساسی برای توسعه برنامه‌های تلفن همراه یا وجین‌کن‌های رباتیک به‌منظور مدیریت خاص مکانی علف‌های هرز فراهم می‌آورد. این رویکرد می‌تواند در کاهش استفاده از علف‌کش‌ها و کاهش اثرات زیست‌محیطی آن و در عین حال بهبود عملکرد و کیفیت گندم نقش مهمی ایفا نماید.

چکیده این مطالعه به‌منظور بررسی اثر زمان پلاسمای سرد (CPt) و توان امواج فراصوت (USp) بر خشک شدن دانه زیره سبز در یک خشک‌کن هوای گرم انجام شد. در این راستا، از یک دستگاه تولید پلاسمای سرد و یک خشک‌کن هیبریدی هوای گرم- فراصوت در مقیاس آزمایشگاهی استفاده شد و روش‌های خشک کردن به گونه‌ای برنامه‌ریزی شد که اثرات CPt و USp در خشک کردن دانه‌ها به‌صورت منفرد یا ترکیبی دخالت داشته باشند. زمان‌های مختلف پیش‌تیمار پلاسمای سرد (15 و 30 ثانیه)، توان‌های امواج فراصوت (60، 120 و 180 وات) و دمای هوای خشک شدن (30، 35 و 40 درجه سانتی‌گراد) برای مطالعه تغییرات زمان خشک کردن، ضریب نفوذپذیری مؤثر رطوبت، مصرف انرژی، تغییر رنگ کل، نیروی گسیختگی بذر زیره سبز انجام گرفت. از سه شبکه عصبی مصنوعی معروف شامل شبکه عصبی مبتنی بر موجک (WNN)، پرسپترون چندلایه (MLPNNs)، تابع پایه شعاعی (RBFNNs) و تحلیل رگرسیون چندگانه درجه دوم (MQR) برای مدل‌سازی ورودی‌های مذکور و پارامترهای خشک‌کردن استفاده شد. بر اساس نتایج مدل‌سازی، بهترین برازش خطی بین داده‌های تجربی و مقادیر پیش‌بینی‌شده توسط مدل‌سازی شبکه عصبی WNN با حداکثر R²،0.92 و 0.83 به‌ترتیب برای داده‌های آموزش و تست به‌دست آمد.

چکیده بهینه‌سازی مصرف نهاده، کاهش مصرف انرژی و اثرات مختلف زیست‌محیطی سیستم تولید ذرت در استان لرستان بر اساس تحلیل اکسرژی و ارزیابی چرخه حیات زیست‌محیطی مورد بررسی قرار گرفت. بر اساس نتایج به‌دست‌آمده و با توجه به معادله کاب-داگلاس، برق، سوخت دیزل و کود نیتروژن، بیشترین سهم را در مصرف اکسرژی تجمعی در سیستم تولید ذرت داشته‌اند. نتایج DEA نشان داد که میانگین راندمان تمام مزارع از نظر مصرف اکسرژی تجمعی در مدل‌های CCR و BCC، به‌ترتیب 94.7 و 97.8 درصد است. همچنین نتایج نشان داد که نهاده‌ها به‌ویژه کودهای پتاسیم و فسفات بیش از نیاز مصرف می‌شود. همچنین می‌توان 6.47، 10.42، 7.40، 13.32، 31.29، 3.25 و 6.78 درصد به‌ترتیب در مصرف اکسرژی سوخت دیزل، برق، ماشین‌ها، کودهای شیمیایی، سموم، بذر و انرژی آبیاری، با حفظ سطح عملکرد فعلی و تنها با ترویج روش‌های مورد استفاده توسط مزارع کارآمد، صرفه‌جویی کرد.

چکیده هدف از توسعه سیستم نظارت بر کلونی‌های زنبورهای بدون نیش با اینترنت اشیا، ارائه اطلاعات در لحظه درباره دما، رطوبت و وزن کندو برای مقابله با اختلال فروپاشی کلونی (CCD) ناشی از مداخله انسان در زنبورداری است. همچنین بهبود روش‌های فعلی نظارت بر زنبورها و نظارت موثرتر و کارآمدتر از دیگر اهداف این سیستم هستند. سیستم نظارتی همچنین دارای یک سیستم خنک‌کننده آب برای حفظ دمای مطلوب زنبورهای بدون نیش (Tetragonula Biroi) است. این سیستم همچنین دارای داشبورد کاربر برای نظارت از راه دور بوده و هنگام فرارسیدن زمان برداشت به زنبوردار اطلاع می‌دهد. این دستگاه بر روی میکروکنترلر ESP8266MOD ساخته شده و از Arduino Mega 2560 R3 برای سیستم کنترل دریچه آب استفاده شده است. داده‌های دما و رطوبت با سنسور DHT22 و وزن کندو با لودسل‌های متصل به آمپلیفایر HX711 جمع‌آوری شدند. برای تست سیستم، داده‌های به‌دست‌آمده از سیستم با اندازه‌گیری دستی به مدت دو ماه و با استفاده از MAPE مقایسه شدند و در نتیجه، دقت سیستم به‌ترتیب 98.74 و 97.89 درصد برای دما و رطوبت محیط اندازه‌گیری شد. همچنین دقت 95.92 درصد برای وزن کندو و 93 درصد برای سیستم کنترل شیر آب به‌دست آمد. کندوهای مجهز به سیستم نظارت اینترنت اشیا 3.414 درصد وزن بیشتری نسبت به کندوهای عادی به‌دست آوردند که نشان‌دهنده‌ی موفقیت پژوهش در دستیابی به اهداف خود می‌باشد.

چکیده تشخیص بیماری‌های گیاهی بخش مهمی از فرآیند مدیریت مزرعه است و می‌تواند تاثیر قابل‌توجهی بر کمیت و کیفیت تولید داشته باشد. روش‌های سنتی ارزیابی چشمی توسط ناظران انسانی زمان‌بر، پر هزینه و مستعد خطا هستند و تشخیص دقیق و تمایز بین بیماری‌های مختلف را دشوار می‌سازند. پیشرفت‌های کشاورزی امکان استفاده از سامانه‌های بینایی ماشین غیرمخرب را برای تشخیص بیماری‌های گیاهی فراهم کرده است و حسگرهای تصویربرداری رنگی توانایی بالایی در این زمینه از خود بروز داده‌اند. این مطالعه چارچوبی را برای تشخیص بیماری لکه موجی زودرس و سفیدک داخلی سیب‌زمینی با استفاده از ترکیبی از الگوریتم‌های انتخاب ویژگی Relief و طبقه‌بندی تصادفی جنگل و ویژگی‌های رنگ، بافت و شکل در سه فضای رنگی RGB، HSV و Lab* توصیف کرد. نتایج این بررسی نشان داد که دقت تشخیص برای گروه بیماری لکه موجی زودرس و سفیدک داخلی و گروه برگ سالم به‌ترتیب 94.71، 95 و 95.2 درصد و دقت کلی برای طبقه‌بندی بیماری 95.99 درصد بود. همچنین دقت تشخیص برای دو گروه بیماری لکه موجی زودرس و سفیدک داخلی و گروه برگ سالم به‌ترتیب 91.07، 98.36 و 98.93 درصد و دقت کلی برای طبقه‌بندی بیماری‌ها 96.12 درصد بود. پس از جداسازی ناحیه بیمار از قسمت سالم برگ، در مجموع 150 ویژگی شامل 45 ویژگی رنگی، 99 ویژگی بافتی و شش ویژگی شکلی استخراج شد. مؤثرترین ویژگی‌ها برای تشخیص بیماری با استفاده از ترکیبی از هر سه مجموعه ویژگی شناسایی شدند. این مطالعه نشان داد که ترکیب این سه مجموعه از ویژگی‌ها می‌تواند منجر به طبقه‌بندی دقیق‌تر برگ‌های سیب‌زمینی شود و بینش ارزشمندی در تشخیص و طبقه‌بندی بیماری‌های سیب‌زمینی ارائه دهد. این رویکرد می‌تواند به کشاورزان و سایر متخصصان بیماری‌های گیاهی کمک کند تا بیماری‌های سیب‌زمینی را به‌طور دقیق تشخیص داده و مدیریت کنند و در نهایت منجر به افزایش کیفیت و عملکرد محصول شود.

چکیده در ایران هرساله بیش از50 هزار هکتار آفتابگردان روغنی و آجیلی، کشت می‌شود. به علت سازگار نبودن کمباین‌های غلات موجود در کشور با ویژگی‌های بوته و طبق آفتابگردان، مقدار زیادی دانه توسط کمباین تلف می‌شود. لذا، هم‌اکنون برداشت آن به‌صورت دستی انجام می‌شود. برداشت دستی باعث افزایش مشقت‌های کارگری، انرژی مصرفی و هزینه تولید گردیده است. در این تحقیق، به‌منظور برداشت مکانیزه این محصول، اصلاحاتی بر روی هد موجود کمباین غلات (جاندیر 1055)، اعمال ‌گردید تا بتوان با آن عملیات برداشت، کوبش و بوجاری آفتابگردان را به‌طور هم‌زمان انجام داد. پس از طراحی و ساخت الحاقیه، هد به‌سازی‌شده در شرایط مزرعه، ارزیابی و با روش‌های برداشت مرسوم مقایسه شد. ارزیابی مزرعه‌ای هد به‌سازی‌شده در قالب طرح بلوک‌های کامل تصادفی با سه تکرار بود. تیمارها شامل: 1) برداشت توسط کمباین غلات مجهز به هد اصلاح‌شده، 2)‏ برداشت توسط کمباین غلات مجهز به قایقی و 3) برداشت به روش دستی بود. در هرکدام از تیمارهای ماشینی، واحدهای کوبنده و تمیزکننده به‌منظور برداشت آفتابگردان تنظیم گردید. نتایج نشان داد که بین تیمارهای آزمایشی از نظر تلفات کمباینی، ظرفیت مزرعه‌ای و هزینه‌های برداشت، اختلاف معنی‌داری در سطح 5% وجود دارد. در کمباین اصلاح‌شده، کمباین شیراز و روش دستی، تلفات کمباینی به‌ترتیب 0.72، 4.85 و 6 درصد، ظرفیت مزرعه‌ای به‌ترتیب 1.2، 1.13 و 0.12 هکتار بر ساعت و نسبت سود به هزینه به‌ترتیب 13.97، 13.3 و 3.01 بود. بین تیمارها از نظر افت طبیعی و درصد خلوص اختلاف معنی‌داری در سطح 5% وجود نداشت. با توجه به نتایج به‌دست‌آمده، به دلیل پایین بودن تلفات، ظرفیت مزرعه‌ای مناسب و هزینه برداشت پایین، استفاده از کمباین جاندیر 1055 مجهز به هد اصلاح‌شده برای برداشت آفتابگردان روغنی قابل‌توصیه است.

چکیده هدف اصلی این تحقیق ایجاد چارچوبی جامع برای ارزیابی عملکرد در زنجیره تامین کشاورزی و توسعه دو رویکرد برای بهبود آن می‌باشد. مرتبط‌ترین معیارهای عملکرد برای ارزیابی وضعیت فعلی خدمات در زنجیره تامین کشاورزی (ASC) انتخاب شدند. نوآوری این تحقیق به انتخاب شاخص‌های کلیدی عملکرد (KPI) و رویکردهایی برای افزایش عملکرد ASC مربوط می‌شود. چارچوب پیشنهادی شامل اندازه‌گیری عملکرد و فرآیند انتخاب خدمات است. دو رویکرد بر اساس‌KPI های منتخب از خدمات در ASC توسعه داده شده است تا مشخص شود کدام خدمات نیاز به بهبود دارند. رویکردهای پیشنهادی ابزارهای قوی و همه‌کاره‌ای برای مدیران کشاورزی هستند تا زنجیره‌های تامین خود را ارتقا دهند. یک مطالعه موردی نیز از ایران ارائه شده است. چارچوب پیشنهادی برای این منطقه، رویکردهای انتخاب خدمات کشاورزی مانند مشاوره پس از تولید، حمایت مالی، مکانیزاسیون، مشاوره تجاری و تامین نهاده را در اولویت قرار می‌دهند. این چارچوب نشان می‌دهد که این خدمات باید به‌منظور پاسخ‌گویی بهتر به نیازهای منطقه مورد مطالعه بهبود یابد.

چکیده تصویربرداری تشدید مغناطیسی (MRI)، یک روش غیرمخرب برای تعیین کیفیت میوه‌ها است که با پروتکل‌های مختلف، چگالی و ساختار اتم‌های هیدروژن را که در آن قرار می‌گیرد نشان‌می دهد. در این مطالعه تصاویر MRI گرفته‌شده با پروتکل‌های مختلف از بافت گوشتی و قسمت کبودشده میوه سیب بدون آفت و با آفت مقایسه و بهترین پروتکل معرفی شد. برای این منظور، تصویربرداری تشدید مغناطیسی (MRI) با استفاده از دو پروتکل T₁ و T₂ بر روی 200 میوه سیب بارگذاری‌شده در حین نگهداری انجام شد. بارگیری میوه‌ها در چهار سطح 150، 300، 450 و 600 نیوتن به‌صورت شبه‌استاتیک انجام شد و سپس در دوره‌های 25، 50 و 75 روزه در دمای 4 درجه سانتی‌گراد نگهداری شد. در پایان هر دوره ذخیره‌سازی، تصویربرداری انجام شد. سپس کنتراست تصاویر T₁ و T₂ صدا و بافت کبودشده میوه سیب با و بدون آفت با استفاده از نرم‌افزار ImageJ تعیین شد. نتیجه‌گیری شد که بافت صوتی میوه سیب بدون آفت در تصاویر T₁ واضح‌تر از تصاویر T₂ بود. همچنین دیده شده است که ناحیه کبودی میوه‌های بدون آفت در تصاویر T₂ بیشتر از تصاویر T₁ قابل‌تشخیص است.

چکیده در برخی کشورها، فندق‌ها به دلیل محدودیت‌های فناوری موجود و افزایش طول عمر نگهداری‌شان، معمولاً با پوسته مصرف می‌شوند. بنابراین، فندق‌های خندان مشتری پسندی بالاتری دارند. در مقیاس نیمه‌صنعتی، فندق‌های خندان و دهان بسته در حال حاضر از طریق بازرسی بصری از یکدیگر جدا می‌شوند. این مطالعه به‌منظور توسعه یک الگوریتم جدید برای جداسازی فندق‌های خندان از فندق‌های ترک‌خورده یا دهان بسته انجام شده است. در رویکرد اول، تکنیک‌های کاهش بعد مانند روش‌های مبتنی بر انتخاب ویژگی (SFFS) و تحلیل مؤلفه اصلی (PCA) برای انتخاب یا استخراج ترکیبی از ویژگی‌های رنگ، بافت و خاکستری به‌عنوان ورودی مدل استفاده شدند. در رویکرد دوم، ویژگی‌های به شکل انفرادی مستقیماً به‌عنوان ورودی‌ها استفاده شدند. در این مطالعه، سه مدل معروف یادگیری ماشین، شامل ماشین بردار پشتیبان (SVM)، نزدیک‌ترین همسایه‌ها (KNN) و پرسپترون چندلایه (MLP) مورد استفاده قرار گرفتند. نتایج نشان داد که روش SFFS تأثیر بیشتری در بهبود عملکرد مدل‌ها نسبت به روش PCA دارد. با این حال، تفاوت معنی‌داری بین عملکرد مدل‌های توسعه‌یافته با ویژگی‌های ترکیبی (98.00%) و عملکرد مدل‌های با استفاده از ویژگی‌های انفرادی (98.67%) وجود نداشت. نتایج کلی این مطالعه نشان داد که مدل MLP با یک لایه پنهان، دراپ اوت برابر با 0.3 و 10 نورون، با استفاده از ویژگی‌ HOG به‌عنوان ورودی، انتخاب خوبی برای طبقه‌بندی فندق‌ها به دو دسته خندان و دهان بسته می‌باشد.

چکیده مکانیزاسیون کشاورزی کشاورزان خرده‌پا با چالش‌های قابل‌توجهی از جمله هزینه‌های بالای ماشین‌آلات، استفاده ناکارآمد از انرژی و فقدان روش‌های پیش‌بینی‌کننده در طراحی تجهیزات کشاورزی چندمنظوره مواجه است. این مطالعه یک ماشین کشاورزی مدولار چندمنظوره کم‌هزینه برای کاربردهای کشاورزان خرده‌پا ارائه می‌دهد که مدل‌سازی برهمکنش خاک-ابزار، تحلیل غیرخطی کشش-لغزش، روابط کوپل شده نیروی کششی-توان-گشتاور، ارزیابی تنش سازه‌ای و ارزیابی اقتصادی چرخه عمر را در یک چارچوب تحلیلی یکپارچه ادغام می‌کند. اعتبارسنجی تجربی تحت سه شرایط چسبندگی خاک نمونه (36 = n) انجام شده و تطابق خوبی را بین پیش‌بینی‌های تحلیلی و عملکرد اندازه‌گیری شده نشان داد، با انحرافات به‌ترتیب 8.7، 9.2 و 7.5 درصد به‌ترتیب برای نیروی کششی، گشتاور و تنش سازه‌ای. سیستم پیشنهادی مصرف انرژی 4.8 تا 7.9 کیلووات ساعت در هکتار دارد که در مقایسه با واحدهای شخم‌زنی خرده‌مالکی بنزینی موجود در بازار با عرض کاری و ظرفیت مزرعه‌ای مشابه، 22 تا 26 درصد کاهش در هزینه‌های عملیاتی را به همراه داشت و دوره بازگشت سرمایه تخمینی 1.8 تا 2.3 سال را به همراه خواهد داشت. گنجاندن تحلیل کشش با در نظر گرفتن لغزش چرخ، پیش‌بینی نیازهای انرژی را بهبود بخشید و در عین حال یکنواختی فاصله بذر را بالای 87 درصد حفظ کرد. چسبندگی خاک، عمق نفوذ و نسبت لغزش به عنوان پارامترهای غالب مؤثر بر مصرف انرژی و بارگذاری سازه شناسایی شدند. چارچوب پیشنهادی، بهره‌وری انرژی بهبود یافته، پایداری عملیاتی و امکان‌سنجی اقتصادی تحت شرایط عملیاتی مورد بررسی را نشان داده و پتانسیل کاربردهای گسترده‌تر در مکانیزاسیون خرده‌مالکان را نشان می‌دهد.

چکیده ردپای اکولوژیک، میزان فشار انسان بر منابع طبیعی و ظرفیت زیستی محیط را نشان می‌دهد و به‌طور گسترده برای ارزیابی پایداری کشاورزی مورد استفاده قرار می‌گیرد. این پژوهش اثر محصول پیشین (گندم، جو و کلزا) را بر عملکرد زیست‌محیطی و اقتصادی تولید ماش بررسی کرد. داده‌ها از طریق پرسشنامه و مصاحبه با کشاورزان جمع‌آوری شد. شاخص‌های زیست‌محیطی شامل ردپای اکولوژیک (EF)، ظرفیت زیستی (BC) و تراز اکولوژیک (EB)، و شاخص‌های اقتصادی شامل حاشیه سود ناخالص و نسبت فایده به هزینه (BCR) محاسبه شدند. نتایج نشان داد که محصول پیشین تأثیر معنی‌داری بر بیشتر شاخص‌ها داشت (0.05>P)؛ به‌طوری‌که کلزا با گندم و جو تفاوت معنی‌دار داشت، در حالی‌که بین گندم و جو تفاوت معنی‌داری مشاهده نشد. از دیدگاه زیست‌محیطی، کشت ماش پس از کلزا کمترین ردپای اکولوژیک کل (1.055 هکتار جهانی در هکتار) و بیشترین کارایی نسبی اکولوژیک (0.315) را داشت، اما کمترین ظرفیت زیستی (1.541 هکتار جهانی در هکتار) را نشان داد. کشت ماش پس از گندم بیشترین ردپای اکولوژیک (1.777 هکتار جهانی در هکتار) و همچنین بیشترین ظرفیت زیستی (2.277 هکتار جهانی در هکتار) را به خود اختصاص داد. اگرچه تراز اکولوژیک در تمامی تناوب‌ها مثبت بود (0.482 تا 0.500 هکتار جهانی در هکتار)، شاخص ردپای اکولوژیک (EFI) در محدوده «پایداری ضعیف» (0.216 تا 0.315) قرار گرفت و نسبت ردپای ناشی از بهره‌برداری بیش‌ازحد به ردپای ناشی از نهاده‌ها (EF_ovp/EF_inp) بین 4.30 تا 8.59 متغیر بود که نشان می‌دهد فشار ناشی از بهره‌برداری بیش‌ازحد به‌مراتب بیشتر از فشار ناشی از مصرف نهاده‌ها است. از نظر اقتصادی، گندم بالاترین حاشیه سود ناخالص (1887 دلار در هکتار) و نسبت فایده به هزینه (2.844) را به خود اختصاص داد، در حالی‌که کلزا کمترین مقادیر را نشان داد (به‌ترتیب 1032 دلار در هکتار و 1.479). شاخص ترکیبی با وزن‌های قابل‌تنظیم زیست‌محیطی–اقتصادی، آستانه مبادله‌ای را در حدود 0.55 w≈نشان داد؛ به‌گونه‌ای که در شرایط اولویت زیست‌محیطی، کلزا و در شرایط اولویت اقتصادی، گندم گزینه برتر بود. با توجه به ظرفیت زیستی منطقه مورد مطالعه، انتخاب گندم به‌عنوان محصول پیشین، متعادل‌ترین ترکیب مدیریت ردپای اکولوژیک و سودآوری اقتصادی را برای تولید ماش فراهم می‌کند.