کشاورزی دقیق
رحیم آزادنیا؛ علی رجبی پور؛ بهاره جمشیدی؛ محمود امید
چکیده
میزان عناصر مغذی نقش به‌سزایی در رشد، تکثیر و عملکرد محصولات کشاورزی و گیاهان دارند. با پیش‌بینی این عناصر می‌توان به‌صورت دقیق نهاده‌های شیمیایی را مدیریت کرد. هدف از این مطالعه ارزیابی غیرمخرب میزان عناصر NPK با استفاده از طیف‌سنجی مرئی/ فروسرخ نزدیک (Vis/NIR) در بازه طول موجی 500 تا 1000 نانومتر بود. برای این منظور، طیف‌سنجی از نمونه‌های ...
بیشتر
میزان عناصر مغذی نقش به‌سزایی در رشد، تکثیر و عملکرد محصولات کشاورزی و گیاهان دارند. با پیش‌بینی این عناصر می‌توان به‌صورت دقیق نهاده‌های شیمیایی را مدیریت کرد. هدف از این مطالعه ارزیابی غیرمخرب میزان عناصر NPK با استفاده از طیف‌سنجی مرئی/ فروسرخ نزدیک (Vis/NIR) در بازه طول موجی 500 تا 1000 نانومتر بود. برای این منظور، طیف‌سنجی از نمونه‌های برگ درختان سیب در مد اندازه‌گیری برهم‌کنش انجام گرفت. برای حذف اثرات ناخواسته از روش‌های مختلف پیش‌پردازش استفاده شد تا مدل واسنجی دقیق حاصل شود. در این راستا، مدل واسنجی چندمتغیره حداقل مربعات جزئی (PLS) بر پایه اندازه‌گیری‌های مرجع و اطلاعات طیفی با روش‌های مختلف پیش‌پردازش مورد بررسی قرار گرفت. بهترین مدل ارائه‌شده مبتنی بر روش پیش‌پردازش توزیع نرمال استاندارد در ترکیب با مشتق دوم (SNV+D2) با مقادیر rc= 0.988, RMSEC=0.028%, rp=0.978, RMSEP=0.034% و 7.47=RPD متعلق به پیش‌بینی نیتروژن بود. بهترین مدل برای ارزیابی میزان پتاسیم و فسفر نیز براساس روش پیش‌پردازش تصحیح پراکنش افزاینده در ترکیب با مشتق دوم (MSC+D2) به‌ترتیب RPD=7.10, rp=0.976, RMSEP=0.021% و RPD=5.96, rp=0.958, RMSEP=0.0057% به‌دست آمد. نتایج به‌دست‌آمده حاصل از این پژوهش نشان می‌دهد که طیف‌سنجی Vis/NIR می‌تواند به‌عنوان یک ابزار غیرمخرب، سریع و قابل‌اعتماد برای پیش‌بینی مقدار عناصر مغذی درخت سیب استفاده و از مصرف بیش از حد نهاده‌های شیمیایی و پیامدهای ناشی از آن جلوگیری شود.
فرزاد آزادشهرکی؛ کسری شریفی؛ بهاره جمشیدی؛ روح الله کریم زاده؛ هانیه نادری
چکیده
تشخیص زودهنگام بیماری گیاهان قبل از وقوع علائم، می‌تواند افت عملکرد را محصول را کاهش داده و کیفیت آن را افزایش دهد. این امر همچنین مصرف سموم شیمیایی، مشکلات زیست‌محیطی و هزینه تولید را کاهش می‌دهد. هدف از انجام این تحقیق، تشخیص غیر تخریبی بیماری لکه‌موجی گیاه گوجه‌فرنگی و همچنین تشخیص مهم‌ترین عوامل بیماری‌زای آن (A. solani, A. alternate) ...
بیشتر
تشخیص زودهنگام بیماری گیاهان قبل از وقوع علائم، می‌تواند افت عملکرد را محصول را کاهش داده و کیفیت آن را افزایش دهد. این امر همچنین مصرف سموم شیمیایی، مشکلات زیست‌محیطی و هزینه تولید را کاهش می‌دهد. هدف از انجام این تحقیق، تشخیص غیر تخریبی بیماری لکه‌موجی گیاه گوجه‌فرنگی و همچنین تشخیص مهم‌ترین عوامل بیماری‌زای آن (A. solani, A. alternate) از یکدیگر در مراحل اولیه بیماری، قبل از بروز علائم ظاهری، با استفاده از طیف‌سنجی مرئی/ فروسرخ نزدیک (400-900 نانومتر) بود. داده‌های طیفی از برگ‌های گیاهان آلوده به A. alternate و A. solani در 48، 72، 96 و 120 ساعت بعد از تلقیح بیماری استخراج شدند. به‌منظور توسعه مدل‌های تشخیص بر اساس داده‌های طیفی، از تجزیه مؤلفه‌های اصلی (PCA) همراه با شبکه عصبی مصنوعی (ANN) استفاده شد. نتایج نشان داد که مدل PCA-ANN توانست گیاهان آلوده و نوع پاتوژن را با دقت 93-100 درصد در نمونه‌های تست شناسایی کند. در 96 ساعت بعد از تلقیح، علاوه بر به‌دست آمدن مدل ساده‌تر پیش‌بینی (8 مؤلفه اصلی و 3 نرون در لایه مخفی)، دقت 100 درصد تشخیص حاصل شد. مدل‌های تدوین شده، در تمامی زمان‌های بعد از تلقیح، در تشخیص گیاهان آلوده با A. solani که دارای قدرت بیماری‌زایی بالایی می‌باشد نسبت به گیاهان سالم، هیچ خطایی نداشتند. استفاده از طیف‌سنجی مرئی/ فروسرخ نزدیک (400-900 نانومتر) همراه با PCA-ANN توانست بیماری لکه‌موجی گوجه‌فرنگی و نوع پاتوژن آن را قبل از بروز علائم ظاهری (با دقت 100-93 درصد) بدون هیچ آماده‌سازی گیاه، به‌صورت غیر مخرب تشخیص دهد. نتایج این پژوهش نشان داد که این تکنیک می‌تواند برای تشخیص سریع، کم‌هزینه و زودهنگام این بیماری گوجه‌فرنگی به‌جای روش‌های آزمایشگاهی زمان‌بر، گران و مخرب به‌کار رود.
بهاره جمشیدی؛ آرمان عارفی؛ سعید مینایی
چکیده
تصویربرداری بایواسپکل یا استفاده از تصاویر نقطه‌ای دینامیکی به‌عنوان یک روش نوری نوین در ارزیابی غیر مخرب کیفیت محصولات کشاورزی- غذایی طی سال‌های اخیر مورد توجه قرار گرفته است. در این پژوهش، توانایی این روش در ارزیابی شاخص سفتی میوه سیب (رقم رد دلیشس) در طول 5 ماه انبارداری بررسی شد. برای این منظور، تصاویر نقطه‌ای دینامیکی از نمونه‌های ...
بیشتر
تصویربرداری بایواسپکل یا استفاده از تصاویر نقطه‌ای دینامیکی به‌عنوان یک روش نوری نوین در ارزیابی غیر مخرب کیفیت محصولات کشاورزی- غذایی طی سال‌های اخیر مورد توجه قرار گرفته است. در این پژوهش، توانایی این روش در ارزیابی شاخص سفتی میوه سیب (رقم رد دلیشس) در طول 5 ماه انبارداری بررسی شد. برای این منظور، تصاویر نقطه‌ای دینامیکی از نمونه‌های سیب در دو طول موج 680 و 780 نانومتر بهطور جداگانه و در طی دوره انبارداری تحصیل و پردازش شد. در این راستا، افزون بر ویژگی‌های مرسوم در تحلیل تصاویر نقطه‌ای دینامیکی، ویژگی های مبتنی بر تبدیل موجک و بافت نیز مورد بررسی قرار گرفت. از سوی دیگر، اندازه‌گیری سفتی بافت میوهها از طریق آزمون مخرب نفوذ تعیین شد. در نهایت، توانایی این روش در پیش‌بینی سفتی میوه سیب با تدوین مدل‌های رگرسیون غیرخطی مورد ارزیابی قرار گرفت. نتایج نشان داد که روش مذکور قادر به پیش‌بینی غیر مخرب ویژگی سفتی سیب است. نتایج نشان داد، بهترین مدل واسنجی تدوینشده توانسته با ضریب همبستگی 81/0 = rp و خطای استاندارد N4/8 = SEP در طول موج 680 نانومتر و همچنین ضریب همبستگی 83/0 = rp و خطای استاندارد N2/8 = SEP در طول موج 780 نانومتر، ویژگی سفتی سیب را پیش‌بینی کند.
بهاره جمشیدی؛ سعید مینایی؛ عزالدین مهاجرانی؛ حسن قاسمیان
چکیده
در سال‌های اخیر، کاربرد اسپکتروسکوپی فروسرخ نزدیک (NIR) به عنوان یک روش غیرمخرب در ترکیب با روش‌های شیمی‌سنجی به منظور ارزیابی کیفیت محصولات کشاورزی و غذایی به طور گسترده‌ای مورد توجه قرار گرفته است. در روش‌های شیمی‌سنجی، آنالیزهای کیفی موضوعات مهمی هستند که می‌توانند به مسئله بازشناسی الگو نسبت داده شوند. در این پژوهش، توانایی ...
بیشتر
در سال‌های اخیر، کاربرد اسپکتروسکوپی فروسرخ نزدیک (NIR) به عنوان یک روش غیرمخرب در ترکیب با روش‌های شیمی‌سنجی به منظور ارزیابی کیفیت محصولات کشاورزی و غذایی به طور گسترده‌ای مورد توجه قرار گرفته است. در روش‌های شیمی‌سنجی، آنالیزهای کیفی موضوعات مهمی هستند که می‌توانند به مسئله بازشناسی الگو نسبت داده شوند. در این پژوهش، توانایی روش‌های بازشناسی الگو در ترکیب با اسپکتروسکوپی NIR بازتابی به منظور تفکیک غیر مخرب مزه پرتقال‌ها بررسی شد. برای این منظور، روش‌های بازشناسی الگوی نظارت‌نشده و نظارت‌شده، خوشه‌بندی سلسله مراتبی (HCA) و مدل‌سازی مستقل نرم شباهت‌های طبقه (SIMCA)، به ترتیب برای امکان‌سنجی تفکیک واریته‌های پرتقال و طبقه‌بندی (بر اساس مزه آنها) بر پایه اطلاعات طیفی محدوده nm 1650- 930 استفاده شدند. آنالیزهای کیفی نشان داد که طیف‌های NIR واریته‌های پرتقال به خوبی با بازشناسی الگوی نظارت‌نشده HCA خوشه‌بندی شدند. همچنین، بازشناسی الگوی نظارت‌شده SIMCA برای طیف‌های NIR پرتقال‌ها نتایج عالی طبقه‌بندی واریته بر اساس شاخص BrimA را در سطح احتمال 5 درصد در بر داشت (دقت طبقه‌بندی 57/98 درصد). همچنین، طول موج‌های nm 5/1047، nm1502، و nm1475 سهم بیش‌تری نسبت به سایر طول موج‌ها در تفکیک دو طبقه بر عهده داشتند. نمونه‌های دارای مقدارهای یکسان شاخص BrimA نیز به‌درستی با دقت طبقه‌بندی بالا (45/95 درصد) در سطح احتمال 5 درصد طبقه‌بندی شدند. قدرت تفکیک طول موج‌های nm 1475، nm1583، و nm 75/1436 برای دستیابی به این طبقه‌بندی بسیار بیشتر از سایر طول موج‌ها بود. بنابراین، اسپکتروسکوپی NIR بازتابی در ترکیب با روش‌های بازشناسی الگو می‌تواند برای تشخیص سایر ویژگی‌های مزه نیز به‌کار رود.
