محمد کاوه؛ یوسف عباسپور گیلانده؛ رضا امیری چایجان؛ رضا محمدی گل
چکیده
هدف از این پژوهش، مقایسه برآورد نسبت رطوبت سیر و موسیر در طی فرآیند خشک کردن توسط خشک‌کن بسترسیال با استفاده از روش‌های مدل‌سازی ریاضی، شبکه‌های عصبی مصنوعی و منطق فازی می‌باشد. فرآیند خشک‌کردن در سه سطح دمایی (40، 55 وC °70) و سه سطح سرعت هوای ورودی (5/0 و 5/1 و ms-15/2) صورت گرفت. از 5 مدل ریاضی خشک‌کردن جهت پیش بینی نسب رطوبت سیر و موسیر ...
بیشتر
هدف از این پژوهش، مقایسه برآورد نسبت رطوبت سیر و موسیر در طی فرآیند خشک کردن توسط خشک‌کن بسترسیال با استفاده از روش‌های مدل‌سازی ریاضی، شبکه‌های عصبی مصنوعی و منطق فازی می‌باشد. فرآیند خشک‌کردن در سه سطح دمایی (40، 55 وC °70) و سه سطح سرعت هوای ورودی (5/0 و 5/1 و ms-15/2) صورت گرفت. از 5 مدل ریاضی خشک‌کردن جهت پیش بینی نسب رطوبت سیر و موسیر استفاده شد. سرعت هوای ورودی، دمای هوای ورودی و زمان خشک‌کردن به‌عنوان پارامترهای ورودی در پیش‌بینی نسبت رطوبت، برای شبکه‌های عصبی مصنوعی و منطق فازی مورد استفاده قرار گرفت. برای ایجاد الگوهای آموزشی و ارزیابی فرآیند، از شبکه عصبی پس انتشار پیش‌خور و پیشرو با توابع آموزش لونبرگ- مارکوارت (LM) و تنظیم بیزی (BR) و همچنین از سیستم استنتاجی فازی ممدانی و به‌کارگیری تابع عضویت مثلثی برای مدل‌سازی استفاده شد. با توجه به نتایج به‌دست آمده، بهترین مدل برای پیش‌بینی خشک کردن سیر مدل (Page) و برای موسیر مدل Midilli و همکاران انتخاب شد. نتایج بررسی‌های شبکه عصبی مصنوعی نشان داد که به‌ترتیب ضرایب تبیین 9994/0 و 9996/0، ریشه خطای میانگین مربعات 0036/0 و 0014/0 و میانگین خطای مطلق 044/0 و 038/0 در شرایط مختلف خشک‌کردن سیر و موسیر را پیش‌بینی نماید. همچنین سیستم استنتاجی فازی این مقادیر را برای سیر و موسیر به‌ترتیب (ضرایب تبیین 9997/0 و 9998/0، ریشه خطای میانگین مربعات 0027/0 و 0011/0 و میانگین خطای مطلق 032/0 و 029/0) به‌دست آورد. مقایسه نتایج به‌دست آمده از مدل‌های ریاضی، شبکه‌های عصبی مصنوعی و منطق فازی نشان داد که ریشه خطای میانگین مربعات در منطق فازی کمتر از شبکه‌های عصبی مصنوعی و مدل‌های ریاضی است.
سمانه صادق زاده نماور؛ جعفر امیری پریان؛ رضا امیری چایجان
چکیده
پردازش تصاویر دیجیتال به‌عنوان روشی جدید برای ارزیابی کمی و کیفی خصوصیات بافتی پودر مواد غذایی و دارویی از اهمیت بالایی برخوردار است. در این پژوهش از خشک‌کن خلأیی پاششی با ریز ذره‌ساز آلتراسونیک به‌منظور تولید پودر خشک از عصاره برگ کنگر فرنگی فرموله شده با ماده افزودنی لاکتوز استفاده شد. روند خشک‌کردن در یک محفظه خشک‌کن خلأ و ...
بیشتر
پردازش تصاویر دیجیتال به‌عنوان روشی جدید برای ارزیابی کمی و کیفی خصوصیات بافتی پودر مواد غذایی و دارویی از اهمیت بالایی برخوردار است. در این پژوهش از خشک‌کن خلأیی پاششی با ریز ذره‌ساز آلتراسونیک به‌منظور تولید پودر خشک از عصاره برگ کنگر فرنگی فرموله شده با ماده افزودنی لاکتوز استفاده شد. روند خشک‌کردن در یک محفظه خشک‌کن خلأ و در دمایی پایین‌تر از دمای خشک‌کن‌های پاششی معمول انجام شد. هدف از این مطالعه، بررسی اثر شرایط عملی بهینه (3%، kPa20، C°75)، نامطلوب (%2، kPa40، C°55) و دو شرایط (%2، kPa30، C°65) و (%2/5، kPa30، C°65) خشک‌کن خلأیی پاششی روی ویژگی‌های بافتی مستقل از جهت و اثر زاویه در جهت‌های چهارگانه (°0، °45، °90 و °135) روی ویژگی‌های بافتی جهت‌دار پودر عصاره برگ کنگر فرنگی می‌باشد. برای تشخیص بافت، تصاویر میکروسکوپی (SEM) به دو صورت تک ذره و ذرات توده‌ای تهیه شدند. ده ویژگی بافتی تصاویر با استفاده از ماتریس هم وقوعی سطوح خاکستری به‌منظور ارزیابی کیفی بافت پودر عصاره استخراج گردید. نتایج حاصل از تجزیه‌وتحلیل بافت نشان داد که پودرهای حاصل از شرایط خشک‌کردن در دمای بالا (75 درجه سلسیوس) و فشار خلأ پایین (20 کیلو پاسکال) و غلظت محلول (2 گرم بر 100 میلی‌لیتر) دارای تعداد بیشتری از ذرات با بافت صاف و یکنواخت بودند. درنتیجه در این شرایط، پارامترهای انرژی، همبستگی، همگنی و glcmstd بیشترین مقدار و مقادیر کنتراست، آنتروپی، rangefilt و stdfilt کمترین مقدار را دارا بودند. دو ویژگی بافتی جهت‌دار (کنتراست و همبستگی) نیز با توجه به ماهیت بافت ذرات در جهت‌های اندازه‌گیری مختلف اختلاف معنی‌داری را نشان دادند.
ایمان گلپور؛ جعفر امیری پریان؛ رضا امیری چایجان؛ جواد خزائی
چکیده
شناسایی ارقام برنج در کشاورزی مدرن از اهمیت بالایی برخوردار است. ویژگی های بافتی از میان عوامل مختلف می تواند برای شناسایی ارقام برنج استفاده شود. پردازش تصاویر دیجیتال به‌عنوان روشی جدید می‌تواند برای استخراج ویژگی‌های بافت به‌کار برده شود. هدف از این پژوهش شناسایی ارقام برنج با استفاده از ویژگی های بافت تصویر به‌کمک پردازش تصویر ...
بیشتر
شناسایی ارقام برنج در کشاورزی مدرن از اهمیت بالایی برخوردار است. ویژگی های بافتی از میان عوامل مختلف می تواند برای شناسایی ارقام برنج استفاده شود. پردازش تصاویر دیجیتال به‌عنوان روشی جدید می‌تواند برای استخراج ویژگی‌های بافت به‌کار برده شود. هدف از این پژوهش شناسایی ارقام برنج با استفاده از ویژگی های بافت تصویر به‌کمک پردازش تصویر و شبکه های عصبی مصنوعی پس انتشار می باشد. برای تشخیص ارقام برنج، پنج رقم برنج ایرانی به نام‌های فجر، شیرودی، ندا، طارم محلی و خزر تهیه شدند. 108 ویژگی بافتی از تصاویر برنج با استفاده از ماتریس هم وقوعی تصویر سطوح خاکستری استخراج گردید. سپس شناسایی ارقام با استفاده از شبکه عصبی مصنوعی پس انتشار صورت پذیرفت. پس از ارزیابی شبکه های یک لایه با استفاده از ویژگی های بافتی، بیشترین دقت طبقه بندی برای ارقام شلتوک، برنج قهوه‌ای و سفید به‌ترتیب: 2/92%، 8/97% و 9/98% به‌دست آمد. پس از اینکه شبکه با دولایه پنهان مورد ارزیابی قرار گرفت، بهترین میانگین دقت طبقه بندی برای تشخیص ارقام شلتوک 67/96%، برای برنج قهوه ای 78/97% و برای برنج سفید 88/98% حاصل شد. بیشترین دقت طبقه بندی پس از انتخاب ویژگی برای شلتوک با 45 ویژگی 9/98%، برای ارقام برنج قهوه ای با 11 ویژگی انتخاب شده 3/93% و برای ارقام برنج سفید 7/96% با 18 ویژگی انتخاب شده به‌دست آمد.
