علی مقیمی؛ آمنه سازگارنیا؛ محمدحسین آق خانی
چکیده
در سالهای اخیر تولید پسته توسط آفتی به نام پسیل تهدید شده است. هدف از انجام این تحقیق انتخاب باندهای طیفی مناسب جهت تشخیص برگهای آلوده به آفت پسیل میباشد. برای این منظور از 160 برگ سالم و 160 برگ بیمار در 64 باند طیفی در ناحیه بین 400 تا 1100 نانومتر با قدرت تفکیک طیفی حدوداً 10 نانومتر طیفنگاری انجام شد. از روش جنگلهای تصادفی برای مرتبسازی ...
بیشتر
در سالهای اخیر تولید پسته توسط آفتی به نام پسیل تهدید شده است. هدف از انجام این تحقیق انتخاب باندهای طیفی مناسب جهت تشخیص برگهای آلوده به آفت پسیل میباشد. برای این منظور از 160 برگ سالم و 160 برگ بیمار در 64 باند طیفی در ناحیه بین 400 تا 1100 نانومتر با قدرت تفکیک طیفی حدوداً 10 نانومتر طیفنگاری انجام شد. از روش جنگلهای تصادفی برای مرتبسازی طولموجها بر اساس قدرت تفکیک بین برگهای سالم و بیمار استفاده شد. پس از شناسایی و مرتبسازی طولموجها بر اساس میزان اهمیت، طولموجهای دارای بیشترین اهمیت توسط یک الگوریتم خوشهبندی در شش خوشه تقسیمبندی شدند بهطوریکه میانگین طولموجهای هر خوشهها حداقل 50 نانومتر از یکدیگر فاصله داشته باشند. میانگین طولموجهای قرار گرفته در شش خوشه بهترتیب اهمیت عبارت بود از: 710، 791، 858، 598، 468، و 1023 نانومتر. برای تبدیل دادههای فراطیفی به چندطیفی، از بازتابشهای بهدست آمده در فاصله 15± نانومتری این مراکز میانگینگیری انجام گرفت و دادههای بازتابش بهدست آمده از دیگر طیفها حذف شد. الگوریتم ماشین بردار پشتیبان برای طبقهبندی برگهای سالم و بیمار با استفاده از دادههای فراطیفی و چند طیفی بهدست آمده در این پژوهش بهکار گرفته شد. دقت طبقهبندی با استفاده از تمام 64 طولموج (دادههای فراطیفی) 90.91 درصد و با استفاده از 6 طولموج (دادههای چندطیفی) 88.69 درصد بود. اختلاف بسیار کم (حدود 2 درصد) در میزان دقت طبقهبندی نشاندهنده صحت شیوه ارائه شده در این پژوهش برای کاهش ابعاد دادههای فراطیفی میباشد. علاوه بر کاهش ابعاد داده، تعیین باندهای طیفی مناسب از میان دادههای فراطیفی گامی موثر در طراحی و ساخت حسگری چندطیفی جهت تشخیص بیماری گیاهان میباشد.
تکتم محمدی مقدم؛ سید محمد علی رضوی؛ مسعود تقی زاده؛ آمنه سازگارنیا؛ بیسواجت پرادان
چکیده
با افزایش توقعات در ارتباط با کیفیت و سلامت محصولات غذایی، روشهای تجزیهای صحیح و دقیق برای اطمینان از کیفیت، صحت و سلامت محصول ضروری است. روشهای سنتی کنترل مواد غذایی، زمان بر، گران و نیازمند تخریب نمونه هستند. بنابراین استفاده از اتوماسیون برای اطمینان از کیفیت محصولات کشاورزی ضروری است. هدف از این تحقیق استفاده از تصویربرداری ...
بیشتر
با افزایش توقعات در ارتباط با کیفیت و سلامت محصولات غذایی، روشهای تجزیهای صحیح و دقیق برای اطمینان از کیفیت، صحت و سلامت محصول ضروری است. روشهای سنتی کنترل مواد غذایی، زمان بر، گران و نیازمند تخریب نمونه هستند. بنابراین استفاده از اتوماسیون برای اطمینان از کیفیت محصولات کشاورزی ضروری است. هدف از این تحقیق استفاده از تصویربرداری ابرطیفی، شیوههای مختلف پیش پردازش و روشهای آنالیز چند متغیره (رگرسیون کمترین مربعات جزئی و شبکه عصبی مصنوعی) جهت پیشگویی رطوبت و سختی مغزهای پسته طی شرایط مختلف برشته کردن (دما، زمان و سرعت جریان هوای برشته کردن) بوده است. نتایج نشان داد تصویربرداری ابرطیفی میتواند بهخوبی برای پیشگویی میزان رطوبت و سختی مغزهای پسته برشته شده بهکار رود. بررسیها نشان داد استفاده از روشهای مختلف پیش پردازش میتواند باعث کاهش خطای پیشگویی و بهبود کیفیت مدل بهدست آمده شود. روش شبکه عصبی مصنوعی بهتر از روش کمترین مربعات جزئی توانست برای پیشگویی میزان رطوبت و سختی مغزهای پسته برشته شده بهکار رود. بهترین مدل برای پیشگویی رطوبت مغزهای پسته برشته شده با انجام پیش پردازشهای تبدیل متغیر نرمال استاندارد، موجک و مشتق اول بهدست آمد که میزان ضریب تبیین 907/0 و میزان خطای پیشگویی 179/0 بود. برای پیشگویی سختی مغزهای پسته برشته شده بهترین مدل از پیش پردازشهای تبدیل متغیر نرمال استاندارد، موجک و مشتق دوم بهدست آمد که میزان ضریب تبیین 876/0 و میزان خطای پیشگویی216/5 بهدست آمد.