ماشین های کشاورزی

چکیده برآورد میزان تابش خورشیدی در هواشناسی، کشاورزی و سامانه‌های مبتنی بر این منبع انرژی پاک و تجدیدپذیر اهمیت دارد. در این پژوهش از دمای روزانه که در دسترس‌ترین داده هواشناسی است به‌عنوان تنها پارامتر مورد نیاز در اقلیم‌های مختلف، استفاده و با کمک شبکه‌های عصبی‌مصنوعی مدل‌های پیش‌بینی تابش خورشیدی توسعه داده شد. معیارهای ارزیابی مدل‌ها شامل R، RMSE و MAPE و نمودارهای پراکندگی مقادیر واقعی و پیش‌بینی شده بود. برای تأمین داده‌های طولانی‌مدت و معتبر، ایالت واشنگتن در شمال‌غربی امریکا با 19 ایستگاه هواشناسی در اقلیم‌های مختلف، انتخاب شد. ابتدا، یک ایستگاه با بیشترین داده معتبر برای توسعه شبکه‌های عصبی لحاظ شد. برای آن، مدل‌هایی با سه تابع آموزشی لونبرگ- مارکوارت (LM)، گرادیان توأم مقیاس‌شده (SCG) و تنظیم بیزین (BR) در حالات یک و دولایه پنهان با حداکثر 20 نرون در هرلایه (در مجموع 1260 مدل) توسعه داده شد و شش مدل برتر انتخاب گردید. این مدل‌ها سپس در سایر ایستگاه‌های این ایالت سنجیده شد و در نهایت، دقیق‌ترین و همه جانبه‌ترین آنها برای ارزیابی میزان تابش خورشیدی در اقلیم مشهد به‌عنوان نمونه‌ای از اقلیم داخل کشور انتخاب شد. نتایج نشان داد که شبکه‌های عصبی بیزین دقیق‌ترین پاسخ و الگوریتم SCG با بالاترین سرعت‌های پردازش، کمترین دقت را در ایالت واشنگتن دارد. بررسی کارایی دقیق‌ترین مدل‌ها (شبکه‌های عصبی بیزین) در ایستگاه هواشناسی مشهد نیز حاکی از توانایی آن بود که نشان داد به کمک این شبکه‌ها، با کمترین داده‌های هواشناسی می‌توان به برآورد مناسبی از تابش خورشیدی در اقلیم‌های متفاوت دست‌یافت.

چکیده استفاده از ماشین‌های هرس هوشمند می‌تواند باعث کاهش نیروی کار موردنیاز برای هرس تاکستان ها گردد. در این مقاله تلاش گردیده است الگوریتمی ارائه شود که با استفاده از روش‌های پردازش تصویر و فن استریوویژن قادر باشد نقاطی از بوته انگور را که در حین هرس باید قطع گردند مشخص کند. پس از تهیه تصویرها به روش استریوویژن، از آن ها به‌عنوان ورودی الگوریتم استفاده شد. در اولین مرحله، فاصله بوته ها از دوربین ها محاسبه گردید. سپس شاخه هایی که ضخامت آن‌ها کم بود از تصاویر حذف شدند و تنه اصلی مشخص گردید. در ادامه بر اساس قطر شاخه ها، شاخه‌های یک‌ساله مشخص و با در نظر گرفتن پارامترهای هرس، این شاخه ها هرس شدند. در مرحله نهایی با برچسب‌گذاری شاخه‌های حذف‌شده در مراحل مختلف نقاط قطع شاخه‌ها مشخص گردید. نتایج ارزیابی الگوریتم نشان داد که در همه تصاویر مورد استفاده شاخه های یک‌ساله به‌درستی توسط الگوریتم مشخص‌شده بودند و در بین 254 نقطه قطع استخراج‌شده از 20 تصویر، درمجموع 7 نقطه هرس به‌اشتباه تشخیص داده شده بود. این نتایج نشان می‌دهد که دقت الگوریتم نوشته شده برابر با 96/8 درصد است.

چکیده افزایش جمعیت، کمبود منابع و مخاطرات زیست‌محیطی در امر تولید محصولات، سبب نفوذ چشمگیر فناوری‌های نوین و افزایش دقت در عملیات کشاورزی شده است. یکی از نمود‌های به‌کارگیری فن‌آوری‌های نوین در روند تولید محصول، تعیین ویژگی‌های مختلف محصول (مثل ارتفاع محصول) در مراحل مختلف رشد گیاه است. شناسایی و اندازه‌گیری ارتفاع محصول با استفاده از تکنولوژی فراصوت گامی کوچک در راستای اتوماتیک کردن کنترل داشت و برداشت، موضوع پژوهش حاضر است. بعد از طراحی و ساخت، حسگر فراصوت در یک سیستم آزمایشگاهی مورد آزمون قرار گرفت. برای کالیبره کردن از موانع مصنوعی استفاده شد که تجزیه تحلیل داده های جمع آوری شده حاصل از کالیبراسیون با روش رگرسیون خطی و آزمون مقایسه میانگین جفت شده نشان داد که بین آن ها اختلاف معنی‌دار وجود ندارد و ضریب تبیین مدل رگرسیونی 99% محاسبه شد. آزمایش‌ها در 3 تکرار در محیط آزمایشگاهی بر روی بوته ذرت انجام گرفت که ولتاژ خروجی حسگر فراصوت با ارتفاع بوته (اندازه‌گیری دستی) دارای همبستگی خطی بالا بود که منجر به ارائه مدل رگرسیون خطی با ضریب تبیین 95% شد. نتایج حاصل از پژوهش ما، شناسایی وجود یا عدم وجود محصول، در کنترل تخصصی مراحل داشت (به‌طور مثال سم‌پاشی) و اندازه گیری ارتفاع محصول (جهت تعیین ارتفاع برش در زمان برداشت)، با استفاده از فناوری حسگر فراصوت به‌عنوان روشی مناسب در کشاورزی دقیق از لحاظ فن و هزینه اقتصادی کمتر توصیه می‌شود.

چکیده همه‌ساله پس از برداشت محصولات زراعی، بقایای گیاهی بسیاری از مزارع آتش زده می‌شوند. این تحقیق به‌منظور یافتن یک روش دقیق، سریع و ارزان برای پایش مزارعی که در آن‌ها بقایای گیاهی آتش زده می‌شود انجام شد. در این پژوهش توانایی تصاویر سنجنده‌ لندست 8 برای تعیین محل و مساحت مزارعی که بقایای گیاهی در آن‌ها آتش زده شده بود با استفاده از چهار شاخص‌ طیفی شامل BAI، NBR، NDVI و NBRT و آنالیز جداسازی طیفی خطی مورد ارزیابی قرار گرفت. برای انجام پژوهش تعداد 60 مزرعه با 4 پوشش سطحی شامل گیاه سبز، بقایای گیاهی، خاکستر ناشی از سوزاندن بقایا و مزارع بدون پوشش در نظر گرفته شد. تعیین محل و تخمین مساحت مزارعی که در آن‌ها بقایای گیاهی آتش زده شده بود در تصاویر ماهواره‌ای با استفاده از شاخص‌های طیفی و آنالیز جداسازی طیفی خطی انجام شده و نتایج حاصله با نتایج میدانی مقایسه شد. نتایج نشان داد که اثر تیمارهای مختلف پوشش سطح خاک بر مقادیر شاخص‌های مورد مطالعه در سطح 1 درصد معنی‌دار بود. شاخص BAI به دلیل دقت بالای تفکیک و تخمین مساحت مزارع سوخته، به‌عنوان شاخص تمایز مزارع سوخته با سایر مزارع انتخاب شد. صحت کلی طبقه‌بندی با شاخص BAI و آنالیز جداسازی طیفی خطی به‌ترتیب 91/7 و 88/38 و ضریب کاپا آن‌ها به‌ترتیب 0/89 و 0/84 بود.

چکیده با توجه به اهمیت نگهداری، ماندگاری ‌و کاهش هزینه‌های حمل و نقل محصولات غذایی، در این تحقیق اثر مؤثر برخی پارامترهای خشک‌کن پاششی دارای افشانه فراصوت، بررسی شد. آزمایش‌ها به‌صورت طرح کاملاً تصادفی انجام گرفت و در آن اثر دمای صفحات خشک‌کن پاششی در سه سطح 130، 140، 150 درجه سلسیوس، دبی خروجی افشانه فراصوت در سه سطح 13، 14 و 15 میلی‌متر بر دقیقه و همچنین اثر توان منبع فراصوت در سه سطح 25، 37/5 و 50 وات بر درصد رطوبت و اندازه ذرات بررسی شد. برای تعیین میزان رطوبت نمونه‌ها در آون با دمای 70 درجه سلسیوس خشک شدند. برای تعیین اندازه ذرات عکس‌های دوبعدی از نمونه‌ها توسط میکروسکوپ نوری تهیه و مورد تجزیه‌وتحلیل قرار گرفت. نتایج نشان داد اثر متغیرهای مستقل بر روی پارامترهای مورد بررسی در سطح یک درصد معنی‌دار، ولی اثر دمای صفحات بر روی اندازه ذرات غیر معنی‌دار می باشد. کمترین‌ درصد رطوبت در نمونه‌های با توان 25 وات و دبی خروجی 13 میلی‌متر بر دقیقه و دمای 150 درجه سلسیوس در سطح 5 درصد بود. بزرگ‌ترین قطر پودر تولید شده 85/20 میکرومتر در نمونه‌هایی با دبی 17 میلی‌متر بر دقیقه و توان 50 وات در سطح 5 درصد بود. به‌طور کلی با توجه به نتایج این پژوهش، تولید پودر گوجه‌فرنگی در دمای 150 درجه سلسیوس با دبی 15 میلی‌لیتر بر دقیقه با توان 25 وات مناسب‌ترین سطح برای رسیدن به پودرهایی باکیفیت بالاتر می‌باشد.

چکیده امروزه، اهمیت کیفیت سم‏پاشی در سم‏پاش‏ ها و بهره‏ مندی بیشتر از دستگاه سم‏پاش و سم مصرفی مهمترین مسئله پیش ‏روی کاربران و سازندگان سم‏پاش‏ ها است. بنابراین آزمایشی با سم‏پاش توربینی زراعی (توربولاینر) مدل توربینا اس.ای.800 به صورت آزمایش فاکتوریل با سه فاکتور در قالب طرح کاملاً تصادفی با سه تکرار انجام شد. تیمارهای آزمایشی شامل فشار سم‏پاشی با سه سطح 1000، 2500 و 3500 کیلوپاسکال، دور پروانه با دو سطح 1998 و2430 دور در دقیقه و سرعت پیشروی با دو سطح 9 و 5/13 کیلومتر بر ساعت بودند. آنالیز تصاویر با نرم‏ افزارهای ImageJ وMATLAB R2015a انجام گردید. نتایج نشان داد که با افزایش فشار، قطر حجمی50 درصد، قطر میانه عددی و شاخص کیفیت پاشش دارای روندی کاهشی بودند و افزایش دور پروانه و سرعت پیشروی موجب کاهش قطر حجمی 50 درصد و قطر میانه عددی شد. در ترکیب تیمارها، افزایش فشار و دور پروانه، باعث کاهش 72، 69 و 46 درصد به‌ترتیب در قطر حجمی 50 درصد، قطر میانه عددی و شاخص کیفیت پاشش شد. با توجه به اهمیت شاخص کیفیت پاشش در این آزمایش، بیشترین میزان این شاخص (91/2) در حالتی رخ داد که دستگاه با فشار 1000 کیلوپاسکال، دور پروانه 2430 دور در دقیقه و سرعت پیشروی 9 کیلومتر بر ساعت تنظیم شده بود.

چکیده از بین بردن علف‌های هرز توسط یک دستگاه خودکار نیازمند یک سامانه ماشین بینایی است که قادر به تشخیص گیاه اصلی از علف هرز باشد. بدین منظور می‌بایست ابتدا ویژگی‌های متمایز بین گیاه اصلی و علف‌های هرز مشخص شوند. در این تحقیق با مطالعه عکس‌های متعدد چغندرقند وجود یک ویژگی مختص برگ چغندرقند و قابل تمایز با علف‌های هرز مرسوم مشخص گردید. این ویژگی یک انحنای S شکل در ابتدای برگ و در نزدیکی دمبرگ بود که تنها در برگ‌های چغندرقند قابل مشاهده بوده و در سایر علف‌های هرز مرسوم وجود نداشت. برای بیان این ویژگی از تبدیل تعمیم‌یافته هاف استفاده شد تا به کمک آن مکان هندسی اشکال غیر هندسی تعریف شود. بررسی نتایج حاصل از انجام این روش بر روی تصاویر جمع‌آوری شده از شرایط واقعی مزرعه نشان داد که دقت کلی الگوریتم %65/91 می باشد. %92 از بوته‌های چغندرقند موجود در تصاویر آزمون به درستی و %7/8 از علف‌های هرز به اشتباه به عنوان چغندرقند تشخیص داده شدند. با توجه به این‌که این روش تنها از یک ویژگی شکلی استفاده می‌نماید، می‌توان انتظار داشت که با افزودن سایر ویژگی‌های بافتی و رنگی به قدرت تشخیص درست بالایی دست یافت.

چکیده در این تحقیق از دو رقم خربزه صادراتی "زرد ایوانکی" و "سوسکی سبز" و سامانه آزمایشگاهی مبتنی بر فناوری آکوستیک استفاده شد. سامانه آزمایشگاهی شامل مکانیزم تحریک مکانیکی میوه، حسگر صوتی، تجهیزات نمایش و ضبط سیگنال صدا و تکیه گاه میوه می باشد. در این سامانه میوه توسط ضربه آونگ تحریک شده، پاسخ سیگنال به کمک صداسنج دریافت و سپس پردازش گردید. عوامل متعددی روی پاسخ آکوستیکی میوه خربزه و درنتیجه پارامترهای آکوستیکی تأثیر دارند. در این تحقیق اثر پارامترهای جنس گوی ضربه زن (سه سطح)، زاویه برخورد آونگ به میوه (سه سطح)، موقعیت صداسنج نسبت به محل ضربه (دو سطح) و نوع رقم (دو سطح) به‌صورت آزمایش فاکتوریل در قالب طرح آماری کاملاً تصادفی و با سه تکرار روی هر نمونه خربزه مورد مطالعه قرار گرفت. در هر دو رقم مشخص شد که اثر متغیرهای جنس گوی، زاویه برخورد و موقعیت صداسنج برتر از فشار صوت و اندازهFFT و نیز اثر متقابل موقعیت صداسنج و زاویه برخورد بر اندازه FFT در سطح یک درصد در هر دو رقم معنی دار هستند. هیچ‌کدام از متغیرها و اثرات متقابل آن ها تأثیر معنی داری بر فرکانس تشدید نداشتند. به‌دلیل این که جنس ماده ضربه زن، زاویه برخورد، محل دریافت صدا و نوع رقم تأثیر معنی داری بر فرکانس تشدید ندارند، استفاده از آن‌ها در آزمون های آکوستیکی به‌منظور تشخیص عیوب داخلی و مرحله رسیدگی خربزه توصیه می‌شود. همچنین نتایج نشان داد که استفاده از گوی پلاستیکی، زاویه برخورد 70 درجه و موقعیت میکروفن 90 درجه در طراحی سامانه آکوستیک برای دریافت پاسخ آکوستیک مناسب تر است.

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 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.

چکیده یکی از روش هایی که امروزه برای به حداقل رساندن هزینه نگهداری و تعمیرات تجهیزات صنعتی دوار به‌کار می رود، پایش وضعیت به کمک تحلیل صدا می باشد. در پژوهش حاضر به منظور بررسی روند تشخیص عیب و پایش وضعیت جعبه دنده ابتدا سامانه ای طراحی و سپس ساخته شد. صدای حاصل از چرخ دنده های سالم و معیوب به‌وسیله صداسنج اخذ و در رایانه جهت پردازش ذخیره گردید. اندازه گیری صدا در سه سرعت پینیون 750، 1050 و 1500 دور بر دقیقه برای چرخ دنده های سالم، عیب شکستگی یک دندانه و ساییدگی یک دندانه انجام شد. مقایسه سیگنال های صوتی پردازش شده از چرخ دنده های جعبه دنده در شرایط سالم و معیوب نشان دهنده فرکانس درگیری چرخ دنده، هارمونیک های آن و نیز تغییرات در اثر عیوب ایجاد شده بود. نتایج حاصل از تحلیل طیف فرکانسی سیگنال ها در سرعت 1500 دور بر دقیقه پینیون، عیب شکستگی یک دندانه در فرکانس درگیری چرخ‌دنده ها را به ترتیب برابر 500، 350 و 250 هرتز نشان داد که با افزایش دامنه فرکانس مذکور ظاهر شد. عیب سائیدگی دندانه ها در یک چرخ دنده به‌صورت ایجاد باندهای جانبی به فاصله مساوی در اطراف فرکانس درگیری چرخدنده در طیف فرکانسی سیگنال در سرعت های 1500 و 1050 دور بر دقیقه پینیون کاملاً قابل تشخیص بود. بررسی طیف فرکانسی سیگنال صوتی حاصل از چرخ دنده، بیانگر توانمندی این روش در پایش وضعیت جعبه دنده با دقت بالا در زمان حداقل می باشد.

چکیده سامانه های ابزار دقیق و خودکار در ماشین آلات کشاورزی، میدانی و عمرانی به شکل فزآینده موجب افزایش بهره وری، دقت و توسعه کاربردی گردیده است. دستگاه کنترل ارتفاع جهت اندازه گیری ارتفاع نمونه های مختلف، از بخش های مکانیکی شامل مجموعه محرکه تسمه نقاله، بدنه اصلی، موتور الکتریکی، مبدل و بخش الکترونیکی شامل حسگر فراصوت فرستنده و گیرنده امواج، مجموعه الکترونیکی، مجموعه کنترل و میکروکنترلر ای تی مگا 32 ساخته شده است. در ابتدا عملکرد دستگاه به کمک شبکه عصبی مصنوعی مورد بررسی قرار گرفته و سپس آزمایش هایی جهت جمع آوری و معتبرسازی داده ها انجام گردیده است. در این مطالعه مشاهده گردید که استفاده از شبکه عصبی مصنوعی چند لایه همراه با الگوریتم یادگیری لونبرگ-مارکواردت دارای بهترین معیار برای برآورد و همگرایی نتایج داده های آزمایشگاهی می باشد و جایگزینی ماتریس واحد با ماتریس هسیان در معادله بهینه سازی شده قانون لونبرگ-مارکواردت تأثیر به سزایی در همگرایی و کاهش زمان محاسبات دارد. همچنین مطالعه حاضر جهت توسعه فرآیندهای کشاورزی، مهندسی و افزایش تأثیر دستگاه های تولید شده مورد نیاز در آموزش واحدهای اندازه گیری هوشمند بسیار مفید بوده و مسائل تخمین تابع در الگوریتم لونبرگ- مارکواردت کارایی، سرعت، دقت و همگرایی بالایی را از خود نشان داده و خطای کمینه4-10× 7/77 را دارا می باشد.

چکیده در روش‌های معمول سم‌پاشی در باغ‌ها، سم‌پاشی هدف‌دار انجام نمی‌شود. بررسی آمار مصرف سموم شیمیایی در باغ‌ها نشان‌دهنده مصرف بیش ‌از حد مورد نیاز گیاه بوده و از این مقدار سم مصرف‌شده، تنها 30 درصد آن به تاج درخت می رسد و باقی‌مانده آن از دست‌رفته و باعث خسارت می‌شود. سم‌پاش‌های نرخ متغیر با استفاده از سیستم‌های کنترل هوشمند تا حد زیادی در کاهش استفاده از آفت‌کش‌ها و کاهش آلودگی محیط‌زیست در باغ‌ها کارایی دارند. در این تحقیق نمونه اولیه سم‌پاش باغی مبتنی بر فناوری ماشین بینایی ارزیابی شد. سم‌پاش ساخته‌شده براساس ساختار تاج درخت و میزان سبزینه، عمل سم‌پاشی را به‌صورت بی‌درنگ انجام می‌دهد و بهره‌وری از سمپاشی در باغ را بهبود می‌بخشد. عملکرد سم‌پاش در باغ زیتون در دو حالت مختلف سم‌پاشی به‌صورت سراسر پاشی و سم‌پاشی منقطع هدف‌دار مبتنی بر سایه‌انداز درخت و فناوری ماشین بینایی مقایسه شد. این عملکرد در سه سرعت پیشروی مختلف (2، 3/5 و 5 کیلومتر بر ساعت) و چهار تکرار با استفاده از طرح کاملاً تصادفی انجام شد. نتایج نشان داد در کاربرد سم‌پاش طراحی‌شده جدید، برای باغ زیتون، مصرف سم تقریباً 54 درصد کاهش یافت. با توجه به عدم پاشش سم در فضای خالی بین درختان، در باغ‌های جوان، که دارای درختان کوچک‌تر هستند و فاصله بین تاج درختان زیادتر است، میزان کاهش مصرف سم، از این مقدار فراتر خواهد رفت.

چکیده اندازه‌گیری توان کششی مورد نیاز ادوات کشاورزی از نقطه نظر طراحی ماشین و انطباق آن با تراکتور برای متخصصین ماشین های کشاورزی حائز اهمیت است، بنابراین در این پژوهش به طراحی، ساخت و ارزیابی یک دینامومتر کششی تراکتوری اقدام شد که دارای قابلیت سنجش و ذخیره‌سازی مؤلفه افقی مقاومت کششی و سرعت پیشروی ادوات خاک‌ورزی بوده و در نتیجه قادر به محاسبه توان مورد نیاز برای کشش آن ها ‌باشد. موضوع منحصر به فرد در طراحی این دینامومتر استفاده از ابزار کنترل‌کننده از راه دور برای صدور دستورات مدیریت داده‌برداری است. بر طبق نتایج این پژوهش معادله خط و ضریب تبیین مربوط به کالیبراسیون حسگر نیروسنج به ترتیب برابر با y=2.059x-0.1 و R2=0.999 به‌دست آمد و معادله خط و ضریب تبیین مربوط به ارزیابی حسگر سرعت‌سنج به ترتیب برابر با y=1.001x+0.065 وR2=1 محاسبه شد. از سوی دیگر بنابر نتایج آزمون مزرعه‌ای سامانه، مقاومت و توان کششی گاوآهن برگرداندار سه خیشه در حال کار در خاک لوم سیلتی رسی به ترتیب برابر با 14.3 kN و 18 hpاندازه‌گیری شد که با نتایج به‌دست آمده توسط سایر پژوهشگران همخوانی دارد. بنابراین می‌توان از دینامومتر توسعه یافته به‌منظور اندازه‌گیری توان کششی ادوات کشاورزی استفاده کرد.

چکیده هدایت خودکار تراکتور در زمینه‌های مختلف رو به پیشرفت نهاده است. در این تحقیق ساخت سامانه‌ی خودترازرو جهت هدایت خودکار تراکتور بر روی خطوط تراز در حین کاشت مورد نظر می‌باشد. سامانه‌ی خودترازرو شامل سه واحد حس‌کننده، پردازش و عمل‌کننده می‌باشد. حسگر زاویه‌سنج زوایای ایجاد شده در راستای طولی و عرضی تراکتور نسبت به سطح افق را تعیین کرده و داده‌ها به واحد پردازش ارسال می‌شود. پتانسیومتر و ماژول فشارسنج جهت کنترل یکنواختی ارتفاع نقاط مسیر حرکت تراکتور مورد استفاده قرار می‌گیرد. واحد پردازش با استفاده از داده‌های ارسال شده از واحد حس‌کننده، فرمان‌های لازم را به واحد عمل‌کننده صادر می‌کند. واحد عملگر شامل یک موتور الکتریکی به همراه یک جعبه دنده است که از طریق سیستم چرخ و زنجیر به فرمان تراکتور متصل شده و آن‌را در مسیر خطوط تراز هدایت می‌کند. خطوط کشت ایجاد شده در شیب‌های مختلف در سطح احتمال 95 درصد (آزمون دانکن) منطبق بر خطوط تراز زمین بود. به‌علاوه شاخص‌های طول و وزن خشک ریشه‌چه و ساقه‌چه بذرهای سبز شده نسبت به شیب‌های مختلف تفاوت معنی‌داری نداشتند. شاخص درصد کل سبز شدن در نواحی با شیب زیاد (18 و 21 درصد) اختلاف معنی‌داری را نشان داد.

چکیده از مهمترین فرآیندها در بسته‌بندی و نگهداری محصولات کشاورزی عملیات دسته‌بندی بوده که پردازش تصویر یکی از ابزارهای کاربردی در زمینه فن‌آوری‌های پس از برداشت است. هدف از پژوهش حاضر به‌دست آوردن الگوریتمی برای تشخیص عیوب ظاهری و درجه‌بندی محصول گوجه‌فرنگی و ارائه سامانه‌ی کارآمد در این زمینه است؛ برای سادگی این فرآیند، از شبکه‌های فازی عصبی موسوم به ANFIS استفاده شده است که در عین سادگی کار و تنظیم کردن، دقتی همپای شبکه‌های عصبی را به ارمغان می‌آورد. پس از عکس‌برداری از گوجه‌فرنگی‌های تهیه شده، این نمونه‌ها توسط فرد خبره در 8 دسته از لحاظ رسیدگی و اندازه و سلامت یا خرابی دسته‌بندی شدند. ویژگی‌های ابعادی و رنگی تصاویر گرفته شده از این نمونه‌ها با استفاده از فن‌آوری ماشین بینایی و الگوریتم‌های طراحی شده به‌دست آمد و به سامانه‌ی ANFIS سپرده شد که در نهایت دسته‌بندی در سه سطح اولیه و یک سطح نهایی انجام گردید. سه سطح اولیه عبارت بودند از درجه‌بندی از لحاظ رنگ، اندازه و سلامت که داده‌های مربوط به هر سطح به‌عنوان ورودی به سامانه نهایی ارائه شدند. سامانه نهایی با در نظر گرفتن همزمان سه سطح رنگ، اندازه و سلامت، نمونه‌ها را در یکی از 8 دسته تعریف شده قرار داد. میزان دقت در هر سطح برای قبل و بعد از آموزش، نشان از ارتقاء ده درصدی کیفیت تشخیص و درجه‌بندی در شرایط پس از آموزش داشت که این میزان برای درجه‌بندی‌های رنگ، اندازه‌، ‌بافت و نهایی به‌ترتیب برابر 89، 81، 95 و 81% بود.

چکیده پسته از نظر شکاف پوست به دو دسته خندان (درباز) و ناخندان (دربسته) و از نظر مغز به دو دسته مغزدار و پوک تقسیم می‌شود. پسته‌های پوک و دربسته غالباً جزء محصول درخت پسته بوده و به دلیل ارزش کمتر نسبت به نوع مغزدار درباز باید دسته‌بندی شوند. هدف این پژوهش ارائه روشی هوشمند برای مرتب‌سازی پسته‌های دربسته، درباز مغزدار و پوک می‌باشد. داده‌های مورد نیاز برای دسته‌بندی با استفاده از تصاویر تهیه شده از نمونه‌های دربسته، مغزدار و پوک پسته با شرایط یکسان، تأمین شده است. به این ترتیب که ابتدا برای استخراج تصویر پسته از پس زمینه آن، تصاویر تهیه شده به کمک تکنیک‌های پردازش تصویر، قطعه‌بندی شده و پس از انجام فیلترهایی بر روی تصاویر حاصل، برای تعیین با ارزش‌ترین ویژگی‌ها جهت دسته‌بندی، از الگوریتم یادگیری ماشین C4.5 و درخت تصمیم استفاده شد. ویژگی‌های ممان و اسکلت به‌عنوان با ارزش‌ترین ویژگی‌ها انتخاب شده و بر این اساس قوانین به‌دست آمده از درخت تصمیم به یک سیستم نرو-فازی تطبیق‌پذیر تغذیه شدند. این قوانین به‌صورت اگر-آنگاه بودند که با پیمایش بالا به پایین حریص از ریشه تا برگ توسط الگوریتم C4.5 استخراج شده بودند. شبکه نروفازی ابتدا با استفاده از داده‌های استخراج شده مربوط به 200 نمونه شامل انواع دربسته، پوک و مغزدار و با دقت 95/8% آموزش داده شد. همچنین از 100 نمونه برای آزمایش سیستم با دقت97% استفاده شد.

چکیده در مباحث نوین کشاورزی، بررسی روش‌های سریع، خودکار، ارزان و دقیق برای تشخیص بیماری‌های گیاه از اهمیت زیادی برخوردار است. تشخیص به موقع و دقیق بیماری در مزارع، از مهمترین فاکتورهای مقابله با بیماری‌های گیاهی می‌باشد. در این تحقیق توانایی تکنیک پردازش تصویر در تشخیص دو بیماری مهم برنج (لکه قهوه‌ای و بلاست برگ برنج) مورد بررسی قرار گرفت. تصاویر دیجیتال از برگ‌های گیاه برنج آلوده تهیه شدند. تصاویر در جعبه ابزار پردازش تصویر نرم افزار متلب پردازش شدند. از پردازش رنگی به‌منظور جداسازی لکه‌های ظاهری قسمت‌های آلوده از سطح برگ استفاده شد. نتایج نشان داد که الگوریتم ارائه شده توانست نقاط آلوده را در نمونه تصاویر مورد آزمایش با دقت 94/4% تشخیص دهد. تمایز بین دو نوع بیماری به دلیل شباهت‌های رنگی علائم بیماری‌ها تقریباً غیر ممکن بود. بنابراین به منظور بهبود تشخیص، خصوصیات شکلی از تصاویر سیاه و سفید برگ‌ها آلوده استخراج شدند. ویژگی‌های بدون بعد مانند گردی، نسبت ظاهری، فشردگی و نسبت سطح قسمت‌های آلوده مربوط به بیماری لکه قهوه‌ای و بلاست برگ برنج استخراج شده و مورد بررسی قرار گرفتند. دقتی معادل با 96/6% برای الگوریتم به‌دست آمد که نشان‌دهنده توانایی در تشخیص دو بیماری لکه قهوه‌ای و بلاست برگ برنج بود.

چکیده ارزیابی مدت انبارداری سیب گلاب در چهار گروه شامل سیب‌های سالم و بدون پوشش، سیب‌های سالم و پوشش‌دار با متیل سلولز، سیب‌های ضربه خورده و بدون پوشش و سیب‌های ضربه خورده و پوشش‌دار در طی ده هفته در سردخانه‌ای با دمای 2 درجه‌ی سلسیوس و 85 درصد رطوبت نسبی (بر پایه‌ی تر) با دو روش غیرمخرب صوتی و مخرب نفوذسنجی مطالعه گردید. پارامترهای صوتی شامل فرکانس طبیعی، شاخص سفتی و ضریب الاستیسیته با ثبت سیگنال‌های صوتی حاصل از ضربه‌ی غیر مخرب یک ضربه‌زن پاندولی توسط میکروفون دستگاه صداسنج و سپس تبدیل آن از حوزه‌ی زمان به حوزه‌ی فرکانس به‌دست آمدند. اندازه‌گیری‌های آزمون نفوذ نیز با استفاده از دستگاه بافت‌سنج و نرم افزار آن انجام گرفت. آزمون‌های مورد اشاره هر هفته صورت می‌پذیرفت. با استفاده از آزمون دانکن در سطح 5% معنی‌دار بودن نتایج مشخص گردید. نتایج نشان داد که پارامترهای صوتی و نفوذسنجی در طی دوره‌ی انبارداری کاهش یافته‌اند. هم‌چنین در یک دوره‌ی انبارداری ثابت، پارامترهای صوتی (فرکانس طبیعی، شاخص سفتی و ضریب الاستیسیته) و سفتی در سیب‌های سالم و پوشش‌دار در مقایسه با سیب‌های ضربه خورده و بدون پوشش به‌ترتیب 14/26%، 14/11%، 14% و 40/2% افزایش نشان داده‌اند. همبستگی بین پارامترهای صوتی و نفوذسنجی نیز نشان داد که همبستگی بین پارامترهای صوتی در هر یک از چهار گروه سیب‌ها بیش‌تر از همبستگی بین این پارامترها و پارامتر نفوذسنجی است.

چکیده در این تحقیق، پتانسیل تکنیک طیف‌سنجی رامان در تعیین مراحل رسیدگی، مواد جامد محلول و pH میوه خرمای مضافتی مورد ارزیابی قرار گرفت. طیف‌سنجی نمونه‌ها در ناحیه 2500-400 سانتی‌متر معکوس با استفاده از دستگاه طیف‌سنج Thermo Nicolet از نوع پاشنده به‌دست آمد. نتایج حاصله حاکی از این بود که طیف‌های به‌دست آمده از پراکندگی رامان می‌توانند نوارهای شاخصی (650، 1357 و 1590 سانتی‌متر معکوس) را با توجه به مراحل مختلف رسیدگی خرما بروز دهند. این نوارها را می‌توان به ارتعاشات کششی کربن-کربن (C=C و C-C) و کربن- هیدروژن (C-H) که در زنجیره اصلی ترکیبات شیمیایی محصول قرار دارند نسبت داد. همچنین مقایسه مقادیر پیش‌بینی شده مواد جامد محلول و pH از طیف‌سنجی با مقادیر واقعی آنها توانایی پیشگویی مدل‌هایی با ضرایب همبستگی بالا (0/955 و 0/981درجه بریکس به‌ترتیب برای مواد جامد محلول و pH) و مقادیر خطای پایین (1/2و 1/4 به‌ترتیب برای مواد جامد محلول و pH) را با استفاده از طیف‌سنجی رامان نتیجه داد.

چکیده با رشد روزافزون کاربرد سامانه‏‌های مکان‌‏یابی در عملیات کشاورزی دقیق، آگاهی از دقت و صحت گیرنده‌‏های مورد استفاده در این عملیات بسیار ضروری به نظر می‌رسد. این تحقیق به منظور بررسی و مقایسه دقت مکان‏‌یابی سه مدل مختلف از گیرنده‌های مکان‏‌یابی متداول در کشاورزی دقیق، شامل مدل‌های eTrex_VISTA، MAP_60_csx و MAP_78s در شرایط مختلف انجام شده است. برای مقایسه گیرنده‌ها 9 ایستگاه ثبت داده در منطقه‏‌ای به ابعاد 20 در 20 متر با نقشه‌برداری دقیق به‌وسیله دوربین تئودولیت و قطب نمای دقیق به‌صورت شبکه‏‌های منظم مشخص شد. این پژوهش در قالب طرح کاملاً تصادفی به‌صورت آزمون فاکتوریل برای بررسی سه عامل هرکدام در سه سطح شامل، شرایط جوی مختلف داده‏‌برداری (آسمان صاف، نیمه ابری و ابری)، ساعت‌های مختلف (9 صبح، 12 ظهر و 16 عصر) و سه مدل گیرنده مکان‏‌یاب هرکدام در نه تکرار (ایستگاه) انجام و نتایج در نرم افزار SPSS20 تجزیه و تحلیل شد. بررسی نتایج به‌دست آمده برای هر گیرنده نشان داد، میانگین خطای گیرندهGPS مدل MAP_78s، (cm)91، مدل MAP_60_csx، (m)2/64 و مدل eTrex_VISTA، (m)4/7 می‏باشد. هم‌چنین در مقایسه تأثیر شرایط جوی و ساعات مختلف در دقت گیرنده‏‌های GPS اختلاف معنی‌داری مشاهده نشد. بنابراین از گیرنده GPS مدل MAP_78s می‌توان برای عملیات کشاورزی دقیق در محدوده دقت 1 تا 3 متر، در عملیاتی نظیر پایش محصول و نمونه‌برداری از خاک و از گیرنده‌‏های دیگر شامل MAP_60_csx و eTrex_VISTA در عملیاتی که نیاز به دقتی در محدوده 3 تا 5 متر دارند، استفاده نمود.

چکیده ایجاد بستر مناسب و بذرکاری دستی بذرهای سبزیجات کوچک در سینی‌های کاشت نشاء، فرآیندی زمان بر و مستلزم نیروی انسانی بالاست و موجب محدود شدن ظرفیت تولید کشت سبزیجات در گلخانه‌ها می‌شود، در شرایط ایران، کشاورزان از بذرکارهای ظرفیت بالا خارجی به‌دلیل قیمت بالا استفاده نمی‌کنند، هدف از این پژوهش طراحی و ساخت یک ربات بذرکار دقیق برای سینی‌های کاشت می‌باشد، براساس پارامترهای طراحی شده در آزمایشگاه، یک نمونه اولیه از یک بذرکار بادی توسط نرم افزار طراحی SolidWorks شبیه‌سازی و برای کاشت بذر گوجه‌فرنگی ارزیابی گردید، مشاهدات نشان می‌دهد این ربات بذرکار می‌تواند در یک ردیف از سلول‌ها در یک سینی، شیار ایجاد کرده و در اندک زمانی؛ یک بذر را در آن شیار جا دهد، این بذرکار در فشار مکش 89/3 و 42/3 بار و قطر سوراخ‌های 47/0 و 49/0 میلی‌متر مورد ارزیابی قرار گرفت، بسته به اندازه سینی‌ها، ظرفیت نامی این بذرکار بین 17000 تا 35000 سلول در ساعت می‌باشد، قیمت تمام‌شده بذرکار با ظرفیت نامی 17000 سلول در ساعت با استفاده از نمونه اولیه این دستگاه بذرکار، حدود 30 درصد از هزینه محاسبه شده در بذرکاری به روش دستی است، دقت سامانه طراحی شده به‌طور میانگین 88 درصد بوده و ظرفیت نامی کشت سامانه، 170 سینی در هر ساعت اندازه‌گیری شد.

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 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.

چکیده یکی از مشکلات خشک‌کن‌های خورشیدی متغیر بودن دمای خشک کردن می‌باشد. در این تحقیق، سامانه کنترل دمای خشک‌کن متشکل از حسگرها، کنترل‌کننده دور فن و میکروکنترل طراحی و ساخته شد. خشک‌کن خورشیدی استفاده شده از نوع پخشی همرفت اجباری دارای دو عدد سینی هرکدام با مساحت 3/0 متر مربع و با ظرفیت 5 کیلوگرم سبزی تازه و ارتفاع محصول روی هر سینی 03/0 متر بود. در آزمایش‌ها از گیاه نعناع تازه استفاده و در طول چهار روز در دو حالت با استفاده و بدون استفاده از کنترل دور فن انجام شد. نتایج به‌دست آمده نشان داد که با استفاده از این سامانه، تغییرات دمای هوا در ورودی محفظه خشک‌کن کمتر و بین 39 تا 42 درجه سیلسیوس در روزهای آزمایش بود. در حالی‌که در حالت بدون کنترل دور فن تغییرات دمای هوا در ورودی محفظه خشک‌کن بیشتر و مابین 32 تا 44 درجه سیلسیوس در روزهای آزمایش بود. بنابراین استفاده از کنترل دور فن در یک خشک‌کن خورشیدی ممکن است باعث سریع‌تر و ثابت‌تر شدن آهنگ خشک شدن محصول شده و در یک دوره زمانی ثابت نسبت به حالت بدون کنترل دور فن رطوبت نهایی را حدود 8 درصد بیشتر کاهش دهد.

چکیده آلودگی ناشی از زهرابه قارچی آفلاتوکسین به‌عنوان یک معضل اساسی برای صادرات پسته محسوب می شود. با توجه به استقبال روزافزون استفاده از تکنیک طیف‌سنجی رامان در تشخیص و تفکیک مواد مختلف و همچنین مسائل پیشروی روش‌های آزمایشگاهی سنجش سم مذکور (مانند هزینه بالا و زمان بر بودن)، هدف از این پژوهش بررسی امکان تشخیص و سنجش آفلاتوکسین پسته با تکنیک طیف سنجی رامان و استفاده از شبکه‌های عصبی بوده است. نمونه‌های مورد تحقیق در 3 سطح بدون آلودگی (سالم)، آلودگی 20 و 100 نانوگرم در گرم (ppb) از مجموع آفلاتوکسین‌های (B1+B2+G1+G2) آماده شدند. بعد از طیف برداری، با توجه به نتایج، هنجارسازی ‌داده‌های طیفی به‌عنوان روش پیش پردازش مناسب، انتخاب شد و به‌دنبال آن برای کاهش ابعاد داده های طیفی استخراج مؤلفه‌های اصلی صورت پذیرفت. برای طبقه‌بندی نمونه‌ها، شبکه پرسپترون با قانون یادگیری پس انتشار خطا (با 4 مؤلفه اصلی مؤثر به‌عنوان ورودی و 3 نرون در لایه پنهان) مورد استفاده قرار گرفت. متوسط دقت طبقه ‌بندی شبکه 98 درصد به‌دست آمد و بنابراین، مدل‌سازی غیرخطی داده‌های طیف رامان توسط شبکه عصبی پرسپترون در طبقه بندی نمونه‌ها موفقیت‌آمیز ارزیابی شد.

چکیده ساختار شناسی الکترونیکی به‌منظور تعیین ویژگی های فیزیکی توده گیاهان یکی از مباحث مهم در مدیریت محصولات درختی می باشد. حسگرهای فراصوتی و نوری تاکنون بیشترین کاربرد را در این زمینه داشته اند. هدف این پژوهش ارزیابی عملکرد حسگر فراصوتی USS3 در شرایط آزمایشگاه و مزرعه به‌منظور سنجش قابل اعتماد اندازه گیری های فاصله برای تخمین حجم تاج درخت پسته بود. برای رسیدن به این هدف، روش بررسی برای تحلیل عملکرد حسگر در رابطه با تشخیص فاصله شاخ و برگ و اثر تداخل میان حسگرهای مجاور که به‌طور هم‌زمان کار می کنند، طراحی شد. نتایج نشان داد که خطای میانگین برای اندازه گیری فاصله با اشیاء توسط حسگر فراصوتی در شرایط آزمایشگاه 64/0 سانتی متر است. افزایش تغییرات در شرایط میدانی، به‌ویژه تحرک و غیرصلب بودن شاخ و برگ درختان، دقت این نمونه از حسگرها را هنگام برآورد فاصله تا توده گیاه کاهش می دهد. خطای میانگین در چنین شرایطی 19/3 سانتی متر به‌دست آمد. هنگام بررسی اثر تداخل حسگرهای مجاور در فاصله 30 سانتی متری، خطای میانگین 65/14 سانتی متر و زمانی‌که فاصله حسگرهای مجاور به 60 سانتی متر افزایش یافت خطای میانگین 73/6 سانتی متر محاسبه گردید. آزمایش ها نشان داد که این حسگرها زمانی که در فاصله 60 سانتی متری یا بیشتر نسبت به یکدیگر قرار گیرند، برای تخمین فاصله تا درخت در شرایط باغ پسته مناسب بوده و می توان با اطمینان از این حسگرها در یک سامانه برای تخمین پارامترهای ساختاری توده گیاه در مبحث باغبانی دقیق استفاده کرد.