پیاده سازی سامانه استنتاج فازی- عصبی به منظور مدلسازی جرم پسته و مقایسه آن با رگرسیون خطی چندمتغیره

خواص محصولات کشاورزی ارتباط تنگاتنگی با خواص هندسی و رطوبت محصول دارد. رو شهای مختلف هوش مصنوعی اعم از شبکههای عصبی واستنتاج فازی قادرند به خوبی رفتار محصولات کشاورزی را، که دارای پیچیدگی است، مدلسازی نموده و ارتباط بین خواص مختلف را با دقت بالایی پیش-بینی کنند. پسته یکی از محصولات مهم کشاورزی صادراتی ایران است. فراوری، جداسازی و اندازه گیری خواص پسته به منظور بالا بردن کیفیت، یک ازدغدغه های پژوهشگران کشاورزی و صنایع مرتبط با آن بوده است. با هدف امکان پیادهسازی روشی برای برقراری ارتباط بین خواص هندسی پسته و جرمآن، در این پژوهش ابعاد هندسی، جرم و محتوای رطوبتی 150 دانه و 150 مغز پسته رقم احمدآقایی مورد محاسبه قرار گرفت. سپس جهت مدلسازی جرم پستهها بر اساس ابعاد هندسی آنها، دوسوم نمونه ها به طور تصادفی برای آموزش دو مدل استنتاج فازی و رگرسیون خطی استفاده شد و باقی نمونه ها به منظور آزمون دو مدل استفاده شد. در انتها نیز به کمک شبکه عصبی مدل استنتاج فازی ارائه شده بهینه گردید. نتایج به دست آمده حاکی از دقت بیشتر مدلهای فازی و فازی-عصبی بهینه شده در مقابل روش رگرسین خطی در مدلسازی جرم پسته بر اساس ابعاد هندسی آن بود

کلیدواژه ها:

سامانه استنتاج فازی ، سامانه فازی- عصبی ، رگرسیون چند متغیره خطی ، پسته