کاربرد شبکه عصبی مصنوعی و آزمون غیر مخرب سی تی اسکن در تخمین مقدار کوفتگی گلابی در اثر اعمال بارهای خارجی
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 414
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JRIFST-8-2_006
تاریخ نمایه سازی: 7 مرداد 1398
چکیده مقاله:
آسیب های گلابی یکی از علت های اصلی ازدست دادن کیفیت میوه است. کبودی در هنگام بارگذاری دینامیکی و شبه استاتیک رخ می دهد که باعث تخریب بافت سالم میوه می گردد. در این پژوهش ابتدا گلابی ها تحت بارگذاری شبه استاتیکی (لبه پهن و لبه نازک) و بارگذاری دینامیکی قرار گرفتند. سپس در دوره های 5، 10 و 15 روزه انبارداری شده و بعد از هر دوره انبارداری با استفاده از تکنیک غیرمخرب سی تی اسکن (CT-Scan) برای تخمین درصد پوسیدگی مورد بررسی قرار گرفتند. شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) با دولایه پنهان و تعداد 3، 5، 7 و 9 نرون در هر لایه برای مدل سازی نیروی بارگذاری و دوره انبار داری میوه گلابی جهت پیشگویی میزان پوسیدگی انتخاب گردید. بیشترین مقادیر R2 آموزش و آزمون برای بارگذاری شبه استاتیکی لبه نازک و لبه پهن در شبکه ای با 9 نرون به ترتیب 0/91=لبه نازک آموزش، 0/99=لبه نازک آزمون و 0/95= لبه پهن آموزش و 0/99= لبه پهن آزمون بوده است و برای بارگذاری دینامیکی شبکه ای با 3 نرون در لایه مخفی 0/98=آموزش، 0/99=آزمون بیشترین مقدار را به خود اختصاص داده است. همچنین بهترین شبکه برای یادگیری (9 نرون) بارگذاری شبه استاتیکی لبه نازک، (7 نرون) بارگذاری شبه استاتیکی لبه پهن و بارگذاری دینامیکی (7 نرون) بود. باتوجه به نتایج به دست آمده برای R2، RMSE و سیکل یادگیری می توان گفت شبکه عصبی توانایی پیش بینی میزان درصد پوسیدگی را در حد قابل قبولی برای گلابی داشته است.
کلیدواژه ها:
نویسندگان
محسن آزادبخت
دانشیار، گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
محمد واحدی ترشیزی
دانشجوی کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :