پیشبینی حجم، سطح جانبی و کرویت انار با استفاده از شبکه عصبی مصنوعی MLP
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 721
فایل این مقاله در 15 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:
NCAMEM08_210
تاریخ نمایه سازی: 14 شهریور 1393
چکیده مقاله:
اندازه گیری سریع و دقیق خصوصیات هندسی محصولات کشاورزی کاربردهای زیادی در امور مربوط به کاشت، داشت، برداشت و پس از برداشت دارد. محاسبات مربوط به انبارداری و نقل و انتقال، در کنار محاسبه میزان مواد پوششی داده شده به محصولات برای افزایش عمر انبار داری، همچنین تخمین زمان پوست کنی و تعیین میزان تجمع مواد میکروبی روی محصول، از جمله کاربردهای مهم اندازه گیری حجم و سطح جانبی میباشند. ضریب کرویت نیز که یکی از پارامترهایی است که برای کمی کردن اختلاف در شکل میوه ها، سبزیها، غلات و بذرها به کار میرود، در فرایندهای جداسازی توسط ماشین های غربال و نیز قابلیت غلتش روی سطوح دارای اهمیت میباشد. استفاده از شبکه عصبی به عنوان یک روش سریع و غیرمخرب برای پیش بینی خصوصیات فیزیکی محصولات کشاورزی حائز اهمیت می باشد. توانایی تکنیک شبکه عصبی مصنوعی به عنوان یک روش جایگزین در پیش بینی حجم، سطح جانبی و کرویت انار ارزیابی شد. از مقایسه آماری پارامترهایی مانند میانگین، واریانس، توزیع آماری و رابطه رگرسیونی بین مقادیر پیش بینی شده توسط شبکه عصبی و مقادیر واقعی آنها استفاده شد. نتایج نشان داد که مقادیر 0/85 ≥ P بدست آمد، که نشان دهنده عدم وجود تفاوت معنی داری در سطح 5 درصد بین مقادیر ویژگی های آماری مجموعه داده های پیش بینی شده و مقادیر واقعی آنها بود. همچنین ضرایب تبیین بین داده های واقعی و پیش بینی شده بزرگتر از 0/9 شد.
نویسندگان
عباس روحانی
استادیار گروه مکانیک ماشینهای کشاورزی دانشگاه فردوسی مشهد
سید ایمان ساعدی
استادیار گروه مکانیک ماشینهای کشاورزی دانشگاه فردوسی مشهد
هادی گرایلو
استادیار دانشکده برق و رباتیک دانشگاه صنعتی شاهرود
محمد حسین آق خانی
دانشیار گروه مکانیک ماشینهای کشاورزی دانشگاه فردوسی مشهد
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 :