سعید ظریف نشاط - استادیار پژوهش مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی
عباس روحانی - استادیار دانشکده کشاورزی دانشگاه صنعتی شاهرود
محمد حسین سعیدی راد - استادیار پژوهش مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی

صدمه کوفتگی ناشی از ضربه جزو انواع اصلی صدمات مکانیکی پس از برداشت میوه می باشد. مدلهای پیش بینی حجم کوفتگی برای کاربردی کردن شبیه سازی المان گسسته که صدمه کوفتگی را در هنگام حمل و نقل شبیه سازی می کند ضروری است. مدلهای پیش بینی کوفتگی اطلاعات مفیدی در مورد اثر فاکتورهای میوه (مانند رسیدگی) بر حساسیت به کوفتگی می دهد بطوریکه این اطلاعات نهایتا منجر به توصیه هاب کاربردی جهت انتقال میوه ها م یگردد. مدلهای پیش بینی کوفتگی برای سیب رقم گلدن دلیشز تعیین گردید. از حجم کوفتگی به عنوان شاخص صدمه کوفتگی استفاده شد. هدف از این تحقیق ارزیابی شبکه عصبی مصنوعی RBF در پیش بینی حجم کوفتگی سیب می باشد. در این تحقیق از داده های تجربی 120 عدد سیب استفاده گردید. پارامترهای بهینه برای شبکه عصبی مصنوعی RBF از روش آزمون و خطا بر روی داده های موجود انتخاب گردید. جهت ارزیابی مدل RBF و مدل رگرسیون در پیش بینی حجم کوفتگی سیب، علاوه بر رگرسیون خطی، از بعضی آزمونهای آماری نشیر مقایسه میانگین ها، واریانس و توزیع آماری بین داده های واقعی و داده های پیش بینی شده بوسیله مدل شبکه عصبی مصنوعی RBF استفاده شد. نتایج نشان می دهد که شبکه عصبی مصنوعی RBF م یتواند حجم کوفتگی سییب را با دقت بالاتری در مقایسه با مدل رگرسیون پیش بینی نماید.

RBF، شبکه عصبی، مدل رگرسیونی، حجم کوفتگی، سیب