10903

10045

كارشناسي ارشد

مكانيك ماشين هاي كشاورزي

اصفهان: دانشگاه صنعتي اصفهان، دانشكده كشاورزي

1394

سيزده،100ص.:مصور

احمد ميره اي

مجيد ناظري

1394/10/23

امين اله معصومي، محمدرضا سبزعليان

مهندسي كشاورزي

ID10045

جدول 9 24 بهترين نتايج اعتبارسنجي آزموني براي طبقهبندي آسيب يخزدگي در سه مد اندازهگيري تقابلي عبوري و بازتابشي با استفاده از سه روش طبقهبندي PCA ANN SIMCA و 94 SVM چكيده امروزه صنعت مركبات در جهان صنعت بسيار مهمي محسوب ميشود به طوري كه نزديك به يكصد صنعت توليدي در فرآوردههاي خود از مركبات استفاده ميكنند ايران از نظر ميزان توليد مركبات رتبه هفتم در جهان را به خود اختصاص داده است ليموشيرين در ايران از اهميت اقتصادي خوبي برخوردار است كه از قديم االيام به منظور جلوگيري و درمان تب و سرماخوردگي و دردهاي كبد استفاده ميشده است هر ساله سرماي زياد و يخزدگي در نواحي مهم پرورش مركبات باعث افت نسبتا زياد محصوالت است آسيب يخزدگي سيزدهميوهاي در روي درخت يا بعد از برداشت ميتواند اتفاق در هر افتد از طرف ديگر تعيين شاخصهاي رسيدگي و همچنين شناسايي و تشخيص آسيبهاي فيزيولوژيكي شايع به منظور برداشت به موقع كاهش ميزان تلفات و درجهبندي كيفي از اهميت ويژهاي برخوردار است اين مسأله براي محصولي همچون ليموشيرين كه حساس به سرما است اهميت بيشتري دارد براي تشخيص اين موارد معموال از روشهايي استفاده ميشود كه مخرب و زمانبر هستند و امكان بازرسي تمام محصوالت در خط توليد را فراهم نميآورد امروزه روشهاي جديد و سريع براي ارزيابي غيرمخرب كيفي محصوالت كشاورزي توسعه يافتهاند كه منجر به نتايج خوب و قابل قبولي شدهاند به نحوي كه در بسياري از موارد به حد كاربرد عملي نيز رسيدهاند تكنيك اسپكتروسكوپي NIR از جمله تكنيكهاي غيرمخرب است كه مبتني بر روشهاي اپتيكي ميباشد در اين تكنيك با تابش امواج الكترومغناطيس در محدوده NIR به محصول طيف عبوري بازتابشي و يا جذبي آن جمعآوري و سپس با استفاده از مدلهاي آماري ويژگيهاي كمي و كيفي تعيين ميشود در اين پژوهش با استفاده از سامانه طراحي شده براي اندازهگيري دقيق طيفهاي Vis NIR در سه حالت عبوري بازتابشي و تقابلي به منظور تخمين سه پارامتر مواد جامد محلول SSC رطوبت MC و اسيديته قابل تيتر TA و همچنين شناسايي و طبقهبندي سطوح مختلف آسيب يخزدگي در ميوه ليموشيرين استفاده شد اين سامانه داراي بخشهاي اصلي شامل منابع نوري با قابليت تنظيم شدت نور اسپكترومتر PDA مجهز به آشكارساز CCD با توانايي ثبت طيفهاي الكترومغناطيس در ناحيه 111 تا 1144 نانومتر فيبر نوري شيشهاي و شاسي انعطافپذير دستگاه با سه درجه آزادي است در تمامي مدها از هر نمونه دو طيف تحت زاويه 184 درجه حول محور استوايي ميوه گرفته شد بالفاصله بعد از اندازهگيري طيفها آزمايشهاي مرجع به منظور اندازهگيري مؤلفههاي كيفيت MC SSC و TA براي تحليلهاي كمي و رگرسيون و همچنين تعيين ميزان آسيب يخزدگي براي طبقهبندي نمونهها انجام شدند به منظور تحليل طيفهاي به دست آمده ابتدا پس از بررسي پيش پردازشهاي مختلف پيش پردازش مناسب انتخاب بر روي طيفها اعمال گرديد و سپس براي پيشبيني MC SSC و TA از سه روش مختلف تحليل رگرسيوني شامل حداقل مربعات نسبي PLS شبكههاي عصبي مصنوعي ANN و PCA ANN و رگرسيون بردار پشتيبان SVR و براي طبقهبندي سطوح مختلف آسيب يخزدگي نيز از سه روش مختلف مدلسازي نرم و مستقل شباهتهاي بين كالس SIMCA شبكههاي عصبي مصنوعي PCA ANN و الگوريتم ماشينهاي بردار پشتيبان SVM استفاده و نتايج آنها با هم مقايسه گرديد در بين پارامترهاي مختلف كيفيت بهترين نتيجه براي پارامتر SSC در مد اندازهگيري تقابلي با استفاده از روش مدلسازي ANN با ضريب تبيين پيشبيني R2p برابر 98 1 خطاي پيشبيني RMSEP برابر 71 1 درجه بريكس و RPD برابر 95 5 حاصل شد كه در كل نتيجه قابل قبولي ميباشد بهترين نتيجه براي پارامتر MC در مد اندازهگيري تقابلي با استفاده از روش مدلسازي PLS با ضريب تبيين پيشبيني R2p برابر 77 1 خطاي پيشبيني RMSEP برابر 72 1 درصد و RPD برابر 19 4 بود كه در كل نتيجه قابل قبولي با توجه به ديگر تحقيقات انجام شده براي اندازهگيري اين پارامتر ميباشد همچنين بهترين نتيجه براي پارامتر TA در مد اندازهگيري عبوري با استفاده از روش مدلسازي PCA ANN با ضريب تبيين پيشبيني R2p برابر 46 1 خطاي پيشبيني RMSEP برابر 68611 1 درصد و RPD برابر 16 4 بود كه در كل نتيجه نسبتا ضعيفي ميباشد بهترين و ضعيفترين نتايج در مدهاي اندازهگيري به ترتيب تقابلي و بازتابشي براي كليه پارامترهاي كيفيت به دست آمد براي طبقهبندي سطوح مختلف آسيب يخزدگي بهترين نتيجه در مد تقابلي با استفاده از روش طبقهبندي PCA ANN و پيش پردازش ساويتسكي گوالي به همراه MSC ميباشد كه در اين حالت كليه كالسها با دقت 114 جداسازي شدند براي مد عبوري نيز بهترين نتيجه با استفاده از روش طبقهبندي SVM و پيش پردازش ساويتسكي گوالي به همراه MSC با دقتهاي 19 114 114 و 59 به ترتيب براي كالسهاي سالم آسيبديده سطح 4 5 و 9 حاصل

Non destructive Measuring Moisture and Maturity Parameters and Identifying Freezing Damage in Sweet lemons Citrus limetta Using Visible Near Infrared Spectroscopy Shahram Moomkesh shahram moomkesh@ag iut ac ir December 16 2015 Department of Biosystems Engineering Isfahan University of Technology Isfahan 84156 83111 IranDegree M Sc Language FarsiSupervisor S A Mireei samireei@cc iut ac ir AbstractToday the world s citrus industry is very important so that nearly to one hundred manufacturingindustries used products from the citrus Iran is the seventh producer of citrus in the world Sweet lemonshas a great economic importance in Iran and since the ancient era it has been used in order to prevent andtreat colds and fever and liver diseases Yearly extreme cold and freezing in important fertilizing climatesof citrus cause relatively highly loss in producing of citrus Freezing damage can occur for fruits before orafter harvest In order to harvest in suitable time reduce the losses and grade the product based on qualityparameters determining the maturity indices and identifying the common physiological damages shouldbe considered This is especially important for the products like sweet lemon that is sensitive to cold But the most of the methods for this purpose have a destructive and time consuming nature and are notapplicable for on line inspection Nowadays various methods are developed for non destructive qualityevaluation of agricultural products that cause acceptable and valid results which some of them can behighly practical in application NIR Spectroscopy is one of the most important and non destructivemethods which its application for quality determination of versatile products has been proved by plentifulstudies In this study a system was designed and used for precise acquirement of Vis NIR spectra in threedifferent modes transmission reflectance and interactance The acquired spectra were then used toestimate the quality parameters of sweet lemon including the soluble solids content SSC moisturecontent MC and titratable acidity TA and also to identify and classify the different levels of freezingdamage in sweet lemons The system included the main parts light sources with adjustable light intensity PDA spectrometer equipped with a CCD detector with ability to record the electromagnetic spectrum inthe range of 400 to 1100 nm glass optical fiber and flexible chassis with three degrees of freedom In allthree modes two measurements were carried out at opposite side of the each sample and the averagespectrum was used for further calculations Immediately after the spectra collection the references testswere carried to measure quality components SSC MC and TA for regression analysis and determinationof the freezing damage to classify the samples For analyzing the spectra after reviewing the differentpreprocessing methods the optimum spectral pretreatment were selected and applied on the respectivemodel Three different methods were used to predict SSC MC and TA including Partial Least SquaresRegression analysis PLS Artificial Neural Networks ANN and PCA ANN and support vectorregression SVR Furthermore three different classification methods were used to discriminate thedifferent levels of freezing damage including Soft Independent Modeling of Class Analogies SIMCA artificial neural networks PCA ANN algorithm and support vector machines SVM Among the variousquality parameters the best results were obtained for SSC in the interactance mode using ANN modelwith the coefficient of determination in prediction R2p of 0 83 RMSEP of 0 47 Brix and RPD of 2 29 Moisture content was also successfully predicted in the interactance mode using PLS model with R2p of0 77 RMSEP of 0 57 and RPD of 1 94 The best results for TA prediction was obtained intransmission mode using PCA ANN model with not satisfactory R2p of 0 61 RMSEP of 0 00686 andRPD of 1 64 In classification analysis the best results were achieved in interactance mode using PCA ANN algorithm

احمد ميره اي

مجيد ناظري

امين اله معصومي، محمدرضا سبزعليان