پديد آورنده :
ميراحمدي، محمد
عنوان :
اندازه گيري برخط وزن كيوي با روش ضربه
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
مكانيك ماشين هاي كشاورزي
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده كشاورزي
صفحه شمار :
دوازده،مصور،جدول،نمودار
يادداشت :
ص.ع.به فارسي و انگليسي
استاد راهنما :
احمد ميره اي، مرتضي صادقي
توصيفگر ها :
حداقل مربعات جزيي , شبكه هاي عصبي مصنوعي
تاريخ نمايه سازي :
20/3/93
استاد داور :
علي اسحاق بيگي، ميلاد فتحي
چكيده فارسي :
1 چكيده امروزه درجهبندي محصوالت كشاورزي بر اساس شاخصهاي كيفي از اهميت زيادي برخودار ميباشد از جمله محصوالتي كه در ايران حائز اهميت بوده و توليد نسبتا خوبي را به خود اختصاص داده است كيوي ميباشد يكي از مشكالت اصلي در صادرات اين ميوه عدم بستهبندي و توان درجهبندي كمي و كيفي آن ميباشد يكي از شاخصهاي مهم در درجهبندي محصوالت كشاورزي شاخص وزن آن مي باشد با تخمين سريع وزن يك محصول در خطوط درجهبندي عالوه بر كمك به بسته بندي محصول در بستههايي با وزن مشخص ميتوان ارزيابي از اندازه و حجم و حتي ميزان رسيدگي محصول داشت در سالهاي اخير نيز در كشورهاي مختلف سعي بر آن شده كه وزن محصوالت خود را به صورت جداگانه و تا حد امكان در حين حركت روي تسمههاي نقاله در كسري از ثانيه اندازهگيري كنند در اين تحقيق به ارزيابي سامانه غير مخرب نوارنقاله بارسنج براي جمع آوري و تحليل سيگنال ضربه در تعيين وزن ميوه كيوي پرداخته شد بازه مناسبي از نمونهها در وزنهاي بين 14 تا 521 گرم به تعداد كافي 292 نمونه انتخاب شد سپس بعد از توزين توسط ترازويي با دقت يك هزارم گرم بال فاصله توسط سامانه مذكور مورد آزمايش قرار گرفتند آزمايشات در سه سرعت 1 5 1 و 2 متر بر ثانيه انجام شدند براي پردازش سيگنال بدست آمده و تحليل دادهها از سه روش رگرسيون خطي چندگانه حداقل مربعات جزئيجزيي و تركيب روش تحليل مؤلفههاي اصلي شبكه عصبي مصنوعي استفاده شد از روش تحليل رگرسيون خطي چندگانه براي تحليل توانايي مؤلفههاي استخراج شده از سيگنال ضريه در پيك اول و همچنين در 14 پيك اول سيگنال ضربه بررسي شد مؤلفه هاي استخراج شده شامل بيشينه نيرو در پيك اول مدت زمان پيك اول و سطح زير نمودار ضربه تكانه يا ايمپالس بودند در حالي كه از روش حداقل مربعات جزئيجزيي براي تخمين وزن با استفاده از تمامي نقاط موجود در سيگنال ضربه و همچنين پيك اول ضربه استفاده شدند از روش تركيب تحليل مؤلفههاي اصلي شبكه عصبي مصنوعي نيز براي تحليل كل سيگنال ضربه براي تخمين وزن استفاده گرديد نتايج حاصل از تحليل پيك اول حاكي از ضعف پيشگويي در تعيين وزن بود در حالي كه در تحليل 14 پيك از سيگنال نتايج قابل قبولي حاصل شد به نحوي كه در بهترين نتايج مدلسازي بدست آمده از مقادير تكانه در سرعت 2 متر بر ثانيه مقدار 2 R برابر 168 1 و SDR 758 2 بدست آمد نتايج بدست آمده از حداقل مربعات جزئيجزيي نشان داد كه با استفاده از كل سيگنال ضربه نتايجي بهتر از پيك اول بدست ميآيد كه در بهترين حالت در سرعت 5 1 مقدار 2 R برابر 693 1 و SDR برابر 568 9 بدست آمد همچنين در تحليل دادههاي كل سيگنال ضربه با روش تركيبي مؤلفههاي اصلي و شبكههاي عصبي مصنوعي نيز نتايج همتراز با روش حداقل مربعات جزئيجزيي در كل سيگنال بدست آمد به نحوي كه در بهترين حالت سرعت 1 متر بر ثانيه 2 R برابر 513 1 و SDR برابر 154 9 بدست آمد بطور كلي مدلهاي حداقل مربعات جزئيجزيي كل سيگنال و تركيبي مؤلفههاي اصلي و شبكههاي عصبي مصنوعي منجر به بهترين نتايج و به ترتيب مدلهاي رگرسيون چندمتغيره با مقادير تكانه چهل پيك اول حداقل مربعات جزئيجزيي پيك اول و رگروسيون چندمتغيره با مشخصههاي پيك اول ضربه منجر به بهترين نتايج براي تخمين وزن شدند واژگان كليدي حداقل مربعات جزئيجزيي شبكههاي عصبي مصنوعي كيوي ضربه وزن
چكيده انگليسي :
Online Weighing of Kiwifruit by Impact Method Seyed Mohammad Mirahmadi s mirahmadi@ag iut ac ir January 11 2014 Department of Agricultural Machinery Engineering Isfahan University of Technology Isfahan 84156 83111 IranDegree M Sc Language FarsiS A Mireei Assist Prof samireei@cc iut ac irM Sadeghi Assoc Prof sadeghimor@cc iut ac irAbstractNowadays the sorting of agricultural products based on their quality indices is very important Kiwifruitis one of the valuable fruits in Iran and its production is considerable compared to the other countries Thenon existence of a standard fruit sorting and packing systems is the main problem in post harvesttechnology and exportation of this product Among different quality indices weight is one of the mostimportant ones which its rapid estimation is of great interest in sorting lines as well as estimation of otherquality indices such as volume and maturity Several researches have been reported in developing a highspeed weighing systems of agricultural product In the most of them they have used the non destructiveimpact method using accurate and sensitive load cells for this purpose But their configurations andmodeling approaches that were used may be quite different In this research the ability of a conveyor load cell unit based on falling impact method was evaluated in rapid weighing of kiwifruit Sufficientamount of fruits 232 samples with a versatile range of weights 40 120 gr were selected during harvesttime The samples were then weighed with a digital balance with an accuracy of 0 001 gr Immediately the impact signal of the samples were acquired with the mentioned system All the test were carried out atthree different forward speeds 1 1 5 and 2 m s of conveyor belt Three different modeling methods i e multiple regression partial least squares PLS and combined principal components analysis PCA withartificial neural networks ANN were used in extracting the weight predictor models and their resultswere compared The multiple regression analysis were carried out using the impact indices peak force Fp peak duration Dp and peak impulse Ip of the first peak as well as the impact indices of the first fortysuccessive peaks of the impact signal The PLS analysis were carried out using the entire signal datapoints and also the first peak information as the input variables The results showed that impact indices ofthe first peak did not result to an acceptable prediction powers while by using the forty successive peaks the prediction power improved considerably to a R2 of 0 860 and a SDR of 2 857 at 2 m s forward speed The results of PLS regression with entire impact signal showed the increase in prediction power with a R 2of 0 936 and a SDR of 3 865 at 1 5 m s conveyor speed The PCA ANN regression analysis also resultedto a slightly better results compared with PLS analysis at 1 m s forward speed with R 2 of 0 915 and SDRof 3 451 As a consequence the PLS and PCA ANN models led to the best weight prediction modelswhile the multiple regression with impulse values of first forty peaks PLS model with first peakinformation and single regression with impact indices of the first peak had the next positions in weightprediction models Keywords Artificial neural networks Impact Kiwifruit Partial least squares Weight
استاد راهنما :
احمد ميره اي، مرتضي صادقي
استاد داور :
علي اسحاق بيگي، ميلاد فتحي
