پایان‌نامه

پیش بینی سفتی میوه سیب در طول دوره انبار داری با استفاده از شبکه های عصبی مصنوعی

توحید عیسی زاده

چکیده

چکیده: سفتی میوه یکی از مهم ترین پارامترهای کیفی میوه ها می باشد که از آن می توان در مواردی همچون آگاهی از میزان رسیدگی میوه، تخمین مدت زمان مناسب برای انبار داری و ایجاد شرایط بهینه حمل و نقل استفاده کرد که امروزه آزمون های غیر مخرب برای اندازه گیری آن متداول شده است که با استفاده از این آزمون ها امکان پیش بینی دقیق پارامتر های کیفی پس از برداشت محصولات کشاورزی محقق شده است. از جمله آزمون های غیر مخرب که برای اندازه گیری سفتی میوه ها جنبه عملی پیدا کرده است روش پاسخ آکوستیک می باشد. در تحقیق حاضر روش پاسخ آکوستیک برای اندازه گیری سفتی چهار رقم سیب (گلدن دلیشز، رد دلیشز، جاناگلد و پاپیروکا (کاغذی)) در طول دوره انبار داری بکار گرفته شد. سیب ها در سه تاریخ برداشت مختلف و با تفکیک به سه گرو وزنی کوچک، متوسط و بزرگ و بعد از آزمون سفتی سنجی اولیه به سردخانه با دمای 1 درجه سانتی گراد و رطوبت نسبی 80 درصد منتقل شدند. آزمون سفتی سنجی هر 20 روز یک بار در مدت 3 ماه دوره انبار داری برای میوه ها صورت گرفت. نتایج این آزمون ها نشان داد که روند تغییرات سفتی سیب های هر سه گروه های وزنی با هم متفاوت می باشد و بیشترین تغییرات سفتی برای گروه وزنی بزرگ و کمترین تغییرات نیز مربوط به گروه وزنی کوچک است. همچنین روند تغییرات سفتی رقم های مختلف متفاوت بوده و اثر تاریخ برداشت های مختلف نیز بر روی روند تغییرات سفتی بعضی از رقم ها متفاوت می باشد. به طوری که برداشت زود هنگام باعث افزایش سرعت کاهش سفتی آکوستیک در طول دوره انبار داری برای رقم های جاناگلد و پاپیروکا (کاغذی) شده و برای دو رقم رد و گلدن دلیشز اثر معنا داری ندارد. از شبکه های عصبی مصنوعی برای پیش بینی سفتی آکوستیک سیب ها در طول دوره انبار داری استفاده گردید. ورودی ها شامل تاریخ برداشت، جرم سیب ها، زمان انبار داری، رقم و فرکانس تشدید اول سیب ها و خروجی شبکه نیز سفتی آکوستیک می باشد. برای طراحی شبکه بهینه از شبکه های پیش خور با دو الگوریتم یادگیری لونبرگ- مارکوارت و تنظیم بیزی با ساختار ها و توابع فعال سازی مختلف استفاده شده است. از بین شبکه های تست شده شبکه عصبی با ساختار 1-10-5 و الگوریتم یادگیری لونبرگ- مارکورات و توابع فعال سازی تانژانت هایپر بولیک و خطی بین لایه ها، با ضریب تبیین (9979/0 r2=) به عنوان شبکه بهینه انتخاب شد.

اساتید راهنما و مشاور

حسین حاجی آقا علیزاده، رضا امیری چایجان

پایان‌نامه‌های مشابه

اسناد مشابه

  • اثر اسید سالیسیلیک و طول دوره انبار داری بر خصوصیات کیفی میوه انبه (mangifera indica l.)

    مقاله۲۰۱۴تولیدات گیاهیعبدالمجید میرزاعلیان دستجردی، نوازاله مرادی، ابراهیم رضازاده، مختار حیدری

    این پژوهش به منظور بررسی اثر مقادیر مختلف اسید سالیسیلیک (0، 1000، 1500 و 2000 میلی گرم در لیتر) و دوره انبارداری (7، 14 و 21 روز) بر خصوصیات کیفی میوه انبه (مواد جامد محلول، چگالی، اسیدیته، ph و مواد فنلی پوست و گوشت میوه) در قالب آزمایش فاکتوریل 3×4 با طرح پایه کاملا تصادفی انج

  • اثر اسید سالیسیلیک و طول دوره انبار داری بر خصوصیات کیفی میوه انبه (Mangifera indica L.)

    مقاله۲۰۱۴تولیدات گیاهیابراهیم رضازاده، عبدالمجید میرزاعلیان دستجردی، مختار حیدری، نوازاله مرادی

    این پژوهش به منظور بررسی اثر مقادیر مختلف اسید سالیسیلیک (0، 1000، 1500 و 2000 میلی گرم در لیتر) و دوره انبارداری (7، 14 و 21 روز) بر خصوصیات کیفی میوه انبه (مواد جامد محلول، چگالی، اسیدیته، pH و مواد فنلی پوست و گوشت میوه) در قالب آزمایش فاکتوریل 3×4 با طرح پایه کاملا تصادفی انج

  • پیش بینی تاثیر تیمارهای ازن، کیتوزان و دما بر میزان اسیدیته خرمای مضافتی در طول دوره نگهداری با استفاده از شبکه عصبی مصنوعی

    مقالهعلوم و صنایع غذایی ایرانحمید سرحدی، استادیار گروه علوم و صنایع غذایی، واحد بم، دانشگاه آزاد اسلامی، بم، ایران. محمد حسین حداد خداپرست، دانشیارگروه علوم و صنایع غذایی دانشگاه فردوسی مشهد ناصر صداقت، دانشیارگروه علوم و صنایع غذایی دانشگاه فردوسی مشهد محبت محبی

    چکیده رطب مضافتی یکی از ارقام شناخته شده و خوشمزه بوده که معمولا جزو خرماهای مرطوب طبقه بندی شده و به رنگ قرمز تیره متمایل به سیاه و دارای بافت نرم می باشد. این خرما سومین رقم اقتصادی کشور بعد از سعمران و شاهانی بوده و با توجه به اهمیت تغییرات میزان اسیدیته در کیفیت آن، در این پژ

  • پیش‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎بینی بقای بیماران مبتلا به سرطان پستان با استفاده از دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی

    مقالهمجله اپیدمیولوژی ایرانآذر اسد آبادی، a asadabadi msc, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranکارشناس ارشد آمار زیستی، گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران عباس بهرامپور، a bahrampour professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران علی اکبر حقدوست، aa haghdoost associate professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران

    مقدمه و اهداف: در سال‎های اخیر، توجه قابل ملاحظه‎ای به مدل‎های آماری برای طبقه‎بندی داده‎های پزشکی با توجه به بیماری‎های مختلف و پیامدهای آن‎ها شده است. شبکه‎های عصبی مصنوعی به دلیل عدم نیاز به پیش فرض با موفقیت برای تشخیص الگو و پیش‎بینی در برخی از مطالعه های بالینی استفاده شده‎

  • تهیه نقشه پیش بینی پراکنش مکانی رویشگاه گونه های گیاهی با استفاده از شبکه های عصبی مصنوعی در مراتع استان قم

    مقالهپژوهش های آبخیزداری

    این تحقیق با هدف ارزیابی قابلیت مدل شبکه عصبی مصنوعی در تهیه نقشه پیش بینی پراکنش رویشگاه گونه های گیاهی و شناخت نقاط قوت و ضعف این روش انجام شد. بدین منظور بعد از تعیین واحدهای همگن با استفاده از مدل رقومی ارتفاع و نقشه زمین شناسی با مقیاس 1:25000، نمونه برداری از پوشش گیاهی و ع

  • پیش بینی قیمت زنجیره محصولات پلی اتیلن ترفتالات با استفاده از سیستم مبتنی بر شبکه های عصبی

    مقاله۲۰۱۵مجله پژوهش های مدیریت منابع سازمانیالناز ایقانی اردبیلی، محمد منصور ریاحی کاشانی، احمد آقامحمدی

    فقدان پیش بینی ساختارمند درخصوص محصول پرکاربرد پلی اتیلن ترفتالات شرکت صنایع پتروشیمی را بر آن داشته است که پیش بینی های قیمت را از شرکت های خارجی خریداری کند. جلوگیری از خروج ارز و تحمل عوامل سیاسی مانند تحریم ها در این حوزه نیازمند پیش بینی علمی قیمت ها در داخل است. به دلیل ماه