درجه بندی هوشمند میوه کیوی با استفاده از سامانه ی فراصوتی
چکیده
کیوی محصول مفیدی است که در سال های اخیر افزایش قابل توجهی از لحاظ تولید و صادرات داشته است. ایران رتبه ی هفتم را در میان صادرکنندگان کیوی دارد و این در حالی است که از نظر سطح زیر کشت در رتبه چهارم جهان قرار دارد. با توجه به این موضوع، تدوین استانداردهایی جهت درجهبندی و بازارپسندی این محصول، ضروری به نظر می رسد. اولین گام در تدوین استانداردهای کیفی و نیز بهبود خطوط مختلف فرآوری آن، دانستن خواص متنوع محصول می باشد. به طور معمول از روش های مکانیکی برای اندازه گیری خواص محصولات کشاورزی و درجه بندی استفاده می شود که اغلب آن ها مخرب و زمان بر هستند. اتخاذ یک روش ارزان قیمت، ساده، با عملکرد و انعطاف بالا، هدف تمامی پژوهشگران بوده است. در تحقیق حاضر از آزمون فراصوت و تلفیق آن با شبکه عصبی مصنوعی به عنوان یک روش غیرمخرب و هوشمند جهت درجه بندی مستقیم و همچنین درجه بندی از روی خواص کیفی میوی کیوی، استفاده شد. نمونه های مورد آزمایش، 150 عدد کیوی رقم هایوارد بودند که در هفته اول، هفته ی چهارم و هفته ی هفتم پس از برداشت، مورد آزمایش قرار گرفتند. ابتدا آزمایش فراصوت روی نمونه ها صورت گرفت، سپس با استفاده از روش های مخرب، برخی خواص کیفی آن ها، شامل جرم، قطر هندسی، رنگ، سفتی، اسیدیته، ماده جامد محلول و ph تعیین شدند. نتایج اولیه از آزمون های آماری متداول، نشان دادند که خواص کیفی کیوی در سه حالت نارس، رسیده و بیش رسیده تفاوت معنی داری با همدیگر دارند. جهت تحلیل داده ها با استفاده از شبکه های عصبی مصنوعی، خصوصیت دامنه ی سیگنال در حوزه زمان و چگالی طیف توان و زاویه فاز در حوزه فرکانس به عنوان خصوصیت کارا، مورد شناسایی قرار گرفتند. با استفاده از این خصوصیات به عنوان ورودی شبکه، نمونه های نارس، رسیده و بیش رسیده، با نرخ شناسایی 100 درصد و دقت به ترتیب 941/0، 951/0 و 960/0 درجه بندی شدند. تعداد ورودی های شبکه و نرون ها در لایه مخفی از آزمون های متعدد نظیر به حداقل رسانی میانگین مربعات خطا (mse) و ضریب همبستگی (r2)، تعیین گردید. با استفاده از شبکه mlp با تعداد20 نرون در لایه ورودی، جرم، قطر هندسی، رنگ، سفتی، میزان ماده جامد محلول، اسیدیته و ph محصول به ترتیب با دقت 959/0، 922/0، 902/0، 961/0، 953/0، 952/0 و920/0 ارزیابی شدند و این حاکی از توانایی بالای روش فراصوت نسبت به روش های زمان بر و پر هزینه ی مخرب می باشد. علاوه بر این، دقت بالای فراصوت در پیش بینی خواص کیفی، تاییدی بر نرخ شناسایی بالای این روش در درجه بندی محصول می باشد. همچنین، نتایج حاکی از آن است که شبکه های عصبی، رنگ و قطر هندسی نمونه ها را که از روش دانکن و تجزیه واریانس در سطح معناداری پایینی نسبت به دیگر معیارهای کیفی قرار داشتند، با دقت پایین تری پیش بینی می نماید.