دوره 8، شماره 32 - ( 1390 )                   جلد 8 شماره 32 صفحات 94-85 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Effect of temperature and padding surface on apple bruise volume due to impact and its prediction by artificial neural network. FSCT 2011; 8 (32) :85-94
URL: http://fsct.modares.ac.ir/article-7-6707-fa.html
اثر دما و سطح ضربه گیر بر حجم کوفتگی سیب در اثر ضربه و پیش بینی آن به روش شبکه عصبی مصنوعی. مجله علوم و صنایع غذایی ایران. 1390; 8 (32) :85-94

URL: http://fsct.modares.ac.ir/article-7-6707-fa.html


چکیده:   (7551 مشاهده)
  چکیده ضایعات مکانیکی که در انواع محصولات کشاورزی ایجاد می­شود، خساراتی است که بر اقتصاد کشور تحمیل می­گردد. کوفتگی یکی از نشانه های این نوع ضایعه است که بررسی آن­ در کاهش تلفات و بهینه­سازی ماشین­های برداشت و پس از برداشت از اهمیت برخوردار است. در تحقیق حاضر با استفاده از دستگاه ضربه­زن آونگی و انجام آزمون­های ضربه، اثر عوامل دما (0، 10، 20 و 30 درجه سلسیوس)، رقم (گلدن­دلیشز و رددلیشز)، سطح ضربه­گیر (کارتن، لاستیک و آهن گالوانیزه) و انرژی ضربه (300، 600 و 900 میلی­ژول) بر میزان کوفتگی در میوه سیب بررسی شد. نتایج آماری نشان داد که اثر دما، رقم، سطح ضربه­گیر و انرژی ضربه بر میانگین حجم کوفتگی در سطح احتمال 1% معنی­دار است. با افزایش دما حجم کوفتگی در هر دو رقم کاهش و با افزایش سطح انرژی حجم کوفتگی در هر دو رقم به­طور خطی افزایش یافت. در حالی­که رقم گلدن­دلیشز نسبت به رددلیشز مقاومت بیشتری در برابر آسیب داشت. همچنین بیشترین حجم کوفتگی مربوط به رقم رد­دلیشز در برخورد با آهن گالوانیزه و کمترین آن به رقم گلدن­دلیشز در برخورد با کارتن اختصاص داشت. با کمک شبکه عصبی مصنوعی امکان پیش­بینی حجم کوفتگی بر اساس هر چهار عامل دما، انرژی ضربه، سطح ضربه­گیر و رقم فراهم شد. برای پیش­بینی حجم کوفتگی از شبکه­های عصبی پرسپترون چند لایه (MLP) استفاده شد. الگوریتم لونبرگ-مارکوارت با ساختار 1-26-4 و تابع انتقال لگاریتم سیگموئید در لایه مخفی در مقایسه با توپولوژی­های دیگر نتایج بهتری را ارائه کرد. با این الگوریتم میانگین دقت پیش­بینی در مراحل آموزش، ارزیابی و آزمون به ترتیب 48/92، 94/88 و 72/87 درصد محاسبه شد. همچنین ضریب همبستگی (R) در رگرسیون خطی بین داده­های پیش­بینی شده و داده­های واقعی 975/0 بدست آمد.  
متن کامل [PDF 316 kb]   (2815 دریافت)    

دریافت: 1388/7/2 | پذیرش: 1388/11/18 | انتشار: 1391/4/7

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.