پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,711 |
| تعداد مقالات | 72,495 |
| تعداد مشاهده مقاله | 130,303,055 |
| تعداد دریافت فایل اصل مقاله | 102,769,756 |
امکان سنجی استفاده از بینی الکترونیک و هوش مصنوعی جهت تشخیص واریته های گندم | ||
| مهندسی بیوسیستم ایران | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 29 اردیبهشت 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2025.389976.665587 | ||
| نویسندگان | ||
| ناهید عقیلی ناطق* 1؛ رشید غلامی1؛ ساناز صدریان2 | ||
| 1استادیار مهندسی مکانیک بیوسیستم،دانشکده کشاورزی سنقر، دانشگاه رازی، کرمانشاه، ایران | ||
| 2دانشجوی دکترای مهندسی مکانیک بیوسیستم، دانشگاه بوعلی سینا، همدان ،ایران | ||
| چکیده | ||
| گندم یک محصول مهم غلات است که حدود 20 درصد از کالری مصرفی جمعیت بشر در سراسر جهان را تشکیل می‌دهد. با توجه به وابستگی شدید رشد و عملکرد گندم به رقم آن، انتخاب رقم مناسب اهمیت زیادی دارد. لذا بررسی روش‌های جدید برای بالا بردن دقت و سرعت شناسایی ارقام گندم بسیار حائز اهمیت می‌باشد. در این پژوهش امکان سنجی کاربرد سامانه بینی‌الکترونیکی به همراه هوش مصنوعی بر پایه‌ی حسگرهای نیمه هادی اکسید فلزی به عنوان ابزاری غیر مخرب برای تفکیک و شناسایی سه رقم گندم با نام‌های: گندم دیم سالاری، گندم آبی قدس و گندم محلی قرمز مورد ارزیابی قرار گرفت. ماشین بردار پشتیبان (SVM) شبکه عصبی مصنوعی (ANN) و تحلیل مولفه اصلی (PCA) روش‌هایی بودند که برای رسیدن به این هدف مورد استفاده قرار گرفتند. نتایج به دست آمده نشان داد حسگرهایTGS822 و TGS2620 بیشترین پاسخ و حسگرهای TGS813 و TGS2610 کمترین پاسخ را در تشخیص واریته گندم نشان دادند. روش تحلیل ANN با دقت7/91 درصدی، عملکرد بهتری نسبت به روش SVM (با دقت 75 درصدی)، در شناسایی و طبقه‌بندی ارقام گندم داشت. در این میان، روش PCA نیز با 77 درصد مجموع واریانس کل داده‌ها، عملکرد نسبتا مناسبی را در تفکیک و شناسایی ارقام گندم از خود نشان داد. همچنین نتایج نشان داد گندم رقم دیم سالاری ترکیبات معطر متفاوتی با دو رقم دیگر گندم آبی قدس و گندم محلی قرمز داشت. عملکرد مناسب بینی الکترونیکی در تفکیک ارقام گندم می‌تواند بیانگر امید بخش بودن کاربرد این فناوری در تفکیک و شناسایی ارقام گندم باشد. | ||
| کلیدواژه‌ها | ||
| بینی الکترونیکی؛ تحلیل مولفه‌های اصلی؛ شبکه عصبی مصنوعی؛ ماشین بردار پشتیبان | ||
|
آمار تعداد مشاهده مقاله: 18 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب