گونه های مختلف گردو که در رویشگاه های وسیعی در دنیا و ایران به طور طبیعی روییده و کاشته می شوند، جزو درختان چند منظوره بوده و از نظر اقتصادی بسیار پراهمیت محسوب می شوند. کشور ایران قسمتی از رویشگاه های وسیع گردو را شامل می شود، بطوری که در برخی از کشورها گردو را با نام "گردوی ایرانی" نام می برند. اما امروزه تجارت گردو در ایران در بین کشورهای تولید کننده اندک می باشد. گونه ها، واریته ها و نژادهای گردوی ایران از نظر گسترش گاه، کیفیت میوه و کمیت مواد تشکیل دهنده مغز آن مورد بررسی قرار نگرفته است و ارقام موجود، در واقع ارقام بومی هستند. بررسی گردوهای ایران که یک منبع غنی ژنتیکی به شمار می آیند، میدان کار وسیعی در برابر علم باغبانی و علم تشخیص و شناسایی گردو، طبقه بندی و بسته بندی آن می گشاید و ایران می تواند یکی از مهم ترین صادرکنندگان گردو باشد. در این تحقیق یک سیستم هوشمند مبتنی بر صوت طراحی گردید و امکان استفاده از آزمون پاسخ آکوستیک برای تشخیص دسته هایی از گردو که بر مبنای خواص فیزیکی دسته بندی شده بودند، مورد مطالعه قرار گرفت. برای این منظور حدود 30 کیلوگرم مخلوط گردو از ارقام بازار تهیه شد. گردوها به صورت تکی بر روی یک نبشی قرار گرفته و به صفحه برخورد هدایت شدند. صدای حاصل از ضربات نمونه ها ضبط شده و با پردازش آن در دو حوزه زمان و فرکانس، صفات مربوط به هریک از دسته ها استخراج گردید. برای افزایش سرعت شناسایی و انعطاف سیستم، از شبکه عصبی چندلایه به عنوان واحد تصمیم گیرنده استفاده شد. سپس صفات مطلوب انتخاب، و به عنوان بردار ورودی شبکه عصبی مورد استفاده قرار گرفت. مدل های مختلفی از شبکه های عصبی با معیار میانگین مربعات خطا، نرخ شناسایی صحیح و ضریب همبستگی مورد ارزیابی قرار گرفت تا مدل بهینه با ساختار 4-20-88 برای شناسایی دسته های گردوها انتخاب گردید. در نهایت، سیستم قادر بود چهار دسته گردو به نام های سنگی، کاغذی1، کاغذی2 و کندلر را با نرخ تشخیص صحیح 97/96، 50/90، 28/86 و 20/89 و میانگین مربعات خطای 017/0، 068/0، 061/0 و 040/0 و ضریب همبستگی 95/0، 81/0، 83/0، 89/0 تشخیص دهد. همچنین به عنوان یک هدف جنبی، سعی شد تا به روش غیرمخرب آکوستیک، مدل هوشمندی برای پیش بینی چگالی گردو که معرف کیفیت مغز آن است، ارائه شود. در این راستا، پس از تعیین چگالی، گردوها با سقوط بر روی صفحه فولادی مورد آزمایش قرار گرفته و صدای حاصل از برخورد، برای پردازش بعدی به کامپیوتر منتقل گردید. صفات موثر، از آنالیز سیگنال حاصل از ضربه در حوزه زمان و فرکانس استخراج شد. در مجموع 62 ویژگی با استفاده از روش آماری تجزیه به مولفه های اصلی (pca) انتخاب و پس از نرمال شدن به عنوان ورودی به شبکه عصبی داده شد. مدل های مختلف شبکه عصبی، هر کدام با تعداد نرون های متفاوت در لایه پنهان آموزش داده شد. درنهایت مدل بهینه بر مبنای ضریب همبستگی (r) و میانگین مربعات خطا (mse) با 62 ورودی و 26 نرون در لایه پنهان انتخاب گردید. مدل انتخابی برای تعیین چگالی گردو دارای mse برابر 007/0 و ضریب همبستگی (r) 81/0 می باشد.

اخیراً تجاری کردن هندوانه وابسته به تضمین آن از نظر کیفیت است. برخی از عواملی که در درجه-بندی هندوانه تأثیر دارند رسیدگی، عدم رسیدگی، بیش رسیدگی، پوکی در گوشت هندوانه و بیمار یا سالم بودن هندوانه می باشند. تشخیص این عوامل از روی پارامترهای ظاهری کار دشواری است. در این تحقیق سیستمی هوشمند جهت جداسازی هندوانه رقم کریمسون سوئیت با روش غیرمخرب مبتنی بر صوت و شبکه عصبی مصنوعی، به گروه های مختلف بر اساس کیفیت داخلی هندوانه طراحی و پیاده سازی شد. اجزای این سیستم شامل جعبه صدا، ضربه زن، میکروفن و نرم افزار پردازش سیگنال دیجیتال می باشند. صفات هندوانه ها، اندازه گیری و از طریق کارت صدا به کامپیوتر جهت ذخیره و پردازش بعدی منتقل می-گردد. خصوصیات گروه ها از تجزیه و تحلیل سیگنال ذخیره شده در حوزه زمان و فرکانس و کاربرد روش آماری تجزیه به مولفه های اصلی (pca) استخراج شد. چندین مدل مختلف ann هرکدام با تعداد نرون-های مختلف در لایه پنهان برای تعیین بهترین ساختار آموزش داده شدند. مدل ann بهینه دارای ساختار 5-45-20 می باشد. دقت سیستم جداسازی برای هندوانه های نارسیده، تا حدودی رسیده، رسیده و بیش رسیده وپوک و بیمار به ترتیب برابر 54/91 و 46/98 و 38/85 و 31/82و61/84 درصد، mse به ترتیب 029/0 و 018/0 و 047/0 و 045/0 و039/0 و ضریب رگرسیون (r) به ترتیب 91/0 و 95/0 و84/0 و 85/0 و 87/0 حاصل شد. میانگین وزنی دقت کلی مدل، برای پنج گروه برابر 56/88 درصد حاصل شد.

افزایش جمعیت و به طبع آن افزایش تقاضا برای تهیه مواد غذایی و همچنین فصلی بودن تولید محصولات کشاورزی سبب شده راهکارهایی در نظر گرفته شود تا هم میزان تولید افزایش یابد و هم امکان تولید محصولات در خارج از فصل میسر باشد. از جمله این راهکارها، کشت محصولات (اعم از سبزی و میوه) در گلخانه است. تنظیم دمای محیط گلخانه یکی از عواملی است که انرژی بالایی را می طلبد. در فصول سرد، سیستم گرمایشی و در فصول گرم سیستم سرمایشی جزء اصلی ترین نیازهای گلخانه محسوب می شوند. قابل ذکر است خنک کردن گلخانه بسیار سخت تر و پرهزینه تر از گرم کردن آن می باشد. بنابراین براساس شرایط اقلیمی منطقه مقتضی است سیستم مناسبی جهت کاهش درجه حرارت داخل گلخانه و تخلیه حرارت طراحی گردد. بدین ترتیب سیستم های متعددی جهت سرمایش گلخانه ها بوجود آمد. یکی از این سیستم ها، سیستم سرمایش تبخیری با پد- فن می باشد. این سیستم یکی از مرسوم ترین و ساده ترین روش ها برای خنک کردن گلخانه است. جنس پدها معمولاً از سلولز و پوشال است. تبخیر آب از سطح پد باعث تشکیل رسوب سفید رنگ در موقع خاموش بودن سیستم می شود. از آن-جایی که پد مرتب در تماس با آب است ممکن است پس از مدتی جلبک و قارچ بر روی آن ها ایجاد گردد. پد به دلیل داشتن املاح و مواد معدنی در بافت خود می تواند مکان مناسبی برای رشد این جلبک ها و قارچ ها باشد. ورود این جلبک ها و قارچ ها به داخل گلخانه می تواند باعث اثرات مخرب بر روی گیاهان و محصولات داخل آن گردد. افزایش مداوم در قیمت انرژی الکتریکی ما را به سوی مواد تجزیه پذیر در سیستم خنک کاری سوق می-دهد. یکی از این مواد تجزیه پذیر زغال است که می تواند جایگزین مناسبی برای پوشال در سیستم سرمایش گلخانه باشد. زغال ماد? متخلخلی است که می تواند آب را در بافت خود نگه داشته و باعث ایجاد فرصت کافی برای تبخیر در سیستم سرمایش تبخیری پد- فن شود. همچنین با توجه به این که قسمت اعظم زغال کربن می باشد و املاح و اکسیژن موجود در آن در اثر سوختن از بین رفته است، بنابراین جلبک ها و قارچ ها در آن نمی توانند به خوبی رشد کنند. هدف از اجرای این تحقیق ارزیابی عملکرد پد زغالی به عنوان یک پد موثر جهت استفاده در سیستم سرمایش تبخیری می باشد. جهت ارزیابی عملکرد پدها از یک کانال مستطیل شکل استفاده شد. بدین ترتیب که پدها در وسط کانال قرار می گرفتند و دما و رطوبت نسبی قبل و بعد از پد اندازه گیری شد. آزمایشات انجام گرفته، در سه سطح از چگالی زغال به میزان 14/200، 22/206 وkg/m3 58/209، دبی هوای ورودی در سه سطح به میزان 075/0، 221/0 و m3/s 365/0 و دبی آب ورودی در سه سطح به میزان 06/0، 19/0 وlit/s m2 42/0 به صورت آزمایش فاکتوریل در قالب طرح کاملاً تصادفی در سه تکرار برای هر سطح صورت گرفت. از پوشال نیز جهت مقایسه نتایج استفاده شد. با بررسی نتایج مشخص شد که بازده خنک کاری و تغییرات رطوبت نسبی پد پوشالی نسبت به پد زغالی بیشتر است. بیشترین میزان بازده خنک کاری پد پوشالی در دبی آب lit/s m2 06/0 و دبی هوای m3/s 075/0 به میزان 75 % و بیشترین میزان بازده خنک کاری پد زغالی، در زغال با چگالی kg/m3 58/209، دبی هوای ورودی m3/s 221/0 و دبی آب ورودی lit/s m2 19/0 به میزان 70 % بدست آمد. هرچند که بازده خنک کاری پد زغالی نسبت به پد پوشالی کمتر است، اما باز هم با توجه به میزان بازده خنک کاری آن می تواند به عنوان یک پد موثر جهت استفاده در سیستم سرمایش تبخیری مورد استفاده قرار گیرد.

چکیده با توجه به اهمیت کشاورزی در تامین مواد غذایی مورد نیاز جامعه، لازم است که برای رونق آن، ابزارهای لازم را فراهم کرد. مهمترین وسیله ای که در کشاورزی امروز کاربرد دارد، تراکتور است. تراکتورهای تولید شده در ایران فاقد کابین هستند. کابین های موجود در بازار چندان مورد توجه تراکتورداران قرار نگرفته اند. در این تحقیق، با نظر سنجی از رانندگان تراکتور، ایرادهای موجود در کابین ها شناسایی شد. هدف آن است که بر اساس نظر رانندگان و رعایت مسائل فنی و اقتصادی، کابین بهینه شده ای طراحی شود. این کابین باید قابلیت بکارگیری بر روی تراکتور، در شرایط جغرافیایی ایران را داشته باشد. برای رسیدن به این هدف، از نواحی مختلف آب و هوایی ایران تراکتورداران چهار استان ایلام، خوزستان، گیلان و اردبیل به عنوان نمونه آماری انتخاب گردید. با استفاده از ابزار پرسشنامه از رانندگان نمونه آماری نظر سنجی به عمل آمد. داده های بدست آمده با استفاده از آزمون t تک گروهی تحلیل گردید. نتایج حاکی از آن بود که، رانندگان، خواستار استفاده از یک کابین مناسب، با شرایط زیر هستند: وزن و ارتفاع کم، تاشو بودن کابین،قابلیت تبدیل شدن کابین به سایبان و همین طور جدا شدن آسان کابین از تراکتور، نصب آفتاب گیر در کابین، دارا بودن سیستم تهویه مناسب و بخاری و کولر. بر اساس نتایج حاصل شده از نظر سنجی، کابین بهینه شده ای طراحی گردید. کلمات کلیدی: تراکتور، کابین، بهینه سازی

یکی از دستاوردهای صنعت کشاورزی در دهه‏های اخیر، کشاورزی دقیق می‏باشد. اندازه گیری تفاوت بین عوامل زراعی، پردازش و ارزیابی آنها و اعمال دقیق کار و نهاده ها سه عامل اساسی کشاورزی دقیق به شمار می‏روند. خصوصیات فیزیکی تاج پوشش درختان با رشد و بهره وری آنها رابطه مستقیم دارد. اندازه گیری ابعاد تاج پوشش درختان به علت هندسه پیچیده و نامنظم آنها بسیار دشوار است. تاکنون روشهای مختلفی برای اندازه گیری ابعاد تاج پوشش درختان استفاده شده است اما به دلیل پایین بودن دقت و یا قیمت نسبتاً گران این روشها، استفاده از آنها با محدودیت مواجه شده است. این تحقیق به بررسی استفاده از روشهای نرم افزاری از جمله شبکه های عصبی مصنوعی به منظور بهبود خطای تخمین حجم تاج پوشش درختان به کمک حسگرهای ارزان قیمت فراصوتی می پردازد. برای این منظور یک سیستم آزمایشگاهی مخصوصی طراحی و ساخته شد. این سیستم دارای سه عدد حسگر فراصوتی است که به صورت عمودی با فاصله های 60 سانتیمتری بر روی یک دکل چوبی نصب شده است. این سیستم از دو بخش اصلی سخت افزاری و نرم افزاری تشکیل شده است. واحدهای سخت افزاری آن شامل حسگرهای فراصوتی، موتورهای جریان مستقیم، بورد میکروکنترلر حسگرهای فراصوتی، بورد میکروکنترلر موتورهای جریان مستقیم، ریل، لغزنده، پایه های نگه دارنده، منبع تغذیه و رایانه شخصی می باشد. بخش نرم افزاری نیز شامل دو گروه الگوریتم اندازه گیری حجم درختان و برنامه میکروکنترلرهای حسگرهای فراصوتی و موتورهای جریان مستقیم می باشد. موتورهای جریان مستقیم با سرعت ثابت دکل چوبی حسگرهای فراصوتی را در یک فاصله طولی درون ریل جابه جا می کرد و حسگرهای فراصوتی ضخامت نقاط مختلف تاج پوشش درخت را با نرخ نمونه برداری 4 هرتز اندازه گیری کرد. آزمایش ها در سه سطح سرعت 35، 45 و 55 سانتی متر بر ثانیه در سه تکرار برای 5 نمونه درخت فیکوس بنجامین انجام شد. حجم واقعی درختان به صورت دستی با دو روش ویتنی و المان مستطیلی اندازه گیری شد. حجم اندازه گیری شده به روش المان حجمی با استفاده از داده های خروجی حسگرهای فراصوتی بسیار بزرگتر از حجم واقعی درختان بود. پس از عبور کامل حسگرهای فراصوتی از مقابل تاج پوشش درخت مشخصاتی همچون قطر، بزرگترین عرض و ارتفاع تاج پوشش درخت در سه ارتفاع متناظر با حسگرهای فراصوتی به عنوان ورودی شبکه های عصبی و حجم دستی تاج پوشش به عنوان خروجی شبکه های عصبی در نظر گرفته شد. مدلهای مختلف شبکه عصبی پرسپترون چند لایه با یک و یا دو لایه پنهان برای یافتن مناسبترین بردار مشخصات ورودی، خروجی و ساختار شبکه متناظر با آنها، مورد بررسی قرار گرفتند. نتایج نشان داد که مدل شبکه عصبی بهینه برای تخمین حجم تاج پوشش به روش ویتنی دارای ساختار 1-10-13 و برای تخمین حجم تاج پوشش به روش المان مستطیلی دارای ساختار 1-7-16-13 می باشد. میزان rmse شبکه های عصبی انتخاب شده در روشهای ویتنی و المان مستطیلی به ترتیب به میزان 043102/0 و 039278/0 مترمکعب می باشد.

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.

بادام یکی از محصولات آجیلی مهم می باشد که اهمیت فراوانی دارد و در بیش از 20 کشور جهان کشت می شود. یکی از مشکلات عمده در مناطق بادام کاری ایران، بی مغزی این محصول می باشد که با اصلاح ژنتیکی تاحدودی برطرف شده، ولی پوکی بادام به طور کامل برطرف نشده است و نیاز به روش های جدید برای حل این موضوع احساس می شود. در این پژوهش جداسازی بادام های پوک از مغزدار، به روش غیرمخرب یعنی بدون شکستن و آسیب دیدن محصول و فقط با تکیه بر روش های آنالیز صدا و شبکه عصبی انجام شد. در جداسازی بادام ها با استفاده ازروش آکوستیک از پردازش صدای برخورد محصول با صفحه فولادی استفاده شد. سیستم پردازش صدای برخورد شامل بخش های دریافت سیگنال های صوتی حاصل از صدای برخورد نمونه ها با صفحه فولادی و پردازش سیگنال های مذکور می باشد. تولید صدا باید بدون سرش و به صورت تک ضربه و برخورد بادام با سطح برخورد باشد، بنابراین موقعیت سطح صداساز مورد استفاده با روش آزمون و خطا به گونه ای انتخاب گردید، که هدف فوق تحقق یابد. سیگنال آنالوگ انعکاس بادام پس از دریافت توسط میکروفن، به سیگنال دیجیتال تبدیل شد. بخش نرم افزاری و کدنویسی برنامه، در محیط نرم افزار matlab و تحلیل داده ها در شبکه عصبی مصنوعی با استفاده از نرم افزار neuro solution انجام گردید. سپس نتایج بدست آمده از آنالیز صدا، در بخش شبکه عصبی بررسی شد. از شبکه عصبی پرسپترون چند لایه (mlp) جهت جداسازی استفاده شد. این شبکه توانست با دقت87/99 درصد بادام های پوک را از مغزدار جداسازی کند.