حجم یکی از خواص فیزیکی محصولات کشاورزی است که در تحقیقات، صنعت و بازار عرضه ی محصول مورد توجه قرار می گیرد. به دلیل شکل هندسی ناهمگون اغلب محصولات کشاورزی، محاسبه ی حجم آن ها به روش های ساده ی هندسی چندان دقیق نیست. هدف از این تحقیق، یافتن روشی مناسب برای برآورد حجم محصولات کشاورزی با استفاده از پردازش تصویر است که دارای دقت و سرعت قابل قبول بوده و قابلیت به کارگیری در سیستم های بلادرنگ جداسازی محصولات کشاورزی را داشته باشد. در این روش جسم به المان های فرضی با سطح مقطع ثابت تقسیم می شود و حجم کل، از مجموع حجم المان ها بدست می آید. برای بدست آوردن سطح مقطع دقیق محصول، از نورپردازی ساختار یافته به کمک تابش خطی نور لیزر به گرداگرد محصول استفاده شد. سپس به منظور ترکیب اطلاعاتی تصاویر وجوه مختلف محصول، از یک دوربین دیجیتال و دو آیینه ی تخت استفاده شد و طی چند مرحله پردازش، به کمک نرم افزارmatlab، سطح مقطع های محصول استخراج و سپس حجم آن محاسبه شد. در این پژوهش،برآورد حجم 30 نمونه ی سیب زمینی رقم مارفونا به عنوان یک محصول کشاورزی با شکل ناهمگون، بر اساس دو پارامتر سرعت خطی تسمه نقاله و ضخامت المان ها انجام شد و برای بررسی اثر هر یک از آن ها، از آزمون فاکتوریل در قالب طرح پایه ی کاملاً تصادفی استفاده شد. نتایج به دست آمده نشان داد که تغییرات ضخامت المان و سرعت خطی محصول در سطوح آزمایش شده برحجم تخمینی معنی دار نیست. مقایسه ی حجم تخمینی و حجم واقعی نمونه ها (به روش جابجایی آب) در ترکیب های مختلف آزمایشی نشان داد که ضخامت 4 میلی متر و سرعت 3 سانتی متر بر ثانیه،دقیق ترین حالت برآورد حجم است؛ در این حالت خطای میانگین 64/6 درصد و بار محاسباتی تخمین حجم برای نمونه ها بطور میانگین 12/2 ثانیه بدست آمد. از نتایج بدست آمده برای جداسازی محصولات به دو کلاس فرضی، پس از استخراج مدل بهینه بصورت یک رابطه ی درجه ی دوم، استفاده شد. در این آزمون دقت جداسازی 3/93 درصد به دست آمد. در پایان برای ارزیابی قابلیت تعمیم مدل برآورد حجم، دو محصول دیگر مورد آزمایش قرار گرفتند که خطای میانگین تخمین حجم برای سیب به عنوان یک محصول شبه متقارن محوری برابر 42/6 درصد و این عدد برای پرتقال به عنوان یک محصول شبه کروی برابر 13/10 درصد محاسبه شد.

در کشاورزی مدرن امروز استفاده های بی شماری از پردازش تصویر برای مکانیزه و جایگزین کردن ماشین های هوشمند به جای انسان شده است.یکی از موارد پر مصرف آن در باغات میوه است که موقعیت میوه ها بر روی درخت یا بوته دارای نظم خاصی نیست و برای چیدن آن ها نیاز به یک ماشین هوشمند است که آن ها را بر روی درخت،درختچه یا بوته تشخیص دهد.یکی از این میوه ها انگور است که به دلیل شرایط فیزیکی آن، سال هاست در ایران به صورت دستی برداشت می شود و همان طور که می دانیم امروزه برداشت دستی محصولات، گران تر از برداشت مکانیزه ی آنان است. طرح این مشکل نیاز طراحی ماشینی برای برداشت انگور را موجب می شود؛ خوشه های انگور به دلیل عدم دارا بودن معادله ی مکانی مشخص و قرارگیری تصادفی بر روی تاک، نیازمند سیستمی هوشمند همچون روبات برای برداشت هستند.اما قطعاً بخش تشخیص در این سیستم را ماشین بینایی بر عهده دارد. لذا هدف این پژوهش طراحی الگوریتمی مناسب برای تشخیص خوشه های آفت زده ی انگور از خوشه های سالم روی تاک با پردازش تصاویر دیجیتال به کمک سیستم بینایی رایانه ای است. به این منظور تصاویری از داربست های استاندارد انگور در شرایط نور طبیعی روز به وسیله دوربین دیجیتال با کیفیت 7 مگا پیکسل تهیه شدند.برای پردازش تصاویر از نرم افزار matlab و جعبه ی ابزار پردازش تصویر استفاده شد. الگوریتم پردازش متشکل از فیلتراسیون، آستانه گیری، روش های مبتنی بر مورفولوژی و غیره می باشد. برای تشخیص بخش آفت زده ی انگور، خوشه ی انگور از تصویر اصلی جدا شد و با الگوریتم طراحی شده در این پژوهش، پیکسل های مربوط به بخش خراب انگور مشخص شد و درصد خرابی محاسبه شد. نتایج حاصل از پردازش تصاویر، درستی الگوریتم های طراحی شده را برای تشخیص خوشه های انگور روی تاک نشان داد. به طوری که بر اساس این الگوریتم، خوشه ی انگور متفاوت از جزئیات دیگر در تصویر نمایان شده و دقت این تشخیص حدود 94 درصد بدست آمد. همچنین تشخیص بخش آفت زده ی خوشه ی انگور با دقت 5/92 درصد بدست آمد.

شناسایی ارقام برنج در کشاورزی مدرن از اهمیت بالایی برخوردار است. از میان عوامل مختلف شناسایی ارقام می توان به شاخص های رنگ و بافت اشاره کرد. تشخیص ارقام برنج با استفاده از بازرسی دستی و بصری بسیار وقت گیر و دارای خطا می باشد. در نتیجه تکنولوژی ماشین بینایی به عنوان روشی جدید می تواند برای استخراج ویژگی های رنگ و بافت به کار برده شود. هدف از این پژوهش شناسایی ارقام برنج با استفاده از این ویژگی ها با کمک پردازش تصویر و شبکه های عصبی مصنوعی و همچنین پیش بینی سینتیک خشک کردن شلتوک با استفاده شبکه های عصبی مصنوعی می باشد. برای تشخیص ارقام برنج، پنج رقم برنج ایرانی به نام های فجر، شیرودی، ندا، خزر و طارم محلی تهیه شدند. شناسایی ارقام با استفاده از شبکه عصبی پس انتشار و همچنین انتخاب خواص با استفاده از روش stepdisc صورت پذیرفت. همچنین در بخش پیش بینی رطوبت شلتوک، آزمایش ها توسط خشک کن لایه نازک در آزمایشگاه انجام شد و ویژگی های رنگی l*a*b* از جعبه ابزار پردازش تصویر در نرم افزار matlab بدست آمد. نتایج شناسایی ارقام نشان داد که میانگین دقت طبقه بندی با استفاده از شبکه با یک لایه پنهان برای شناسایی ارقام شلتوک، برنج قهوه ای و برنج سفید به ترتیب: 3/93، 9/98 و 100% بود. میانگین دقت طبقه بندی با استفاده از ویژگی های بافتی، برای تشخیص ارقام شلتوک، برنج قهوه ای و برنج سفید به ترتیب: 2/92، 8/97 و 9/98% بدست آمد. پس از آنکه ویژگی های رنگی و بافتی باهم ترکیب شدند، شبکه با بیشترین دقت طبقه بندی برای ارقام شلتوک 9/98% ، برای برنج قهوه ای و سفید به ترتیب: 100 و 100% بدست آمد. پس از انجام آزمایش های خشک کردن، این نتایج حاصل شد که دمای هوای ورودی اثر بسیار معنی داری روی ویژگی های رنگی و زمان نهایی خشک شدن داشت. با گذشت زمان مقادیر l* کاهش و مقادیر a* وb* افزایش یافتند. برای پیش بینی رطوبت با کمک شبکه عصبی پس انتشار، شبکه با یک لایه پنهان با توپولوژی 1-7- 5، بیشترین مقدار 963/0r2=، کم ترین مقدار031/0mae=، تعداد چرخه آموزش 18، تابع انتقال لگاریتم سیگموئید در لایه پنهان و تانژانت سیگمویئد در لایه خروجی به عنوان بهترین ساختار شبکه انتخاب شدند.

خشک کردن، حذف حداکثر آب از محصول با هدف افزایش مدت نگهداری است و از قدیمی ترین روش های حفظ مواد غذایی و محصولات کشاورزی می باشد. سالانه میلیون ها تن فراورده های زراعی، باغی، دامی، شیلاتی، و غیره توسط روش های مختلف خشک کردن، خشک می شوند که ضمن ایجاد تنوع در محصول و افزایش زمان ماندگاری، باعث کاهش قابل توجهی در هزینه های حمل ونقل و انبار داری می شود (توکلی پور، 1385؛ آغباشلو و همکاران، 2009). در طی فرآیند خشک‎کردن، آب از ماده غذایی خارج شده و در نتیجه امکان رشد میکروارگانیسم‎ها و ایجاد واکنش های شیمیایی نامطلوب به حداقل رسیده و مدت زمان نگهداری مواد غذایی افزایش می یابد (حسن بیگی و همکاران، 2009؛ آروموگاناتان و همکاران؛ 2009). بنه((pistasia atlantica l درختی است با عمر طولانی که ارتفاعش به 9 متر می رسد (دیویس، 1967). از درخت بنه شیره سقز تولید می شود که از این شیره در تهیه آدامس، عطر، خوشبوکننده ها، حشره کش ها و در صنعت دارو سازی در تهیه نرم کننده ها و ضدعفونی کننده ها استفاده می شود. همچنین در صنعت پلاستیک سازی، تهیه واکس کفش، چرم و صنعت چاپ مورد استفاده قرار می گیرد (مظفریان، 1379؛ دیویس ، 1967). امروزه از پوست و برگ درخت بنه به علت دارا بودن تانن زیاد در مصارف پزشکی استفاده می-شود ( زرگری، 1368). میوه بنه دارای کابردهای پزشکی از جمله: کاهش چربی های خون، نشاط آور و تقویت کننده کبد وطحال می باشد. روغن و عصاره این میوه برای سلامتی و بیماری های قلبی و عروقی مفید است (قنبری نیاکی و همکاران، 1390). در گذشته، از انرژی خورشید برای خشک‎کردن انواع محصولات کشاورزی و مواد غذایی استفاده می‎شد اما مشکلات زیادی در استفاده از این روش وجود دارد که عبارتند از: تغییرات نامناسب در کیفیت غذا، عدم کنترل کافی در فرآیند خشک کردن، طولانی بودن زمان خشک‎شدن و غیر بهداشتی بودن محصول. مشکلاتی از این قبیل استفاده از تکنولوژی جدید در فرآیند خشک کردن را ضروری می سازد. خشک‎کن های صنعتی مزایایی نسبت به روش های سنتی دارند که عبارتند از: برداشت به موقع محصول، کاهش تلفات در مزرعه، برنامه ریزی برای برداشت در شرایط نامطلوب آب و هوایی، افزایش مدت انبارداری مواد غذایی و محصولات کشاورزی(یوسیوب و همکاران؛ 2010؛ کاکماک و یالدیز ، a2011). مدت زمان ذخیره مواد غذایی تابع دو عامل فیزیکی دما و مقدار رطوبت محصول می باشد. با کاهش دما، کاهش رطوبت و یا هر دو، می توان به میزان قابل ملاحظه ای زمان این دوره را افزایش داد. کاهش دادن رطوبت به وسیله عملیات خشک کردن ممکن می باشد. این عمل معمولا با استفاده از وارد کردن هوای نسبتاً گرم و یا با افزایش حرارت در درون محفظه حاوی محصول صورت می گیرد. انجام این عملیات در دستگاه های خشک کن امکان پذیر می باشد. در واقع خشک کردن مواد غذایی روشی مناسب و قابل اطمینان برای نگهداری و ذخیره سازی آنها می-باشد (زمردیان، 1387؛ پیرا فلورس و همکاران، 2012). خشک کردن مواد غذایی و محصولات کشاورزی دلایل و مزایایی دارد که عبارتند از (دویماز و اسماعیل ، 2011): 1- نگهداری و ذخیره سازی محصولات کشاورزی و مواد غذایی خشک شده برای مدت طولانی و با حداقل امکانات، 2- کاهش وزن و حجم مواد غذایی به منظور سهولت و کاهش هزینه های بسته بندی، حمل و نقل و انبارداری و 3- جلوگیری از فساد و حفظ خصوصیات کیفی مواد غذایی و محصولات کشاورزی مانند طعم و ارزش غذایی. از نظر اقتصادی بررسی راندمان فرایند خشک‎کردن علاوه بر جنبه مصرف انرژی از نظر زمانی نیز بسیار اهمیت دارد (مهاجران، 1383). در حال حاضر روش متداول خشک‎کردن صنعتی، استفاده از خشک‎کن‎های جریان هوای داغ است که به دلایلی سعی به جایگزینی خشک‎کن‎های دیگری است که از روش‎های دیگر خشک‎کردن بهره می‎گیرند. یکی از روش های جدید در خشک کردن مواد غذایی، روش بستر سیال می باشد. خشک کردن به روش بستر سیال و سیال سازی در صنایع غذایی معمول است و توسط این روش امکان خشک کردن مواد غذایی و محصولات کشاورزی به طور پیوسته در مقادیر زیاد، بدون این که از حد خشک شدن مطلوب فراتر رود، فراهم می شود. آهنگ انتقال حرارت بالا، آن را به صورت یک فرایند اقتصادی جلوه گر می سازد و عدم وجود بخش های مکانیکی زیاد، اطمینان از هزینه نگهداری پایین را به وجود می آورد. اختلاط شدید در بستر سیال، شرایطی بسیار نزدیک به شرایط همدما، را در فرایند خشک کردن به وجود می آورد (توکلی پور، 1385). برخی ویژگی های مواد مورد استفاده از خشک کن بستر سیال عبارتند از (توکلی پور، 1385): 1- متوسط اندازه ذره ها باید بین 20 میکرومتر تا 10 میلی متر باشد، 2- توزیع اندازه ذره ها باید کوچک باشد و 3- بهتر است ذره ها شکل کروی یا نزدیک به کره داشته باشند. روش دیگر در خشک کردن محصولات کشاورزی و مواد غذایی استفاده از انرژی خورشیدی می باشد. پتانسیل استفاده از انرژی خورشیدی در بخش کشاورزی با توجه به نوسانات در قیمت سوخت های فسیلی، نگرانی های محیط زیست وکاهش سوخت فسیلی مرسوم افزایش یافته است. سیستم خشک کردن خورشیدی به کمک سیستم انرژی خورشیدی، یکی از بهترین و امیدوار کننده ترین برنامه های کاربردی درمناطق استوایی و کشورهای نیمه گرمسیری می باشد. به طور سنتی تمام محصولات کشاورزی در برابر آفتاب خشک می شدند. یکی از روش‎های جدید در خشک‎کردن مواد غذایی و محصولات کشاورزی، استفاده از انرژی توان تابش مادون قرمز است. وقتی که اشعه مادون قرمز به سمت محصول تابانده شود، بسته به نوع محصول و طول موج اشعه تابیده شده، قسمتی از اشعه از محصول عبور کرده، درصدی از آن منعکس می‎شود و بالاخره بخشی هم جذب شده و به داخل محصول نفوذ می‎کند و به انرژی حرارتی تبدیل می گردد. سپس محصول به شدت گرم شده و گرادیان حرارتی در داخل جسم در طی یک مدت کوتاهی به شدت افزایش پیدا می‎کند. از آنجایی که هوا انرژی تشعشعی مادون قرمز را از خود عبور می‎دهد، بدون اینکه هوای محیط گرم شود، انرژی تابش مادون قرمز، محصول مورد نظر را گرم می‎کند (نوواک و لویسکی ، 2004؛ خیر و همکاران 2011). از این رو یک روش برای کاهش زمان خشک‎کردن، انتقال حرارت با استفاده از توان تابش مادون قرمز است (شارما و همکاران، 2004). این روش به خصوص برای لایه‎های نازک محصول که در معرض تابش می‎باشند، مناسب است و استفاده از آن در سال‎های اخیر به واسطه‎ی پیشرفت در نوع تابشگرهای مادون قرمز رو به افزایش است. در این روش عمل حرارت‎دهی به مواد بدون تغییر در ساختمان آن انجام می‎گیرد، بنابراین کیفیت مواد بهبود یافته و هزینه فرآیند کاهش می‎یابد (پهلوانزاده،1377). شناخت خواص فیزیکی و مکانیکی محصولات کشاورزی و مواد غذایی همواره مورد توجه و علاقه متخصصین کشاورزی و صنایع غذایی بوده است. این مساله بویژه در رابطه با ماشین های کشاورزی، از لحاظ تاثیری که در بخشهای مختلف ماشین در مراحل برداشت، حمل و نقل، ذخیره سازی و فرآوری بر محصول ایجاد می کند، اهمیت دارد (کاشانی نژاد و همکاران، 2005؛ کیلیکان و گونر ، 2008). خواص مکانیکی ویژگیهایی هستند که بر رفتار ماده کشاورزی که تحت نیرویی قرار گرفته است تاثیر می گذارند. همچنین عملیات مختلف فرآوری محصولات کشاورزی بر خواص مکانیکی تاثیر زیادی دارند. اطلاعات مربوط به این خواص برای استفاده در طراحی تجهیزات آسیاب کردن، جابجایی ، انبار کردن، حمل و نقل و فرآوری مفید می باشند (تانیگاکی و همکاران، 2008). یکی دیگر از ویژگی های خواص مکانیکی جلوگیری از آسیب های مکانیکی وارد بر محصول است که در مرحله خرمن کوبی و عملیات جابه جایی دانه به آن وارد می شود. آسیب های وارد شده بر محصول سبب کاهش قدرت جوانه زنی و فعالیت بذرها شده و احتمال هجوم حشرات و آفات را افزایش می دهد. این امر بر کیفیت نهایی محصول تاثیر می گذارد (کلیکان و گونر، 2008). مقاومت به فشار محصولات دانه ای اهمیت ویژه ای دارد، زیرا اطلاعات بدست آمده برای روش های مناسب خرد کردن، له کردن و آسیاب کردن دانه ها مورد نیاز هستند. همچنین خصوصیات مکانیکی دانه نقش مهمی در مقاومت دانه به شکسته شدن در اثر شرایط مختلف برداشت و مراحل فرآوری دارند (مانووا و محمد ، 2011). یکی از مهمترین روش های هوش مصنوعی، شبکه های عصبی مصنوعی می باشد که با الهام گرفتن از مدل مغز انسان، ضمن اجرای فرآیند آموزش، اطلاعات مربوط به داده را در قالب وزن های شبکه ذخیره می کنند. در واقع شبکه های عصبی مصنوعی روشی مبتنی بر پردازش اطلاعات و داده ها است (سوریانارایانا و همکاران، 2008). استفاده از شبکه های عصبی مصنوعی در سطح وسیعی برای شبیه سازی و پیش بینی پارامترهای مورد نیاز در فرآیندهای خشک-کردن در حال رشد و توسعه است. مدلهای شبکه عصبی مصنوعی در مورد فرآیندهایی که تعریف دقیق و درک خاصی از آنها وجود ندارد، بسیار موثر عمل می کنند و قادر هستند که متغییرهای مجهول را با دقت قابل قبولی تخمین بزنند (تریپاتی و کومار ، 2008) کاهش تاثیر خطای آزمایش ها و داده های از دست رفته و توانایی پیش بینی دو یا چند متغیر وابسته به طور همزمان از جمله مزیت های شبکه های عصبی است. همچنین نیاز به محاسبات طولانی برای حل معادلات دیفرانسیل با استفاده از روش های عددی نیست، در حالی که در یک شبکه عصبی مصنوعی، نتایج به صورت ضرب ساده ورودی در ماتریس وزن به دست می آید (اسلام و همکاران، 2003). اهداف پژوهش: با توجه به ضرورت های بیان شده در مورد خشک کردن میوه بنه و نیز ویژگی های خشک کن های بستر سیال، خورشیدی و مادون قرمز، اهداف این پژوهش عبارتند از: 1- تعیین سینتیک خشک‎کردن میوه بنه و انتخاب مدل مناسب برای سینتیک خشک کردن آن در سه روش خشک کردن بستر سیال، خورشیدی و مادون قرمز. 2- محاسبه پارامترهای ضریب پخش موثر رطوبت، انرژی فعال سازی، انرژی مصرفی ویژه، رنگ، چروکیدگی، نیرو و انرژی شکست بنه در سه روش خشک کردن بستر سیال، خورشیدی و مادون قرمز. 3- پیش بینی برخی خصوصیات فیزیکی، مکانیکی و حرارتی خشک کردن بنه به کمک شبکه های عصبی مصنوعی.

موسیر ((allium hiertifolium synonyom: a.stipitatum گیاهی چند ساله و پیازدار از خانواده الیاسه می باشد. این گیاه، بومی ایران است و به صورت خودرو در مراتع مرتفع می روید (مظفریان ، 1996). قسمت های خوراکی موسیر، برگ ها و پیاز های توپر آن می باشد. این گیاه سرشار از مواد مغذی همچون، فسفر، کلسیم، پتاسیم، سدیم و منیزیم است (بروستر و رابینویچ ، 1990). موسیر در بسیاری از مناطق ایران به صورت خشک استفاده می شود. عمده مصرف آن در تولید ماست موسیر و ترشی می باشد. از نظر پزشکی نیز جزء گیاهان دارویی مهم بوده و برای کاهش فشار خون استفاده می-شود (خزری ، 2003). زمان برداشت موسیر موقعی است که شاخ و برگ و قسمت های هوایی گیاه، خشک شده و روی زمین بیفتد. در این زمان موسیر کاملاً رسیده و قابل برداشت است. موسیر معمولاً به صورت وحشی در مناطق کوهستانی می روید و در عمق 30-20 سانتیمتری تشکیل غده (سوخ) می دهد. فصل برداشت موسیر بسته به شرایط آب و هوایی متفاوت است؛ به طوری که برداشت در استان های جنوبی کشور مانند فارس، در بهمن و اسفند ماه و در مناطق معتدله و سردسیر مانند همدان، در اواخر بهار و تابستان انجام می شود (ابراهیمی، 1386). میزان رطوبت اولیه موسیر حدود(d.b.) 2 می باشد که جهت نگهداری آن باید به کمتر از (d.b.) 08/0 کاهش یابد. این کار فرآیند خشک کردن موسیر را به امری اجتناب ناپذیر مبدل می سازد. خشک کردن یکی از گسترده ترین و قدیمی ترین فرآیند های به کار برده شده برای حفظ مواد غذایی در مقابل فساد است که با تقلیل فعالیت های میکروبی و آنزیمی و کاهش سرعت فعل و انفعالات شیمیایی، مدت زمان ماندگاری محصول را افزایش می دهد. همچنین با کاهش حجم و وزن مواد غذایی، بسته بندی، حمل و نقل و انبارداری محصولات آسان می شود. این فرآیند باید به طریقی انجام شود که نه تنها مواد غذایی را در مقابل فساد حفظ کند، بلکه به شاخص های کیفی محصول، مثل رنگ، طعم، عطر، ارزش غذایی و بافت این مواد کمترین خسارت ممکن وارد شود (میرزمانی، 1383). خشک کردن از جمله فرآیند هایی است که به علت بالا بودن گرمای نهان تبخیر آب و پایین بودن نسبی بازدهی انرژی در خشک کن های صنعتی، هنگام انجام کاربرد های عملی به انرژی ورودی زیادی نیاز دارد. میزان انرژی که برای تولید مقدار نسبتاً کمی گرما برای فرآیند خشک کردن صرف می شود، دربرگیرنده هزینه زیادی است. خشک کردن اساساً فرآیندی است که انتقال جرم و گرما به صورت همزمان رخ می دهد. در بیشتر فرآیند های خشک کردن، آب به عنوان مایع تبخیر شده و هوا به عنوان واسطه ی انتقال، ایفای نقش می کنند. برای تبخیر ذرات مایع یا رطوبت ماده که قرار است از سطح آن برداشته شده و به محیط انتقال داده شود، مقداری گرما باید فراهم شود (ازبی و سولماز ، 2005). علاوه بر بازدهی بالای فرآیند، توجه به کیفیت محصول خشک شده نیز بسیار حائز اهمیت است. هدف اصلی در هر فرآیند خشک کردن، تولید محصول خشک شده با کیفیت بالا، هزینه پایین و بیشترین عملکرد دستگاه، به همراه بهینه سازی این عوامل به طور پایدار می باشد. کیفیت محصولات بیولوژیکی، تحت تأثیر تغییرات فیزیکی، شیمیایی و بیولوژیکی قرار می گیرد. به لحاظ مصرف انرژی، فرآیند خشک کردن بیش از 15% انرژی مورد نیاز کل مصارف صنعتی را به خود اختصاص داده است. همچنین بازدهی انرژی این فرآیند اغلب پایین، بین 50-25 % می باشد. لذا مطالعه و اقدام به منظور کاهش انرژی مصرفی مورد نیاز و زمان فرآیند، جهت افزایش بازدهی فرآیند امری اجتناب ناپذیر است (چوا و همکاران، 2001). دستیابی به کیفیت مطلوب در فرآیند خشک کردن زمانی امکان پذیر می باشد که اطلاع کامل از تغییرات پیچیده ای که در طول فرآیند در محصول ایجاد می شود، در دست باشد. این اطلاعات شامل تمامی پارامتر هایی است که بر روی فرآورده نهایی اثر گذار می باشد. به علت ساختمان پیچیده مواد غذایی پیش بینی دقیق فرآیند خشک شدن ماده به طریق تئوری غیرممکن بوده و انجام آزمایش های عملی روی هر یک از محصولات را الزامی می سازد. به کارگیری خشک کن های صنعتی جهت دستیابی به اطلاعات مورد نیاز در فرآیند خشک کردن باعث اشتباهات زیادی می شود. دستیابی به اطلاعات با دقت کافی تنها در خشک کن های آزمایشگاهی، با شرایط محیطی کنترل شده، امکان پذیر است (بصیری، 1375). روش های مختلفی برای خشک کردن میوه ها و سبزیجات به کار می رود که از جمله آن می توان به خشک کردن خورشیدی، جابجایی، مایکروویو، خلأیی و پاششی اشاره کرد. در این میان روش جابجایی، از جمله متداول ترین روش ها می باشد (گوینه و همکاران، 2011). در سالهای اخیر خشک کردن مادون قرمز به عنوان روش دیگر خشک کردن محبوبیت خاصی برای انواع محصولات کشاورزی به دست آورده است. از جمله مزایای این روش می توان به کاهش زمان خشک شدن، بازدهی انرژی بالا، افزایش کیفیت محصول مورد فرآوری و توزیع یکنواخت دما در داخل محصول اشاره کرد (کوکابییک و تزر ، 2009). یکی دیگر از روش های خشک کردن، ‎استفاده از ترکیب دو روش مادون ‎قرمز و جابجایی می‎باشد که به دلیل فرآیند انتقال حرارت همزمان تشعشعی و جابجایی، محصول فرآوری شده از نظر کیفیت در سطح بالایی قرار دارد و فرآیند خشک‎کردن نیز در قیاس با روش جریان هوای گرم و روش تابش مادون قرمز به تنهایی، باعث کاهش انرژی مصرفی و مدت زمان فرآیند می شود (هبر و همکاران، 2004). یکی از مهمترین معیارها برای پذیرش مواد غذایی توسط مشتریان، رنگ است. تغییرات نامطلوب در رنگ غذا ممکن است باعث کاهش کیفیت و ارزش بازاریابی آن شود. محافظت از محصولات کشاورزی با روش های درست و علمی باعث افزایش سودآوری، کاهش هزینه های حمل و نقل و انبارمانی می شود. اکثر مواد غذایی از جمله موسیر را می توان به روشهای مختلفی خشک کرد. اما با توجه به نیاز مشتریان، رقابت شدید بازار و دیگر عوامل نمی توان ازکیفیت محصول خشک شده به سادگی گذشت. با توجه به عواملی که در بالا ذکر گردید، تلاش برای افزایش کیفیت محصول خشک شده، افزایش عملکرد خشک کن، کاهش هزینه های فرآوری و افزایش بازدهی انرژی خشک کن، از طریق مطالعه و بررسی دقیق سینتیک خشک کردن آن، ارزیابی پارامترهای موثر بر خواص کیفی و تأثیرات همسو و متقابل این پارامترها، امری ضروری و اجتناب ناپذیر به شمار می-آید. به منظور بررسی و مشخص نمودن تأثیر عوامل موثر بر محصولات کشاورزی از روش های آماری طراحی آزمایش ها (doe) استفاده می شود (امیری و همکاران، 1388). روش طراحی آزمایش ها شامل روش هایی از قبیل روش فاکتوریل ، روش تاگوچی ، روش باکس بنکن و روش مربع لاتین در تجزیه و تحلیل داده ها مورد استفاده قرار می گیرند. طرح های آماری یادشده، هر کدام دارای یک سری خصوصیات و نقاط ضعف می باشند که استفاده از آنها برای تجزیه و تحلیل داده ها مناسب نیست. منطقی است که در پژوهش ها و تحقیقات، طرحی با کارایی بالا مورد استفاده قرار گیرد که علاوه بر صرفه جویی در زمان و هزینه ها، قابلیت بهینه سازی و پیش بینی پاسخ های فرآیند را در شرایط مختلف داشته باشد. روش سطح پاسخ دارای چنین ویژگی هایی است که می تواند با استفاده از کمترین داده های موجود، بیشترین کارایی را داشته باشد. با توجه به تعدد عوامل تأثیرگذار بر بهینه سازی فرآیند خشک کردن موسیر، روش آماری سطح پاسخ به عنوان گزینه مناسبی برای بهینه سازی فرآیند انتخاب شد که در آن تأ?ثیر متغیرهای ورودی مختلف از قبیل ضخامت ورقه ، دمای هوا و سرعت هوا بر روی متغیرهای خروجی از قبیل سینتیک خشک کردن، ضریب پخش موثر، انرژی فعال سازی، چروکیدگی، تغییرات رنگ و انرژی ویژه مصرفی خشک کن جابجایی و خشک مادون قرمز- جابجایی، مورد ارزیابی واقع شد. لازم به ذکر است که در خشک کن مادون قرمز- جابجایی، توان تابش لامپ مادون قرمز هم به متغیرهای ورودی اضافه شده است. اهداف: 1) ارزیابی و تعیین برخی از خواص حرارتی و فیزیکی موسیر و بررسی سینتیک خشک کردن آن در دو خشک کن جابجایی و مادون قرمز- جابجایی. 2) تعیین نقاط بهینه فرآیند خشک کردن در هر دو خشک کن با توجه به مقادیر متغیر های خروجی با استفاده از روش سطح پاسخ در طرح مرکب مرکزی.

اندازه گیری دما پدیده ای مهم در تمام بخش های صنعت و کشاورزی می باشد. دما به شدت تحت تأثیر ویژگی های بیوفیزیکی و مکانیکی محصولات کشاورزی است. هدف از این تحقیق به کارگیری اثر پایروالکتریک و امکان سنجی رابطه ی بین تغییرات دمایی ایجاد شده بر اساس این اثر با پارامترهایی همچون حجم و ارزیابی سلامت محصول می باشد. در این پژوهش یک رقم سیب (رد دلیشز) و یک رقم پرتقال (تامپسون) انتخاب شده است تا دارای تفاوت از لحاظ نوع تنفس، ضخامت پوسته و محتوی رطوبتی باشند. آزمایشات در دو مرحله ی اساسی پیش از طراحی و پس از طراحی سامانه ی جداسازی غیرمخرب انجام گرفت. در مرحله نخست، بهترین ضریب انتشار برای بیان بهترین اختلاف دمایی بین نقاط آسیب دیده و سالم و برآورد حجم هر دو میوه برابر با 28/0 بدست آمد. در این ضریب انتشار، حجم محصول با میانگین دما برای سیب رقم رد دلیشز و برای پرتقال رقم تامپسون به ترتیب چندجمله ای مرتبه 7 و 10 به دست آمد. درصد خطای ریشه میانگین مربعات (erms) رابطه ی بین حجم و میانگین دمایی برای پرتقال و سیب به ترتیب برابر با 57/9% و 39/8% و ضرایب تبیین به ترتیب 9 /0 و 93/0 تخمین زده شد. در مرحله ی پیش از طراحی سامانه اختلاف دمایی بین سطوح آسیب دیده و سالم در ضریب انتشار 28/0 برای هر دو محصول بیش از c?2 اندازه گیری شد. در حالیکه در مرحله پس از طراحی در این ضریب انتشار اختلاف دما برای سیب در بازه 34/0 – 12/0 و برای پرتقال در بازه ی 26/0 – 12/0 درجه سانتیگراد محاسبه شد و برای بیشتر نمونه ها برای هر دو نوع محصول اختلاف دمایی بیش از 18/0 سانتیگراد بدست آمد. این روش غیرمخرب می تواند در جداسازی و درجه بندی محصولات کشاورزی استفاده شود.

تنوع و فراوانی پارامترها و ویژگی های کیفی محصولات کشاورزی، مهم ترین دلیل توسعه انواع روش های غیر مخرب بوده است. در سال های اخیر دید ماشین، روش های اسپکتروسکوپی ، انتشار صوت، امواج فراصوت و غیره، در حال گسترش و توسعه می باشد که هرکدام برای اندازه گیری پارامتر کیفی خاصی کاربرد دارند.برای درجه بندی میوه ها روش های مختلفی به کار برده می شود که اغلب آن ها مخرب و یا کند می باشند ولی اندازه گیری سریع، غیر مخرب و دقیق عامل های کیفی میوه ها ازجمله میوه زردآلو نظیر میزان مواد جامد محلول و رنگ از اهمیت بالایی برخوردار می باشد.مصرف کنندگان مواد غذایی مورد نیاز خود را در فروشگاه ها در مرحله اول بر اساس ادراک دیداری مورد ارزیابی قرار داده و انتخاب می کنند.چون ظاهر و رنگ محصول در لحظه خرید تنها فاکتورهای کیفی در دسترس هستند که اطلاعات مستقیم از خود ماده غذایی در اختیار قرارمی دهند. مدلی که در حال حاضر جهت اندازه گیری رنگ مواد قضایی بیشتر مرسوم می باشد استفاده از labیا l*a*b*است. فضای رنگیl* a* b* یک استاندارد جهانی برای اندازه گیری رنگ است که در سال 1967 توسط کمیسیون بین المللی روشنایی پذیرفته شده است.l* مولفه روشنایی یا شفافیت می باشد که محدوده آن از0 تا100می باشد و پارامتر a* (از سبزی تا قرمزی) b*( از آبی تا زردی) دومولفه رنگی هستند که محدوده آن نامحدود است ولی در اغلب مقالات محدوده آن ها از 120 الی)120- (ذکرشده است . از نظر اقلیدسی فاصله بین دو نقطه رنگی در مدل l*a*b* با فاصله ای که چشم انسان آن را تشخیص می دهد،تقریباً برابر است. مقدار مواد جامد محلول کل که از طریق دستگاه رفراکتومتر یا فام نگار اندازه گیری می شود ، منعکس کننده مقدار قند میوه می باشد. رسیدن یا بلوغ مرحله ای است که میوه یا سبزی مراحل مختلف رشد و نمو خود را به اتمام رسانده و متقابل با رسیدن کامل ، قابل خوردن می باشد. آن گروه از میوه هاکه به مدت معین در انبار نگهداری خواهند شد کمی قبل از رسیدن کامل برداشت می شوند تا عمر انبارداری آن ها طولانی شود .مرحله ی فوق را که محصول کمی سفت رس برداشت می شود،بلوغ فیزیولوژی محصول می نامند. از آنجا که میوه زردآلو کلایمتریک است و فساد پذیری بالایی دارد و اگر به موقع برداشت نشود ممکن است باعث خسارت به میوه شود، در نتیجه دانستن زمان برداشت به موقع زردآلو می تواند باعث کاهش خسارت به زردآلو شد. در این تحقیق دریافت شد که زردآلوی پیوندی همدان در هفته اول (15اردیبهشت )کاملاً نارس می باشد. در انتهای هفته هفتم(2تیر) افزایش تنفس و آزاد شدن گاز اتیلن باعث می شود که زردآلو به بلوغ فیزیولوژیکی برسد. و در انتهای هفته دهم (23تیر) به رسیدگی کامل می رسد.

تولید پرتقال جهان در سال 2008، 5/68 میلیون تن بوده است. برزیل و ایالات متحده بزرگ ترین تولیدکننده پرتقال هستند که حدود 40 درصد پرتقال جهان را تولید می کنند. هزینه برداشت دستی در آمریکا برای هر کارتن 5/16 کیلوگرمی، حدود 35/1 دلار می باشد (نیل و همکاران، 2009). در نتیجه هزینه برداشت پرتقال در آمریکا اگر کاملاً به شکل دستی انجام شود با توجه به تولید 1/9 میلیون تن در سال 2008، حدود 750 میلیون دلار می باشد. ایران با تولید 2/6 میلیون تن پرتقال در سال 2008 مقام ششم را به خود اختصاص داده است. پرتقال حدود 20 درصد از محصولات باغی ایران را تشکیل می دهد و با 188 هزار هکتار معادل 3/7 درصد سطح باغات ایران را شامل می شود (دفتر آمار و فناوری اطلاعات وزارت جهاد کشاورزی، 1389). اما پرتقال در جهان به سه روش دستی، مکانیکی و رباتیک برداشت می شود (لی و همکاران، 2011) که در ادامه توضیح داده می شوند. برداشت دستی روش برداشت مرسوم دستی، روش رایج برداشت پرتقال در جهان می باشد. این روش، توسط نیروی کارگر انجام شده و بسیار پر زحمت، ناکارآمد و پر هزینه بوده و نیز محدودیت های بسیاری از لحاظ زمانی دارد و در کشورهای در حال توسعه با توجه به کاهش نیروی کار فصلی در دسترس و افزایش فشارهای اقتصادی، توجه تازه ای برای برداشت مکانیکی و رباتیک ایجاد شده است. به طور معمول 35 الی 45 درصد هزینه تولید پرتقال، در روش دستی را هزینه برداشت تشکیل می دهد (ساندرز ، 2005 ، لی و همکاران، 2011). برداشت مکانیکی دو جریان سیستم های برداشت مکانیکی و رباتیک از اوایل دهه ی 60 شروع شدند. سیستم های برداشت مکانیکی یک راه حل کارآمد و مقرون به صرفه برای جایگزینی کار انسانی در تولید انبوه می باشد. انواع سیستم های مکانیکی برداشت مرکبات شامل لرزاندن شاخه ، لرزاندن کانوپی ، لرزاندن تنه و وزش باد می باشد. این سیستم ها به خاطر آسیب های وارده، محدودیت هایی برای میوه های نرم دارند. به طور معمول میوه ی مرکبات اتصال خیلی قوی با شاخه دارد، لذا ممکن است نیاز به مقدار زیاد تکان با نیروی بالا باشد. از این رو اشکالات عمده این سیستم ها شامل آسیب های مکانیکی به درخت و افت کیفیت میوه ها می باشد. آسیب های مکانیکی به درخت شامل: کنده شدن پوسته، آسیب های داخلی به بافت تنه و شاخه، شکستن شاخه ها بوده و افت کیفیت میوه ها شامل آسیب های مکانیکی وارده به میوه و قطع میوه های نارس می باشد. این عوامل باعث کاهش عملکرد محصول در فصل بعدی برداشت و کاهش عمر درخت نیز خواهد شد. میوه های با کیفیت پایین تنها برای آبگیری مناسب خواهد بود و از آنجا که درصد زیادی از خانواده مرکبات به عنوان میوه تازه در بازار به فروش می رسند، افت کیفیت محصول به دلیل نوع برداشت قابل قبول نمی باشد. با توجه به فضای مورد نیاز برای ماشین های برداشت مکانیکی، این روش برداشت محدودیت هایی را در طراحی باغات و همچنین استفاده در باغات موجود خواهد داشت. مواد شیمیایی ریزش نیز که برای کمک به کارایی ماشین های برداشت مکانیکی استفاده می شوند ممکن است مخاطراتی برای محیط زیست، سلامتی جامعه داشته باشد. همچنین روش های جمع آوری محصول به شکل مکانیکی که در سیستم های برداشت مکانیکی استفاده می شوند آسیب هایی را بر روی میوه ها به همراه داشته و کیفیت محصول را بیش از پیش پایین می آورند (لی و همکاران، 2011). برداشت رباتیک پرتقال روش رباتیک، در حال حاضر ناکارآمدترین و گران ترین روش می باشد و از لحاظ قدرت انتخاب بین روش دستی و مکانیکی قرار دارد چنانچه ارزیابی اقتصادی برداشت رباتیک در حال حاضر در فلوریدا مشخص نموده است که برداشت رباتیک نسبت به برداشت دستی مرسوم تقریباً 50 درصد گران تر بوده و برداشت ناکارآمد عمده عامل موثر بر آن خواهد بود (هارل و همکاران، 1990) اما این روش نوظهور و تکامل نیافته، هم اکنون مراحل تحقیقاتی خود را طی می کند و بیشترین پتانسیل را جهت پیشرفت داراست. سیستم های برداشت رباتیک، جایگزین سیستم های برداشت مکانیکی بوده که به دلایل انگیزه های اقتصادی، پیشرفت فن آوری و همچنین مقابله با مشکلات سیستم های برداشت مکانیکی از جمله حفظ کیفیت محصول، حفظ سلامت درخت و حفاظت از محیط زیست، علاقه ی تازه ای را در چند سال اخیر به سمت خود ایجاد کرده است (هانان و همکاران، لی و همکاران، 2011). گام اول در زمینه برداشت رباتیک پرتقال، تشخیص و تعیین درست موقعیت میوه روی درخت می باشد. روش رایج بصری تشخیص پرتقال، استفاده از ماشین بینایی توسط رایانه می باشد و دوربین های دیجیتال عمده راه حل برای برقراری ارتباط با محیط است. برای تشخیص صحیح یک پرتقال نیاز است ابتدا مکان آن با دقت مناسب تعیین شود. این تشخیص باید تحت شرایط زیست محیطی متفاوت انجام شود؛ لذا هدف سیستم ماشین بینایی در ربات برداشت پرتقال، تشخیص میوه های رسیده و تهیه ی اطلاعات مکانی و فاصله ی میوه ها از ربات می باشد. سیستم های فعلی برداشت رباتیک از لحاظ قدرت انتخاب هنوز با قدرت تشخیص انسان فاصله زیادی دارند. در بسیاری از پژوهش ها، نرخ شناسایی موفق میوه به طور متوسط حدود 70 الی 90 درصد گزارش شده است (لی و همکاران، 2011) و از آنجا که ربات تنها پرتقال هایی را که تشخیص می دهد می تواند برداشت کند، تشخیص پرتقال گام مهمی در برداشت است و هر پرتقال کشف نشده منجر به کاهش عملکرد محصول شده و هزینه ها را افزایش می دهد (هانان و همکاران، 2007). دلیل عمده ی عدم توجیه اقتصادی ربات های برداشت که تاکنون معرفی شده اند، ناکارآمدی آن ها در مرحله شناسایی است، پس دست یابی به الگوریتم مناسبی که با سرعت و دقت کافی موقعیت میوه را روی درخت شناسایی نماید، بسیار ضروری است. بنابراین اهداف این تحقیق عبارتند از: 1- توسعه الگوریتم شناسایی پرتقال بر روی درخت در شرایط طبیعی. 2- تعیین موقعیت مکانی میوه بر اساس مختصات دو بعدی نسبت به گوشه بالای سمت چپ تصویر. 3- ارائه راهکارهای مناسب به منظور ارزیابی الگوریتم توسعه یافته.

چکیده: امروزه با توجه به آلودگی شدید محیط زیست و اثرات مخرب آن، توجه به استفاده از تکنیک های جدید سمپاشی و اصلاح تکنیک های قدیمی اهمیت زیادی پیدا کرده است. باردارسازی الکتریکی ذرات سم در ترکیب با تکنیک های جریان شدید هوا و صفحات چرخان، سیستم سمپاشی را ایجاد کرده است که در آن با تولید ذرات ریزسم با اندازه های نسبتا یکنواخت و هدایت این ذرات به سمت اهداف گیاهی در اثر نیروهای رانش الکترواستاتیکی و آیرودینامیکی می توان علاوه بر افزایش جذب و نشست ذرات سم در سطوح مختلف گیاه از بادبردگی ذرات سم نیز به شدت کاست. در این پژوهش به منظور بررسی عملکرد رایجترین نوع سیستم سمپاشی الکترواستاتیک در ایران، آزمایشات فاکتوریل در قالب طرح کاملا تصادفی انجام شد و سه فاکتور فاصله هد تا هدف (d)، دور موتور سمپاش (n) و دبی محلول سمی (q) هر کدام در سه سطح تیمارهایی را حاصل کرد. از قطعات کاغذ حساس به آب به عنوان سطوح جمع آوری و ثبت ذرات جذب شده در پشت و روی برگ استفاده شد و تصاویر دیجیتال ازطریق اسکن این نمونه ها تهیه شد. برای آنالیزتصاویر دیجیتال الگوریتم پردازش تصویر در محیط نرم افزار matlab توسط نویسنده توسعه داده شد که صفاتی مانند درصد پوشش سطحی، قطر میانه حجمی، قطر میانه عددی ، یکنواختی نشست ذرات و دانسیته سطحی نشست ذرات و غیره را تعیین می کند. نتایج تجزیه واریانس نشان داد که درسطح رویی برگ هر سه فاکتور و برهمکنش آنها روی اکثر صفات مورد بررسی از نظرآماری اثر معنی داری داشته است. نتایج مقایسه میانگین ها نشان داد که تیمارهای d1n1q3 و d2n1q3بیشترین مقادیر پوشش سطحی را به ترتیب با 39/ 52 و05/49 درصد داشته اند. بیشترین دانسیته سطحی نشست نیز مربوط به تیمارهای 1 d2n1qوd3n1q1 به ترتیب با 812 و 808 ذره در هر سانتیمتر مربع می باشد.کمترین مقادیر قطر میانه حجمی و قطر میانه عددی در تیمارهای مربوط به فاصله 3 متر حاصل می شود. قطر میانه عددی ذرات نشسته روی برگ در اکثر تیمارها مقداری در حدود 50 میکرون دارد که در عملیات مبارزه با آفات بسیار مطلوب می باشد. در مورد وضعیت نشست روی سطح پشتی برگ اثر هر سه فاکتور به همراه اثرات متقابل آنها روی صفات درصد پوشش سطحی و دانسیته سطحی در سطح 1 درصد معنی دار بوده است. اثر متقابل dn با احتمال 95 درصد رویvmd معنی دار است. اثر اصلی دور موتور و اثرات متقابل dn و dq و dnq قطر میانه عددی در سطح 1 درصد معنی دار است . نتایج مقایسه میانگین ها نشان می دهد که بیشترین مقادیر درصد پوشش سطحی مربوط به تیمارهای d3n1q1 و d2n1q1 به ترتیب با 88/15 و 5/12درصد می باشد و بیشترین مقادیر دانسیته سطحی نشست نیز مربوط به همین دو تیمار به ترتیب با 1102 و1023 ذره در هر سانتیمتر مربع می باشد. با توجه به کم بودن دامنه تغییر قطر میانه حجمی و قطر میانه عددی ذرات نشسته روی سطح پشتی برگ، تیمارهای با بیشترین پوشش و دانسیته سطحی الویت دارند. به منظور بررسی بادبردگی در سمپاشی الکترواستاتیک و مقایسه آن با سمپاشی معمول نیز آزمایشی انجام شد. اثر سرعت باد(v) و فاصله (l) در دوحالت قطع و وصل شارژالکتریکی روی صفات درصد پوشش سطحی و دانسیته سطحی ذرات بادبرده که نشانگر میزان بادبردگی هستند، مورد بررسی قرار گرفتند. نتایج حاکی از آن است که باردارسازی ، سرعت باد و فاصله و اثرات متقابل دوگانه آنها روی صفت درصد پوشش سطحی معنی دار است. مقایسه میانگین ها نشان می دهد که بیشترین مقدار بادبردگی در حالت بدون باردارسازی و سرعت باد 5 متر بر ثانیه و فاصله زیاد حاصل می شود . اثر سطوح مختلف سرعت باد در بادبردگی ذرات باردار تفاوت چندانی با هم ندارند ولی در بادبردگی ذرات بدون بار در سرعت باد 5 متر بر ثانیه حدود 5/2 برابر بادبردگی در سرعت 3 متر بر ثانیه می باشد یعنی اینکه ذرات باردار به خوبی توسط نیروهای الکترواستاتیکی کنترل می شوند.

مبارزه با علف های هرز توسط سم پاش های هوشمند یکی از مهم ترین اهداف کشاورزی دقیق می باشد. زیرا سم پاشی به روش سنتی علاوه بر آلوده کردن محصول کشت شده با علف کش به اکوسیستم منطقه نیز آسیب جدی وارد می سازد. هدف از انجام این پژوهش ارائه راهکاری برای افزایش دقت و سرعت سم پاشی مزارع توسط سم پاش های هوشمند مورد استفاده در کشاورزی دقیق می باشد. به همین منظور نقشه دیجیتالی از محل رویش علف هرز و میزان آن در سطح مزرعه با استفاده از ماشین بینایی تهیه گردید. در این راستا با استفاده از یک دوربین دیجیتال از سطوح بین ردیف ها در مزرعه تصویر برداری به عمل آمد. به کمک سامانه موقعیت یاب جهانی (gps) نیز مختصات مکانی تصاویر تصاویر گرفته شده و ذخیره گردید. پس از پردازش تصاویر بدست آمده توسط نرم افزار متلب نسخه 2012، وجود علف هرز در تصاویر مشخص شد. آنالیز تصاویر در فضاهای رنگیl*a*b* و hsi جهت تشخیص علف هرز، نشان داد که دقت فضای رنگی hsi از فضای رنگی l*a*b* بالاتر بود. در نهایت با استفاده از نرم افزار visual studio 2012 microsoft یک نرم افزار رابط کاربری جهت تولید نقشه دیجیتال طراحی شد. این نرم افزار با دریافت فایل های مربوط به داده های gps و متلب نقشه نهایی را به صورت یک کدبندی اختصاصی تهیه می نماید.

سامانه ای به منظور تشخیص ترک پوسته تخم مرغ طراحی شد. این سامانه، پردازشگری مناسب به منظور جمع آوری و تجزیه و تحلیل سیگنال های پاسخ آکوستیکی از پوسته تخم مرغ می باشد. این تحقیق به بررسی تفاوت بین سیگنال های پاسخ بین تخم مرغ سالم و ترک خورده در حرکت یکنواخت پرداخته است. اما در آزمایش های قبلی با تحریک تخم مرغ، ایجاد ضربه روی آن، سرعت سیستم انتقال و ...، تفاوت ها مورد بررسی قرار گرفت. در این کار با نرم افزار labview از صداهای ضبط شده، داده برداری شد و با استفاده از روش تحلیل مولفه های اصلی (pca) تفاوت بین سیگنال ها مورد تجزیه و تحلیل قرار گرفت. نتایج حاصل از این آزمایش ها نشان داد که می توان تفاوت قابل مشاهده ای بین فرکانس های دریافت شده از تخم مرغ سالم و ترک خورده مشاهده کرد. درصد دقت تفکیک کل نمونه ها در سامانه 28/88%، درصد عدم دقت تفکیک 71/11%، نرخ شناسایی نمونه سالم 1/95% و نرخ شناسایی نمونه ترک خورده 28/84% است که در مقایسه با روش های دیگر مورد قبول می باشد. این تحقیق بیانگر آن است که میزان ترک در تخم مرغ باعث تفاوت در سیگنال ها و فرکانس دریافتی حاصل از آن ها می گردد. محدوده فرکانسی hz 2000-200 نسبت به سایر محدوده ها بهترین محدوده برای شناسایی تخم مرغ سالم از ترک خورده می باشد.

بینایی کامپیوتر یکی از پرکاربردترین فن آوریهای مورد استفاده در صنایع غذایی و کشاورزی نوین است. یکی از کاربردهای بینایی کامپیوتر در آزمایشگاه های کنترل کیفیت می باشد. توجه به کیفیت محصولات در صنایع غذایی و کشاورزی (رنگ و ظاهر یک ماده غذایی) برای رقابت در بازار از مسائل مورد توجه تولید گنندگان می باشد؛ در نتیجه می توان از تکنولوژی ماشین بینایی به عنوان روشی عینی، غیر مخرب، ارزان و ساده در ارزیابی رنگ محصولات غذایی و کشاورزی استفاده کرد. امروزه استفاده از دستگاه های رنگ سنجی به علت قیمت بالا، برای همگان میسر نیست. اما پردازش تصویر رنگی روشی کم هزینه در مقایسه با دستگاه های رنگ سنجی است و اکنون پارامترهای رنگ سنجی *l*a*b یا cle lab جهت اندازه گیری و گزارش کیفیت مواد غذایی استفاده می شود. هدف از این پژوهش مقایسه دو روش رنگ سنجی با استفاده از پردازش تصاویر رنگی و دو دستگاه رنگ سنج (هانتر لب و hp200) برای اندازه گیری پارامترهای *l*a*b می باشد. تعداد نمونه های انتخابی برای این پژوهش پانزده نمونه شامل پنج نوع میوه (انار، سیب زرد، سیب قرمز، کیوی و موز )، پنج نوع نان (لواش، بربری، باگت همبرگر، ساندویچی و سنگک ) و پنج نوع پودر فرآوری شده مواد غذایی )پودر گل محمدی، سیر، آرد نخود چی، آردگندم، آردبرنج) بوده است. برای ارزیابی پارامترهای l*a*b* ابتدا با دستگاه هانتر لب و hp-200 مقادیر *l*a*b به طور مستقیم اندازه گیری شدند. سپس از همان نمونه تصویر دیجیتال با استفاده از یک اسکنر تهیه شد. در پردازش تصویر برای بدست آوردن ویژگی های رنگی نمونه ها از تبدیل فضای رنگی rgb به *l*a*b درنرم افزار متلب استفاده شد. مقایسه بین پارامترهای رنگ سنجی حاصل از رنگ سنج هانترلب و پردازش تصویر در نمونه های میوه دارای ضریب همبستگی بالای 0/95 بین هر سه پارامتر رنگی در همه نمونه های میوه بود. در نمونه های پودری ضریب همبستگی پارامتر *l برای آرد گندم 0/94 و در دیگر نمونه های پودری بالای 0/98 بود و ضریب همبستگی پارامتر *a برای پودر گل محمدی 0/88 و آرد برنج 0/92 و بقیه نمونه های پودری دیگر بالایی 0/98 بود و ضریب همبستگی پارامتر *b برای آرد گندم و پودر گل محمدی 0/92 و دیگر نمونه ها 0/99 بود. در نمونه های نان ضریب همبستگی پارامتر *l برای نان باگت همبرگر0/90 و نمونه های دیگر 0/99 بود و ضریب همبستگی پارامتر *a نان بربری 0/92 و نمونه های دیگر بالای 0/95 بود و ضریب همبستگی پارامتر *b در همه نمونه های نان بالای 0/97 بود. مقایسه بین پارامترهای رنگ سنجی حاصل از رنگ سنج hp و پردازش تصویر در نمونه های میوه دارای ضریب همبستگی پارامتر *l برای میوه انار 0/86، میوه سیب زرد و سیب قرمز 0/97، کیوی 0/77 و موز 0/67 بود و ضریب همبستگی پارامتر *a برای میوه انار و کیوی 0/92 م برای دیگر نمونه ها بالای 0/98 بودند و ضریب همبستگی پارامتر *b برای سیب قرمز 0/91 و برای نمونه های دیگر بالای 0/98 بود. در نمونه های پودری ضریب همبستگی پارامتر *l برای آرد گندم 0/86، آرد برنج 0/85 و در نمونه های دیگر 0/99 بود و ضریب همبستگی پارامتر *a برای آرد برنج 0/92، آرد نخودچی 0/90 و نمونه های دیگر بالای 0/95 بود و ضریب همبستگی پارامتر *b برای آرد گندم 0/93، آرد برنج 0/38 و نمونه های دیگر بالایی 0/97 بود. ضریب همبستگی بین نمونه های نان پارامتر *l برای باگت معمولی 0/89 و نمونه ها دیگر 99/0 بود. ضریب همبستگی پارامتر *a برای نان لواش 0/92، نان سنگک 0/98، نان بربری 0/37، نان باگت همبرگر 0/85 و نان باگت معمولی 0/89 بود و ضریب همبستگی پارامتر *b برای نان سنگک 0/87، باگت همبرگر 0/85 و نمونه های دیگر بود.

خطی کارها معمول ترین ماشین های کاشت بذر در دنیا برای کشت می باشند. در این پژوهش، ابتدا در گروه اول آزمون ها، اثر بازشدگی دریچه مخزن، طول شیار موزع و سرعت پیشروی بر عملکرد جرمی واحد خطی کار مطالعه شد. در گروه دوم آزمون ها اثر بازشدگی دریچه مخزن و طول شیار موزع در سرعت پیشروی پنج کیلومتر بر ساعت بر پارامترهای پهنای باند بذر، یکنواختی عرضی، یکنواختی طولی، یکنواختی مرکزی و ضریب یکنواختی (uc) بررسی شد. بدین منظور دستگاه تست گریس بلت جهت انجام آزمایشات طراحی و ساخته شد. این دستگاه شامل مخزن، موزع، پیاله زیر موزع، لوله سقوط و شیاربازکن بود که همگی روی یک تسمه که می توانست حرکت رو به جلو خطی کار را شبیه سازی کند، قرار گرفته بودند. موزع و تسمه گریس کاری شده حرکت خود را از دو موتور جداگانه کوپل شده با دو اینورتر می گرفتند. برای انجام آزمایشات جرم، پنج سطح بازشدگی دریچه مخزن، دو سطح طول شیار موزع و سه سطح سرعت پیشروی انتخاب شدند. سطوح کاشت مورد نظر 60، 90، 120، 150، 180 و 210 کیلوگرم در هکتار بودند. برای هر میزان کشت آزمون فاکتوریل در قالب طرح کاملا تصادفی به صورت جداگانه بر روی تیمارها انجام گرفت. کمترین ضریب پراکندگی برای داده های آزمون جرم، در 150، 180 و 210 کیلوگرم در هکتار رخ داد که به ترتیب برابر با 2/45%، 3/1% و 71/2% بود. نتایج مقایسه میانگین نشان داد که به طور کلی سه، چهار و پنج سانتی متر بازشدگی دریچه مخزن در تمام حالات کاشت نتایج بهتری در بر دارد. اما در سطوح کشت 60، 90، 120 و 150 کیلوگرم در هکتار، نصف طول شیار موزع نتایج بهتری داد. در کشت 60، 90، 120، 150، 180 و210 کیلوگرم در هکتار به ترتیب سرعت های 7/5، 7/5، 7/5، 2/5، 2/5 و 2/5 کیلومتر بر ساعت، دارای نتایج نزدیک تری به مقدار کشت مطلوب هستند. در آزمون های مرحله دوم، اندازه گیری های یکنواختی توزیع بذر با استفاده از تکنیک پردازش تصویر صورت گرفت. بدین صورت که از بذور روی تسمه، در حالات مختلف بازشدگی دریچه مخزن و طول شیار عکس برداری شد و فواصل بذور، حاصل از پردازش تصویر برای مقایسه استخراج شدند. کمترین ضریب پراکندگی برای داده های آزمایش پهنای باند، در 150، 180 و 210 کیلوگرم در هکتار رخ داد که به ترتیب برابر با 33/19%، 30/82% و 32/49% بود. نتایج مقایسه میانگین اثر متقابل بازشدگی دریچه مخزن × طول شیار موزع برای این پارامتر و پارامتر یکنواختی عرضی در هیچ یک از سطوح بازشدگی دریچه مخزن و طول شیار موزع معنی دار نشدند. نتایج مقایسه میانگین برای یکنواختی طولی نشان داد که در سطوح کشت 60، 90 و 120 کیلوگرم در هکتار، طول کامل شیار موزع دارای نتایج حداقل میانگین بود. همچنین در 60، 90، 120، 150، 180 و 210 کیلوگرم در هکتار، به ترتیب نتایج سه، سه، پنج، چهار، چهار و پنج سانتی متر بازشدگی دریچه مخزن، دارای نتایج حداقل میانگین بودند. نتایج مقایسه میانگین اثر متقابل بازشدگی دریچه مخزن × طول شیار موزع برای یکنواختی مرکزی در 120 و 210 کیلوگرم در هکتار معنی دار شدند که به ترتیب حداقل میانگین ها در شش و چهار سانتی متر بازشدگی دریچه و طول کامل شیار به دست آمدند. کمترین مقدار ضریب یکنواختی (uc) مربوط به جرم 60 کیلوگرم در هکتار و بیشترین آن مربوط به جرم 180 کیلوگرم در هکتار بود که به ترتیب معادل 0/74 و 0/86 بود.

کشاورزی دقیق در برگیرنده فن‏آوری¬های نوینی است که به کشاورزان این امکان را می¬دهد که تغییرات عوامل تولید مانند عناصر غذایی، رطوبت مورد نیاز گیاه، ویژگی¬های فیزیکی و شیمیایی خاک، نوع و پراکنش علف¬های هرز و سایر عوامل را با دقت مکانی بسیار بالایی پایش و ارزیابی نماید. یکی از رویکردهای امروزی کشاورزی دقیق، کاربرد سامانه¬های سم¬پاش دقیق می¬باشد، در این رویکرد به منظور اعمال علف¬کش متناسب با شرایط علف هرز مزرعه، دو رهیافت عمده یکی بر مبنای نقشه و دیگری بر مبنای حسگر وجود دارد. هدف از این پژوهش طراحی و ساخت سامانه¬ی سم¬¬پاش دقیق نقشه مبناء است به¬طوری¬ که با استفاده از آن بتوان مقدار علف‏کش مورد نیاز هر قسمت از مزرعه را متناسب با نقشه دیجیتال علف هرز آن مکان خاص اعمال نمود. نوآوری صورت گرفته در این پژوهش حذف رایانه از عملیات سم¬پاشی دقیق می¬باشد. بر این اساس ابتدا تغییراتی بر روی یک سم¬پاش پشت تراکتوری با هدف سازگاری آن با سامانه سم¬پاش دقیق اعمال شد، سپس یک مدارکنترل الکترونیکی با توانایی تشخیص موقعیت مکانی سم¬پاش، دریافت نقشه دیجیتال علف هرز و صدور فرمان به شیرهای برقی طراحی و ساخته شد. در ادامه با انجام آزمون¬های مختلف کارگاهی و مزرعه¬ای، نتایج حاصل نشان داد، کارآیی سامانه طراحی شده در شرایط مختلف تراکم علف ¬هزر به طور متوسط 19/83 درصد و مقدار صرفه¬جویی در مصرف سم علف¬کش 92/48 درصد می¬باشد.

هدف از انجام این پژوهش بهینه سازی فرآیند خشک کردن میوه بنه در خشک کن پیوسته نیمه صنعتی بود. آزمایش ها در یک خشک¬کن جریان پیوسته نیمه صنعتی در سه سطح دمای هوای 45، 60 و 75 درجه سلسیوس، سه سطح سرعت هوای ورودی 1، 5/1 و 2 متر بر ثانیه و سه سطح سرعت تسمه 5/2، 5/6 و 5/10 میلی متر بر ثانیه انجام شد. به منظور پیش¬بینی رطوبت در طی فرآیند خشک کردن از 10 مدل ریاضی استفاده شد. بهترین مدل برای بیان رفتار خشک¬شدن میوه بنه با توجه به بیشترین مقدارr2 و کمترین مقدار برای ? 2 و rmse انتخاب شد. نتایج نشان داد که مدل میدیلی با میانگین 9998/0=r2 ، 0039/0=?2 و 0556/0=rmse دارای بهترین عملکرد در پیش¬بینی رطوبت میوه بنه در خشک¬کن جریان پیوسته نیمه صنعتی بود. بیشترین مقدار ضریب پخش موثر رطوبت (10-10×34/2 مترمربع بر ثانیه) در دمای هوای 75 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/10 میلی متر بر ثانیه و کمترین مقدار آن (11-10×48/6 مترمربع بر ثانیه) در دمای هوای 45 درجه سلسیوس، سرعت هوای دو متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه به دست آمد. مقدار انرژی فعال سازی به دست آمده برای میوه بنه از (28/0±45/25) تا (21/0±16/35) کیلوژول بر مول متغیر بود. بیشترین مقدار انرژی ویژه مصرفی (4/0±8/51 گیگا ژول بر کیلوگرم) در دمای هوای 75 درجه سلسیوس، سرعت هوای دو متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه به دست آمد. کمترین مقدار انرژی ویژه مصرفی (1/0±9/12 گیگا ژول بر کیلوگرم) در دمای هوای 45 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/10 میلی متر بر ثانیه محاسبه گردید. بیشترین مقدار چروکیدگی (25/0±70/16 %) در دمای هوای 75 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه به دست آمد. همچنین کمترین مقدار آن (54/0±34/12 %) نیز در دمای هوای 45 درجه سلسیوس سرعت هوای دو متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه محاسبه شد. بیشترین تغییرات شاخص l* (72/16) در دمای هوای 75 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه به دست آمد. همچنین کمترین تغییرات شاخص l* (12/0) در دمای هوای 60 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه اندازه¬گیری شد. بیشترین تغییرات شاخص a* (53/13) در دمای هوای 75 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/10 میلی متر بر ثانیه به دست آمد. همچنین کمترین تغییرات شاخص a* (39/8) در دمای هوای 45 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه اندازه¬گیری شد. بیشترین تغییرات شاخص b* (25/4-) در دمای هوای 75 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه به دست آمد. همچنین کمترین تغییرات شاخص b* (05/0-) در دمای هوای 45 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه اندازه¬گیری شد. بیشترین مقدار شاخص رنگی ?e (07/0±42/19) در دمای هوای 75 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه به دست آمد. همچنین کمترین مقدار شاخص ?e (10/0±32/9) در دمای هوای 45 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه اندازه¬گیری شد. نیروی گسیختگی برای میوه بنه قبل از خشک کردن 47/1±97/76 نیوتن به دست آمد. بعد از خشک کردن بیشترین مقدار نیروی شکست 25/1±68/112 نیوتن در دمای هوای 75 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه حاصل گردید. همچنین کمترین مقدار نیروی شکست 09/1±15/80 نیوتن در دمای هوای 45 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه به دست آمد. در این مطالعه از روش سطح پاسخ جهت بهینه سازی فرآیند خشک کردن میوه بنه در خشک کن پیوسته نیمه صنعتی استفاده شد. نقطه بهینه با شاخص مطلوبیت 747/0 به دست آمد که در این نقطه مقادیر چروکیدگی، تغییرات کلی رنگ، انرژی ویژه مصرفی و ضریب پخش موثر رطوبت به ترتیب 90/13 %، 09/11، 36/28 (گیگا ژول بر کیلوگرم) و 11-10×79/6 (مترمربع بر ثانیه) بود. نقطه بهینه خشک کردن میوه بنه نیز در دمای هوای 45 درجه سلسیوس، سرعت هوای 99/1 متر برثانیه و سرعت تسمه 5/10 میلی متر بر ثانیه پیشنهاد شد. برای پیش¬بینی پارامتر¬های ضریب پخش موثر رطوبت، انرژی ویژه مصرفی، چروکیدگی، تغییرات کلی رنگ و نیروی شکست از شبکه های عصبی مصنوعی استفاده شد. برای پیش¬بینی ضریب پخش موثر رطوبت، شبکه پیشخور با تابع تنظیم بیزی، آرایش 1-13-10-3 و 108 چرخه آموزش آرایش مطلوب بود. در بین آرایش¬ها برای پیش بینی انرژی ویژه مصرفی، شبکه پیشخور با تابع آموزش لونبرگ- مارکوارت، آرایش 1-10-3 و 117 چرخه آموزش به عنوان مناسب ترین شبکه انتخاب شد. بهترین شبکه عصبی برای پیش بینی چروکیدگی، شبکه پیشخور با تابع تنظیم بیزی، توپولوژی 1-4-6-3 و 101 چرخه آموزش بود. بهترین شبکه عصبی برای پیش بینی تغییرات کلی رنگ، شبکه پیشخور با تابع آموزش لونبرگ-مارکوارت، توپولوژی 1-7-6-3 و 24 چرخه آموزش به دست آمد. بهترین شبکه برای پیش بینی نیروی شکست میوه بنه، شبکه پیشخور با تابع آموزش تنظیم بیزی، آرایش 1-6-8-3 و 69 چرخه آموزش پیشنهاد شد. برای بهینه¬یابی با استفاده از شبکه عصبی مصنوعی یک عامل بهینه¬یاب (sum) تعریف گردید. در مجموع ده نقطه کمینه ایجاد شد و این نقاط از بین الگوهای ورودی استخراج شد. نقطه بهینه در دمای هوا 45 درجه سلسیوس، سرعت هوا دو متر بر ثانیه و سرعت تسمه 5/10 میلی متر بر ثانیه بدست آمد.

تشخیص ارقام محصولات کشاورزی، به منظور خودکار سازی فرآیندهای پس از برداشت در اغلب کارخانجات انجام می¬شود که این کار با استفاده از بازرسی دستی و بصری بسیار وقت گیر و دارای خطا می¬باشد. در نتیجه تکنولوژی ماشین بینایی به عنوان روشی جدید و غیر مخرب می¬تواند برای استخراج ویژگی¬های مورفولوژی، رنگ و بافت به کار برده شود. هدف از انجام این پژوهش شناسایی ارقام سیب زمینی با استفاده از این ویژگی¬ها به کمک پردازش تصویر و شبکه¬های عصبی مصنوعی می¬باشد. برای تشخیص ارقام سیب زمینی ده رقم سیب زمینی به نام¬های آگریا، مارفونا، جلی، آرندا، راموس، بامبا، سانتا، گرانولا، اسپریت و میلوا تهیه شدند. در نهایت 16 ویژگی مورفولوژی، 24 ویژگی رنگی و120 ویژگی بافتی از این تصاویر استخراج شد. شناسایی ارقام با استفاده از شبکه عصبی پس انتشار انجام گرفت. نتایج بدست آمده از این پژوهش نشان داد که میانگین دقت طبقه بندی برای ویژگی¬های مورفولوژی 88/09% ، برای ویژگی¬های رنگی27/61% و برای ویژگی¬های بافتی(سطح خاکستری سبز) 24/28% برای شبکه یک لایه بدست آمد. همچنین میانگین دقت طبقه¬بندی برای ویژگی¬های مورفولوژی، رنگی و بافتی (سطح خاکستری سبز) برای شبکه دو لایه به ترتیب عبارت بودند از: 86/19%، 39/04%، 28/57%. نتایج نشان داد که پارامتر موثر برای طبقه بندی ارقام سیب زمینی ویژگی¬های مورفولوژی می باشد.

تخمین سطح رویه¬ی محصولات کشاورزی در مطالعاتی که به پوشش اسپری، حذف بقایای اسپری، نرخ تنفس، جذب و دفع رطوبت، برآورد زمان لایه برداری، تعیین غلظت میکروبی، انعکاس نور و ارزیابی رنگ می پردازند و نیز مطالعات مربوط به انتقال حرارت درفرآیند های گرم و سرد کردن محصول، بسته¬بندی، درجه¬بندی، فضای ذخیره-سازی، تعیین سطوح آسیب¬دیده و بازارپسندی محصول مهم است. به دلیل شکل هندسی ناهمگون اغلب محصولات کشاورزی، محاسبه¬ی سطح¬رویه¬ی آنها به روش¬های ساده¬ی هندسی چندان دقیق نیست و روش¬های دقیق برآورد سطح¬رویه نیز روش¬هایی مخرب و طاقت فرسایی هستند. هدف از این تحقیق طراحی الگوریتمی برای برآورد مساحت سطح رویه¬ی محصولات کشاورزی با استفاده از پردازش تصاویر دیجیتال است که بتواند با سرعت و دقت بالا سطح-رویه¬ی آنها را اندازه¬گیری کند. براین اساس دستگاهی طراحی شد و الگوریتمی با استفاده از زبان برنامه¬نویسی c# برای آن کدنویسی گردید. این دستگاه به همراه الگوریتم موجود در برنامه¬ی آن با استفاده از یک دوربین و سیستم نورپردازی ساختاریافته، می¬تواند، یک اسکن 360 درجه از نمونه تهیه¬کرده و مدل سه¬بعدی آن را شبیه¬سازی کند. الگوریتم به این ترتیب بود که: نمونه¬ها در جعبه¬ی تاریک دستگاه در مرکز یک آینه¬ی تخت گرد قرار داده شدند و پرتو لیزر به صورت خطی و مماس بر محور عمود بر آینه به نمونه تابانده شد. در ادامه درحالیکه آینه با سرعت ثابت پنج rpm ، یک دور حول محور خود گردش می¬کرد، حدود 170 عدد تصویر از پرتو لیزر بیرون و داخل آینه تهیه شد سپس به کمک الگوریتم طراحی شده طی چند مرحله پردازش و به¬کارگرفتن قوانین پرسپکتیو دونقطه-گریزی، از هر تصویر، منحنی کالیبره¬شده¬ی سطح مقطع نمونه استخراج شد. ابرنقاط نمونه با استفاده از منحنی¬های کالیبره¬شده¬ی مقاطع آن و به¬کارگیری معادله¬ی دوران یک نقطه حول یک محور محاسبه شد و مدل سه¬بعدی نمونه با استفاده از ابر نقاط استخراج شده و المان¬هایی به شکل قسمتی از مخروط ناقص بدست آمد. سپس سطح¬رویه¬ی تخمینی نمونه از مجموع سطح المان¬ها محاسبه¬شد. برای ارزیابی دقت سطح¬رویه¬ی تخمینی، 30 نمونه سیب¬زمینی به عنوان یک محصول با شکل هندسی نامنظم و 22 نمونه لیموشیرین، به¬عنوان یک محصول با شکل هندسی منظم انتخاب¬ شد. سطح¬رویه¬ی تخمینی با استفاده از دستگاه ساخته¬شده و سطح رویه¬ی واقعی از روش پوست¬کندن بدست آمد. نتایج مقایسه¬ی سطح¬رویه¬ی تخمینی و واقعی نشان داد که: دقت این الگوریتم برای محصولات با شکل منظم و نا¬منظم تقریباً یکسان بوده و برابر با 93/1 درصد است. در این آزمون مدت زمان لازم برای اندازه¬گیری سطح¬رویه¬ی تخمینی و واقعی هر نمونه نیز ثبت شد که میانگین آن برای روش تخمینی (روش پیشنهادی) 20 ثانیه و برای روش واقعی (روش پوست¬کندن) 10 دقیقه بدست آمد. درآزمون بعدی بار محاسباتی پردازش تصاویر10نمونه از محصول سیب¬زمینی اندازه¬گیری و میانگین آن 5/4 ثانیه محاسبه¬شد.

در این پایان نامه یک روش اتوماتیک برای اندازه گیری سطح صورت انسان و بازسازی آن توسط روش فتوگرامتری رقومی اجرا و ارزیابی گردیده است . عکسبرداری، براساس طراحی شبکه فتوگرامتری برد کوتاه، توسط یک دوربین آماتور از حداقل هفت ایستگاه همگرا صورت گرفت . محاسبات کالیبراسیون و توجیه خارجی توسط یک شبکه نقاط کنترل سه بعدی که برای این منظور طراحی، ایجاد و اندازه گیری گردید، صورت گرفت . برای اینکه محاسبات تناظریابی امکاپذیر باشد، بافت مصنوعی بر صورت ایجاد شد و تناظریابی به روش adaptive least squares multi image matching با محاسبه بیش از 18000 نقطه متناظر صورت گرفت .