نام پژوهشگر: محمد حسین عباسپورفرد
وحید بنی هاشم محمد حسین عباسپورفرد
زعفران از جمله گیاهانی است که از نظر اقتصادی به دلیل ارزش کلاله آن مورد توجه فراوان قرار گرفته است. برای بررسی امکان جداسازی ناخالصی های احتمالی موجود در زعفران پس از برداشت، به روش الکترواستاتیکی، دستگاهی ساخته شد که از اجزایی شامل منبع تغذیه dc، برد تشدیدکننده ولتاژ، صفحات مسی یا همان الکترودها، واحد باردهی و جعبه های جداکننده می باشد. این دستگاه بر اساس اختلاف در ماهیت دی الکتریک مواد یا تفاوت در میزان جذب یا دفع بار الکتریکی دو جنس متفاوت عمل می کند. در این تحقیق جداسازی موادی مثل مو، ناخن و خامه سفید رنگ زعفران به عنوان ناخالصی مورد بررسی قرار گرفت. نتایج حاصل از آزمایش های مختلف با این دستگاه نشان داد که بیشترین راندمان جداسازی مربوط به ناخن و به میزان 2/76 درصد می باشد. این میزان جداسازی در شرایطی حاصل شد که ولتاژ، فاصله الکترودها و زمان باردهی به ترتیب 12کیلوولت، 20 سانتیمتر و 120 ثانیه انتخاب گردد. با این وجود، اختلاف معنی داری در جداسازی خامه سفید رنگ زعفران و مو به عنوان ناخالصی از کلاله خالص زعفران مشاهده نگردید. این امر احتمالاً ناشی از اختلاف ناچیز خواص دی الکتریک این مواد با یکدیگر می باشد. با توجه به این موضوع لازم است تحقیقات بیشتری با سطوح ولتاژ بالاتر و پایه های رطوبتی مختلف صورت گیرد. کلمات کلیدی: الکترواستاتیک، جداسازی زعفران، ولتاژ بالا
سعیدرضا سبحانی پور محمد حسین عباسپورفرد
برخی از محصولات کشاورزی مانند عناب، سنجد و زیتون بر اثر امراض یا آفات دچار چروکیدگی یا پوکی داخلی شده، کیفیت این محصولات پایین آمده و در نتیجه نیاز به شناسایی و جدا نمودن محصول سالم از غیر سالم و یا طبقه بندی محصول در گروه های مختلف می باشد. در این تحقیق با استفاده از تکنیک پردازش تصویر که روشی سریع، دقیق و غیر مخرب است، به طبقه بندی و تشخیص عیوب سطحی عناب بر اساس ویژگی های شکلی و بافتی این محصول و استاندارد ملی ایران اقدام شده است. به منظور شناسائی و طبقه بندی عیوب سطحی عناب 9 ویژگی شکلی و 24 ویژگی بافتی جهت تشخیص چروکیدگی، آفت زدگی، شکستگی و نارس بودن میوه مورد بررسی قرار گرفت و ویژگی های برتر مشخص شدند. علاوه بر این ترکیب چند ویژگی با یکدیگر جهت طبقه بندی با روش های تحلیل تفکیک خطی (lda) و ماشین بردار پشتیبان (svm) مورد ارزیابی قرار گرفت. نتایج این تحقیق نشان داد که ویژگی های بافتی با دقت بسیار بهتری نسبت به ویژگی های شکلی در تشخیص عیوب سطحی عناب موثر هستند. به طوری که از طریق این ویژگی ها می توان با دقت بیش از 96 درصد عناب چروکیده از سالم، که به عنوان یک ویژگی منفی در بازاریابی محصول مطرح است، را شناسائی و جدا نمود.
محمد مزیدی محمد حسین عباسپورفرد
کاربرد وسیع تراکتورها به عنوان نیروی محرکه در عملیات های مختلف کشاورزی از قبیل خاکورزی، کاشت و داشت، اتوماسیون این وسیله را مورد توجه محققین قرار داده است. بالا بردن آسایش راننده و راندمان کاری توسط هدایت بدون سرنشین تراکتور در همین راستا قرار می گیرد. در این پروژه اقدام به طراحی، ساخت و ارزیابی یک سامانه هدایت از راه دور تراکتور شده است. جهت مشاهده مسیر و چرخاندن میل فرمان، به ترتیب از یک عدد دوربین تحت شبکه (ip) و یک موتور پله ای استفاده شد. ارتباط مرکز کنترل و تراکتور توسط یک شبکه بی سیم تحت استاندارد n802.11 با محدوده پوشش m 10±240 فراهم شد. به منظور بررسی اثر سرعت پیشروی (2 و km.h-1 6)، سرعت چرخش میل فرمان (7/16 و rpm 50) و موقعیت دوربین (جلوی تراکتور و پشت صندلی راننده) بر روی سطوح آسفالت و خاک به صورت جداگانه در یک آزمایش فاکتوریل در قالب طرح کاملاً تصادفی در سه تکرار مورد مطالعه قرار گرفت. rmse انحراف عرضی به عنوان صفت مورد بررسی انتخاب شد. براساس نتایج جدول تجزیه واریانس، پایداری سامانه بر روی سطح خاک نسبت به تغییر متغیرهای مستقل بیشتر بود. عملکرد سامانه هدایت از راه دور در سرعت km.h-1 2 بر روی هر دو سطح بهتر از هدایت توسط راننده بود. بهترین عملکرد سامانه هدایت از راه دور بر روی سطوح آسفالت و خاک به ترتیب با rmse برابر 3 و cm 4/1 و بیشینه انحراف عرضی 8 و cm 5 در مقایسه با راننده با rmse برابر 5/3 و cm 2/2 و بیشینه انحراف عرضی 5/12 و cm 5 بدست آمد. با افزایش سرعت پیشروی تغییری در انحراف معیار مسیر طی شده توسط راننده مشاهده نشد در حالی که برای سامانه هدایت از راه دور در بهترین موقعیت نصب دوربین، برای سطوح آسفالت و خاک به ترتیب افزایش 1 و cm 2 به همراه داشت. علاوه بر این بهترین تنظیم جهت دور زدن تراکتور در انتهای مزرعه، بدون دخالت انسان بدست آمد.
سعیده فیاضی محمد حسین عباسپورفرد
با توجه به ارزش اقتصادی متفاوت ارقام برنج، گزارشات نشان دهنده این هستند که احتمال اختلاط ارقام مختلف در بازار وجود دارد. استفاده از تکنیک های پردازش تصویر و شبکه های عصبی برای طبقه بندی ارقام برنج، روشی است که می تواند دقت فرآیند طبقه بندی را در کاربردهای واقعی افزایش دهد. در این مطالعه چندین ویژگی شکلی و بافتی از تصاویر دانه های برنج بررسی شدند تا کارآیی آنها در شناسایی سه رقم برنج ایرانی (طارم، فجر، شیرودی) در نمونه های مخلوط این سه رقم ارزیابی شود. در مجموع 666 تصویر از دانه های برنج (222 تصویر از هر واریته) در شرایط نورپردازی ثابت گرفته شد و 17 ویژگی شکلی از تصاویر دانه ها استخراج شد. همچنین 3 گروه ویژگی بافتی که مجموعاً شامل 41 ویژگی بافتی می شدند از ماتریس های سطوح خاکستری، هم وقوعی و الگوی دودویی محلی مربوط به تصاویر مقیاس خاکستری دانه ها استخراج شدند و عملکرد هر کدام از این گروه ها با یکدیگر و با ترکیب ویژگی های سه گروه مقایسه شد. روش های ضریب فیشر(fc)، تحلیل اجزای اصلی (pca) و ترکیبی از این دو روش (fc-pca) برای انتخاب ویژگی هایی که بیشترین تأثیر را در دسته بندی و شناسایی این سه رقم برنج دارند به کار برده شدند. برای طبقه بندی نمونه های برنج در سه کلاس مختلف از شبکه ی عصبی lvq استفاده شد. دقت طبقه بندی lvq، به ترتیب برای سه رقم فجر، شیرودی و طارم با استفاده از ویژگی های شکلی 87/98، 100 و 100% و با استفاده ویژگی های بافتی ماتریس سطوح خاکستری 96/97، 100 و 83/97%، ماتریس هم وقوعی 23/96، 100 و 100% ، ماتریس الگوی دودویی محلی 100، 50/97 و 100% و با استفاده از کلیه ی ویژگی های بافتی 100، 67/97 و 100% بود. نتایج نشان دادند که استفاده از تمام ویژگی های بافتی منجر به خطای طبقه بندی کمتری شده است و همچنین خطای طبقه بندی با استفاده از ویژگی های شکلی نسبت به ویژگی های بافتی کمتر بوده است. علاوه بر آن، 41 ویژگی بافتی نیز از تصاویر مقیاس خاکستری توده های برنج استخراج شدند و عملکرد این ویژگی های بافتی در شناسایی توده های برنج به منظور تشخیص رقم غالب ارزیابی شد. در این مورد، 600 تصویر از توده های برنج (200 تصویر از هر واریته) در شرایط نورپردازی ثابت گرفته شد و دقت شناسایی توده های برنج به ترتیب برای سه رقم فجر، شیرودی و طارم 100، 56/97 و 100% به دست آمد. این نتایج نشان می دهند که روش پردازش تصویر ابزاری مناسب برای شناسایی و طبقه بندی واریته های مختلف برنج است.
سید حسن میرایی آشتیانی محمد حسین آق خانی
در تحقیق حاضر، تاثیر پوشش های نانو ساختاری بر رفتار تریبولوژیکی، مکانیکی و فیزیکی ادوات خاک ورز مورد پژوهش قرار گرفته است. در این راستا نانو ذره های 2sio و 3o2al با روش سل-ژل تولید شدند. با بررسی رفتار حرارتی ژل های سیلیکا و آلومینای تهیه شده توسط آزمون وزن سنجی حرارتی dta)-(tga، دمای بهینه برای تشکیل سیلیکا و آلومینا 400 درجه ی سانتی گراد به دست آمد. به منظور بررسی تحولات فازی و شناسایی پیوند های شیمیایی ایجاد شده در نانو اکسیدهای سرامیکی سنتز شده، به ترتیب از آنالیز پراش پرتو ایکس (xrd) و طیف سنجی مادون قرمز (ft-ir) استفاده شد. ریز ساختار و مورفولوژی پودرها توسط مطالعات میکروسکوپ الکترونی روبشی (sem) مورد بررسی قرار گرفت. هم چنین بررسی نتایج به دست آمده از آزمون npsa نشان داد که متوسط اندازه ی ذره ها برای دو نمونه سیلیکا و آلومینا به ترتیب 4/40 و 4/36 نانومتر می باشد. در نهایت بر مبنای مطالعات انجام شده مشخص شد که نانو ذره های سنتز شده دارای درجه خلوص بسیار بالایی هستند و نانو ذره های آلومینا به فرم آلوتروپی گاما (مکعبی) می باشند. مرحله بعدی این پژوهش، در ارتباط با ایجاد لایه ی نازک بر روی سطح فولادی با استفاده از سل های ساخته شده بود. جهت این کار از فولاد 45ck که در ساخت ادوات خاک ورز کاربرد گسترده ای دارد به عنوان فولاد زمینه استفاده شد و قبل از عملیات پوشش دهی به روش چرخشی (spin coating) سطوح نمونه های فولادی متالوگرافی گردید. مورفولوژی، ساختار سطح و زبری فولاد پوشش داده شده و فولاد بدون پوشش توسط تصاویر sem و afm مورد بررسی قرار گرفت. علاوه بر آن آزمایش هایی از قبیل سایش به روش میله ای بر روی دیسک در شرایط خشک، ضریب اصطکاک، میکروسختی و خمش نیز بر روی فولاد بدون پوشش و فولادهای پوشش داده شده با سیلیکا و آلومینا انجام گردید. بررسی نتایج آزمایش ها نشان داد که مقاومت سایشی و سختی فولادهای پوشش داده شده به طرز بارزی بیش تر از فولاد بدون پوشش است و هم چنین بررسی زبری و ضریب اصطکاک نشان داد که این دو پارامتر برای فولادهای پوشش دار بسیار کم تر از فولاد بدون پوشش است. به منظور بررسی رفتار ترشوندگی و کار چسبندگی از روش اندازه گیری زاویه تماس آب با سطح جامد استفاده شد. نتایج این آزمایش نشان داد که فولاد بدون پوشش دارای سطحی آب دوست بوده و فولادهای پوشش داده شده با سیلیکا و آلومینا آب گریز می باشند.
فریده علیپور محمد حسین آق خانی
بررسی و مطالعه بر روی تکنیک سنجش از دور نشان می دهد که تصاویر ماهواره ای و تکنیک های سنجش از دور، به دلیل فراهم آوردن داده های به هنگام و قابلیت بالای آنالیز تصاویر، کاربرد گسترده ای در تمامی بخش ها از جمله کشاورزی و منابع طبیعی دارند. در پژوهش حاضر، به منظور شناسایی و تفکیک اراضی زیر کشت محصولات مختلف و تهیه نقشه انواع محصولات منطقه ای در اطراف مشهد (مزرعه نمونه آستان قدس رضوی) از دو تصویر داده های رقومی ماهواره لندست، سنجنده +etm مربوط به سال 1391 استفاده شد. در منطقه مورد مطالعه محصولات گندم، جو، ذرت علوفه ای، یونجه، خربزه و گوجه فرنگی قرار دارد. برای جداسازی چهار محصول {ذرت علوفه ای، گوجه فرنگی، خربزه و یونجه}از سایر محصولات، از تصویر مربوط به تاریخ 12 شهریور (2 سپتامبر) استفاده شد. در این زمان مزارع {گوجه فرنگی، ذرت، خربزه و یونجه} در اوج سبزینگی خود قرار دارند و محصولات {گندم، جو} برداشت شده اند و فقط از مزارع {گوجه فرنگی، ذرت و یونجه، خربزه}بازتاب وجود دارد و در نتیجه این مزارع قابل تفکیک هستند. برای جداسازی سه محصول{گندم، جو و یونجه}از سایر محصولات از تصویر تاریخ 13 مه (24 اردیبهشت) استفاده شد در این زمان مزارع {گوجه فرنگی و ذرت و خربزه} هنوز سر از خاک در نیاورده اند و محصولات {گندم، جو و یونجه}در اوج بازتاب خود هستند و دوران بلوغ را سپری می کنند. در نتیجه این محصولات از سایر محصولات قابل تفکیک هستند. جهت طبقه بندی تصویر در هر یک از این دو ماه، از دو روش طبقه بندی نظارت شده شامل حداکثر احتمال و شبکه عصبی مصنوعی استفاده شد. برای جدا سازی محصول یونجه، از تلفیق تصویر طبقه بندی شده تصاویر ماه مه و سپتامبر با یکدیگر( به دلیل اینکه این محصول پوشش سبزی است که در هر دو طبقه مشترک می باشد) استفاده شد. از تصویر ndvi منطقه برای تفکیک ذرت علوفه ای و گوجه فرنگی و خربزه از یکدیگر در ماه سپتامبر استفاده شد. برای جداسازی درختان از سایر محصولات از تصاویر ماهواره ای موجود در نرم افزار گوگل ارث استفاده شد، به دلیل اینکه تصاویر گوگل ارث قدرت تفکیک مکانی بالایی دارند، باغات به راحتی از سایر مزارع قابل تفکیک می باشند. برای مقایسه تصویر حاصل از دو روش، نمونه های تعلیمی و آزمایشی و روش کار کاملا یکسانی برای هر دو روش انتخاب شد. جهت ارزیابی صحت نتایج طبقه بندی، نقشه تولیدی با نقاط واقعیت زمینی مشخص شده از طریق gps، مورد بررسی قرار گرفت. ضریب کاپا و صحت کلی برای روش حداکثر احتمال به ترتیب82 و 85 درصد و برای شبکه عصبی به ترتیب 84 و 87 درصد برآورد گردید. مساحت های سطح زیر کشت محاسبه شده از نقشه طبقه بندی به روش حداکثر احتمال و شبکه عصبی توانست به ترتیب با اختلاف متوسط 8/16و 2/14 درصد با اطلاعات مساحت های موجود در مزرعه آستان قدس مساحت محصولات مختلف را تخمین بزند. مطالعه حاضر نشان داد که دو روش مذکور دارای دقت قابل قبولی می باشند. همچنین نتایج این تحقیق نشان داد که تصاویر ماهواره ای از قابلیت بالایی برای تفکیک سریع اراضی زراعی و تهیه نقشه انواع محصولات در منطقه و تعیین سطح زیر کشت با دقت نسبتا مناسب در مقیاس منطقه ای برخوردار است. این اطلاعات برای برنامه ریزی های کلان منطقه ای در قالب تدوین الگوی کشت یا توسعه مکانیزاسیون بسیار مفید می باشند.