به منظور بررسی تحمل شوری گیاهچه های حاصل از بذور حقیقی سیب زمینی در شرایط درون شیشه¬ای آزمایشی به صورت فاکتوریل در قالب طرح پایه کاملا تصادفی با پنج تیمار شوری شامل صفر، 20، 40، 60 و 80 میلی مولار کلرید سدیم و گیاهچه های حاصل از بذور حقیقی آزاد گرده افشان ژنوتیپ های آگریا، کارا، کایزر و هیبرید hps-296 انجام گردید. ریزنمونه های تک گره از گیاهچه¬های 4 هفته¬ای حاصل از بذور حقیقی که در شرایط درون شیشه¬ای تولید شده بودند به عنوان ماده گیاهی در این آزمایش مورد استفاده قرار گرفتند. گیاهچه ها به قطعات 1 سانتیمتری طوری که در هر قطعه یک جوانه و یک برگ وجود داشته باشد تقسیم و در لوله حاوی محیط کشت پایهms با تیمار شوری قرار داده شدند. پس از 40 روز اندازه¬گیری صفات انجام گرفت. تجزیه واریانس داده ها در تمام صفات مورد مطالعه نشان داد که اختلاف معنی داری بین سطوح شوری در سطح احتمال 1% وجود دارد. بین ژنوتیپ¬ها هم در اکثر صفات به غیر از صفت تعداد ساقه در هر گیاهچه اختلاف معنی داری در سطح احتمال ا% مشاهده گردید. اثر متقابل شوری × ژنوتیپ در صفات وزن تر ساقه و وزن تر ریشه در سطح احتمال ا% و صفات وزن خشک ساقه در سطح احتمال 5% معنی دار بود. نتایج نشان داد که با افزایش میزان شوری صفات مورد بررسی کاهش یافتند. در اکثر صفات نیز ژنوتیپ کارا عملکرد بیشتری نسبت به سایر ژنوتیپ¬ها ذاشت. بر اساس شاخص¬های تحمل در شرایط تنش ملایم گیاهچه¬های حاصل از بذور حقیقی ژنوتیپ کارا متحمل و ژنوتیپ هیبرید حساس بود و در شرایط تنش شدید گیاهچه¬های حاصل از بذور حقیقی ژنوتیپ آگریا متحمل و ژنوتیپ کایزر حساس بود.

این تحقیق به منظور بررسی پتانسیل تولید میکروتیوبر از گیاهچه¬های ارقام مختلف سیب¬زمینی در شرایط آزمایشگاهی درآزمایشگاه کشت بافت شرکت بهپرور سبلان در سال 1392 اجراء شد. گیاهچه های¬ پنج رقم سیب¬زمینی (آگریا، سانته، مارفونا، ساوالان و کایزر) حاصل از کشت مریستم درشرایط درون شیشه¬ای به روش قلمه¬های تک جوانه تکثیر شدند و از این گیاهچه¬ها برای تولید میکروتیوبر استفاده شد. میکروتیوبرها در شرایط آزمایشگاهی با تناوب نوری 8 ساعت تاریکی و 16 ساعت روشنایی تا تولید اولین میکروتیوبر و سپس در تاریکی کامل و دمای 22-18 درجه سانتی گراد در محیط کشت ms تولید شدند. نتایج تجزیه واریانس حاصل از اندازه¬گیری صفات نشان داد که ارقام سیب¬زمینی از نظر صفات تعداد، وزن و قطر میکروتیوبر در گیاهچه، تعداد برگ در گیاهچه و ارتفاع گیاهچه دارای اختلاف معنی دار بودند. بیشترین قطر میکروتیوبر در گیاهچه مربوط به ارقام مارفونا و کایزر، وزن میکروتیوبر در گیاهچه مربوط به ارقام سانته و مارفونا، تعداد میکروتیوبر در گیاهچه مربوط به ارقام سانته، مارفونا، آگریا و ساوالان، تعداد برگ در گیاهچه مربوط به ارقام سانته، ساوالان، مارفونا و کایزر و ارتفاع گیاهچه مربوط به ارقام کایزر، ساوالان و مارفونا بود. ضرایب همبستگی خطی بین صفات مورد مطالعه نشان داد که وزن میکروتیوبر تولیدی در هر گیاهچه با تعداد میکروتیوبر در هر گیاهچه و تعداد برگ در هر گیاهچه و قطر میکروتیوبر با تعداد برگ در هر گیاهچه رابطه مثبت و معنی¬دار داشتند. براساس نتایج تجزیه خوشه ای گروه دوم با ارقام سانته، ساوالان، کایزر و مارفونا به عنوان ارقام برتر انتخاب شدند.

با توجه به ضرورت تشخیص ارقام مختلف سیب¬زمینی، استفاده از فناوری¬های نوین مطابق با علم روز دنیا ضروری می باشد. از جمله روش های جدید برای تشخیص واریته محصولات کشاورزی استفاده از تکنیک پردازش تصویر در تلفیق با هوش محاسباتی می¬باشد. در این تحقیق به منظور تشخیص ارقام مختلف سیب¬زمینی، سه روش هوش مصنوعی شامل شبکه عصبی مصنوعی (ann)، الگوریتم رقابت استعماری ica))، و سستم استنتاج عصبی- فازی (anfis) و 2 روش آماری k-means و آنالیز تمییز (da) به کمک تکنیک پردازش تصویر مورد استفاده قرار گرفت. از ده رقم سیب زمینی شامل آگریا، آرنوا، دایفلا، ایمپالیا، هرمیس، لیدی رزتا، گرانولا، اسپریت، لاپادیا، مارکز تصاویری تهیه شد و پس از انتقال به نرم¬افزار matlab، 37 ویژگی رنگی، بافتی و شکلی آن استخراج شد. به کمک روش آماری و تجزیه به مولفه های اصلی (pca) 12 ویژگی از 37 ویژگی جهت شناسایی و تفکیک واریته¬ها انتخاب گردید. دقت جداسازی صحیح واریته¬ها برای ارقام فوق از روش da به ترتیب 5/57%، 30%، 40%، 75%، 7/48%، 5/42%، 5/97%، 60%، 60% و 5/27% به دست آمد و دقت کلی 9/53% محاسبه شد. دقت طبقه بندی برای تمام ارقام با روش شبکه عصبی مصنوعی (ann) 100% به دست آمد. دقت طبقه بندی برای روش anfis 94% و برای روش ica 15% به دست آمد. بنابراین در بین روش های هوش مصنوعی، روش ann بهترین دقت طبقه¬بندی را داراست. در بین روش های خوشه بندی، خوشه بندی با ica بهترین نتیجه را ارائه داد.

محتوای رطوبتی غلات یکی از مهم ترین خصوصیات برای تعیین کیفیت آن ها است. در این پژوهش خصوصیات تصویری پنج رقم مختلف گندم که از مرکز تحقیقات کشاورزی و منابع طبیعی استان اردبیل تهیه شد، در پنج سطح رطوبتی 8 تا ۱۴٪ مورد ارزیابی قرار گرفت تا مدلی برای پیش بینی محتوای رطوبتی گندم حاصل شود. برای تصویربرداری، از یک محفظه ی گنبدی شکل فلزی که نقش پراکنده کننده ی نور را ایفا می کرد و یک دوربین 10 مگاپیکسلی با حسگر ccd استفاده شد. به منظور استخراج ویژگی های تصویری از نرم افزار matlab نسخه ی r2013a استفاده گردید. سه گروه ویژگی شامل سه ویژگی رنگی rgb، hsv و lab، 10 ویژگی شکلی مساحت، محیط، قطر بزرگ و کوچک، خروج از مرکزیت، صلبیت، فشردگی، گردی، نرخ سطح و نرخ تصویر و 6 ویژگی بافتی شامل میانگین شدت بافت، میانگین کنتراست بافت، تقارن هیستوگرام، intensity، یکنواختی و آنتروپی از تصاویر گندم استخراج شد. سپس تجزیه و تحلیل آماری داده های به دست آمده با نرم افزار mstatc انجام گرفت. نتایج نشان داد که اثر رطوبت بر تمامی مؤلفه های رنگی، ویژگی های بافتی میانگین شدت، تقارن هیستوگرام و آنتروپی و ویژگی های شکلی مساحت، محیط، قطر بزرگ و قطر کوچک کاملاً معنی دار است. سپس این داده ها برای پیش بینی محتوای رطوبتی دانه ی گندم وارد شبکه ی عصبی مصنوعی و anfis شدند. نتایج نشان داد که مدل توسعه یافته با ویژگی های بافتی، رنگی rgb و شکلی به ترتیب با ضرایب تبیین ۱، 0/9840 و 0/9828 با دقت بالایی آموزش دیده اند.