نام پژوهشگر: فاطمه رحیمی اجدادی

مقایسه عملکرد دو نوع سیستم اندازه گیری پیوسته مقاومت مکانیکی افقی خاک
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده کشاورزی 1388
  فاطمه رحیمی اجدادی   یوسف عباسپور گیلانده

تعیین مقاومت مکانیکی خاک اساس تعیین عمق خاک ورزی در سیستم خاک ورزی دقیق را تشکیل می دهد. استفاده از نفوذسنج مخروطی استاندارد برای اندازه گیری مقاومت مکانیکی خاک کاری زمان بر و خسته کننده است. به این دلیل، رویکردهای اخیر به سمت ساخت حسگرهای در حال حرکت گسترش یافته است. در این تحقیق، اقدام به طراحی و ساخت یک حسگر مقاومت مکانیکی خاک گردید که در آن نیروی مقاومت مکانیکی خاک به طور پیوسته توسط 4 مجموعه مستقل مخروط و شافت به چهار بارسنج مینیاتوری نصب شده داخل یک بازو، انتقال یافته و جهت پردازش داده و ذخیره، به دیتالاگر و رایانه قابل حمل انتقال می یافت و بدین ترتیب مقادیر مقاومت مکانیکی خاک در چهار عمق حاصل می گردید. سپس اثر پارامتر های موثر بر عملکرد دستگاه شامل رطوبت، عمق و سرعت پیشروی بر عملکرد دستگاه مورد بررسی قرار گرفت. در بخش دوم تحقیق به مقایسه عملکرد این سیستم اندازه گیری با سیستم اندازه گیری مقاومت مکانیکی خاک مجهز به تیغه های چندگانه پرداخته شد. آزمایشات مزرعه ای در مزرعه تحقیقاتی و آموزشی دانشگاه محقق اردبیلی، در زمینی با بافت سیلتی لومی، با دو سطح رطوبتی (نسبتاً خشک و مرطوب) و در سه سطح سرعت پیشروی(1/78 و 2/68 و 3/57 کیلومتر بر ساعت) انجام شد. آزمایشات در قالب طرح بلوک های کامل تصادفی و در سه تکرار انجام پذیرفت. نتایج بدست آمده نشان داد که اثرات اصلی رطوبت و عمق، بر روی مقادیر اندازه گیری شده توسط سیستم اندازه گیری تک تیغه ای معنی دار بودند. به طوری که افزایش رطوبت سبب کاهش این شاخص و افزایش عمق سبب افزایش مقادیر اندازه گیری شده گردید. سرعت پیشروی تأثیری بر مقادیر اندازه گیری شده توسط این سیستم نداشت. نتایج مشابهی در مورد اثرات پارامترهای رطوبت، عمق و سرعت پیشروی بر روی مقادیر اندازه گیری شده توسط سیستم اندازه گیری مجهز به تیغه های چندگانه بدست آمد. همبستگی بالایی بین داده های دستگاه مجهز به تیغه های چندگانه و نفوذسنج مخروطی نسبت به دستگاه تک تیغه ای بدست آمد. بهم خوردگی کمتر خاک در جریان گسیختگی، بالا بودن ضریب تبیین مدل بین داده های دستگاه مجهز به تیغه های چندگانه و نفوذسنج مخروطی و همچنین نوسانات کمتر در داده های اندازه گیری شده مقادیر مقاومت مکانیکی افقی خاک از جمله مزایایی هستند که استفاده از این دستگاه را نسبت به دستگاه اندازه گیری تک تیغه ای ساده در اندازه گیری پیوسته مقاومت مکانیکی خاک ارجحیت داده است.

بررسی برخی عوامل بر بازده برنج سالم در برخی از ارقام متداول در استان گیلان
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده کشاورزی 1392
  عادل احمدی آرا   عزت اله عسکری اصلی ارده

شکست برنج در طول فرآیند تبدیل یکی از جدی¬ترین مشکلات در بسیاری از کشورهای جهان از جمله ایران می¬باشد که سبب کاهش چشمگیر درآمد کشاورزان و صدمه به اقتصاد کشور می¬گردد. در این تحقیق، اثر دمای خشک¬کن در دو سطح (45 وc °60)، محتوای رطوبت نهایی تبدیل در سه سطح (8 ، 10 و w.b. 12% ) و زمان بخاردهی در سه سطح (10، 20 و 30 دقیقه) بر روی کیفیت تبدیل شلتوک های هاشمی و علی¬کاظمی مورد بررسی قرار گرفت. تبدیل نمونه¬ها بوسیله پوست¬کن غلتک¬لاستیکی و سفید¬کن سایشی آزمایشگاهی انجام پذیرفت. نتایج نشان داد که راندمان برنج سالم رقم هاشمی با اختلاف معنی¬داری کمتر از رقم علی¬کاظمی بود. با افزایش حرارت خشک¬کن از 45 به °c60، میانگین راندمان برنج سالم بطور معنی¬دار از 329/66 به 567/66% ، افزایش یافت. بیشترین و کمترین راندمان برنج سالم به¬ترتیب در محتوای رطوبت 8% و w.b. 10% و زمان بخار¬دهی 10 و 30 دقیقه بدست آمد. بالاترین میانگین راندمان برنج سالم (420/68%) برای رقم علی¬کاظمی، دمای خشک¬کنc ?60، رطوبت w.b. 12% و زمان بخار¬دهی 10 دقیقه و پایین¬ترین آن (00/63%) برای رقم هاشمی، دمای خشک¬کنc ?45، رطوبت w.b. 10% و زمان بخار¬دهی 30 دقیقه عاید شد. راندمان تبدیل و درجه¬ی سفیدی، رقم علی¬کاظمی به¬طور معنی¬داری بالاتر از رقم هاشمی بود. دمای خشک¬کن c °60، زمان بخاردهی 10 دقیقه و رطوبت 8% بالاترین میانگین¬های راندمان تبدیل را دارا بودند و همچنین در رطوبت 8% بالاترین درجه¬ی سفیدی حاصل گردید. بهترین ترکیب¬های تیماری راندمان تبدیل شامل هاشمی، c °45، 8% و 10 دقیقه و برای درجه¬ی سفیدی، هاشمی، c °45، 12% و 30 دقیقه بود. نتایج تحلیل رگرسیون خطی چند¬متغیره نشان داد که زمان بخاردهی و رطوبت نهایی اثر معنی¬داری بر عملکرد برنج سالم، راندمان تبدیل و درجه¬ی سفیدی رقم هاشمی داشتند. مدل توانست با ضریب همبستگی 668/0 عملکرد برنج سالم، 585/0 راندمان تبدیل و 586/0 درجه¬ی سفیدی حاصل از تبدیل برنج¬های نیم¬پز رقم هاشمی را پیش¬بینی کند. در مقایسه¬ی برنج نیم¬پز شده و برنج معمولی مشخص شد که راندمان برنج سالم رقم هاشمی و علی¬کاظمی در برنج نیم¬پز شده بطور میانگین به¬ترتیب 30 و 50% نسبت به برنج معمولی افزایش داشته¬است.

بررسی امکان تشخیص ارقام متداول برنج ایرانی با پردازش تصویر دیجیتالی و هوش محاسباتی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده کشاورزی و منابع طبیعی 1394
  امیر مولائی   یوسف عباسپور گیلانده

هر رقم برنج برتری های ویژه ی خود را دارد؛ به طوری که شناخت رقم و یا اطمینان از صحت رقم معرفی شده در تمام مراحل زراعی و مهم تر از آنها در مراحل پس از برداشت بسیار مهم است؛ زیرا به طور مستقیم در عملکرد محصول برداشت شده و نیز عملکرد محصول فرآوری شده تأثیرگذار است. روش های موجود برای شناسایی ارقام برنج وقت گیر و هزینه بر بوده و مخرب هستند. لذا بررسی و ارائه ی روش های نوین ضرورت می یابد. از این رو هدف از انجام این پژوهش استخراج ویژگی های رنگی، مورفولوژیکی و بافتی ارقام متداول برنج در ایران و دسته بندی ارقام بر اساس این ویژگی ها با استفاده از ابزارهای هوش محاسباتی است. در این پژوهش تصاویر دیجیتالی دانه های سیزده رقم برنج متداول در ایران در سه حالت شلتوک، برنج قهوه ای و برنج سفید تهیه شد و پس از انجام عملیات پیش پردازش و قطعه بندی تصاویر با استفاده از نرم افزار matlab، برای هر دانه ی برنج نودودو ویژگی شامل شصت ویژگی رنگی، چهارده ویژگی مورفولوژیکی و هجده ویژگی بافتی استخراج شد. پس از بررسی نرمال بودن توزیع داده ها، احتمال معنی داری تفاوت بین ارقام در تمام ویژگی ها با استفاده از تحلیل واریانس بررسی شد و از آزمون حداقل اختلاف معنی دار برای مقایسه ی دقیق تر ارقام استفاده گردید. برای کاهش ابعاد داده ها و تمرکز بر روی موثرترین مولفه ها در شناسایی ارقام از روش تحلیل مولفه های اصلی (pca) استفاده شد. دقت جداسازی ارقام برنج با استفاده از روش تحلیل تشخیصی (da) برای ارقام شلتوک، برنج قهوه ای و برنج سفید به ترتیب برابر با 2/89%، 7/87% و 1/83% به دست آمد. برای شناسایی و دسته بندی ارقام مورد نظر یک شبکه ی عصبی پرسپترون چندلایه بر اساس موثرترین مولفه ها طراحی گردید و فرآیند آموزشی آن با استفاده از الگوریتم لِوِنبرگ ـ مارکوارت انجام شد. نتایج نشان داد که این شبکه ی عصبی مصنوعی همه ی ارقام مورد نظر را با دقت دسته بندی 100% و با ضریب تبیین مدل رگرسیونی 9998/0 دسته بندی نماید. بنابراین می توان گفت برای شناسایی و دسته بندی ارقام برنج می توان از ترکیب فنون پردازش تصویر و انواع روش های تشخیص الگو مانند دسته بندهای آماری و شبکه های عصبی مصنوعی به طور موفقیت آمیزی استفاده کرد.