1403/09/01
کاوه ملازاده

کاوه ملازاده

مرتبه علمی: دانشیار
ارکید: 0000-0001-7379-839X
تحصیلات: دکترای تخصصی
اسکاپوس: 34771823000
دانشکده: دانشکده کشاورزی
نشانی: دانشکده کشاورزی، طبقه اول، اتاق 243
تلفن: (+98) 87-33627723

مشخصات پژوهش

عنوان
امکان سنجی استفاده از فناوری بینایی ماشین برای اندازه گیری برخط محتوای رطوبتی شوید (Anethum graveolens) در خشک کن تسمه نقاله ای
نوع پژوهش
پایان نامه
کلیدواژه‌ها
محتوای رطوبتی، تغییرات رنگ، بینایی ماشین، چروکیدگی، شبکه عصبی مصنوعی، پردازش تصویر
سال 1400
پژوهشگران هاوین علی پناهی(دانشجو)، ناصر بهروزی خزاعی(استاد راهنما)، کاوه ملازاده(استاد مشاور)، حسین درویشی(استاد مشاور)

چکیده

در این پژوهش به منظور مدل سازی و پیش بینی محتوای رطوبتی محصول شوید خروجی از خشک کن جریان هوای گرم تسمه نقاله ای، از سیستم بینایی ماشین استفاده گردید. بدین منظور، بخش های کنترل دمای هوا، سرعت تسمه نقاله، سامانه تصویربرداری و نورپردازی به خشک کن جریان هوای گرم تسمه نقاله ای اضافه گردید. بخش کنترل دمای هوا و سرعت تسمه نقاله شامل رله های SSR و الگوریتم برنامه نویسی شده در محیط نرم افزار MATLAB می باشد. بخش بینایی ماشین شامل سه دوربین که در ابتدا، وسط و انتهای تسمه نقاله قرار گرفته است، می باشد. در این پژوهش، آزمایش ها در دو سطح دمای 50 و 60 درجه سلسیوس و سه سطح سرعت حرکت تسمه نقاله برای هر تیمار انجام شدند. سپس به کمک الگوریتم پردازش تصویرتوسعه داده شده در محیط MATLAB، تغییرات چروکیدگی، رنگ و بافت نمونه ها در طی فرآیند خشک شدن استخراج و مورد بررسی قرار گرفت. در نهایت، محتوای رطوبت نهایی محصول به کمک سه مدل شبکه عصبی مصنوعی مدل سازی شد. نتایج حاصل از این پژوهش حاکی از آن بود که محتوای رطوبت نهایی و میزان چروکیدگی محصول خشک شده وابسته به دمای خشک کن و سرعت حرکت تسمه نقاله می باشد. دما و سرعت حرکت تسمه نقاله بر مقدار تغییرات رنگ و بافت محصول نیز تاثیر گذار می باشد. با افزایش دما و کاهش سرعت حرکت تسمه نقاله، میزان چروکیدگی و ضریب تغییرات افزایش می یابد. اما مقادیر پارامتر های رنگی a* و b* و همچنین مقادیر آنتروپی و میانگین سطح خاکستری تصاویر گرفته شده، کاهش یافت. شبکه عصبی با ساختار 10-10-1، که ورودی های آن شامل سه ویژگی بافت تصاویر(میانگین سطح خاکستری، ضریب تغییرات و آنتروپی) و محتوای رطوبت اولیه بود، با بیشترین مقدار R و کمترین مقدار RMSE، بهترین مدل جهت پیش بینی محتوای رطوبت نهایی بود.