کاوه ملازاده

ین رساله به بررسی کاربرد تصویربرداری پس پراکنش نور لیزر در پایش و مدل سازی خواص کیفی ورقه های سیب طی فرآیند خشک کردن همرفتی با هوای گرم می پردازد. بدین منظور سامانه تصویربرداری پس پراکنش نور لیزر ساخته شده و در سه طول موج در محدوده مرئی و مادون قرمز نزدیک مورد ارزیابی قرار گرفت. آزمایش های خشک کردن با استفاده از سیب رقم گلدن دلیشز با ضخامت های 2، 4 و 6 میلی متر در دو دمای 50 و 70 درجه سانتی گراد و در دو سرعت هوای گرم یک و 1/4 متر بر ثانیه تا رسیدن به محتوای رطوبتی 10 درصد بر پایه تر انجام شد. تصویربرداری پس پراکنش نور لیزر در فواصل زمانی سی دقیقه طی فرآیند خشک کردن انجام گردید. پس از تحصیل تصاویر پس پراکنش، آزمون های مخرب بر روی نمونه ها برای تعیین محتوای رطوبت ترپایه، محتوی مواد جامد محلول، چروکیدگی، دانسیته ظاهری و سفتی بافت ورقه های سیب انجام شد. جهت یافتن مناسب ترین روش قطعه بندی تصاویر از قابلیت انطباق پروفیل های شدت نرمال شده تصاویر با معادله فیزیکی و بنیادی حاکم بر انتشار نور در اطراف نقطه برخورد در بافت های بیولوژیکی، استفاده شد و روش قطعه بندی اولین نقطه عطف برای تعیین آستانه پایین برای جداسازی پس زمینه از ناحیه پس پراکنش مناسب تر از روش اوتسو شناخته شد. ضرایب جذب و پراکنش کاهش یافته که بهترین پارامترهای مشخص کننده خواص نوری محصول می باشند با استفاده از مدل تئوری پخش شدگی فارل استخراج و روند آن ها طی خشک کردن، مورد بررسی قرار گرفت. روش های پردازش تصویر مختلف مبتنی بر تحلیل های شدت و بافت برای استخراج ویژگی از تصاویر پس پراکنش استفاده شد و زمان لازم برای استخراج ویژگی ها توسط روش های مختلف، مورد تجزیه وتحلیل قرار گرفت. سپس از مدل-های شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره با استفاده از ویژگی های استخراج شده مذکور به صورت جداگانه برای هر روش و هر طول موج و نیز در ترکیب باهم و حالت های چندطیفی برای ایجاد همبستگی بین خواص کیفی و ویژگی های مذکور استفاده شد. طول موج های مادون قرمز نزدیک کارایی بیشتری نسبت به طول موج مرئی مورداستفاده در این پژوهش در پیش بینی خواص کیفی ورقه های سیب طی فرآیند خشک کردن داشت. بالاترین ضریب همبستگی وکمترین مجذور میانگین مربعات خطا، توسط مدل شبکه عصبی مصنوعی حاصل از ویژگی های آماری شدت تصاویر پس-پراکنش با دو نورون در لایه مخفی، در پیش