پیش بینی برخی ویژگی های کیفی میوه انار با استفاده از روش غیرزیانبار پردازش تصویر
Publish place: IRANIAN JOURNAL OF HORTICALTURAL SCIENCE، Vol: 49، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 505
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHS-49-2_013
تاریخ نمایه سازی: 22 فروردین 1399
Abstract:
روشهای غیرزیانبار پایدار اهمیت زیادی دارند، چراکه محصول مورد بررسی به چرخه عرضه و مصرف برگشته و نیز مشکلات روشهای زیانبار مانند وقتگیری و پرهزینه بودن را ندارند. از سوی دیگر تنوع و فراوانی ویژگیهای کیفی محصولات کشاورزی، از دیگر دلایل توسعه روشهای غیرزیانبار به شمار میآید. بنابراین در این پژوهش توانایی روش های پردازش تصویر بهمنظور پیشبینی ویژگی های کیفی مانند حجم، وزن، مواد جامد محلول کل، اسید قابل عیارسنجی (تیتراسیون)، فنل کل و فعالیت پاداکسندگی (آنتیاکسیدانی) میوه سه رقم انار شامل زاغ یزدی، ملس یزدی و ملس اصفهان در طول فصل رشدی سال 1392 ارزیابی شد. میوهها در چهار مرحله 50، 80، 110 و 140 روز پس از گلدهی گردآوری شده و از لحاظ ویژگی های رنگی و شیمیایی ارزیابی شدند. درنهایت مدل های واسنجی (کالیبراسیون) مربوط به داده های رنگی و اندازه گیری های شیمیایی تدوین شدند. نتایج به دست آمده نشان از اعتبارسنجی مدلها داشت، نسبت انحراف معیار در رقم ملس اصفهان برای وزن 3/2، حجم 52/2، مواد جامد محلول 8/1 و فعالیت پاداکسندگی 95/2 بود. همچنین مشخص شد که روند تغییرپذیری اسید قابل عیارسنجی و فنل کل با رنگ میوه انار در هیچ کدام از رقم های مورد بررسی ضریب همبستگی معنیداری نداشت و توسط روش پردازش تصویر قابل پیش بینی نبود. درمجموع میتوان نتیجه گرفت که روش پردازش تصویر، روشی کارا و قابلیت بسیار قوی در تشخیص همزمان و سریع مرحله های بلوغ و همچنین وضعیت ویژگیهای کیفی میوه انار رقم ملس اصفهان دارد.
Keywords:
Authors
علی میرحسینی
دانشجوی سابق کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی ساری
حسین صادقی
استادیار، دانشگاه علوم کشاورزی و منابع طبیعی ساری
حسین مرادی
استادیار، دانشگاه علوم کشاورزی و منابع طبیعی ساری
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :