عنوان

مطالعه عکس‌العمل طیفی گندم‌های سالم و آسیب‌دیده به‌وسیله قارچ‌ها به‌منظور تفکیک آنها

‭۱۱۸۰۹پ‬

per

مطالعه عکس‌العمل طیفی گندم‌های سالم و آسیب‌دیده به‌وسیله قارچ‌ها به‌منظور تفکیک آنها

/سامان ظهرابی علی بیگلو

: دانشکده کشاورزی

‮‭۸۲‬ص‬

چاپی

کارشناسی ارشد

در رشته مهندسی ماشین‌های کشاورزی گرایش مکانیک ماشین‌های کشاورزی

‮‭۱۳۹۲/۰۶/۲۵‬

تبریز

گندم یکی از محصولات کشاورزی مهم و استراتژیک در جهان و ایران می‌باشد و از ارزش اقتصادی و غذایی بالایی برخوردار است .با توجه به واردات گندم به‌ویژه در مواقع خشک‌سالی و نیز نقل و انتقال گندم در داخل کشور تعیین سالم بودن از نظر آلودگی به عوامل قارچی اهمیت زیادی دارد .هدف از این پژوهش تشخیص گندم‌های سالم از ناسالم است که توسط قارچ‌هایی مثل فوزاریوم، پنی‌سیلیوم و یا فراورده‌های قارچی مثل آفلاتوکسین و غیره مورد هجوم قرارگرفته‌اند .در این پژوهش از ابزار طیف‌سنجی در محدوده‮‭۱۱۰۰ - ۱۹۰‬نانومتر استفاده شد که با استفاده از روش آماری تجزیه به مؤلفه‌های اصلی، طول‌موج‌های‮‭۳۱۰‬ ،‮‭۳۳۰‬ ، ‮‭۴۰۰‬ و ‮‭۴۱۰‬ به عنوان بهترین طول‌موج، برای شناسایی و تشخیص گندم‌های سالم و ناسالم تشخیص داده شدند .با در نظر گرفتن شدت طول‌موج‌های مذکور به‌عنوان ورودی شبکه عصبی، نمونه‌ها با دقت ‮‭۹۷.۶‬ درصد به دسته‌های سالم و ناسالم دسته‌بندی شدند .همچنین با استفاده از دوربین‌های‮‭CCD‬ ، دوربین مرئی-مادون‌قرمز و دوربین مادون‌قرمز منفرد و استفاده از منابع نوری ماوراءبنفش، مرئی و مادون‌قرمز، تصاویری از نمونه‌های گندم سالم و ناسالم تهیه شد .در این سیستم هم با استخراج ‮‭۱۸‬ مشخصه رنگی از تصاویر اخذ شده و استفاده آنها به‌عنوان ورود شبکه عصبی بهترین درصد دسته‌بندی گندم‌ها به ‮‭۶‬ دسته شامل گندم سرداری سالم، الوند سالم، سرداری آلوده به فوزاریوم، سرداری آلوده به پنی‌سیلیوم، الوند آلوده به فوزاریوم و الوند آلوده به پنی‌سیلیوم ‮‭۴۷.۳‬ صورت گرفت که دقت مذکور با دوربین ‮‭CCD‬ معمولی و نورپردازی در محدوده ماوراءبنفش به‌دست آمده است

infrared and infrared camera images of healthy and unhealthy wheat samples in light of ultraviolet, visible and infrared is taken and in this system, eighteen color features RGB, LAB, HSV, HIS, YCbCr, and YIQ is extracted and is used as the neural network inputs. Using of light with Ultraviolet range and CCD camera, 52.7 percent of the wheat samples are properly classified in to the six healthy Sardari, healthy Alvand, Sardari infected with Fusarium, Sardari infected with Penicillium, Alvand infected with Fusarium and Alvand infected with Penicillium -1100 nm was used. With applying the principal component analysis method, wavelengths of 310, 330, 400 and 410 were the best wavelength to identify healthy and unhealthy wheat. Considering the intensity of the wavelengths as the neural network inputs, samples classified with accuracy of 97.6 percent into healthy and unhealthy categories. Also using CCD, visible-Wheat is one of the strategically important crops in the world and Iran. It has a high economic and nutritive value. With regard to imports of wheat, especially in times of drought and as well as the transport of wheat in the country so determining of fungal infection of wheat is important. The purpose of this study is to identify healthy wheat from unhealthy wheat which infected by fungi such as Fusarium, Penicillium and fungi products such as aflatoxin and etc. In this study spectroscopy in the range 190

ظهرابی علی بیگلو، سامان

سیدلو، سید صادق، استاد راهنما

صفری، ابراهیم، استاد راهنما

ارزنلو، مهدی، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی