تعیین پاسخ ارتعاشی ساقه نیشکر به منظور پیش بینی فیبر و بریکس با کمک پردازش تصویر

نویسندگان

چکیده

نیشکر یکی از محصولات مهم در حوزه کشاورزی است.بخش جامد نیشکر که شامل فیبر (باگاس) حاصله از تفاله‏های صنعت نیشکر می‏باشد از بزرگترین منابع سلولز به شمار می‏آید. یک شاخص قابل اندازه‏گیری دیگر در نیشکر، بریکس می‏باشد که به عنوان معیاری برای اندازه‌گیری شکر و همچنین رسیدگی آن است. با توجه به اهمیت میزان فیبر، شاخص بریکس و محتوای رطوبتی ساقه نیشکر در این مقاله سعی شده است روشی غیر مخرب برای تخمین این پارامترها ارائه گردد؛ به این منظور ارتعاش مکانیکی ساقه‌های نیشکر به صورت تیر یکسرگیردار مورد ارزیابیقرار گرفت. نمونه‌ها بعد از قرارگیری در محل مناسب با اعمال ضربه‌ای تحریک و فرکانس طبیعی، فرکانس میرایی و ضریب میرایی محاسبه و به عنوان ورودی برای آموزش شبکه عصبی و مصنوعیبه منظور پیشگویی بریکس، درصد فیبر و محتوی رطوبتی (به عنوان خروجی‌ها) مورد استفاده قرار گرفت. میزان ضریب همبستگی برای فیبر، بریکس و رطوبت به ترتیب ??/?R² = ،??/?R² = و??/?R² = بدست آمد.همچنین از ماشین بردار پشتیبان به منظور طبقه‌بندیداده‌های ارتعاشی نیشکر استفاده گردید؛ نتایج نشان داد که طبقه‏بند ماشین بردار پشتیبان پارامترهای فیبرو بریکس را به ترتیب با دقت ??/?? و ??/?? درصد طبقه‏بندی نمود.

کلیدواژه‌ها

عنوان مقاله [English]

Determination of the Vibration Response of Sugarcane Stalk to Predict Fiber and Brix Using Image Processing

نویسندگان [English]

  • saman abdanan mehdizadeh
  • Hadi Orak
  • Maryam Soltanikazemi

چکیده [English]

Sugarcane is one of the most important products in the area of agriculture. The solid part of sugarcane, fiber (bagasse), is the major byproduct of sugarcane industry and one of the largest cellulose sources. Another measurable index in sugarcane is Brix which is considered as sugar content as well as maturity index. Due to the importance of fiber, Brix index and moisture content of sugarcanes’ stalk, in this paper has been tried to provide nondestructive method for estimation of aforementioned parameters. To this end mechanical vibration of sugarcane stalks was evaluated as a cantilever beam. After placing samples in suitable place, they were excited and natural frequency, damping and damping ratio was calculated; these features were given to artificial neural network as inputs to predict brix, fiber percent and moisture content of sugarcane’s stalk (as outputs). The correlation coefficient for fiber, brix and moisture content were R?=?.??, R?=?.?? and R?=?.?? respectively. The support vector machinewas used to classify sugarcane parameters. The results showed that support vector machine classify fiber and Brix with the accuracy of ??.?? and ??.??%, respectively.

کلیدواژه‌ها [English]

  • Support Vector Machine
  • Mechanical Vibration
  • Brix Index
  • Fiber Percent
  • Artificial neural network
  • Image Processing