ارزیابی مدل,های مختلف محاسبه ویژگی های مکانیکی میوه نارنج تحت آزمون فشرده سازی به کمک پردازش تصویر

نویسندگان

چکیده

به منظور تعیین ویژگی‌های مهندسی محصولات کشاورزی روش‌های متعددی ارائه شده که بر پایه دانش تجربی یا روابط آماری بین ویژگی‌ها می‌باشند. لذا هدف از این پژوهش طراحی و ساخت سامانه‌ای به منظور اندازه‌گیری تنش و نیرو‌های وارد بر نارنج با استفاده از پردازش تصویر و طراحی رابط گرافیکی برای اندازه‌گیری سریع ویژگی‌های مکانیکی حین بارگذاری در نظر گرفته شد. سطح تماس موثر میوه در معرض فشرده‌سازی با تحلیل تصاویر تعیین و با دیگر روش‌ها (کپسول، حجم ثابت، ناحیه محدود و ASABE) مقایسه شد. مطابق نتایج، مساحت در روش ASABE در کرنش ? درصد با خطا ?% اختلاف معنی‌داری با روش پردازش تصویر نداشت. نسبت پواسن و استحکام نمونه‌ها در مراحل کرنش به ترتیب افزایش و کاهش یافتند. EX در کرنش ? در صد و EY تا کرنش ? درصد در روش پردازش تصویر با ASABE اختلاف معنی‌داری نداشتند. به علاوه در کرنش ? درصد بین مقادیر EZ بین روش‌های کپسول، پردازش تصویر و جعبه محدود اختلاف معنی‌داری مشاده نگردید. تفاوت معنی‌داری بین مقدار تنش در کرنش ? درصد بین روش‌های کپسول، پردازش تصویر، ASABE و جعبه محدود یافت نگردید. از بین روش‌های ذکر شده، روش ASABE با کمترین خطا در کرنش ? درصد در مقایسه با پردازش تصویر مناسب‌ترین روش انتخاب شد.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluation of different models for mechanical properties calculation of sour orange fruit under compression test using image processing

نویسندگان [English]

  • Saman Abdanan Mehdizadeh
  • Fatemeh kazemikaraji

چکیده [English]

Several methods have been proposed to determine the engineering properties of agricultural products based on empirical knowledge or statistical relationships between properties. Therefore, the purpose of this study was to construct a system to measure stress and forces applied to sour orange as well as to design a graphical interface to quickly measure mechanical properties (Elasticity module, stress and Poisson's ratio in x, y and z directions) during loading using image processing. The effective contact area of the compressed fruit was determined by image analysis and compared in x, y and z directions using three webcams with other methods (capsule, fix volume, ASABE and bounding-box). According to the results, the contact area in ASABE method at ?% strain with ?% error had no significant difference with the image processing method. According to the results, the contact area in ASABE method at ?% strain with ?% error had no significant difference with the image processing method. The Poisson's ratio and the strength of the samples increased and decreased in the strain steps, respectively. The Poisson's ratio and the strength of the samples increased and decreased in the strain steps, respectively. There was no significant difference between ASABE and image processing methods in Ex and Ey at strain of ?% and ?%, respectively. There was no significant difference between ASABE and image processing methods in Ex and Ey at strain of ?% and ?%, respectively. In addition, there was no significant difference in Ez at ?% strain between capsule, image processing, and bounding-box methods. Moreover, there was no significant difference in the amount of stress at ?% strain between capsule, image processing, ASABE and bounding-box methods. Moreover, there was no significant difference in the amount of stress at ?% strain between capsule, image processing, ASABE and bounding-box methods. Among the mentioned methods, the ASABE method with the lowest error at ?% strain was the most appropriate method in comparison with image processing.

کلیدواژه‌ها [English]

  • Mechanical properties
  • Surface Area of Contact
  • Image Processing
  • Poisson's ratio
  • GUI