|
|
سیزدهمین کنگره ملی مکانیک بیوسیستم و مکانیزاسیون ایران (مکانیک بیوسیستم 1400)
|
|
|
| عنوان فارسی |
سامانه تشخیص زمان برداشت گل محمدی از مزرعه با روش ماشین بویایی |
|
| چکیده فارسی مقاله |
در بین انواع گیاهان دارویی که ایران خواستگاه رشد آنهاست گل محمدی جایگاه ویژه ای دارد. شناخت گل های مرغوبتر با تولید فرآورده های با کیفیت تر و افزایش کیفیت محصول موجب توسعه ی رقابت پذیری فرآورده های تولیدی از گل محمدی می شود؛ بنابراین تفکیک و درجه بندی گیاهان دارویی اسانس دار از نظر کیفیت امری ضروری است. در این پژوهش ژنوتیپ کاشان گل محمدی با روش ماشین بویایی در ساعت های مختلفی پس از برداشت از مزرعه مورد بررسی قرار گرفت. سپس از روش تحلیل مولفه اصلی (PCA) برای کاهش ابعاد و طبقه بندی داده ها استفاده شد. در این روش برای داده های سامانه ماشین بویایی مشاهده شد که مولفه اصلی اول (PCA-1)، 86% و مولفه اصلی دوم (PCA-2)، 8% از واریانس داده ها را در برگرفته است. در نهایت با روش PCA، تفکیک قدرت بویایی نمونه ها نسبت به زمان های مختلف پس از برداشت با دقت %94 به دست آمد. با توجه به نتایج به دست آمده سامانه ماشین بویایی به عنوان روشی سریع، ارزان، غیرمخرب و قابل اعتماد در درجه بندی گل محمدی نسبت به زمان برداشت آن کاربرد دارند. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Damask rose harvest time detection system from the field by olfactory machine method |
|
| چکیده انگلیسی مقاله |
Among the types of medicinal plants that Iran wants to grow, Damask Rose has a special place. Recognition of better flowers by producing higher quality products and increasing product quality leads to the development of competitiveness of products produced from Damask Rose flowers; Therefore, it is necessary to differentiate and grade essential medicinal plants in terms of quality. In this study, the genotype of Kashan Golmohammadi was examined by the method of an olfactory machine at different hours after harvest from the field. Then principal component analysis (PCA) method was used to reduce the dimensions and classification of data. In this method, for the data of the olfactory system, it was observed that the first major component (PCA-1) accounted for 86% and the second major component (PCA-2) accounted for 8% of the data variance. Finally, by the PCA method, the separation of olfactory power of samples compared to different post-harvest times was obtained with 94% accuracy. According to the obtained results, the olfactory machine system is a fast, cheap, non-destructive, and reliable method for grading Damask Rose flowers with their harvest time. |
|
| کلیدواژه‌های انگلیسی مقاله |
گل محمدی, کیفیت سنجی, تحلیل مؤلفه اصلی, ماشین بویایی |
|
| نویسندگان مقاله |
هومن رجبی پور | Hooman Rajabipour
Tarbiat Modares University
دانشگاه تربیت مدرس
احمد بناکار | ahmad banakar
Tarbiat Modares University
دانشگاه تربیت مدرس
محسن برزگر | mohsen barzegar
Tarbiat Modares University
دانشگاه تربیت مدرس
|
|
| نشانی اینترنتی |
http://ncame1400.modares.ac.ir/browse.php?a_code=A-10-293-1&slc_lang=fa&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
