Прогнозування поширення синця груші під час зберігання за допомогою м’яких обчислювальних методів -

Машинобудування біосистем, кафедра інженерії біосистем, факультет сільського господарства та природних ресурсів, Університет Мохаге Ардабілі, Ардабіль, Іран

Кафедра інженерії біосистем, факультет сільського господарства та природних ресурсів, Університет Мохаге Ардабілі, Ардабіль, Іран

Листування

Абдолла Голмохаммаді, кафедра інженерії біосистем, факультет сільського господарства та природних ресурсів, Університет Мохаге Ардабілі, Ардабіл, Іран.

Інженерія сільськогосподарських машин, кафедра інженерії біосистем, Університет Мохаге Ардабілі, Ардабіль, Іран

Кафедра інженерії біосистем, факультет водного та ґрунтового машинобудування, Університет сільськогосподарських наук та природних ресурсів Горган, Горган, Іран

Листування

Анотація

1. ВСТУП

2 ОГЛЯД ЛІТЕРАТУРИ

Сорт груші «ДарГазі» дуже чутливий до синців від механічного впливу та стиснення. Детальна інформація про оціночні моделі поширення обсягу синця для груші обмежена. Це дослідження слідує попередньо опублікованому дослідженню щодо сприйнятливості груш до квазістатичних навантажень та оцінки її забитого об'єму за допомогою методів МРТ та обробки зображень. Це дослідження спрямоване на використання ANN та ANFIS для прогнозування поширення BV (обсягу синця) груші «Даргазі» на основі її радіуса кривизни в районі завантаження, часу зберігання та прикладеної сили. Отримані результати порівнювали з традиційною статистичною моделлю множинної регресії (МР).

3 МАТЕРІАЛИ І МЕТОДИ

3.1 Експериментальні деталі

Як повідомлялося в нашій попередній статті, груші, використані в цьому дослідженні, були сорту "Даргазі" (Pyrus communis). Цілі зразки без ознак дефектів збирали на стадії їх фізіологічної стиглості (жовтуваті) з місцевого саду і для подальшого вимірювання переносили в лабораторію, потім вимірювали деякі загальні фізичні властивості зразків (маса, об'єм, щільність, геометричні розміри, радіус кривизни).

3.1.1 Радіус кривизни

Для вимірювання радіуса кривизни в місці впливу на зразки застосовувались методи обробки зображень на отриманих RGB зображеннях зразків. Була побудована дерев'яна коробка, а її внутрішня сторона була покрита чорними листами, щоб уникнути відбиття світла та забезпечити однакові умови зображення для всіх зразків. Три люмінесцентні лампи були встановлені трикутно навколо положення камери над коробкою. Камера Canon Powershot G10 була використана для отримання зображень як підключення до ноутбука за допомогою USB-порту для управління зображеннями. Захоплення зображень за допомогою програмного забезпечення PSRemote проводилося з відстані 20 × 10 –2 м над зразками. Для масштабування зображень кубічну форму із визначеними розмірами розміщували на місці зразка та зображали з тієї ж відстані.

3.1.2 Квазістатичний тест

Після вимірювання параметрів для моделювання квазістатичного навантаження було розглянуто механічне випробування навантаження-розвантаження. Всі зразки були випадковим чином розділені на п'ять груп і накладені під час тесту, кожна група для певного діапазону навантажень (Рисунок S1).

3.1.3 Магнітно-резонансна томографія

Для цього зразки поміщали у прямокутну дерев'яну коробку, де фрукти мали спеціальні місця для сидіння та збереження нерухомості під час зображення. МР-зображення цілих груш були отримані за допомогою системи Magnetom Symphony 1,5 T (Siemens) в медичному центрі Kowsar. Розміщення зразків усередині тунелю системи МРТ та регулювання параметрів отримання зображення, таких як поле зору (FOV) та орієнтація (осьова, корональна та сагітальна), показано на малюнку S2. Двадцять чотири зрізи зразків із щілиною 0,3 мм для зрізу (відстань до зрізу) були захоплені в корональній орієнтації (рис.

3.1.4 Обробка зображень

Радіус кривизни

Для вимірювання радіуса кривизни було використано програмне забезпечення ImageJ (v. 1.48). Якщо коло розмістити принаймні в трьох точках на плодовій площі, це може дати нам радіус кривизни, такий самий, як прилад, який використовується для вимірювання кривизни. Але ми розглянули більше пунктів для підгонки кола, щоб отримати точніші результати.

Визначення обсягу синця за допомогою МРТ

Об'єм забиття зразків вимірювали за допомогою методів обробки зображень за допомогою магнітно-резонансної томографії (МРТ), знятої зразків. За допомогою програмного забезпечення ImageJ було визначено гучність синців за зображеннями.

3.2 Вхідні дані та вихідні дані моделей

Через вплив властивостей плодів на ефективні сили та вразливість плодів досліджено вплив виміряних фізичних властивостей на грушу. Виявлено основні параметри стану зберігання, що мають значний вплив на пошкодження груші, в яких був радіус кривизни та розглядався як незалежна змінна при створенні моделей прогнозування (результати не показані).

Моделі оцінки синців використовують силу стискання та інтервал часу як незалежні змінні разом із обсягом синця. Незалежні змінні, що використовуються в регресійній моделі, входи нейронної мережі або ANFIS, складаються з накладеної сили (F) (N), радіуса кривизни в області навантаження (R) (м), часу зберігання (доби). Застосовувані рівні навантажувально-розвантажувальної сили були обрані на основі попередніх досліджень щодо квазістатичного навантаження для груші (Blahovec, Vlckova, & Paprstein, 2002). Найнижча межа прикладеної сили базувалася на прикладеному зусиллі під час збирання та сортування; найвищий рівень стиснення був у механічних обробках, транспортуванні та зберіганні груш.

3.3 Критерії оцінки роботи

У цьому дослідженні для оцінки моделей використовувались три критерії. Для оцінки спроможності прогнозування розроблених моделей прогнозування в дослідженні застосовується „середньоквадратична помилка” (RMSE), „значення враховують” (VAF) та коефіцієнт визначення лінійної регресії (Р. 2) були розраховані, як застосовували Yilmaz та Yuksek (2008, 2009), Zarifneshat et al. (2012), Vijayaraghavan et al. (2014), Garg, Vijayaraghavan, Siu Lee Lam, Singru, and Gao (2015), Vijayaraghavan, Garg, Gao, Vijayaraghavan, and Lu (2016) і Vijayaraghavan, Garg, Tai, and Gao (2016). Модель вважається найкращою, коли має найменший RMSE і найбільший VAF і Р. 2 .