تشخيص بذر گونه‌هاي آليوم با روش‌هاي طيف‌سنجي مرئي- فروسرخ نزديك و تصويربرداري ابرطيفي

اصفهان : دانشگاه صنعتي اصفهان

مكانيك بيوسيستم

كارشناسي ارشد

سبزيجات، به‌عنوان بخش مهمي از كشاورزي، تأثيرات بسياري روي بهره‌وري زمين و اشتغال دارند. در ميان سبزيجات، خانواده پيازي‌ها، از جمله مهم‌ترين و قديمي‌ترين گياهان زراعي هستند. آن‌ها نه تنها اهميت غذايي بالايي دارند، بلكه در تناوب زراعي و حفظ حاصلخيزي زمين‌هاي كشاورزي نيز نقش مهمي ايفا مي‌كنند. با اين حال، انتخاب بذر مرغوب براي دستيابي به محصول با كيفيت بالا، امري ضروري است. متأسفانه، افزايش قيمت بذر و تقاضاي بالا براي ارقام خاص، زمينه را براي افزايش بذرهاي تقلبي در بازار، بخصوص در گونه‌هاي آليوم فراهم كرده است. اين معضل، حتي شركت‌هاي معتبر را نيز در تشخيص بذر تقلبي ناتوان مي‌سازد و به بي‌اعتمادي كشاورزان و آسيب به برند شركت‌ها منجر مي‌شود. بنابراين، روشي كه بتواند بذرها را سريع و دقيق تفكيك كند و تقلب را تشخيص دهد، امري ضروري است. در اين پايان‌نامه، توانايي روش‌هاي طيف‌سنجي مرئي- فروسرخ نزديك (Vis-NIR) و تصويربرداري ابرطيفي (HSI) در تشخيص بذر گونه‌هاي مختلف آليوم مورد ارزيابي قرار گرفت. بذر هفت گونه مختلف آليوم شامل موسير، تره بومي، تره شادگاني، پياز قرمز، پياززرد، پياز سفيد و بن‌سرخ مورد آزمايش قرار گرفتند. براي انجام اين آزمايش، از يك طيف‌سنج آرايه ديودي در محدوده‌ي 1100-400 نانومتر و يك دوربين ابرطيفي اسكن خطي در محدوده طيفي 1000-400 نانومتر براي ثبت طيف‌ها و تصاوير ابرطيفي از بذر گونه‌هاي مختلف آليوم استفاده شد. براي اندازه‌گيري طيف بذر، نمونه‌ها در پتري‌ديش قرار داده شد و پس از ثبت سه طيف مختلف در مد بازتابشي، ميانگين آن‌ها به‌عنوان طيف مستقل بذر آن نمونه در نظر گرفته شد. براي ثبت داده‌هاي HSI، پتري‌ديش حاوي بذر در مقابل دوربين و 6 منبع نور هالوژني با توان 50 وات قرار گرفت و تصوير آن در وضعيت بازتابشي گرفته شد. در مرحله بعد، بذر بن‌سرخ با ناخالصي موسير در 5 سطح مختلف شامل 10، 20، 30، 40 و 50 درصد ناخالصي مخلوط شدند و تصاوير ابرطيفي از هر يك از سطوح مختلف تقلب بدست آمد. به منظور تحليل طيف‌هاي بدست آمده، ابتدا و انتهاي طيف‌ها بدليل نويز، حذف و سپس پيش‌پردازش‌هاي مختلف بر روي طيف‌ها اعمال شد. داده‌هاي طيف‌سنج با روش‌ طبقه‌بندي مدل‌سازي نرم و مستقل شباهت‌هاي بين كلاسي (SIMCA) طبقه‌بندي شدند. بهترين قدرت تفكيك با پيش‌پردازش‌ مشتق مرتبه دوم بدست آمد كه منجر به دقت كل 59/98 درصد در تشخيص بذر گونه‌هاي مختلف شد. داده‌هاي HSI با روش‌هاي شبكه‌هاي عصبي مصنوعي (ANN) و افزايش گراديان درخت تصميم هيستوگرام (HGB) به همراه پيش‌پردازش فيلتر ميانه به منظور تشخيص بذر گونه‌هاي مختلف طبقه‌بندي شدند. بهترين قدرت تفكيك مربوط به مدل HGB با دقت كل 83/97 درصد بود كه توانست بطور ميانگين بيش از 96 درصد پيكسل كلاس‌هاي مختلف بذر را به درستي طبقه‌بندي كند. در مقابل روش ANN با دقت 91 درصد توانست بطور ميانگين بيش از 66 درصد پيكسل كلاس‌هاي بذر را به درستي طبقه‌بندي كند. همچنين براي تفكيك و تعيين درصد خلوص بذر بن‌سرخ از بذر موسير از مدل اجماع يا Voting با پيش‌پردازش فيلترهاي دوطرفه و ميانه استفاده شد. نتايج بدست آمده با پيش‌پردازش فيلتر ميانه در مقايسه با پيش‌پردازش فيلتر دوطرفه، نشان‌دهنده برتري مدل مبتني بر فيلتر ميانه بود كه توانست عملكردي قابل قبول در تشخيص همه سطوح تقلب داشته باشد. اين در حالي بود كه پيش‌پردازش فيلتر دوطرفه تنها در سطح تقلب 20 درصد عملكرد خوبي داشت. علاوه بر اين، با استفاده از روش وزن‌دهي مجدد تطبيقي رقابتي (CARS) طول‌موج‌هاي مؤثر در روش HSI شناسايي شدند. براي تشخيص بذر گونه‌هاي آليوم، دقت كل مدل HGB با طول‌موج‌هاي مؤثر برابر 94 درصد بود. دقت كل با روش Voting مبتني بر طول‌موج‌هاي مؤثر برابر 96 درصد بود. بطور كلي، نتايج اين پايان‌نامه نشان داد روش‌هاي طيف‌سنجي Vis-NIR به كمك مدل‌سازي SIMCA و HSI با مدل HGB ابزارهاي توانمندي در تشخيص بذر گونه‌هاي‌ مختلف آليوم هستند.

228201

طراحي و ساخت

مهندسي كشاورزي

دانشگاه صنعتي اصفهان