فهرست نشریات علمی دسترسی آزاد ایران

کاربرد ناصحیح کودهای شیمیایی در تولید محصولات کشاورزی بروز بیماری برای مصرف‌کنندگان را ممکن می‌سازد. در این مطالعه تخمین مقدار نیترات تجمع ‌یافته در میوه گوجه‌فرنگی به کمک پردازش تصویر بررسی شد. این پژوهش در قالب طرح کاملا تصادفی با چهار تیمار نیتروژن در سطوح 1200،800،400 و 1600 کیلوگرم بر هکتار انجام شد. از هر تیمار 50 نمونه به طور تصادفی برای تهیه تصاویر و ایجاد مدل تخمین انتخاب شد. نمونه‌ها با ضخامت یکسان برش زده شدند، عکس‌برداری صورت گرفت و سپس نیترات نمونه‌ها به روش آزمایشگاهی اندازه‌گیری شد. مولفه­ های رنگی R، G و B مرتبط با سطح و محتوای داخلی نمونه‌ها و همچنین ویژگی‌های غیر­رنگی از جمله مساحت پیکسل­های سفید ورقه‌ها ، مساحت کل ورقه‌ها و نسبت مساحت پیکسل­های سفید به مساحت کل استخراج شدند. نتایج نشان داد متناسب با سطوح نیتروژن اعمال شده، مقدار نیترات نمونه­ها به ترتیب 6/1، 7/2، 8/2 و 3/3 درصد اندازه­گیری شد که این افزایش معنادار بود (P<0.05). افزون بر آن، مشخص شد محتوای رنگی ورقه‌ها، مساحت پیکسل­های سفید ورقه‌ها و نسبت مساحت پیکسل­های سفید به مساحت کل همبستگی بالایی با محتوای نیترات نمونه‌ها داشت. برای پیش‌بینی میزان نیترات، مدل رگرسیون چندگانه و شبکه عصبی چند لایه پرسپترون بکاربرده شد. روش بهترین زیر مجموعه رگرسیون برای انتخاب مناسب­ترین مدل رگرسیون بکاربرده شد. برای انتخاب بهترین مدل شبکه عصبی، معماری‌ها و توابع انتقال مختلف به کار برده شد و بر اساس نتایج شبکه‌ با ساختار 1-15-3 با کمترین مقدار ریشه میانگین مربعات خطا به عنوان بهترین مدل انتخاب شد. برای واسنجی بهترین مدل‌ رگرسیون و شبکه عصبی از 60 نمونه جدید استفاده شد. ساختار معرفی شده توانست با درصد میانگین خطای نسبی 5/3 درصد در مقایسه با مدل رگرسیون با مقدار 2/5 درصد مقدار محتوای نیترات را تخمین بزند.