تعیین مشخصه های فیزیکی و مدل سازی رگرسیونی جرم و حجم پرتقال رقم محلی دزفول
محورهای موضوعی : مجله مهندسی زیست سامانه
کلید واژه: ابعاد هندسی, ضریب تبیین, سطح تصویر, معادله رگرسیونی,
چکیده مقاله :
تعیین مشخصه های فیزیکی و مدل سازی رگرسیونی جرم و حجم پرتقال رقم محلی دزفول حسن مسعودی1* و عباس روحانی2 1- استادیار گروه مهندسی بیوسیستم، دانشکده کشاورزی دانشگاه شهید چمران اهواز 2- استادیار گروه مهندسی بیوسیستم، دانشکده کشاورزی دانشگاه فردوسی مشهد در این پژوهش 100 نمونه تصادفی از میوه پرتقال (رقم محلی دزفول) پس از برداشت از باغ به آزمایشگاه منتقل شده و اندازه گیری های مختلفی برای تعیین مشخصه های فیزیکی اصلی شامل سه بعد هندسی، جرم میوه ، حجم میوه و سطح تصویر میوه انجام شد. نتایج تجزیه واریانس داده های آزمایشگاهی نشان داد که در مدل اول بین جرم و حجم پرتقال و سه بعد ارتفاع (h)، پهنا (w) و ضخامت (t) آن رابطه معنی داری در سطح یک درصد وجود دارد. مقادیر ضرایب تبیین (R2)معادلات رگرسیونی تخمین جرم و حجم پرتقال برحسب ابعاد سه گانه آن نشان داد که معادلات ارائه شده می توانند 97/95 و 01/98 درصد تغییرات جرم و حجم پرتقال را به ترتیب توجیه نمایند. در مدل رگرسیونی دوم، ضریب همبستگی پیرسون بین سطح تصویر با جرم و حجم به ترتیب برابر با 979/0 و 966/0 بدست آمد. این همبستگی در سطح احتمال یک درصد معنی دار شد. در مقایسه عملکرد دو مدل رگرسیونی ارائه شده در این پژوهش با یکدیگر، بر اساس کوچکی شاخص های RMSE و MAPE و بزرگی EF ، عملکرد مدل F(h,w,t) بهتر از مدل F(A) بود. مقادیر ضریب تبیین (R2) معادلات رگرسیونی ارائه شده بیانگر دقت بالای این معادلات در برآورد جرم و حجم پرتقال است
In this study, 100 random samples of orange fruit (local variety of Dezful) harvested from a garden and carried to the laboratory and various measurements were done to determine the main physical characteristic of the fruits (including three geometric dimensions, mass, volume and projected area). Analysis of variance of experimental data for the first model showed that there is a significant relationship at 1% level between the mass or volume of orange and its dimensions. Determination coefficients (R2) values of the regression equations for estimating the mass or volume of oranges using three dimensions showed that they can justify 95.97 and 98.01 percent of changes in orange mass or volume, respectively. In the second regression model, the Pearson correlation coefficient between the projected area and mass or volume was 0.979 and 0.966, respectively. This correlation was significant at 1 % level. In comparing the performance of two regression models presented in this study, based on small values for the RMSE and MAPE indices and large value for the EF index, the F (h, w, t) model performance was better than the F (A) model. The determination coefficient (R2) values for the presented regression equations show they have high accuracy in estimating the mass or volume of orange
_||_