سامانه همایش های دانشگاه جیرفت

صفحه اصلی / سومین همایش بین المللی و چهارمین همایش ملی کشاورزی، محیط زیست و امنیت غذایی

تعیین مناسب‌ترین شرایط خشک‌کردن بذرکنجد مقاوم به ریزش با یادگیری ماشین

نویسندگان :

پویا بهلول¹ جلال محمدزاده² مسعود هاشمی شهرکی³

1- دانشگاه تهران 2- منابع طبیعی و کشاورزی گرگان 3- منابع طبیعی و کشاورزی گرگان

کلمات کلیدی :

بهینه‌سازی،دانه کنجد،گرادیان تقویتی،یادگیری ماشین

چکیده :

هدف: این پژوهش باهدف بهینه‌سازی شرایط خشک‌کردن دانه‌ها بذر کنجد مقاوم به ریزش برای مصارف بذری با استفاده از انواع مدل‌های یادگیری ماشین انجام شده است. هدف اصلی، تعیین شرایطی بود که منجر به بهبود و افزایش قدرت جوانه‌زنی بذر کنجد شود. مواد و روش‌ها: این پژوهش به‌جای استفاده از روش‌های سنتی آماری برای بهینه‌سازی از الگوریتم‌های هوشمند یادگیری ماشین استفاده کرده است. متغیرهای رطوبت اولیه دانه کنجد مقاوم به ریزش، دمای خشک‌کردن و سرعت جریان هوا به‌عنوان ورودی مدل در نظر گرفته شده است. همچنین خصوصیات کیفی بذر کنجد مقاوم به ریزش به‌عنوان شاخص تعیین‌کننده افزایش عملکرد بذر کنجد به‌عنوان ویژگی به مدل داده شده است که این داده‌ها از آزمایش‌هایی در شرایط کنترل‌شده که شامل درصد جوانه زنی، میزان هدایت الکتریکی و قوه نامی بذر کنجد اندازه‌گیری‌شده است. سپس داده‌های به‌دست‌آمده برای آموزش به مدل‌های یادگیری ماشین که شامل: درخت تصمیم (RF)، جنگل تصادفی (DT) و گرادیان تقویتی (XGB) انتقال پیدا کرده است. الگوریتم‌های یادگیری ماشین توانایی بالایی در تحلیل داده‌های پیچیده و شناسایی روابط غیرخطی دارند. نتایج: الگوریتم‌های یادگیری ماشین RF، DT و XGB به ترتیب بادقت ۹1% و 90% و ۹3% و میزان خطای ۰.۱5، ۰.2 و ۰.12 توانستند بهترین شرایط خشک‌کردن بذر کنجد را پیش‌بینی کنند. پس از آموزش و ارزیابی مدل‌ها، مدل XGB بادقت حدود ۹3%، بهترین شرایط برای دستیابی به بیشترین بازدهی کاربرد مشخص کرد. نتایج نشان داد که شرایط بهینه برای مصارف روغنی شامل رطوبت ۱۳.۷%، دمای 33.۵ درجه سلسیوس و سرعت جریان هوای ۱.02 متر بر ثانیه است که در این شرایط، میزان جوانه‌زنی (۷۱%)، هدایت الکتریکی حدود 22.5(میکروزیمنس بر سانتی متر بر گرم) و قدرت بنیه بذر کنجد۱۶۷۰شد. نتیجه‌گیری: بهینه‌سازی شرایط خشک‌کردن با استفاده از مدل XGB تأثیر بسزایی در بهبود کیفیت خشک کردن بذر دارد. این مدل می‌تواند ابزاری کارآمد برای تعیین بهترین شرایط پردازش محصولات کشاورزی باشد.