پيش بيني جرم گوجه فرنگي ريز كردستان با استفاده از روش هاي عصبي - فازي و آماري

Tomato mass predicted using neural – fuzzy and statistical methods

درجه بندي ميوه ها و سبزي ها به صورتي كه داراي وزن مشابه باشند، يكي از مهمترين فرآيندها در بسته بندي و عرضه در بازار محصولات كشاورزي است. بدست آوردن مدل جرمي دقيق در سيستم هاي بسته بندي بسيار لازم و حائز اهميت است. در اين پژوهش مدل جرم گوجه فرنگي ريز كردستاني با استفاده از دو روش عصبي - فازي و آماري بدست آورده شده است. 108 نمونه بصورت تصادفي انتخاب گرديد. مشخصات فيزيكي نمونه ها شامل طول، عرض سطح تصوير و جرم آنها اندازه گيري شدند. نتايج نشان مي دهد كه ضريب تبيين روش هاي عصبي - فازي و SPSS بترتيب 0/97 و 0/87 است. از اينرو روش عصبي - فازي روش كارآمد ترين نسبت به روش آماري براي مدلينگ جرم گوجه فرنگي ريز كردستان مي باشد.

Fruits and vegetable with the similar weight is very important in packaging system and marketable agriculture products. In this research, model for tomato mass obtained by using two methods: neural – fuzzy and statistical methods. 108 samples been randomly selected. Physical characteristic such as length, width, surface area and mass for all samples has been measured. The results show that the coefficient of determination for neural – fuzzy and statistical methods is 0.97 and 0.87 respectively. Therefore neural – fuzzy method is efficiently than statistical technique for modeling mass of tomato