عنوان مقاله :
Prediction of Chlorophyll Content of Tomato Plant by Artificial Neural Networks and Adaptive Nero-Fuzzy Inference System
عنوان به زبان ديگر :
پيش بيني محتوي كلروفيل گياه گوجه فرنگي با استفاده از شبكه هاي عصبي و انفيس
پديد آورندگان :
رسولي شربياني، ولي دانشگاه محقق اردبيلي - دانشكده كشاورزي و منابع طبيعي - گروه مهندسي بيوسيستم، اردبيل، ايران , كيسالايي، اسما دانشگاه محقق اردبيلي - دانشكده كشاورزي و منابع طبيعي - گروه مهندسي بيوسيستم، اردبيل، ايران , تقي نژاد، ابراهيم دانشگاه محقق اردبيلي - دانشكده كشاورزي و منابع طبيعي - گروه مهندسي فناوري كشاورزي، اردبيل، ايران
كليدواژه :
محتوي كلروفيل گياه , گوجه فرنگي , مدل سازي , شبكه هاي عصبي , انفيس
چكيده فارسي :
ريبا سه چهارم كل گوجه فرنگي توليد شده در جهان بصورت تازه مورد مصرف قرار مي گيرد. كيفيت خوب براي توزيع گوجه فرنگي معيار مهمي است.
كلروفيل يك ماده شيميايي سبز رنگ براي تامين غذاي مورد نياز گياه و تضمين رشد و بهره وري گياه است. وظيفه اصلي كلروفيل جذب نورهاي آبي و
قرمز و انجام فتوسنتز است. در سال هاي اخير تمايل به استفاده از روش هاي پيش بيني مانند محاسبات نرم و هوش مصنوعي براي پايش رشد گياهان
افزايش يافته است. هدف اصلي اين تحقيق بررسي رابطه ارتفاع و محتواي كلروفيل در برگ گياه گوجه فرنگي با استفاده از تكنيك هاي مدل سازي و
پيش بيني و مقايسه دقت اين روش ها بود. در اين تحقيق تعدادي از بوته هاي گياهگوجه فرنگي براي اندازه گيري ارتفاع و SPAD به طور تصادفي انتخاب
شدند. نتايج نشان داد كه ارتباط بين ميزان كلروفيل و ارتفاع گياه بسيار كم است(R2 = 0.276). با اين حال، استفاده از مدل سازي ANN و ANFIS، قدرت
پيشبيني را به ترتيب تا (R2=0.982 and 0.913) افزايش داد.
چكيده لاتين :
Approximately three-quarters of harvested tomatoes are freshly used. Good quality is an important factor in distributing of
fresh tomato. Chlorophyll is the green chemicals to provide required food of plants and ensure plant growth and productivity.
The main function of chlorophyll is to absorb blue and red lights and perform photosynthesis. In recent years, the tendency to
use of prediction methods such as soft computing and artificial intelligence for growth of plans has increased. The main aim
of this study was to investigate the relationship between height and chlorophyll content in the leaves of tomato plants using
modeling and predicting techniques and compare the accuracy of these methods. In this study, some cultivated plants of
tomato were randomly selected for height and SPAD measurements. The results showed the relationship between Chlorophyll
content and height of plants was very low (R2 = 0.276). However using the modelling of ANN and ANFIS improved the
prediction power up to (R2=0.982 and 0.913), respectively.
عنوان نشريه :
مكانيزاسيون كشاورزي
