كاربرد شبكۀ عصبي مصنوعي و آزمون غير‌مخرب سي‌تي‌اسكن در تخمين مقدار كوفتگي گلابي در اثر اعمال بارهاي خارجي

آسيب‌هاي گلابي يكي از علت‌هاي اصلي ازدست‌دادن كيفيت ميوه است. كبودي در هنگام بارگذاري ديناميكي و شبه استاتيك رخ مي‌دهد كه باعث تخريب بافت سالم ميوه مي‌گردد. در اين پژوهش ابتدا گلابي‌ها تحت بارگذاري شبه استاتيكي (لبۀ پهن و لبۀ نازك) و بارگذاري ديناميكي قرار گرفتند. سپس در دوره‌هاي 5، 10 و 15 روزه انبارداري شده و بعد از هر دوره انبارداري با استفاده از تكنيك غيرمخرب سي‌تي‌اسكن (CTScan) براي تخمين درصد پوسيدگي مورد بررسي قرار گرفتند. شبكۀ عصبي مصنوعي پرسپترون چندلايه (MLP) با دولايۀ پنهان و تعداد 3، 5، 7 و 9 نرون در هر لايه براي مدل‌سازي نيروي بارگذاري و دورۀ انبار‌داري ميوۀ گلابي جهت پيشگويي ميزان پوسيدگي انتخاب گرديد. بيشترين مقادير R2 آموزش و آزمون براي بارگذاري شبه استاتيكي لبۀ نازك و لبۀ پهن در شبكه‌اي با 9 نرون به‌ترتيب 0/91=لبۀ نازك آموزش، 0/99=لبۀ نازك آزمون و 0/95= لبۀ پهن آموزش و 0/99= لبۀ پهن آزمون بوده است و براي بارگذاري ديناميكي شبكه‌اي با 3 نرون در لايۀ مخفي 0/98=آموزش، 0/99=آزمون بيشترين مقدار را به خود اختصاص داده است. همچنين بهترين شبكه براي يادگيري (9 نرون) بارگذاري شبه استاتيكي لبۀ نازك، (7 نرون) بارگذاري شبه استاتيكي لبۀ پهن و بارگذاري ديناميكي (7 نرون) بود. باتوجه‌به نتايج به‌دست‌آمده براي R2، RMSE و سيكل يادگيري مي‌توان گفت شبكۀ عصبي توانايي پيش‌بيني ميزان درصد پوسيدگي را در حد قابل‌قبولي براي گلابي داشته است.