تخمين گرانروي شيره خرما با استفاده از ماشين بينايي و شبكه عصبي مصنوعي

توليد صنعتي شيره خرما شامل مراحل مختلفي است كه در طي آن نياز به اندازه‌گيري پيوسته ميزان گرانروي در طي مراحل مختلف فرآوري نياز مي‌باشد. روش‌هاي اندازه‌گيري گرانروي متداول نيازمند نمونه‌گيري از فرآورده بوده و در عين حال زمان‌بر مي‌باشند و لذا از اين روش‌ها نمي‌توان در كنترل سيستم فرآوري استفاده كرد. به همين دليل روشي كه بتواند به‌صورت بلادرنگ وضعيت گرانروي مايع را پايش نمايد، از ملزومات يك سيستم كنترل كيفيت محصول شيره خرما مي‌باشد تا مطابق با مقدار آني گرانروي، اقدام به تغيير پارامترهاي ورودي و شرايط فرآوري نمايد تا محصولي با گرانروي و كيفيت استاندارد فراهم شود. در اين تحقيق بر اساس ويژگي‌هاي مستخرج از تصاوير و بهره‌گيري از شبكه‌هاي عصبي مصنوعي روشي ابداع گرديد تا گرانروي شيره خرما را در حين ريزش تعيين نمايد. بر اساس اندازه‌گيري‌هاي به‌دست آمده توسط دستگاه لزجت‌سنج بروكفيلد مشخص شد كه رفتار شيره خرما در دماها و غلظت‌هاي مختلف متفاوت بوده و دامنه گسترده‌اي از رفتار نيوتني تا غيرنيوتني را شامل مي‌شود. از شبكه عصبي چند لايه با روش تعليم پس‌انتشار خطا به‌منظور پيش‌بيني دو مقدار شاخص رفتار جريان و شاخص قوام بر اساس ويژگي‌هاي استخراج شده از تصوير استفاده شد. مقادير خروجي روش پيشنهادي با مقادير اندازه‌گيري شده توسط دستگاه لزجت‌سنج بروكفيلد در سطوح مختلف دما و غلظت شيره خرما واسنجي گرديد. نتايج حاصله بيانگر همبستگي شاخص‌هاي رفتار و جريان به‌دست آمده از اين روش با مقادير واقعي با ضريب همبستگي تا حد 0/989 و ميانگين خطاي 0/0138 در داده‌هاي ارزيابي بود.