طراحي و توسعه‌ي سامانه‌ي فضاي آزاد براي برآورد غيرمخرب كيفيت داخلي و باروري تخم‌مرغ در محدوده‌ي مايكروويو

اصفهان : دانشگاه صنعتي اصفهان

مهندسي مكانيك بيوسيستم

دكتري

صنعت پرورش طيور يكي از بزرگ‌ترين صنايع تأمين‌كننده‌ي نياز غذايي انسان است. تلاش‌هاي بسياري براي افزايش راندمان صنعت پرورش طيور شده است. تشخيص كيفيت تخم‌مرغ يكي از معضلات اين صنعت محسوب مي‌شود، به‌نحوي‌كه عوامل متعددي مانند زمان نگهداري، شرايط نگهداري و حمل‌ونقل و تغذيه‌ي مرغ بر روي آن اثرگذار است. همچنين يكي از مهم‌ترين اركان صنعت پرورش طيور تشخيص تخم‌مرغ‌هاي نطفه‌دار، ترجيحاً قبل از شروع فرآيند انكوباسيون است كه مي‌تواند نقش بسيار مهمي در افزايش راندمان صنعت جوجه‌ي يكروزه داشته باشد. امروزه صنعت مدرن طيور به‌جاي روش‌هاي سنتي درجه‌بندي و نطفه‌سنجي تخم‌مرغ مانند روش‌هاي نوربيني و بازرسي چشمي، به دنبال روش‌هاي جديدتري است. در اين رساله از سامانه‌ي دي‌الكتريك فضاي آزاد براي ارزيابي غيرمخرب كيفيت داخلي و باروري تخم‌مرغ استفاده شد. سامانه‌ي اندازه‌گيري فضاي آزاد ابتدا در نرم‌افزار HFSS طراحي شد. اين سامانه داراي بخش‌هاي اصلي شامل تحليل‌گر شبكه با قابليت ثبت پارامترهاي پراكندگي در محدوده‌ي فركانسي تعيين شده (8 تا 12 گيگاهرتز) و دو مبدل موجبر به كواكسيال باند X به‌عنوان آنتن‌هاي سامانه‌ي فضاي آزاد بود. در بخش ارزيابي كيفيت، بلافاصله بعد از اندازه‌گيري طيف‌هاي 252 عدد تخم‌مرغ ذخيره‌شده به مدت 1، 3، 5، 7، 15 و 24 روز در دماي اتاق در سه جهت قرارگيري مختلف افقي 1، افقي 2 و عمودي، آزمايش‌هاي مرجع به‌منظور اندازه‌گيري شاخص‌هاي كيفيت تخم‌مرغ انجام شدند. رگرسيون حداقل مربعات جزئي (PLS) براي پيش‌بيني شاخص‌هاي كيفيت تخم‌مرغ، از جمله ارتفاع سلول‌هاي هوا (ACH)، ضريب زرده (YC)، ارتفاع سفيده‌ي ضخيم (TAH)، واحد هاو (HU) و pH Albumen اعمال شد. با توجه به تحليل رگرسيون PLS، ACH بالاترين قابليت پيش‌بيني را با انحراف پيشگوي باقيمانده (RPD) چشمگير برابر 4/80 ارائه كرد. پس از آن، YC، Albumen pH، TAH و HU نيز مقادير RPD عالي به ترتيب برابر 40/00، 3/962، 3/44 و 3/19 را نشان دادند. با بررسي اثرات طيف‌ها و جهت‌هاي قرارگيري مختلف تخم‌مرغ بر روي RPDهاي بدست‌آمده از بهترين مدل‌هاي PLS، طيف PR_S22 و موقعيت قرارگيري افقي 1 بهترين نتايج را نشان دادند. با استفاده از طيف PR_S22 در موقعيت قرارگيري افقي 1، روش‌هاي انتخاب ويژگي شامل روش حداقل مربعات جزئي- اهميت متغير در نگاشت (PLS-VIP)، انتخاب ويژگي مبتني بر همبستگي (CFS) و نمونه‌گيري بازموزون تطبيقي رقابتي (CARS) براي شناسايي مؤثرترين فركانس‌ها به كار گرفته شد. سپس از شبكه‌هاي عصبي مصنوعي (ANN) براي توسعه‌ي مدل‌هاي پيش‌بيني براساس مؤثرترين فركانس‌ها استفاده شد. روش CARS نسبت به ساير روش‌هاي انتخاب ويژگي برتري داشت و مدل‌هاي ANN قوي با مقادير RPD عالي برابر 4/80، 4/00، 3/27، 3/03 و 3/72 به ترتيب براي شاخص‌هاي ACH، YC، TAH، HU، و pH Albumen ارائه كرد. براي طبقه‌بندي روزهاي ماندگي تخم‌مرغ از روش طبقه‌بندي مدل‌سازي نرم و مستقل شباهت‌هاي بين‌كلاسي (SIMCA) استفاده شد. روش طبقه‌بند SIMCA با استفاده از طيف RL_S22 در هر سه موقعيت قرارگيري تخم‌مرغ توانست روزهاي ماندگي تخم‌مرغ‌ها را با حساسيت، تشخيص‌پذيري، دقت، صحت و امتياز F1 برابر 100 درصد از يكديگر جدا كند. در بخش نطفه‌سنجي قبل از شروع فرآيند انكوباسيون، ابتدا طيف‌هاي 100 عدد تخم‌مرغ نطفه‌دار و 125 عدد تخم‌مرغ بدون نطفه در روز صفر در دو جهت قرارگيري مختلف افقي 1 و عمودي اندازه‌گيري شدند و سپس در حداقل زمان ممكن، نمونه‌ها وارد دستگاه جوجه‌كشي شده و طيف‌هاي آن‌ها در روزهاي اول، دوم، سوم و چهارم انكوباسيون اندازه‌گيري شدند. با شكستن تخم‌مرغ‌ها در روز ششم انكوباسيون، وجود يا عدم وجود نطفه در نمونه‌ها مشخص شد. براي طبقه‌بندي تخم‌مرغ‌هاي نطفه‌دار روز صفر (روز قبل از انكوباسيون) و بدون نطفه از روش‌هاي SIMCA، ماشين بردار پشتيبان (SVM)، تجزيه‌و‌تحليل تفكيكي حداقل مربعات جزئي (PLS-DA)، تجزيه‌و‌تحليل تفكيك خطي (LDA)، تجزيه‌و‌تحليل تفكيك درجه دوم (QDA) و ANN استفاده شد. در تمام روش‌هاي طبقه‌بندي، بهترين نتايج با استفاده از طيف IL_S21 و پيش‌پردازش مشتق دوم در موقعيت قرارگيري عمودي بدست آمد، به جز روش طبقه‌بندي PLS-DA كه در موقعيت قرارگيري افقي 1 بهترين نتيجه بدست آمد. همچنين در بين روش‌هاي طبقه‌بندي مختلف، روش ANN توانست با حساسيت، تشخيص‌پذيري، دقت، صحت و امتياز F1 به ترتيب برابر 92/00، 93/35، 92/00، 92/86و 92/00 درصد تخم‌مرغ‌هاي نطفه‌دار روز صفر و بدون نطفه را بهتر از بقيهي روش‌ها از يكديگر جدا كند.

234569

طراحي ماشين‌هاي كشاورزي

مهندسي كشاورزي

دانشگاه صنعتي اصفهان