درجه بندی خرما بر اساس برخی خواص هندسی در یک سیستم هوشمند (منطق فازی و شبکه عصبی)

برای کاهش تلفات و حفظ کیفیت محصولات کشاورزی در هنگام برداشت و پس از برداشت و به منظور طراحی و بهینه سازی ماشین های پس از برداشت نیاز به اطلاعات کافی از خواص هندسی آن ها است. در این تحقیق برخی خصوصیات هندسی میوه خرما (رقم مضافتی) شهرستان سروان در استان سیستان و بلوچستان بررسی و تعیین شد. نمونه ها بر اساس استاندرد و به صورت تصادفی تهیه شد و آزمایشات در 3 تکرار بر روی آن ها انجام پذیرفت. خواصی که مورد بررسی قرار گرفت عبارتند از: تعیین طول، عرض، ضخامت و ضریب کرویت، میانگین هندسی و حسابی قطرو سطح رویه خرما و در نهایت طراحی سیستم هوشمند (منطق فازی) برای جداسازی خرما بر اساس پارامترهای اندازه گیری شده در طراحی شبکه عصبی فازی نتایج تحقیق بیانگر این است که روش شبکه عصبی فازی با توجه به میزان کم خطا دارای همگرایی سریع و توانایی تقریب بالایی است و برای جداسازی خرما مناسب است توابع عضویت برای سیزده شبکه با پارامترهای ورودی مختلف از جمله طول، عرض، ضخامت، میانگین هندسی قطر، ضریب کرویت و سطح رویه توسط نرم افزار مطلب رسم شد و نتایج نشان داد که بیش ترین درصد توافق مربوط به شبکه ششم با پارامترهای ورودی طول، عرض، ضخامت و سطح رویه به میزان 96.5 درصد و کم ترین درصد توافق مربوط به شبکه هشتم با پارامتر ورودی طول به میزان 64 درصد می باشد.