Hasarsız çarpma tekniği kullanılarak domates meyvesinin kütle tahmini için farklı model yaklaşımlarının geliştirilmesi ve değerlendirilmesi

Bu çalışmada, hasarsız çarpma tekniği kullanılarak domates meyvesinin kütle tahmini için farklı model yaklaşımlarının geliştirilmesi ve değerlendirilmesi amaçlanmıştır. Denemeler süresince Bandita F1 çeşidi domates kullanılmıştır. Domateslerin kütle tahmininde üç farklı model değerlendirilmiş ve karşılaştırılmıştır. Model 1 olarak adlandırılan kütle tahmin yönteminde impuls-moment ilişkisinden yararlanılmıştır. Model 2’de tek çarpma koşulu dikkate alınarak basit doğrusal model eşitliği geliştirilmiş ve sadece impuls parametresi dikkate alınmıştır. Model 3’de ise dokuz çarpma parametresi çarpma kuvveti-temas zamanı grafiklerinden çıkartılmış ve parametre sayısı stepwise regresyon analiz yöntemi ile azaltılmıştır. Böylece, stepwise regresyon analiz yöntemi ile elde edilen en önemli çarpma parametreleri (Ia, Fmax1, Fmax2 ve tuçuş) çoklu doğrusal regresyon (MLR) analiz yönteminde kullanılarak yeni bir çoklu parametreli doğrusal matematiksel model geliştirilmiştir. İstatistiksel analiz sonuçları Model 3’ün yaklaşık olarak ±2.5 g’lık tahmin hatası ile en iyi tahmin sonucunu verdiğini göstermiştir. Bunu sırasıyla model 2 ve model 1 izlemiştir. Geliştirilen model 3 eşitliğinde Ia, Fmax1, Fmax2 ve tuçuş çarpma parametrelerinin kullanılması durumunda ölçülen ve tahmin edilen domates kütlesi arasındaki ilişki yüksek bulunmuştur. Ayrıca, model 3 için kalibrasyon ve doğrulama veri grupları için belirtme katsayıları (R2) sırasıyla 0.94 ve 0.92 olarak hesaplanmıştır.

Development and assessment of different modeling approaches for mass estimation of tomato fruit by using nondestructive impact technique

In this study, development and assessment of different modeling approaches for mass estimation of tomato fruit by using nondestructive impact technique were aimed. Bandita F1 tomato variety was used during the tests. Three different models were evaluated and compared for mass estimation of tomatoes. Impulse-moment relationship was used in the mass prediction method named as model 1. Simple linear model equation for single impact condition on model 2 was developed and only impulse parameter was taken into consideration. On model 3, nine impact parameters were extracted from impact force-contact time curves and number of parameter was decreased with stepwise regression analysis. Thus, a new linear mathematical model with multi-parameters was developed by using the most important impact parameters (Ia, Fmax1, Fmax2 ve tuçuş) obtained with stepwise regression analysis method in the multi linear regression analysis method. Statistical analysis results showed that model 3 gave the best prediction result with an estimation error of around ±2.5 g. This was followed by model 2 and model 1, respectively. Relationship between measured and predicted tomato mass in the case of using Ia, Fmax1, Fmax2 ve tuçuş impact parameters on the developed model 3 was found high. Furthermore, the coefficient of determinations (R2) for calibration and validation data set of model 3 were found to be 0.94 and 0.92, respectively.

Keywords:

Impact parameters, multi linear regression; nondestructive impact technique; mass estimation,

PDF

___

Ghazavi, M.A., Karami, R., Mahmoodi, M., 2013. Modeling some physic-mechanical properties of tomato. Journal of Agricultural Science, 5(1): 210-223.
Hasan Miraei Ashtiani, S., Motie, J.B., Emadi, B., Hosein Aghkhani, M., 2014. Models for predicting the mass of lime fruits by some engineering properties. Journal of Food Science and Technology, 51(11): 3411-3417.
Izadi, H., Kamgar, S., Raufat, M.H., Samsami, S., 2014. Mass and volume modeling of tomato based on physical characteristics. Scientific Journal of Crop Science, 3(1): 1- 8.
Khoshnam, F., Tabatabaeefar, A., Ghasemi Varnamkhasti, M., Borghei, A., 2007. Mass modeling of pomegranate (Punica granatum L.) fruit with some physical characteristics. Scientia Horticulturae, 11(4): 21-26.
Lien, C.C., Ay C., Ting, C.H., 2009. Non-destructive impact test for assessment of tomato maturity. Journal of Food Engineering, 91(3): 402-407.
McGlone, V.A., Jordan, R.B., Schaare, P.N., 1997. Obtaining mass from fruit impact response. Transactions of the ASAE, 40(5): 1417-1419.
Meredith, F.I., Leffler, R.G., Lyon, C.E., 1990. Detection of firmness in peaches by impact force response. Transactions of the ASAE, 33(1): 186-188.
Qarallah, B., Shoji, K., Kawamura, T., 2008. Development of a yield sensor for measuring individual weighs of onion bulbs. Biosystems Engineering, 100(4): 511-515.
Sabzi, S., Javadikia, P., Rabani, H., Adelkhani, A., 2013. Mass modeling of Bam orange with ANFIS and SPSS methods for using in machine vision. Measurement, 46: 3333-3341.
Schulze, K.S., Nagle, M., Spreer, W., Mayahothee, B., Müller, J., 2015. Development and assessment of different modeling approaches for size-mass estimation of mango fruits (Mangifera indica L., cv. “Nam Dokmai”).
Computers and Electronics in Agriculture, 14: 269-276. Shahbazi, F., Rahmati, S., 2012. Mass modeling of fig (Ficus carica L.) fruit with some physical characteristics. Food Science & Nutrition, 1(2): 125-129.
Spreer, W., Müller, J., 2011. Estimating the mass of mango fruit (Mangifera indica, cv. Chok Anan) from its geometric dimensions by optical measurement. Computers and Electronics in Agriculture, 75: 125-131.
Tabatabaeefar A., Rajabipour, A., 2005. Modeling the mass of apples by geometrical attributes. Scientia Horticulturae, 105: 373-382.