Prediction of Chlorophyll Content of Tomato Plant by Artificial Neural Networks and Adaptive Nero-Fuzzy Inference System

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی

2 گروه مهندسی فناوری کشاورزی، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی

چکیده

Abstract
Approximately three-quarters of harvested tomatoes are freshly used. Good quality is an important factor in distributing of fresh tomato. Chlorophyll is the green chemicals to provide required food of plants and ensure plant growth and productivity. The main function of chlorophyll is to absorb blue and red lights and perform photosynthesis. In recent years, the tendency to use of prediction methods such as soft computing and artificial intelligence for growth of plans has increased. The main aim of this study was to investigate the relationship between height and chlorophyll content in the leaves of tomato plants using modeling and predicting techniques and compare the accuracy of these methods. In this study, some cultivated plants of tomato were randomly selected for height and SPAD measurements. The results showed the relationship between Chlorophyll content and height of plants was very low (R2 = 0.276). However using the modelling of ANN and ANFIS improved the prediction power up to (R2=0.982 and 0.913), respectively.

کلیدواژه‌ها

عنوان مقاله [English]

Prediction of Chlorophyll Content of Tomato Plant by Artificial Neural Networks and Adaptive Nero-Fuzzy Inference System

نویسندگان [English]

  • Vali Rasooli Sharabiani 1
  • Asma Kisalaei 1
  • Ebrahim Taghinezhad 2
1 Department of Biosystems Engineering, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran
2 Department of Agricultural Technology Engineering, Moghan College of Agricultural and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran
چکیده [English]

چکیده
تقریبا سه چهارم کل گوجه فرنگی تولید شده در جهان بصورت تازه مورد مصرف قرار می گیرد. کیفیت خوب برای توزیع گوجه فرنگی معیار مهمی است. کلروفیل یک ماده شیمیایی سبز رنگ برای تامین غذای مورد نیاز گیاه و تضمین رشد و بهره وری گیاه است. وظیفه اصلی کلروفیل جذب نورهای آبی و قرمز و انجام فتوسنتز است. در سال های اخیر تمایل به استفاده از روش های پیش بینی مانند محاسبات نرم و هوش مصنوعی برای پایش رشد گیاهان ا افزایش یافته است. هدف اصلی این تحقیق بررسی رابطه ارتفاع و محتوای کلروفیل در برگ گیاه گوجه فرنگی با استفاده از تکنیک های مدل سازی و پیش بینی و مقایسه دقت این روش ها بود. در این تحقیق تعدادی از بوته های گیاه گوجه فرنگی برای اندازه گیری ارتفاع و SPAD به طور تصادفی انتخاب شدند. نتایج نشان داد که ارتباط بین میزان کلروفیل و ارتفاع گیاه بسیار کم است (276/0=R2). با این حال، استفاده از مدل‌سازی ANN و ANFIS، قدرت پیش‌بینی را به ترتیب تا (982/0=R2 و 913/0 =R2) افزایش داد.
 
 
 

کلیدواژه‌ها [English]

  • واژه ­های کلیدی: محتوی کلروفیل گیاه
  • گوجه فرنگی
  • مدل سازی
  • شبکه های عصبی
  • انفیس
مکانیزاسیون کشاورزی
دوره 6، شماره 3
مهر 1400
صفحه 59-65

فایل ها

سابقه مقاله

  • تاریخ دریافت: 22 آذر 1400
  • تاریخ پذیرش: 22 آذر 1400

هم رسانی

ارجاع به این مقاله

آمار