قَهوه نوعی نوشیدنی رایج است که از دانه‌های بوداده و آسیاب‌شده گیاه قهوه به دست می‌آید. گیاه قهوه بومی مناطق نیمه‌گرمسیری آفریقا و برخی از جزایر جنوب و جنوب شرق آسیا است. هنگام رسیدن میوه‌ی گیاه قهوه، دانه‌های قهوه را برداشت، فرآوری و در نهایت خشک می‌کنند. دانه‌های قهوه ی خشک‌شده به درجات مختلف بوداده می‌شوند و بسته به عطروطعم موردنظر، درجه‌بندی‌های مختلفی برای این محصول در نظر گرفته‌ می شود. قهوه کمی اسیدی است و می‌تواند به علت داشتن کافئین بالا موجب تحریک انسان گردد قهوه یکی از باارزش‌ترین محصولات اساسی است که دومین کالای اصلی بعد از نفت می باشد. تشخیص ناخالصی‌ها و افزودنی‌های طبیعی و غیرطبیعی در قهوه یک نگرانی دائمی است به‌ویژه در رابطه با تضمین کیفیت محصول با افزودن عمدی یا تصادفی مواد خارجی که می‌تواند به مصرف‌کننده به‌خصوص با ماهیت اقتصادی آسیب وارد کند. ازاین‌رو پژوهشگران همواره در تلاش هستند که راه‌حلی مناسب برای تشخیص تقلبات در قهوه ارائه دهندکه با درنظر گرفتن کابردی بودن روش و به‌دست آوردن نتیجه مناسب برای آزمایشات، غیرمخرب و سریع بودن روش ازاهمیت بالایی برخوردار است. هدف از پژوهش حاضر استفاده از سامانه ماشین بویایی و هوش مصنوعی برای تشخیص تقلب در قهوه عربیکا (Medium Dark) بود.برای این هدف، ابتدا دانه قهوه عربیکا از شرکت معتبر داخلی و نمونه پودرهای تقلبی شامل از پودر دانه سویای برشته شده، آرد گندم،آرد جو، قهوه ربوستا به مقدار نیاز در آزمایش تهیه شد. برای انجام آزمایش‌ها، قهوه عربیکا با درصد‌های وزنی 10 ،40،30،20 و 50 درصد با پودر های تقلبی مخلوط شد. برای هر نمونه از قهوه و پودرهای استفاده شده برای تقلب یک نمونه 100درصد خاص درنظر گرفته شد. 10 گرم از مخلوط هر نمونه داخل100میلی لیتر آب جوشان اضافه شده و به مدت 2 دقیقه درحال جوش نگهداری شد. نهایتا یک دقیقه درحالت سکون و دور ازحرارت نگهداری شد تا ذرات ته نشین شده و نهایتا مایع رویی جهت انجام آزمایش بویایی مورد استفاده قرار گرفت بعد ازمرحله ی مکش بوی نمونه توسط دستگاه بویایی، داده‌های به‌دست آمده توسط روش‌های PCA ،LDA و ANN مورد تحلیل قرارگرفت. با توجه به نتایج به‌دست آمده، روش ANN طبقه‌بندی بهتری را نسبت روش LDA ارایه داد.

   چکیده انرژی به‌عنوان یکی از مهم‌ترین و ضروری‌ترین عوامل تولید، دارای تاثیر قابل‌توجهی است. با توجه ‌به اینکه منابع سوخت‌های فسیلی رو به اتمام است، پژوهشگران به دنبال جایگزین‌کردن سوخت بیودیزل به عنوان یک سوخت زیستی قابل تجدید و دارای خواص نزدیک به گازوئیل هستند. تحقیق حاضر به دنبال مدل‌سازی داده‌های بینی الکترونیکی در پیش‌بینی پایداری اکسیداسیون و ویژگی‌های فیزیکی و شیمیایی بیودیزل و بررسی پایداری اکسیداسیون نمونه بیودیزل با دستگاه رانسیمت (Rancimat) و به‌کارگیری الگوریتم‌های مبنی بر هوش مصنوعی و آماری است. در این تحقیق ابتدا سوخت‌های بیودیزل از منابع مختلف روغن کلزا و آفتابگردان و پسماند آشپزی با متانول و کاتالیزور   KOH(پتاسیم هیدروکسید) تهیه شدند. هرکدام از سوخت‌ها با درصد حجمی 2، 5، 10 و 20 با سوخت دیزل مخلوط شده، با کمک سامانه بینی الکترونیکی مجهز به 10 حسگر ارزیابی و ویژگی‌های فیزیکی و شیمیایی همچون چگالی، گرانروی به همراه پایداری اکسیداسیون آنها به روش استاندار Rancimat در مدت ‌زمان‌های مختلف (هر آزمایش در یک ماه) مورد تجزیه ‌و تحلیل قرار گرفت. همچنین با روش‌های مختلفی همچون شبکه عصبی مصنوعی(ANN)، تحلیل مولفه‌های اصلی (PCA)، تحلیل تفکیک خطی و درجه دوم (LDA و QDA)، تحلیل ماشین بردار پشتیبان (SVM) و روش سطح پاسخ (RSM) هر کدام در هر ماه مورد تجزیه و تحلیل قرار گرفت. نتایج بدست آمده نشان داد برای طبقه‌بندی و تفکیک انواع سوخت‌های خالص، روش ANN با دقت 100 درصد قادر به تفکیک سوخت‌های خالص از هم در هر چهار ماه می‌باشد. دقت سایر روش‌های طبقه‌بندی برای تفکیک سوختهای خالص از همدیگر در هر چهار ماه به ترتیب برای SVM 94، 95، 82، 84، برایQDA 100، 100، 100 و 99، برای RSM به صورت 100، 93، 98 و 96 و برای LDA به ترتیب   100، 98، 100و 100 درصد بود. همچنین برای شناسایی و قرار دادن انواع سوخت‌های خالص (D100، K100، WCO100، SUN100) در یک گروه (Pure) و انواع سوخت‌های ناخالص در گروه دیگر (Impure) روش ANN با دقت 100، 8/98، 100 و 100 درصد قادر به تفکیک سوخت خالص از ترکیب دیزل- بیودیزل است. کلیدواژه: بیودیزل، روغن کلزا، روغن آفتابگردان، روغن پسماند آشپزی، پایداری اکسیداسیون، بینی الکترونیکی، هوش مصنوعی

   چکیده محصولات لبنی ، ارزش غذایی بالایی دارند و از گروه های غذایی پرمصرف برای تغذیه عموم هستند و به طور گسترده در صنایع غذایی استفاده می شوند. بنابراین، آن ها به دلیل اهمیت اقتصادی زیاد ، یکی از رایج ترین محصولاتی هستندکه در آن تقلب صورت می گیرد. برخی از تکنیک‌های تقلب را می‌توان به‌عنوان افزودن آب به شیر، افزودن شیرهای گونه‌های مختلف، جایگزینی چربی و افزودن آب پنیر به شیر فهرست کرد. افزودن آب پنیر به شیر یا مواد جامد آب پنیر به محصولات لبنی یکی از متداول‌ترین روش‌های تقلب است. در سال 2008 در چین، تقلب غیرقانونی شیر با ملامین منجر به عوارض کلیه و مجاری ادراری در 294000 کودک با مرگ 6 مورد شد. ملامین   عمداً به شیر، شیر خشک نوزادان، غذای حیوانات خانگی و سایر مواد غذایی جهت تقلب اضافه می شود. این حقایق باعث افزایش توسعه روش های تحلیلی برای تعیین ملامین در غذا و خوراک شده است. در این پژوهش تشخیص میزان تقلب در شیرخشک از روش بویایی الکترونیکی استفاده شد. برای انجام آزمایش­ها ابتدا شیرخشک ، پودر آب پنیر و ملامین تهیه گردید و بر اساس مقادیر مختلف درصد تقلب (10% ، 20% ، 30% ، 40% ، 50% ) ترکیب شد. کلیه آزمایش ها در ? سطح مختلف پودرآب پنیر و ملامین و با دو روش آزمایش به صورت خشک و به صورت ترکیب شده با آب جوش توسط بینی الکترونیکی انجام شد. داده ها به کمک روش های PCA ، LDA ، SVM ، ANN تحلیل شدند. بر اساس نمودار لودینگ تحلیل PCA برای آزمایش های خشک ، حسگرهای   MQ136، MQ3 و   TGS2602، بیشترین اثر را بر روی مولفه اصلی داشتند در حالی که برای تشخیص تقلبات شیر خشک تر حسگرهای MQ9، MQ3 و TGS822، بیشترین اثر را داشتند. بر اساس نتایج تحلیل LDA ، برای طبقه‌بندی داده‌های تقلب در شیر خشک به صورت خشک دقت مدل برابر 67/86 درصد و به صورت تر برابر با 15/95 درصد بود. همچنین در تحلیل SVM و ANN این اعداد به ترتیب برابر 9/92 و 6/97 درصد بود. با توجه به نتایج آزمایشات خشک ، مقادیر Specificity   وSensitivity   در روش SVM و ANN به ترتیب برابر 993/0 و 933/0 ، 89/0 ، 917/0 بودند. همانطور که مشخص است روش ANN طبقه بندی بهتری را نسبت به روش SVM ارئه می دهد. همچنان در آزمایش های تر نتایج مقادیر Specificity   و Sensitivity   در روش SVM و ANN به ترتیب برابر 997/0 و 975/0 ، 997/0 ، 975/0 بود. همانطور که مشخص است روش ANN طبقه بندی بهتری را نسبت به روش SVM ارائه می دهد. واژه­های کلیدی: شیر خشک ، تقلب ، بینی الکترونیکی ، پودرآب پنیر ، ملامین ، کمومتریکس

چغندرقند یکی از گیاهان بسیار مناسب جهت تولید قند و شکر می باشد. برگهای چغندرقند با استفاده از نور خورشید، تولید قند نموده که این قندها به سمت ریشه برگشته و در آنجا ذخیره می شوند. به طور کلی برگها نقش کارخانه قند سازی را بر عهده دارد. درصد قند چغندر، هم برای کشاورز و هم برای کارخانه قند بسیار مهم است چرا که بر این اساس، بهای چغندری پرداخت می گردد. هدف از این تحقیق، تخمین میزان ساکاروز محصول زراعی چغندرقند با استفاده از روش پردازش تصویر و تعیین بهترین زمان برداشت محصول چغندر قند بود. بدین منظور، از سطح 1000 مترمربعی از یک مزرعه چغندرقند، یک ماه قبل از تاریخ برداشت توصیه شده و یک ماه پس از آن بصورت یک روز در میان داده برداری شد. هر بار 5 بوته کامل چغندرقند بصورت تصادفی برداشت شد و از تمامی برگ ها تصویربرداری انجام گرفت. برای تخمین میزان قند چغندرقند و بدست آوردن مناسبترین زمان برداشت آن با روش پردازش تصویر، نیاز به مدل سازی مناسبی بین شاخص برداشت و زمان برداشت محصول است. مهمترین شاخص برداشت چغندرقند، عیار قند است. بدین منظور با استفاده از روش درخت تصمیم گیری سعی شد تا از بین ویژگی های برگ ها و تصاویر آنها موثرترین ورودی ها انتخاب شوند. سپس مدلی جهت یافتن ماکزیمم عیار قند متناسب با زمان برداشت محصول با استفاده از روش RSM طراحی شد. بهترین زمان برداشت محصول چغندرقند با بیشترین عیارقند، روز 210 پس از کشت بدست آمد. در منطقه مورد آزمایش، چغندرقند در روز 215 برداشت شده بود که تقریبا با محاسبات مدل سازی توسط سطح پاسخ همخوانی داشت. برای طراحی یک تصمیم یار است که قادر باشد به کشاورز زمان تقریبی برداشت را اعلام نماید، زمان سپری شده از روزکاشت تا برداشت هر نمونه­، از زمان بهینه برداشت که بیشترین عیار قند را دارد، کسر شد و اختلاف آنها به عنوان خروجی مدل تصمیم یار استفاده شد. نتایج درخت تصمیم نشان داد که میانگین مقدار B مربوط به کوچکترین سطح برگ، مقدار سطح کوچکترین برگ و مقدار سطح بزرگترین برگ ورودی های مناسبی برای تدوین تصمیم یار می باشند. برای طراحی و مدل سازی تصمیم یار، از سه روش مدل سازی سطح پاسخ، انفیس و شبکه های عصبی مصنوعی استفاده شد که این سه ویژگی به عنوان ورودی در نظر گرفته شدند و تعداد روز باقیمانده تا برداشت نیز به عنوان خروجی مدل در نظر گرفته شد. مقدار R2 در روش های سطح پاسخ، انفیس و شبکه­های عصبی   به ترتیب 83/0، 832/0 و 80/0 بود و روش انفیس در این میان با بیشترین دقت به عنوان بهترین مدل انتخاب شد.   

   یکی از مهم­ترین چالش‌ها در علم قارچ­شناسی، تفکیک قارچ­های غیر خوراکی از قارچ­های خوراکی است. با توجه به بروز پرتکرار مسمومیت‌های قارچی تفکیک قارچ­های خوراکی از غیر خوراکی از اهمیت بالایی برخوردار است. از آنجایی که فرایند شناسایی قارچ‌های ماکروسکوپی فقط توسط افراد تخصص صورت می‌گیرد، پایه‌ریزی روشی جایگزین که امکان تفکیک قارچ‌های غیر خوراکی از خوراکی را توسط افراد عادی میسر سازد، بسیار راهگشا خواهد بود. روش هوش مصنوعی و بینی الکترونیکی یک روش غیر مخرب و در دسترس است که می‌تواند در این مسیر مورد استفاده قرار گیرد. در واقع هدف از انجام این پژوهش، ارزیابی یک سامانه غیر   مخرب مبتنی بر فناوری­ بینی الکترونیکی، برای تفکیک قارچ‌های خوراکی از قارچ‌های غیر خوراکی است که در صورت موفقیت می‌تواند به حفظ سلامت و درمان بیماری­ها و کاهش مسمویت حاصل از قارچ­های غیر خوراکی می­باشد. لذا در این پژوهش از یک سامانه بویایی برای تفکیک قارچ­های خوراکی و غیر خوراکی استفاده شد. برای تحلیل داده­های بدست آمده از سامانه بویایی از روش­های ANN، تحلیل مولفه­های اصلی PCA، تحلیل تفکیک خطی LDA، تحلیل تفکیک خطی درجه2   QDA و ماشین بردار پشتیبان SVM   استفاده شد. طبقه­بندی داده­های حاصــل از سیگنال­های به دست آمده از آرایه حسگری نشان داد که روش‌های LDA، QDA و ANN   عملکرد بسیار مناسبی در تفکیک قارچ­ها بر اســاس خوراکی و غیر خوراکی بودن آن­ها داشــته و دقت بالایی در طبقه­بندی به دست آمد. استفاده از روش QDA برای تفکیک و طبقه­بندی انواع مختلف قارچ‌های خوراکی و غیر خوراکی نسبت به روش LDA موثرتر و دقیق­تر بود.

  رب گوجه فرنگی محصول اصلی گوجه فرنگی است که به صورت تجاری یا به صورت سنتی در‌‌‌‌ منزل تهیه می‌شود. طبق تعریف سازمان بهداشت جهانی، افزودن هر گونه ماده‌ی غیر مجاز و مضر به سبد غذایی انسان و حیوان تقلب نام دارد. گاهی افراد سود‌جو برای کم کردن هزینه‌های تولید و رسیدن به سود بیشتر دست به تقلب در مواد غذایی می‌زنند و سلامت انسان را به خطر می‌اندازند. بنابراین نیاز است تا روش‌های جدید و با سطح پاسخ سریع و بالا جهت شناسایی مواد افزودنی در رب استفاده شوند.از طرفی زمانی که یک ماده‌ی غذایی دچار تغییراتی شود و یا این که واکنش‌های شیمیایی در آن به وقوع بپیوندد، به طوری که ارزش مصرفی آن کاملا پایین آمده یا از بین برود، در این صورت چنین ماده ی غذایی دچار فساد شده است و آن را فاسد می‌نامند. در این پژوهش سعی بر آن است که بتوان به کمک ماشین بویایی علاوه بر تشخیص فساد در رب گوجه فرنگی، با شناسایی تقلب‌های رایج از جمله شناسایی مواد افزودنی نگهدارنده‌ی غیر مجاز در رب گوجه فرنگی به تامین سلامت تغذیه‌ای افراد جوامع پرداخت. در این پژوهش انجام کار در دو بخش بررسی آزمایشات بخش تقلبات و آزمایشات بخش فساد صورت پذیرفت. در بخش تقلبات، آزمایش به کمک افزودن دو ماده‌ی بنزوات سدیم و سوربات پتاسیم به صورت مجزا به نمونه‌های رب گوجه فرنگی انجام شد. پس از گذشت فاصله‌ی زمانی 2 ساعته تست‌های بویایی واندازه‌گیری اسیدیته، پی‌اچ در 20 نمونه انجام پذیرفت. در بخش دوم آزمایشات، که آزمایشات مرتبط با فساد رب گوجه بود آزمون‌های میکروبی و فیزیکی و شیمیایی رب انجام شد. در آزمون میکروبی سویه‌های مورد نظر پس از خریداری وآماده سازی اولیه به نمونه‌ها اضافه گردید. میکروارگانیسم‌ها با گذشت زمان باعث ایجاد تغییرات فیزیکی و شیمیایی در رب گوجه فرنگی شدند. جهت ارزیابی این تغییرات آزمون‌های فیزیکی وشیمیایی رب که شامل اندازه‌گیری pH، اسیدیته، بریکس، درصد‌ وزنی رسوب و تست بویایی بود انجام گرفت.

Sativum) به­دلیل داشتن خواص دارویی ارزشمند و به عنوان یک داروی مهم برای بسیاری از بیماری­ها شناخته شده­است و در بسیاری از مناطق جهان کشت می­­شود. حساسیت بالای این محصول پس از پوست­گیری از جمله تغییر در رنگ، شکل، بافت و خصوصیات ظاهری و همچنین از دست دادن رطوبت و شادابی آن را با مشکل مواجه می­کند.عمر نگهداری سیر پوست­گیری شده در دمای محیط تقریبا 21 روز، در دمای یخچال (4 درجه سانیگراد) و دمای فریزر (18- درجه سانتیگراد) هم تقریبا 35 روز می­باشد. روش­های مختلفی برای افزایش عمر ماندگاری محصولات غذایی و کشاورزی در طول دوره­ی نگهداری و انبارمانی وجود دارد که از پرکاربردترین آنها می­توان به استفاده از فیلم­های بسته­بندی نانو، بسته بندی در شرایط اتمسفر اصلاح شده و استفاده از پوشش­های مختلف خوراکی اشاره کرد. در این پژوهش از 2نوع فیلم بسته­بندی(فیلم بسته­بندی معمولی و فیلم بسته­بندی نانو) و همچنین 2نوع اتمسفر(اتمسفر معمولی و اتمسفر اصلاح­ شده (MAP) که میزان دی اکسید کربن را 5% و میزان اکسیژن را 1 درصد در نظر گرفتیم و 94% مابقی گاز نیتروژن بود) به­منظور بسته­بندی محصول سیر مورد استفاده قرار گرفت. فیلم نانو که از نوع نانوسیلیس است به­منظور بسته­بندی محصول سیر مورد استفاده قرار گرفت. محصول مورد نظر پس از برداشت   به صورت سنتی و دستی و با دقت بالا پوست­گیری شد و سپس در بسته­های مورد نظر و در دوره­ی 21 روزه (در سه دمای 25، 4 و منفی 18 درجه سانتیگراد) و دوره­ی 35 روزه (در دو دمای 4 و منفی 18 درجه سانتیگراد) بسته­بندی و نگهداری شدند. در طول دوره­ی نگهداری، خواص فیزیولوژیکی (بیوشیمیایی) با روش­های مختلفی مانند روش طیف­سنجی و روش عصاره‏گیری برای اندازه‏گیری آنزیم‏های آنتی­اکسیدان از جمله تغییرات آنزیم­های پراکسیداز (POD)، سوپراکسید دیسموتاز(SOD)، کاتالاز و محتوای پروتئین­های محلول به­صورت هفتگی بررسی شد. آنالیز آماری داده­ها در قالب طرح کاملا تصادفی با آزمایش فاکتوریل بر تغییرات آنزیم­های سیر بسته­بندی شده مورد بررسی قرار گرفت. نتایج نشان دهنده روند افزایشی کلی فعالیت آنزیم پراکسیداز (POD)، روند افزایشی محتوای پروتئین محلول در دمای یخچال و روند کاهشی آن در دمای محیط، و روند افزایشی فعالیت آنزیم سوپراکسید دیسموتاز(SOD)   در دمای یخچال و روند کاهشی آن در دمای محیط و همچنین روند افزایشی آنزیم کاتالاز در دمای فریزر و روند کاهشی آن در دمای یخچال شد و تاثیر دوره­ی نگهداری در دوره­21روزه و همچنین 35روزه بجز پراکسیداز که معنی­دار نشد در سایر فاکتورها در سطح 1درصد معنی­دار شده است. تاثیر شاخص دما در دوره نگهداری 21روزه بر روی کاتالاز در سطح 1درصد و بر روی سوپراکسید دیسموتاز در سطح 5درصد معنی­دار شده و بر روی   پراکسیداز و محتوای پروتئین محلول و همچنین در دوره­ی نگهداری 35روزه بر تمامی خواص تاثیر معنی­داری نداشت. تاثیر شاخص فیلم بسته­بندی در دوره نگهداری 21روزه بر روی محتوای پروتئین محلول در سطح 1درصد و بر روی پراکسیداز در سطح 5درصد معنی­دار شده و بر روی   سوپراکسید دیسموتاز و کاتالاز و همچنین در دوره­ی نگهداری 35روزه بجز سوپراکسید دیسموتاز در سطح 5درصد بر روی تمامی خواص تاثیر معنی­داری نداشت. تاثیر شاخص اتمسفر در هیچکدام از پارامترهای هردو دوره تاثیر معنی­داری نداشت.  

بمنظور حفظ کیفیت میوه ها و افزایش عمر ماندگاری آنها، تحقیقات وسیعی در زمینه روش های بسته بندی به ویژه کاربرد نانومواد در بسته بندی صورت گرفته است. با توجه به خواص دارویی و غذایی بالای سیر و همچنین حساس بودن دوره نگهداری آن پس از پوست گیری، بسته بندی این محصول از اهمیت بالایی برخوردار است. در این پژوهش بسته بندی سیر در دو فیلم معمولی و نانو در دماهای 25، 4 و18- درجه سانتی­گراد و سه حالت اتمسفری معمولی ، خلاء و اتمسفر اصلاح شده انجام شد. خواص اندازه­گیری شده شامل خواص مکانیکی(Fmax،Emod و درصد تغییر شکل)،خواص شیمیایی(PH و TSS)، خواص رنگ سنجی(L*، تغییر رنگ و شاخص قهوه ای شدن) و همچنین میزان گاز(O2 و CO2) درون بسته ها بود. آنالیز داده ها در دوبخش 14 روزه شامل هر سه دما و 35 روزه شامل دمای یخچال و فریزر انجام شد. آنالیز داده ها به دو روش آماری و شبکه عصبی مصنوعی (ANN) صورت گرفت. روند تغییرات در طول دوره نگهداری در خواص مکانیکی(بجز تغییر شکل)،میزان دی اکسید کربن ، TSS و L* بصورت کاهشی و در PH، درصد تغییر شکل،تغییر رنگ و شاخص قهوه ای شدن بصورت افزایشی گزارش شد. نتایج آنالیزآماری نشان داد که در دوره 14 روزه تغییرات دما و در دوره 35 روزه نیز دما و اثر متقابل دما×اتمسفر اثربخشی معنی داری بر تمامی پارامتر ها داشتند.کمترین تغییرات خواص اندازه گیری شده عمدتا در فیلم نانو رخ داد. درآنالیز شبکه عصبی(ANN) خروجی بهترین مدل برای اثر گذاری تیمار ها بر خواص،نمودار عملکرد اعتبارسنجی، ضریب رگرسیون داده ها(آزمایش، آموزش و کلی) و همچنین برازش خط رگرسیون داده ها اندازه گیری شد.   

مطالعه­ی مورد نظر جهت بررسی اثر روش تجویز مکمل‌های سلنیوم و ویتامین ای در اواخر آبستنی بر غلظت سلنیوم، مس، روی و آهن خون و شیر میش‌ها و خون بره­های حاصل ازآن­ها انجام شد. در این مطالعه 18 راس میش آبستن از گله 50 راسی آبستن به صورت تصادفی انتخاب و در 3   گروه 6 راسی به صورت انفزادی نگهداری شدند. تیمارها شامل:تیماراول ،شاهد (دریافت مقدار 10 میلی‌لیتر مکمل سلنیوم و ویتامین ای به صورت تزریقی دو هفته قبل از زایش؛ هر میلی لیتر حاوی 5/0 میلی‌گرم سلنیت سدیم و 50 میلی گرم ویتامین ای). تیمار دوم، دریافت مکمل سلنیوم و ویتامین ای بصورت خوراکی   3/0 میلی‌گرم سلنیوم و 50 میلی‌گرم ویتامین ای در کیلوگرم ماده خشک مصرفی ) مخلوط با جیره و به‌صورت روزانه از چهار هفته قبل از زایش و تیمار سوم تجویز 10 میلی‌لیتر مکمل سلنیوم و ویتامین ای به‌صورت تزریقی چهار هفته قبل از زایش (5 میلی‌لیتر) و دو هفته قبل از زایش (5 میلی‌لیتر)بودند. میش‌ها در روزهای اول، وسط دوره   و قبل از زایش توزین   و امتیاز بدنی آنها نیز تعیین شد.از رگ گردنی میش­ها   قبل از تجویز مکمل و زمان زایمان خون‌گیری شد. از بره­های تازه متولد‌شده نیز قبل از مصرف کلستروم   (آغوز) و روز 14 بعد از تولد از طریق رگ گردنی خونگیری شد. نمونه هایی ازآغوز و شیر جهت اندازه­گیری غلظت سلنیوم، مس، روی و آهن برداشت شد. نتایج آزمایش نشان داد که میانگین وزن میش­ها در   4 هفته قبل از زایش تا زمان زایش، تفاوت معنی‌داری نداشتند ولی در دو هفته بعد از زایش وزن میش­ها در گروه تیمار خوراکی نسبت به تیمار شاهد بیشتر بود(05/0>P).اختلاف معنی‌داری در امتیاز وضعیت بدنی بین تیمارها مشاهده نشد. بعد زایش غلظت سلنیوم پلاسمای میش‌ها در تیمار خوراکی بالاتر از گروه‌های دیگر بود (05/0>P). در روز تولد میانگین غلظت سلنیوم پلاسمای خون بره‌ها در تیمار خوراکی   بالاتر از دو گروه دیگر بود (05/0>P) اما در دو هفتگی بین بره‌های تیمارهای مختلف تفاوتی از لحاظ این فراسنجه مشاهده نشد (05/0>P). غلظت سلنیوم در آغوز میش­های گروه دریافت‌ کننده مکمل خوراکی نسبت به تیمار شاهد افزایش یافت(05/0>P)اما تفاوت معنی­داری بین تیمارها از لحاظ غلظت سلنیوم در نمونه های شیر   مشاهده نشد (05/0P>). تفاوت معنی­داری بین تیمار‌ها از لحاظ غلظت‌های آهن، مس و روی پلاسمای خون، آغوز و شیر میش‌ها وجود نداشت (05/0P>) . تفاوت معنی‌داری در غلظت‌های آهن، مس و روی پلاسمای خون بره­ها در زمان تولد بین تیمارها وجود نداشت (05/0P>) اما در دو هفتگی بره­ها، غلظت مس پلاسمای خون در تیمار خوراکی نسبت به تیمار شاهد بالاتر بود (05/0>P). در نتیجه گیری کلی، غلظت سلنیوم خون میش‌ها و بره‌های حاصل از آنها و غلظت سلنیوم آغوز در تیمار خوراکی بیشتر بود(05/0>P)اما به غیر از مس در بره ها، اختلاف معنی‌داری در غلظت عناصر آهن، روی و مس مشاهده نشد. با توجه به نتایج این مطالعه، بهتر است از مکمل سلنیوم و ویتامین ای به صورت خوراکی استفاده شود

   سبزیجات و صیفی‌جات به دلیل داشتن فیبر بالا و خاصیت ضد اکسیدانی   نقش مهمی در سلامت انسان ایفا می­کنند. خیار سبز یکی از قدیمی‌ترین سبزی‌های کشت شده است و بیش از پنج هزار سال تاریخ شناخته شده دارد. خیار سبز با نام علمی Cucumis Sativus متعلق به خانواده کدوییان Cucurbiteacae می‌باشد، که یکی از مهم‌ترین خانواده گیاهی است و شامل 90 جنس و 750 گونه است. پژوهشگران به این نتیجه رسیده­اند که استفاده از کود اوره باعث افزایش عملکرد سبزیجات خواهد شدکه این امر باعث استفاد بی­رویه کشاورزان ازکود اوره شده است. استفاده از کود اوره در مزارع باید تحت کنترل قرار گیرد چرا که استفاده بیش­ از حد نه­تنها در افزایش عملکرد تاثیری نخواهد داشت بلکه باعث تجمع نیترات خواهد شد. با توجه به این‌که سبزیجات و صیفی‌جات قابلیت جذب و احتباس مقادیر زیادی از نیتریت و نیترات را دارا هستند، لذا مصرف این قبیل محصولات توسط انسان موجب به خطر افتادن سلامتی می‌گردد. به این منظور ضوابطی در نظر گرفته شده است که محصولات با مصرف مجاز سموم و کودهای شیمیایی را با عنوان محصول سالم برچسب گذاری می­کنند. تشخیص مصرف بیش­از حد کود اوره در مزارع با استفاده از فن­آوری­های موجود مانند کروماتوگرافی (GC[1]) و یا کروماتوگرافی گازی طیف سنج(GC/MS[2]) انجام می­شود که بسیار هزینه‌بر و زمان­بر است و به کاربرهایی متخصص نیاز دارد. بنابراین لازم است به­دنبال راه­حلی آسان و کم هزینه بود که بتواند در کم­ترین زمان آزمایش را انجام دهد. در این پژوهش پنج سطح کود اوره در خیار با استفاده از روش بینی الکترونیک و آنالیزهای شیمیایی و توسط روش­های کمومتریکس طبقه­بندی شدند. سطوح کود اوره صفر، 100، 200، 300 و 400 کیلوگرم بر هکتار بودند که در هر سطح کود اوره دو برداشت در فواصل زمانی چهار و پنج ماه پس از کشت بذر انجام شد.   فن­آوری بینی الکترونیکی یک تکنولوژی مدرن و پیشرفته است که در صنایع کشاورزی استفاده­های زیادی دارد. در این پژوهش برای تشخیص میزان کود اوره استفاده شده در کشت خیار سبز از ماشین بویایی استفاده شد که دارای هشت حسگر نیمه هادی اکسید فلزی بود و برای اندازه گیری فسفر به روش طیف سنجی، پتاسیم نشر شعله­ای و نیتروژن به­وسیله کجلدال ستفاده شد. داده­های ماشین بویایی به وسیله روش­های ANN، SVM، LDA و QDA و آنالیزهای شیمیایی توسط روش­های PCR، PLSو MLR تحلیل و طبقه­بندی شدند. [1]. Gas Chromatography [2]. Gas Chromatography /Mass Spectrometry

در سال­های اخیر رو به رشد بودن جامعه و افزایش تقاضا باعث افزایش آمار تقلب­­ در عرضه مواد غـذایی توسط افراد سود جو شده اسـت. تقلب در فراورده­های مواد غذایی علاوه بر کاهش کیفیت محصول و خسارت‌های مالی، برای سلامت مصرف‌کنندگان نیز زیان آور است، لذا باعث نگرانی و صلب اعتماد مصرف‌کنندگان شده است. سرکه یک محلول از اسید استیک و مواد شیمیایی دیگری مانند طعم دهنده‌ها است که ازتخمیر میوه‌های مختلف تولید می­شود. سرکه به علت داشتن خواص دارویی، پاک‌کنندگی، تهیه انواع ترشی و استفاده در انواع مختلف غذاها به عنوان چاشنی نقش مهمی در زندگی و سلامت انسان دارد. مخلوط کردن سرکه طبیعی با انواع سرکه طبیعی نسبتا ارزان­تر، سرکه سفید بازاری،آب و استفاده از اسید استیک صنعتی در تولید سرکه مصنوعی از رایج­ترین روش‌های تقلب در بازار می­باشد. به سختی می­توان تکنیکی را یافت که بتواند به راحتی و با اطمینان پارامترهای کیفیتی سرکه را ارزیابی کند. از این رو در چند دهه اخیر محققین به سوی استفاده از روش­های بینایی، بویایی، چشایی و رایانه­ای در صنعت مواد غذایی رو آورده­اند. بینی الکترونیکی از روش­های جدیدی می­باشد که اخیرا در کشاورزی و صنایع مواد غذایی بخصوص در زمینه بررسی کیفی مواد غذایی بسیار مورد توجه محققین قرار گرفته است. در این پژوهش، یک سامانه قابل حمل به منظور ارزیابی تشخیص تقلب در دو نوع سرکه طبیعی(انگور و سیب) توسعه و پیاده­سازی شد. سامانه بینی الکترونیکی شامل هشت حسگر نیمه هادی اکسید فلزی بود. انواع سرکه تقلبی با مخلوط کردن سرکه انگورو سیب ومخلوط هردو با سرکه سفید بازاری ، اسید استیک و آب در نسبت­های مختلف تهیه شد. ویژگی­های استخراج شده از سیگنال­های به دست آمده از سامانه، با روش­های تحلیل مولفه­های اصلی(PCA)، شبکه عصبی‌مصنوعی(ANN)، تحلیل تفکیک خطی(LDA) و تحلیل تفکیک خطی درجه دو(QDA) پردازش شدند. در تحلیل مولفه­های اصلی ، در مقایسه هم­زمان (17گروه) سرکه انگور با واریانس کلی 88 درصد تفکیک انجام شد و براساس نمودار لودینگ حسگرهای   TGS2620و MQ136 را به عنوان بهترین حسگر در طبقه­بندی معرفی شد. همچنین در مقایسه هم­زمان (13گروه) سرکه سیب با واریانس کلی 73 درصد تفکیک انجام شد و براساس نمودار لودینگ حسگرهای   TGS822و TGS2602 را به عنوان بهترین حسگر در طبقه­بندی معرفی شد. بررسی نتایج (LDA)   و (QDA) سرکه انگور به ترتیب با دقت 96 و 55/99درصد طبقه­بندی انجام شد و در سرکه سیب به ترتیب با دقت44/99، 89/98 درصد طبقه­بندی صورت گرفت. تحلیل شبکه عصبی مصنوعی، سرکه انگور با دقت 1/ 99 درصد طبقه­بندی در ماتریس اغتشاش صورت گرفت، که بهترین عملکرد شبکه در اپوک 42، با 5 نرون در لایه مخفی و 999/0=R   ، 000136/0=MSE   بود. سرکه سیب با دقت 100 درصد طبقه­بندی انجام شد، بهترین عملکرد شبکه در اپوک 19، با 3 نرون در لایه مخفی و998/0=R   ، 000513/0 =MSE   است. طبق نتایج تیتراسیون ثابت شد در تحلیل PCA سطح اسید استیک برتفکیک واریانس نمونه‌های تقلب شده با سرکه انگور تاثیر ندارد و هرچه سطح اسید استیک موجود در نمونه های تقلب شده با سرکه سیب پایین‌تر باشد درصد تفکیک واریانس بین نمونه‌ها بیشتر است. طبق تحلیل های LDA و QDA هرچه اختلاف سطح اسید استیک سرکه و ماده‌ای که با آن مخلوط می‌شود کمتر باشد تشخیص و طبقه‌بندی آن توسط روش‌های تحلیل تفکیک خطی و درجه دوم برای سرکه انگور ضعیف تر است و برای سرکه سیب   طبقه‌بندی روش تحلیل تفکیک درجه دوم ضعیف‌تر است اما برای تفکیک خطی بدون تاثیر است. در تحلیل شبکه عصبی در نمونه‌های تقلبی سرکه سیب هرچه اختلاف میزان اسید استیک سرکه سیب و ماده ای که با آن تقلب صورت گرفته است کمتر باشد تفکیک آن در شبکه عصبی دقیق‌تر است اما سطح اسید استیک برای سرکه انگور بدون تاثیر است. براساس مقایسه پارامترهای عملکردی برای مقایسه روش­های به­کار برده شده روش (QDA)   هم برای سرکه   انگور هم برای سرکه سیب از سایر روش­ها موثرتر بوده است.   

   روغن‌های گیاهی که ساختار زنجیره هیدروکربنی اسیدهای چرب آن‌ها، شباهت زیادی به ساختار هیدروکربنی مواد نفتی دارد، به علت ویژگی­هایی نظیر تجدید پذیر بودن و زیست‌تخریب‌پذیر بودن، جایگزین ایده‌آلی برای روان‌سازهای نفتی به شمار می­روند. بیوروان‌سازها از اصلاح ساختار شیمیایی روغن‌های گیاهی به دست می­آیند. در این تحقیق برای تولید بیوروان‌ساز با پایه روغنی کاملینا از روش دو مرحله‌ای ترانس‌استریفیکاسیون- پولیول استر استفاده شد. انرژی گرمایی مورد نیاز واکنش توسط ریزموج به همراه همزن مکانیکی تامین شد. جهت انجام کامل واکنش ترانس‌استریفیکاسیون، عمل میعان متانول و بازگردان آن به داخل ظرف واکنش از یک پمپ خلا متصل به کندانسور استفاده شد. در مرحله اولیه روغن کاملینا با متانول در حضور کاتالیزور KOH واکنش داده و ریز موج با توان ثابت 800 وات روی حالت Medium (12 ثانیه روشن و 16 ثانبه خاموش) تنظیم بوده و همزنی به صورت مداوم انجام می‌شد. در فرآیند تولید بیوروان‌ساز، از متیل استر، الکل   تری‌متیلول پروپان (TMP)و کاتالیزور پتاسیم کربنات K2CO3 استفاده شد. ریز موج با توان ثابت 800 وات روی حالت Low (5 ثانیه روشن و 30 ثانبه خاموش) تنظیم بوده و همزنی به صورت مداوم انجام می‌شد. برای آنالیز بازده واکنش ترانس‌استریفیکاسیون از دستگاه طیف‌سنجی تشدید مغناطیسی هسته-هیدروژن (H-NMR) استفاده شد. در مرحله تولید بیودیزل عامل‌های زمان، درصد وزنی کاتالیزور و نسبت مولی متانول به روغن و در مرحله تولید بیوروان‌ساز عامل‌هایی همچون زمان، درصد وزنی کاتالیزور و نسبت مولی بیودیزل به تری‌متیلول پروپان (TMP) با استفاده از روش RSM و طرح آزمایشی Box Behnken بررسی شد. برای واکنش بیودیزل مدل رگرسیونی بدست آمده از نوع درجه دوم بوده و دارای ضریب تبیین(R2)، انحراف معیار (Std. Dev.) و ضریب تغییرات (C.V.) به ترتیب 80/97 درصد، 02/3 و 03/4 درصد بود. نتایج بهینه‌سازی نشان داد بیشترین بازده بیودیزل با مقدار 31/95 درصد در زمان واکنش 85/5 دقیقه، غلظت کاتالیزور 26/1 درصد و نسبت مولی الکل به روغن کاملینا 91/6 و درجه مطلوبیت 95/0 حاصل می‌شود. برای واکنش بیوروان‌ساز نیز مدل رگرسیونی بدست آمده از نوع درجه دوم بوده و دارای ضریب تبیین 97/97 درصد، انحراف معیار 91/0 و ضریب تغییرات 1 درصد بود. نتایج بهینه‌سازی نشان داد بیشترین بازده بیوروان‌ساز در مدت زمان 8/67 دقیقه، غلظت کاتالیزور 4/1 درصد وزنی و نسبت مولی 5/3 بدست می‌آید. در چنین شرایطی بازده واکنش 3/94 درصد با مطلوبیت 975/0 بود. برخی ویژگی‌های بیودیزل و بیوروان‌ساز تولید شده مورد ارزیابی قرار گرفته و با استانداردهای EN14214، ASTM D6751، ISO VG10 و ISO VG22 مقایسه شد.

  تجزیه گرمایی زیست توده در محیطبدون اکسیژن یا با اکسیژن اندک را گرماکافت می‌نامند که محصول این فرآیند دی اکسیدکربن، گازهای سوختی، بخار قیری و جزء جامدی به نام بیوچار است. فرآیند گرماکافتراهی برای تبدیل زیست توده به مواد با ارزشتر نظیر بیوچار است. بیوچار ماده ایجامد و دارای محتوای کربن بالاست که رایج ترین مورد استفاده آن در کشاورزی بهعنوان اصلاح کننده خاک است. محققان در سال های گذشته تاثیر استفاده از بیوچار برخصوصیات فیزیکی وشیمیایی خاک را مورد مطالعه قرار داده اند و مشخص شده است کهافزودن بیوچار به خاک کیفیت خاک را بهبود می‌بخشد. خصوصیات فیزیکی و شیمیایی بیوچارتحت تاثیر عوامل مختلفی از جمله نوع مواد اولیه، شرایط واحد گرماکافت، سرعت گرمادهی،مدت زمان گرماکافت وللفعوامل متعدد دیگری قرار می‌گیرد . دامنه گسترده فرآیندگرماکافت منجر به تولید بیوچارهایی   که ازنظر خواص شیمیایی و فیزیکی مختلفی نظیر ترکیب عنصری و خاکستر، وزن مخصوص، تخلخل،توزیع اندازه منافذ، سطح ویژه، pH، جذب و دفع آب و یون ها و بسیاری خواص دیگر متفاوت هستند می‌شود. هدفاز این مطالعه، بررسی اثر تغییر دبی هوا و دمای محفظه در گرماکافت اکسایشی بسترثابت بر روی عملکرد بیوچار، محتوای خاکستر، وزن مخصوص و pH بود. بدین منظور یک دستگاه تولید بیوچار اکسایشی بسترثابت با قابلیت تغییر در دمای محفظه و دبی هوای خروجی طراحی و ساخته شد.آزمایش‌هادر چهار دبی هوای 20، 25، 30 و 35 لیتر در دقیقه ونیز چهار دمای 350، 400، 450 و500 درجه سانتی‌گراد برای کاه و کلش گندم انجام شد. نتایج نشان داد که افزایش دبیهوای   خروجی   از محفظه و افزایش دمای محفظه، سبب افزایش میزانخاکستر وpH شد. درحالی که تغییر این پارامترها سبب کاهش وزن مخصوص ظاهری و عملکرد   بیوچارتولیدی شدند.     

   چکیده    انار با نام علمی   Punica granatum L، از خانواده پونیکاسه می باشد .ایران با داشتن 60 هزار هکتار سطح زیر کشت و تولید 800   هزار تن مقام اول تولید انار در جهان را به خود اختصـاص داده است. از دانه انار می توان آب، رب، معجون، شربت، مربا، ژله و ...تهیه نمود. در حال حاضر مطلوب و سالم بودن مواد غذایی   از نظرکیفیت نقش مهمی را در صنایع غذایی ایفا می­کند. تشخیص تقلب در صنایع موادغذایی همواره جامعه علمی را به چالش کشیده است. با ‌مشکل می­توان شیوه ای را یافت که کیفیت مواد غذایی را تعیین کند. به این دلیل در دهه های اخیر توجه به‌ استفاده از روش­های بویایی ،چشایی ، بینایی   و رایانه­ای در صنعت بررسی مواد غذایی مورد توجه قرار گرفته است. ماشین بویایی از شیوه ی تازه ای است که در صنایع وابسته به مواد غذایی و کشاورزی برای بررسی کیفیت مواد غذایی زیاد مورد توجه پژوهش گران   واقع شده است. در این خصوص، یک سامانه­ی قابل حمل بینی الکترنیک بر پایه حسگرهای گازی برای تشخیص رب انار خالص از نوع تقلبی بررسی شد. ویژگی­های پاسخ حسگرها به ترکیبات فرار انواع نمونه­ها، استخراج و به عنوان ورودی مدل تشخیص الگو استفاده شد. برای هر نمونه آزمایش مقدار 30 گرم مورد آزمایش قرار گرفت. بر طبق نتایج حاصل شده جهت مخلوط رب انار خالص با شیره انگور و شیره خرما، درصد واریانس به روش PCA به ترتیب 92 و 94 درصد و به منظور طبقه­بندی هر ماده در هفت گروه قرار داشتند دقت طبقه‌بندی به روش   QDA به ترتیب 71/85 و 14/97 درصد و دقت طبقه بندی به روش LDA به ترتیب 52/69 و 67/86 به دست آمد. نتایج تحلیل شبکه عصبی مصنوعی برای رب انار خاص از نوع تقلبی شیره انگور و شیره خرما به ترتیب دقت طبقه‌بندی 80 و 4/92 درصد حاصل شد. نتایج حاصله از گراف لودینگ مشخص نمود که برای مقایسه رب انار و شیره انگور حسگرهای   (MQ-136)و (TGS-2602) بیشترین تاثیر را دارند. هم چنین نمودار لودینگ برای مقایسه رب انار و شیره خرما حسگرهای (TGS-822)،   (MQ-135)و (TGS-2620) بیشترین تاثیر را دارند. بر اساس کارایی حسگرهای سامانه بویایی الکترونیکی،   کاربرد سامانه   جایگزین روش­های پیچیده متداول و   زمان­بر در مشخص کردن کیفیت رب انار خاص و تعیین درجه خلوص آن گردد.                واژه­های کلیدی: بینی الکترونیک، تقلب، حسگر، رب انار، مواد غذایی.

   در سال­های اخیر تقلب در مواد غذایی افزایش چشم گیری داشته است. تقلب در موادغذایی علاوه بر اینکه بر کیفیت محصول اثر می­گذارد و خسارات مالی به وجود می آورد برسلامت مصرف کننده نیز اثرات سوئی دارد. و باعث به وجود آمدن نگرانی­های زیادی در مصرف مواد غذایی شده است. یکی از مواد غذایی پرکاربرد در صنعت غذایی روغن­های خوراکی هستند. که در آشپزی از آن استفاده می­شود. روغن­های جامد نباتی یا روغن­هایی مثل پالم دارای اسید چرب اشباع بالا هستند، چنین روغن­هایی می­توانند باعث بالا رفتن چربی خون، افزایش کلسترول بدن و در نهایت موجب گرفتگی و انسداد عروق شوند و این در حالی است که بیماری­های قلبی و عروقی از مهمترین علل مرگ هستند. روغن­های مورد استفاده در سبد غذایی افراد باید حداقل زیر 2 درصد اسید چرب اشباع و ترانس داشته باشند. یکی از دلایل استفاده از روغن پالم ارزان بودن آن نسبت به سایر روغن­های کنجد، ذرت، سویا و آفتابگردان است و به دلیل بالا رفتن قیمت روغن­های دیگر نسبت به روغن پالم، سهم واردات این روغن نسبت به سایر روغن­ها نیز در دو سال اخیر افزایش یافت. در آشپزی، از انواع روغن استفاده می شود که هر یک از منبعی جداگانه گرفته می شوند؛ از غلاتی مانند ذرت گرفته تا میوه­هایی همچون زیتون، آجیل از جمله گردو، بادام و فندق، و دانه­هایی مانند کلزا، گلرنگ و آفتابگردان. به سختی می­توان روشی را پیدا کرد که به راحتی بتواند کیفیت روغن های خوراکی را تشخیص دهد. از این رو در سال­های اخیر از روش­های بویایی، بینایی، چشایی و رایانه­ای در صنعت مواد غذایی بیشتر استفاده شده است. بینی­الکتریکی روش جدیدی است که امروزه در کشاورزی و صنعت غذایی مورد توجه قرارگرفته است. در این پژوهش از یک سامانه­ به منظور تشخیص و تخمین میزان پالم در روغن­های خوراکی استفاده شده است. که سامانه­ی بینی­الکتریکی شامل ده حسگرنیمه هادی اکسید فلزی بود. در حین آزمایش پاسخ ولتاژی حسگرها در یک زمانبندی معین برای تزریق فضای هد به محفظه­ی حسگری و سپس پاکسازی محفظه در مرحله بعد به صورت خودکار انجام­شد و توسط سامانه داده­ها جمع­آوری شد. انواع روغن­های خوراکی از مخلوط کردن با روغن پالم با نسبت های مختلف تهیه گردید. ویژگی­های استخراج شده از سیگنال­های بدست­آمده از بینی­الکتریکی با روش­های تحلیل مولفه­های اصلی و شبکه­ی عصبی مصنوعی پردازش شدند. براساس نتایج بدست­آمده ماشین بویایی توانایی شناسایی روغن پالم را دارد

   مقدمه: انرژی به‌عنوان یکی از مهم­ترین و ضروری ترین عوامل تولید ، دارای اثرات قابل‌توجهی است. با توجه به این‌که منابع   سوخت های فسیلی رو به اتمام است، پژوهشگران به دنبال جایگزین کردن سوخت بیودیزل که یک سوخت زیستی قابل‌تجدید و دارای خواصی نزدیک به گازوئیل است، می­باشند. در آزمایش های مربوط به تولید بیودیزل و در کنترل کیفیت این محصول از دستگاه GC استفاده می­گردد و درصد بیودیزل تولیدی را اندازه­گیری می نمایند. استفاده از دستگاه GC ، به دلیل هزینه بسیار بالای آن در همه جا امکان پذیر نیست لذا در این تحقیق تلاش می­شود درصد بیودیزل تولیدی را با استفاده از بینی الکتریکی و تکنیک­های هوش مصنوعی تخمین زد. روغن انتخابی در این تحقیق روغن پسماند به همراه روغن گیاه رزماری می باشد. اهداف: 1. تولید بیودیزل از روغن پسماند خوراکی و روغن گیاه رزماری بوسیله ی واکنش ترانس استریفیکاسیون    2. تخمین درصد بیودیزل تولید شده با استفاده از بینی الکتریکی و تکنیک های هوش مصنوعی روش تحقیق: در ابتدا از روغن پسماند خوراکی و روغن گیاه رزماری با استفاده از واکنش ترانس استریفیکاسیون و متانول ، بیودیزل تولید می­شود. روغن پسماند خوراکی از آشپزخانه ها جمع آوری شده و پس از فیلتر شدن ، ناخالصی­های آن گرفته می­شود و روغن گیاه رزماری به آن افزوده می شود . برای تولید بیودیزل پارامترهایی ازجمله مدت زمان همزنی، مقدار متانول مصرفی ، سرعت همزنی ، مدت زمان سیرکوله و مقدار روغن رزماری مصرف شده پس از تولید بیودیزل، متغیر و پارامترهایی از جمله   نوع کاتالیزور و نوع الکل ثابت در نظر گرفته   می­شوند. الکل مورد استفاده در آزمایش حاضر متانول و کاتالیزگر KOH می­باشد.    جدول 1 ماتریس آزمایش‌های تولید بیودیزل سطح 3 سطح2 سطح1 عامل 8:1 6:1 4:1 مقدار متانول مصرفی (مولی) 20 10 2 مدت زمان همزنی 1200 900 600 سرعت همزنی(دور بر دقیقه ) 9 6 3 مدت زمان سیر کوله   (دقیقه ) 5/2 25/1 5/0 مقدار روغن رزماری مصرف شده (گرم)    برای پرهیز از اشتباه و به حداقل رساندن خطا در اندازه‌گیری‌ها مبنای محاسبات جرم در نظر گرفته می­شود و با استفاده از ترازوی دیجیتال با دقت 01/0 گرم، مواد وزن خواهند شد. برای تولید بیودیزل مقدار 500 گرم از روغن را به ورودی   رآکتور می­ریزیم و پس از تهیه­ی محلول پتاسیم متواکسید با توجه به نسبت مولی الکل به روغن   ، محلول به روغن درون رآکتور اضافه می­شود و آزمایش با شرایط نشان داده شده در جدول 1 توسط رآکتور انجام خواهند شد . پس از اتمام مراحل تولید بیودیزل ، روغن رزماری با نسبت­های مختلف به بیودیزل اضافه و از هر کدام از آزمایش ها نمونه گرفته خواهد شد .

ریحان، مرزه، کود اوره،بینی الکترونیک،هوش مصنوعی

   تحقیق حاضر به دنبال شناسایی و طبقه‌بندی بیودیزل حاصل از روغن‌ها و الکل‌های مختلف با استفاده از تکنیک ماشین بویایی و به کارگیری الگوریتم‌های مبتنی بر هوش مصنوعی و آماری است. در این تحقیق ابتدا سوخت‌های بیودیزل از منابع مختلف روغن کلزا با متانول (MK)، روغن ذرت با متانول (MZ) ، روغن کلزا با اتانول (EK)، روغن ذرت با اتانول (EZ) و سوخت ترکیبی (EK&MZ) تهیه شدند. هرکدام از این سوخت‌ها با درصدهای حجمی 2، 5، 10، 20 و 80 با سوخت دیزل مخلوط شده ، با کمک سامانه بینی الکترونیکی مجهز به 8 حسگر نیمه هادی اکسید فلزی داده‌برداری و با روش‌های مختلفی همچون شبکه عصبی مصنوعی (ANN)، تحلیل مولفه‌های اصلی (PCA)، تحلیل تفکیک خطی و درجه دوم (LDA و QDA)، تحلیل ماشین بردار پشتیبان (SVM) و روش سطح پاسخ (RSM) مورد تجزیه و تحلیل قرار گرفت. نتایج بدست آمده نشان داد برای طبقه‌بندی و تفکیک انواع سوخت‌های خالص، روش ANN با دقت 100 درصد قادر به تفکیک سوخت‌های خالص از هم می‌باشد. سایر روش‌های طبقه‌بندی QDA، SVM، RSM و LDA به ترتیب با دقت 4/94، 3/93، 2/92 و 7/86 درصد سوخت‌های خالص را از هم تفکیک و دسته‌بندی کردند. همچنین برای شناسایی و قرار دادن انواع سوخت‌های خالص (MK100، MZ100، EK100، EZ100، EK&MZ100، G) در یک گروه (Pure) و انواع سوخت‌های ناخالص (B2, B5, B10, B20, B80) در گروه دیگر (Impure) روش ANN با دقت 5/94 درصد قادر به تفکیک سوخت خالص از ترکیب دیزل- بیودیزل است. تفکیک و شناسایی انواع سوخت‌های B2، B5 و B20 با دو روش ANN و LDA با دقت 100 درصدی انواع سوخت‌های بیودیزل B20 را از هم جدا می‌کنند. برای سوخت‌های B5 و B2 روش ANN دارای دقت طبقه‌بندی 7/98 درصدی بود در حالی‌که روش LDA به ترتیب دارای دقت 100 و 3/97 درصدی بود. با میانگین گرفتن از پارامترهای عملکردی مدل‌های مختلف برای دسته‌بندی‌های بکار رفته در این تحقیق می‌توان بیان داشت که مدل ANN با میانگین دقت، حساسیت و ویژگی برابر با 5/98، 8/98 و 5/99 نسبت به سایر مدل‌ها از عملکرد بهتری برخوردار بوده و قدرت تفکیک و جداسازی بهتری دارد.

   چکیده کشور ایران از مناطق مستعد کشت مرکبات است که در دهه­های اخیر پیشرفت­های زیادی در امر پرورش و تولید مرکبات داشته است به طوری که سطح زیر کشت و میزان تولید سالیانه آن، کشورمان را در زمره 10 کشور اول جهان قرار داده است. از مهم‌ترین مرکبات می‌توان به نارنگی اشاره کرد. نارنگی دارای ارقام مختلفی است که در این پژوهش، نارنگی رقم انشو مورد مطالعه قرار گرفته است. نارنگـی انشـو با نام علمی Citrus unshiu یکـی از زودرس­تریـن رقـم­های نارنگـی اسـت. از آنجا که درجه‌بندی و دسته‌بندی محصولات کشاورزی یکی از عوامل موثر بر بازارپسندی و رضایت مشتری است. پردازش تصویر یکی از روش هاست که در مقابل روش­های سنتی، سیستم­های بینایی کامپیوتری غیر مخرب، کارآمد و مقرون به صرفه بوده و نیز نتایج با ثبات تر و پایدارتری را ارائه می­کنند. در این پژوهش پس از عکس‌برداری از نارنگی­ها (رسیده، نیمه رسیده و نارس) با استفاده از دوربین Canon Pc1339-12.1 Mega Pixels و عملیات پیش‌پردازش، قطعه‌بندی و طبقه‌بندی تصاویر، تصاویر به کانال­های رنگی RGB، HSV، YCbCr و CMY، منتقل و ویژگی­های آماری تصاویر استخراج گردید. این خصوصیات شامل میانگین و انحراف معیار مولفه اول، میانگین و انحراف معیار مولفه دوم، میانگین و انحراف معیار مولفه سوم هر فضای رنگی می‌باشد. در مجموع درصد طبقه‌بندی صحیح سه کلاس برابر با 22/97 درصد به دست آمد. نتایج حاصل از این مطالعه نشان می­دهد که سامانه پیشنهادی توانایی تشخیص نارنگی­های رسیده از نیمه رسیده و نارس با دقت مناسب را دارد. کلمات کلیدی: پردازش تصویر، درجه‌بندی، رنگ، طبقه‌بندی، نارنگی.

یکی از مهم‌ترین مواردی که درسطح جهان مدنظر قرارگرفته مسئله انرژی می‌باشد. سوخت‌هایفسیلی بیش‌ترین منبع تولید انرژی در حال حاضر می‌باشند. افزایش میزان تولید گازهایگلخانه‌ای باعث ایجاد تغییرات آب و هوایی در اقلیم‌های مختلف شده است. افزایش آلودگی‌هایمحیط زیست ناشی از مصرف این انرژی‌ها باعث شده تا مجامع و قشرهای مختلف، نسبت بهجایگزینی آن‌ها با منابع انرژی تجدید پذیر اقدام نمایند. یکیاز راه‌حل‌های جایگزین برای سوخت فسیلی، استفاده از سوخت بیودیزل می‌باشد. مشکل عمده در استفاده از بیودیزل، پایینبودن توان و گشتاور ایجاد شده در مقایسه با گازوئیلخالص است. لذا استفاده از افزودنی‌هابه بیودیزلجهت رفع این نقیصه پیشنهاد شده است. در پژوهش حاضر با هدف بهبود پارامترهای عملکردی موتور وکاهش انتشار آلاینده‌های موتور از سوخت ترکیبی دیزل-بیودیزل با افزودن نانومواد و درحضور میدان مغناطیسی استفاده شده است. منبع مورد استفاده برای تولید بیودیزل روغن پسماندآشپزخانه بود. درصد حجمی بیودیزل در مخلوط سوخت 0، 5 و 10 درصد گازوئیل می‌باشد. همچنین نانومواد مورد استفاده نانواکسید کبالت و نانواکسیدسریم بوده و برای مغناطیس کردن سوخت از دو عدد آهنربای مغناطیسی نئودیمیوم با گرید42 استفاده شد. میدان مغناطیسی در مسیر سوخت قرار گرفته و سوخت قبل از ورود به داخل موتورتحت تاثیر میدان مغناطیسی قرار گرفت. در این پژوهش اثر 6 تیمار میدان مغناطیسی (0،225 و 4500 گاوس)، بیودیزل0، 5 و10 درصد حجمی گازوئیل، افزودنی نانو اکسید سریم CeO2 و یا نانواکسید کبالت Co3O4 باغلظت0، 20 و ppm 40 ، نسبت نانومواد (اکسید سریم به اکسیدکبالت) 0، 50و 100 درصد برمبنای نانو اکسید سریم، سرعتموتور1200،1800 و rpm 2400 و بار موتور 25 ،50 و 75 درصد با استفاده ازطرح آزمایش Box-Behnken و روش سطح پاسخ RSM، مورد بررسیقرار گرفت. بهینه سازی پارامترهای شاخص عملکرد و آلایندگی موتور نشان‌دهندهاین مساله است که بهترین عملکرد مربوط به پارامترهای موتور و میزان انتشار آلاینده‌هادر شرایط میدان مغناطیسی 66/1561 گاوس، غلظت نانومواد ppm 25/12،نسبت نانومواد 37/56 درصد، بیودیزل 97/4 درصد، سرعت موتور 1962دور در دقیقه و بارموتور 14/16 درصد بدست آمده است که در این شرایط  گشتاور موتورNm 67/14، توان موتور kW 36/3 ، مصرفسوخت ویژه ترمزی (BSFC)gr/kW.h   5/272، مونواکسید کربن (CO) 135/0درصدحجمی، کربن دی اکسید((CO2 027/0 درصد حجمی، هیدروکربن‌های نسوخته(UHC)ppm032/0 و نیتروژن اکسید (NOx) ppm4 با مطلوبیت 89/0به دست می‌آید.  

  امروزه با توجه به افزایش جمعیت زمین نیاز به منابع غذایی افزایش یافته است. از سویی دیگر با توجه به کاهش منابع آبی نیاز به مدیریت مصرف آب علی الخصوص در بخش کشاورزی احساس می شود. بدین منظور روش های متعددی برای کاهش مصرف آب به کار گرفته می شود که یکی از مدرن ترین آنها آبیاری دقیق یعنی با توجه به نقشه رطوبتی مزرعه می باشد. در این تحقیق تلاش شد توسط مولتی کاپتر و پردازش تصویر از یک مزرعه سورگوم به مساحت نیم هکتار نقشه رطوبتی استخراج گردد. برای این منظور ابتدا آزمایش های اولیه ای برای به دست آوردن بهترین ارتفاع و بهترین زمان روز جهت عکس برداری انجام شد. سپس مزرعه مورد نظر به قطعات کوچک تقسیم شد. از هر قطعه توسط مولتی کاپتر عکس برداری شد. از نقاط مختلف مزرعه نیز با ثبت مختصات نقاط نمونه برداری شد تا درصد رطوبت وزنی گیاه در آن نقاط به دست آید. نهایتا عکس ها توسط نرم افزار Arc GIS تجمیع شد. سپس توسط نرم افزار MATLAB عملیات مختلف پردازش تصویر بر روی تصویر انجام شد. این عملیات عبارتند از: قطعه بندی، جداسازی زمینه، یافتن همسایگی نقاط، استخراج داده های مختلف از همسایگی نقاط، مدل سازی پارامترهای موثر ورودی جهت تخمین رطوبت وزنی گیاه، اعمال خروجی مدل به تصویر های قطعه بندی شده، تجمیع و غیره. بهترین مدل به دست آمده توسط شبکه های عصبی شامل چهار ورودی زبری، میانگین مقادیر کانال تک رنگ M مربوط به کانال CMY، میانگین مقادیر کانال تک رنگ Y مربوط به کانال CMY، میانگین مقادیر کانال تک رنگ B مربوط به کانال RGB و خروجی آن درصد رطوبت وزنی گیاه بود که مقدار R2 و MSE مدل به ترتیب 885/0 و 004/0 بود. درصورت دسته بندی رطوبت گیاه به پنج کلاس خیلی پرآب، پرآب، متوسط، کم آب و خیلی کم آب ماتریس اغتشاش مدل 5/90% شد.

بنا به گزارش اداره محیط‌زیست، رشد سریع شهر و صنعت و رشد روزافزون جمعیت موجب شده است که میزان آلاینده­های جوی بیش‌ازپیش­ افزایش‌یافته و ذرات معلق تبدیل به مهم‌ترین آلودگی هوای کلان­شهرها شود. آلودگی هوا باعث بروز بیماری­های قلبی و ریوی می­شود. گازهای UHC و CO در اثر احتراق ناقص مخلوط سوخت و هوا به وجود می­آیند درحالی‌که گازهای NOx و CO2 در اثر افزایش دما در موتور به وجود می­آیند. هم­چنین ذرات معلق ریز و خیلی ریز از ذرات معلق درشت خطرناک‌تر می­باشند. هدف از این پژوهش، استفاده از نسبت­های مختلف سوخت بیواتانول با بنزین در دورهای مختلف موتور در حالت بدون EGR و استفاده از نسبت­های مختلف سوخت بیواتانول با بنزین و دماهای مختلف هوای ورودی به موتور در دورهای مختلف موتور در حالت EGR با هدف کاهش میزان آلاینده­ها و ذرات معلق در دو حالت EGR و بدون EGR در موتور بنزینی پراید می­باشد.در این تحقیق از موتور پراید با سیستم سوخت‌رسانی زیمنس استفاده شد. برای انجام آزمایشات، مخلوط­های سوختی با ترکیب بیواتانول و بنزین معمولی، سوخت­هایی با نسبت­های صفر، 5 و 10 درصد بیواتانول استفاده شد. آزمایشات در سه سطح دمای هوای ورودی 12، 15 و 18 درجه سانتی­گراد و دور موتور 1000، 2000 و 3000 دور بر دقیقه انجام گرفت. هر آزمایش سه بار تکرار شد. برای اندازه‌گیری آلایندگی از دستگاه تست پنج گاز Airrex استفاده شد. ذرات معلق توسط دستگاه پارتیکل کانتر مدل IAQ3016 ساخت کشور آمریکا اندازه­گیری شد. اثر تیمارهای نوع سوخت و دور موتور بر گازهای خروجی اگزوز و ذرات معلق در حالت بدون EGR و اثر تیمارهای نوع سوخت، دمای هوای ورودی و دور موتور بر گازهای خروجی اگزوز و ذرات معلق در حالت EGR بررسی شد. برای تحلیل داده­ها از نرم‌افزار    و آزمایش فاکتوریل در قالب طرح کاملاً تصادفی و مقایسه میانگین­ها با روش آزمون چند دامنه­ای دانکن انجام شد.اثر دور موتور و نوع سوخت و اثر متقابل دور موتور و نوع سوخت در حالت بدون EGR بر تمامی صفات موردبررسی در سطح 1 درصد معنی‌دار بوده است و تنها اثر متقابل دور موتور و نوع سوخت بر روی کربن دی‌اکسید (CO2) در سطح 5 درصد اثر معنی‌دار داشته است همچنین اثر دور موتور برای ذرات 5 میکرون و اثر نوع سوخت برای ذرات 3 میکرون نیز در سطح 5 درصد معنی‌دار است. در حالت EGR اثر دور موتور بر دمای هوای خروجی و آلاینده‌های مونواکسید کربن ((CO کربن دی‌اکسید (CO2)، هیدروکربن‌های نسوخته (UHC)، اکسیدهای نیتروژن (NOX) و ذرات معلق در سطح 1 درصد معنی‌دار بوده است. اثر نوع سوخت بر دمای هوای خروجی اثر معنی‌دار نداشته است اما بر دیگر صفات موردبررسی در سطح 1 درصد معنی‌دار است به‌جز ذرات 3/0 میکرون که در سطح 5 درصد معنی‌دار است و همچنین اثر دمای هوای ورودی بر تمامی صفات موردبررسی در سطح 1 درصد و برای ذرات معلق 3/0 میکرون در سطح 5 درصد معنی‌دار است. با توجه به نتایج آزمون دانکن با افزایش دور موتور میزان آلاینده­های منواکسید کربن (CO) و هیدروکربن‌های نسوخته (UHC) کاهش یافت اما میزان آلاینده­های دی­اکسید کربن (CO2)، اکسیدهای نیتروژن (NOx) و ذرات معلق افزایش یافت. با افزایش درصد بیواتانول میزان آلاینده­های منواکسید کربن (CO)، دی­اکسید کربن (CO2)، هیدروکربن‌های نسوخته (UHC) و ذرات معلق کاهش یافت اما میزان آلاینده­ی اکسیدهای نیتروژن (NOx) افزایش یافت. برای اثر دور موتور و نوع سوخت در حالت EGR میزان تولید آلاینده­ها کمتر از حالت بدونه EGR بوده است اما میزان ذرات معلق به جزء ذرات 3/0 میکرون در حالت بدونه EGR کمتر از حالت EGR بوده است. با افزایش درجه حرارت هوای ورودی به موتور در حالت EGR میزان آلاینده­های منواکسید کربن (CO)، هیدروکربن‌های نسوخته (UHC)، اکسیدهای نیتروژن (NOx) و ذرات معلق افزایش یافت اما آلاینده­ی دی­اکسید کربن (CO2) کاهش یافت.

  آلودگی­های زیست محیطی ناشی از احتراق سوخت­های فسیلی و پایان پذیری این منابع و نیز افزایش عوامل بیماری­زا، توجه بسیاری از دولت­ها و محققان را به سمت جایگزینی و استفاده از سوخت­های پاک در جهت کاهش آلودگی و کارایی بیشتر جلب نموده است. بیودیزل، مدت­هاست که به عنوان یکی از سوخت­های مطرح، مورد توجه قرار گرفته است. این سوخت که استراسیدهای چرب است از منابع روغنی نظیر روغن­های گیاهی و یا حیوانی و طی فرآیند کاتالیزوری ترانس استریفیکاسیون بر روی این روغن وچربی­ها به دست می­آید. گیاهان دانه روغنی نیاز آبی بالایی دارند ولی گیاه کاملینا در شرایط کم آبی و به صورت دیم نیز کشت می­شود. در این تحقیق روغن مورد استفاده برای تولید بیودیزل با استفاده از روش کلد پرس از دانه گیاه کاملینا گرفته شد. نانوکاتالیست   MgO/Fe3O4@SiO2 به روش هم­رسوبی تهیه شده است. در مرحله بعد از نانوکاتالیست MgO/Fe3O4@SiO2 در واکنش تبادل استری به منظور تهیه بیودیزل استفاده می­شود. متغیرهای مختلفی بر واکنش تبادل استری و همچنین عملکرد نانوکاتالیست MgO/Fe3O4@SiO2 تاثیر گذار هستند. هدف اصلی این کار   شناسایی و   بهینه کردن این متغیرها به منظور دستیابی به حداکثر میزان تولید بیودیزل می باشد. که این متغیرها شامل دمای کلسیناسیون، زمان کلسیناسیون و درصد وزن مواد فعال کاتالیست است. که نتایج بهینه سازی متغیر ها شامل: دمای کلسینه کردن کاتالیست:C ?650 ، زمان کلسینه کردن: 3 ساعت، درصد وزنی فاز فعال به پایه: ((w/w%55 بود. هم چنین شرایط عملیاتی واکنش شامل: دمای واکنش: C?70، زمان واکنش:   5 ساعت، نسبت مولی الکل به روغن: 18:1 و درصد وزنی کاتالیست به روغن:   (w/w)%3 است. با توجه به شرایط بهینه، راندمان تولید بیودیزل با استفاده از واکنش تبادل استری در حضور نانوکاتالیست MgO/Fe3O4@SiO2 به % 99 رسید. هم چنین شناسایی نانوکاتالیست MgO/Fe3O4@SiO2 با استفاده از روش های مختلف مانند:   FT-IR VSM ,SEM وXRD   صورت گرفت.

  با توجه به محدودیت­های منابع آب و وقوع خشکسالی­های متناوب در کشور، استفاده از سیاست­های کارآمد در بهره­برداری از مخازن سدها اهمیت زیادی یافته است. مدیریت مخازن سدها یکی از روش­های غیرسازه­ای مقابله با محدودیت منابع آب، افزایش نیازهای آبی و درنتیجه وقوع خشکسالی است. بهره­برداری بهینه سیستم­های منابع آب با استفاده از تکنیک­های بهینه­سازی، از جمله راهکارهای است که می­تواند اثرات ناشی از کمبود منابع آب را تا حدی کاهش دهد. در این پژوهش، بهره­برداری بهینه از سد جامیشان با هدف تخصیص بهینه آب از مخزن سد، جهت تامین نیاز آبی اراضی کشاورزی دشت دینور و چمچمال با استفاده از روش برنامه­ریزی پویای تصادفی و پویای قطعی مدلسازی شده است. رعایت اولویت­های تخصیص آب، بین اهداف رهاسازی آب برای کشاورزی و بالا نگه­داشتن حجم مخزن به منظور تامین نیازها در شرایط خشکسالی مد­نظر بوده است. در این تحقیق از دوره آماری هیدرولوژیکی 41 ساله (سال­های آبی 51 - 1350 لغایت 91 – 1390) استفاده شده است. جهت گسسته­سازی­های مختلف حجم مخزن، چهار کلاس (3، 5، 7 و 10) و سه کلاسه جریان ورودی به مخزن (3، 5، و 7)، مدل برنامه­ریزی پویای تصادفی اجرا شد و بهترین کلاسه حجم مخزن و جریان ورودی به صورت 7=k و 3=i تعیین گردید. برای این مقادیر برنامه­ریزی پویای تصادفی به صورت فصلی و ماهانه با توابع هدف مختلف اجرا شد. نتایج تخصیص و منحنی فرمان سد برای هر دوره ارائه گردید. مدل برنامه­ریزی پویای قطعی نیز با در نظر گرفتن 7 کلاس برای حجم مخزن و میانگین جریان هر دوره به عنوان دبی ورودی به مخزن،با توابع هدف مختلف به صورت فصلی و ماهانه اجرا شد و نتایج تخصیص و منحنی فرمان سد ارائه شد و نتایج حاصل از دو مدل پویای قطعی و پویای تصادفی مقایسه گردید. نتایج موید آن است که مدل پویای تصادفی نسبت به مدل پویای قطعی میزان خسارات وارده به سیستم را کمتر برآورد نموده و عملکرد بهتری در منحنی فرمان مخزن و خروجی را از خود نشان می­دهد.

  در سال­های اخیر آمار تقلب در عرضه مواد غـذایی، افـزایش قابل‌توجهی یافتـه اسـت. تقلب در فرآورده­های مواد غذایی علاوه بر تاثیر بر کیفیت محصول و ضررهای مـالی، اثرات سوئی بـر سـلامت مصرف‌کنندگان نیـز دارنـد، لـذا موجـب نگرانی­های زیادی در مصرف فرآورده­های مواد غذایی شده­اند. روغن حیوانی یکی از سوغاتی­های اصلی شهر کرمانشاه است و در آشپزی نیز استفاده بسیاری دارد. مخلوط کردن روغن حیوانی با روغن­های نباتی، روغن دنبه و مارگارین از شایع‌ترین راه­های تقلب در بازار است. به‌سختی می­توان روشی را یافت که بتواند به‌راحتی و با اطمینان پارامترهای کیفیتی روغن حیوانی را ارزیابی کند. ازاین‌رو در چند دهه اخیر توجه به‌سوی استفاده از روش­های بینایی، بویایی، چشایی و رایانه­ای در صنعت مواد غذایی معطوف گردیده است. بینی الکترونیک از روش­های جدیدی است که اخیراً در کشاورزی و صنایع مواد غذایی به‌خصوص درزمینه? بررسی کیفی مواد غذایی بسیار موردتوجه محققین قرارگرفته است. در این پژوهش، یک سامانه قابل‌حمل به‌منظور ارزیابی تشخیص تقلب در روغن حیوانی گاوی توسعه و پیاده­سازی شد. سامانه بینی الکترونیکی شامل هشت حسگر نیمه‌هادی اکسید فلزی بود. در حین انجام آزمایش­ها پاسخ ولتاژی حسگرها با زمان­بندی مناسب برای تزریق فضای هد به محفظه حسگری و سپس پاک‌سازی آن، توسط سامانه تحصیل داده جمع‌آوری شد. انواع روغن تقلبی از مخلوط کردن با روغن حیوانی گاوی با نسبت­های مختلف روغن نباتی، روغن دنبه و مارگارین تهیه گردید. ویژگی­های استخراج‌شده از سیگنال­های به‌دست‌آمده از سامانه، با روش­های تحلیل مولفه‌های اصلی و شبکه عصبی مصنوعی پس انتشار خطا، پردازش شدند. بر اساس نتایج به‌دست‌آمده برای مخلوط روغن حیوانی گاوی با روغن دنبه، روغن نباتی، مارگارین به ترتیب 97، 96 و 98 درصد واریانس به روش PCA، برای روش   ANNدقت طبقه‌بندی به ترتیب 5/82، 3/91 و 6/85 درصد به دست آمد. بر اساس نتایج تحلیل شبکه عصبی مصنوعی برای روغن حیوانی خالص از نوع تقلبی (شامل همه­ی انواع تقلبی) دقت طبقه‌بندی 6/98 درصد حاصل شد. در نتایج تحلیل شبکه عصبی مصنوعی برای روغن حیوانی، روغن نباتی، روغن دنبه و مارگارین خالص، دقت طبقه‌بندی برابر 7/89 درصد به دست آمد. هم­چنین نتایج حاصل‌شده از نمودار لودینگ حسگرهای MQ9، MQ136، TGS2620 و TGS822 بیشترین نقش در تشخیص میان نمونه­های روغن حیوانی گاوی با درصدهای مختلف تقلب داشتند. بنا بر قابلیت حسگرهای سامانه بینی الکترونیک، این سامانه می­توانند جایگزین روش­های زمان­بر و پیچیده متداول در تشخیص و تعیین کیفیت روغن حیوانی گاوی و تعیین درجه خلوص روغن حیوانی گردد.

امروزه یکی از ارزان‌ترین و در دسترس‌ترین نوع انرژی‌های تجدیدپذیر، انرژی خورشیدی است. در میان کاربردهای مختلف انرژی خورشیدی، تولید آبگرم ، یکی از اقتصادی‌ترین روش‌های استفاده از انرژی خورشیدی محسوب می‌شود. در مطالعه حاضر دمای آبگرم خروجی از آبگرمکن خورشیدی صفحه تخت با استفاده از شبکه عصبی مصنوعی (ANN) و تخمین‌گر بردار پشتیبان(SVR) مدل شد و با داده‌های تجربی مقایسه شد. داده‌‌برداری به‌مدت 18 روز انجام گرفت. از آب معمولی و نانوسیال بوهمیت(ALOOH) با غلظت 2/0 درصد وزنی به‌عنوان سیال عامل استفاده شد. به‌منظور بررسی دقت پیش‌بینی مدل‌سازی توسط شبکه عصبی مصنوعی و تخمین‌گر بردار پشتیبان از چهار ساختار زیر استفاده شد. ساختار اول شامل لایه‌ی ورودی دبی، زمان، دمای محیط و دمای سیال ورودی است. ساختار دوم از پارامترهای دبی، زمان، دمای محیط، دمای سیال ورودی، دمای نقطه میانی صفحه جاذب، دمای نقطه پایینی صفحه جاذب و دمای پوشش شیشه‌ای تشکیل شده است، ساختار سوم شامل نوع سیال، دمای سیال ورودی، دمای محیط، دبی سیال عبوری، زمان بود و ساختار چهارم لایه ورودی شامل نوع سیال، دبی سیال ورودی، زمان، دمای محیط، دمای سیال ورودی، دمای نقطه میانی صفحه جاذب، دمای نقطه پایینی صفحه جاذب، دمای پوشش شیشه‌ای بود. ضریب تعیین و خطای RMSE در روش SVR برای سیال آب خالص با استفاده از ساختار اول به‌ترتیب 978991/0 و 2508/3 ، و برای ساختار دوم به‌ترتیب   998715/0 و 1016/0 به‌دست آمد. ضریب تعیین و خطای RMSE برای نانوسیال بوهمیت با استفاده از ساختار اول به‌ترتیب برابر 958303/0 و 5680/6 و برای ساختار دوم برابر 965097/0 و 4765/5 بدست آمد. همچنین با تاثیر دادن نوع سیال ورودی به‌عنوان ورودی مدل‌ها، ضریب تعیین و خطای RMSE به ترتیب برای ساختار سری سوم برابر 636978/0 و 8210/281 و   برای ساختار چهارم برابر 939306/0 و 7420/15 بدست آمد. تحلیل نتایج مدل‌سازی توسط شبکه عصبی مصنوعی نشان داد که: برای سیال آب خالص ضریب تعیین و خطای RMSE برای مدل اول به‌ترتیب برابر 99983/0 و 029084/0 و برای مدل دوم به‌ترتیب برابر 99991/0 و 015617/0به‌دست آمد. همچنین این مقادیر برای نانوسیال بوهمیت برای ساختار اول برابر 999/0 و 99896/0 و برای ساختار دوم به‌ترتیب برابر 9993/0 و 99927/0 به‌دست آمد. با اثر دادن نوع سیال عملگر به‌عنوان متغیر ورودی، ضریب تعیین و خطای RMSE با استفاده از ساختار سوم این مقادیر به‌ترتیب برابر 99886/0 و 32567/0، و برای ساختار چهارم به‌ترتیب برابر 99934/0 و 32567/0به‌دست آمد. تحلیل نتایج خروجی مدل شبکه عصبی نشان داد که این مدل توانایی بهتر و دقت بالایی برای پیش‌یینی دمای سیال خروجی نسبت به روش رگرسیون بردار پشتیبان داشته است و با افزایش فاکتورهای ورودی، شبکه دقت بالاتری را در پیش‌بینی ارائه می‌دهد. واژه‌های کلیدی: جمع کننده خورشیدی صفحه تخت، نانو سیال، انرژی دریافتی، تخمین‌گر بردار پشتیبان، شبکه عصبی مصنوعی

چکیدهانرژی به‌عنوان یکی از مهم­ترین عوامل تولید از نظر اقتصادی و محیط زیستی دارای اثرهای قابل‌توجهی است و به‌عنوان یکی از اصلی­ترین ارکان توسعه کشورها محسوب می‌شود. بدین منظور با توجه به اتمام سوخت‌های فسیلی، توجه کشورها در سطح جهان به سمت سوخت‌های زیستی و از جمله بیودیزل معطوف شده است. تولید و هم‌چنین کیفیت این سوخت مسئله‌ای بسیار مهم است. تخمین عملکرد واکنش ترانس استریفیکاسیون مسئله‌ای بسیار مهم در پژوهش‌های بیودیزل است، بر همین اساس در پژوهش حاضر اقدام به ارزیابی روش پردازش تصویر و استفاده از روش‌های مدل‌سازی سطح پاسخ (RSM)، شبکه‌های عصبی مصنوعی (ANN) و روش سیستم استنتاج عصبی- فازی (ANFIS) برای تخمین عملکرد این واکنش شد. در پژوهش حاضر ابتدا اقدام به تولید بیودیزل تحت شرایط مختلف (زمان انجام واکنش، نوع الکل، نوع کاتالیزور و همچنین روش تولید ) تولید شد و بازده واکنش تحت بازه گسترده‌ای تولید شد. سپس با استفاده از سه روش 1- عکس‌های میکروسکوپی 2- با استفاده از جعبه مخصوص پردازش تصویر قبل از سانتریفیوژ 3- با استفاده از جعبه مخصوص پردازش تصویر بعد از سانتریفیوژ، اقدام به تهیه عکس از نمونه‌های بیودیزل تحت شرایط یکسان شد. سپس با استفاده از پردازش تصویر اقدام به تهیه تصاویر کانال‌های رنگی از تصاویر گرفته شده در 5 حالت عکس‌های میکروسکوپی، عکس‌های محفظه مخصوص پردازش تصویر قبل از سانتریفیوژ، ترکیب روش‌های تصویربرداری قبل از سانتریفیوژ، عکس‌های محفظه مخصوص پردازش تصویر بعد از سانتریفیوژ و ترکیب تمام روش‌های تصویربرداری، شد. با استفاده از سه روش مدل‌سازی ANN, ANFIS, RSM بازده واکنش تخمین زده شد. نتایج   نشان داد که بهترین روش استفاده از محفظه پردازش تصویر و بدون انجام سانتریفیوژ با روش مدل‌سازی ANFIS بود و این روش توانست به‌خوبی بازده واکنش ترانس استریفیکاسیون را با ضریب تبیین (R2) 983/0، میانگین مربعات خطای داده‌ها (MSE) 002226/0، میانگین مطلق خطا (MAE) 02927/0 و مجموع توان‌ دوم باقیمانده‌ها (SSE) 12466/0 بهترین عملکرد را در تخمین بازده واکنش ترانس استریفیکاسیون داشته باشد. استفاده از روش ANN نیز توانست با دقت خوبی بازده واکنش را تخمین بزند. استفاده از روش پردازش تصویر و مدل‌سازی با روش ANFIS با کاهش هزینه‌های آنالیز به نسبت روش متداول گاز کروماتوگرافی (GC)، توانست بازده واکنش را با دقت مناسبی تخمین بزند. کلیدواژه : بیودیزل، پردازش تصویر، گازکروماتوگرافی (GC)، ترانس استریفیکاسیون، روش سطح پاسخ، روش انفیس، روش شبکه‌های عصبی مصنوعی.

  عسل ماده طبیعی و شیرینی است، که زنبورعسل آن را عمدتاً از شهد گل‌ها جمع‌آوری، عمل‌آوری و در کندو ذخیره می‌سازد. تقلب، خصوصاً صنعتی از‌ طریق اضافه کردن شربت‌های طبیعی و‌ یا تخمیری مستقیماً به عسل ایجاد می‌شود. عسل مصنوعی نیز از ترکیب یک و یا چند نوع قند با اسید ایجاد می‌گردد. در این تحقیق به ساخت مجموعه تصویربرداری بهینه‌شده برای سیالات در دانشکده کشاورزی رازی کرمانشاه پرداخته‌شده و عسل رازیانه نیز از زنبورداران واقع در شهرستان کنگاور تهیه گردید. پس از تائید منشاء عسل در این تحقیق 39 نمونه عسل تقلبی با استفاده از شربت ساکارز، فروکتوز و ترکیب 9/0 از شربت فروکتوز به همراه گلوکز در سطوح 5/2، 5، 5/7، 10، 20، 30، 40، 50، 60، 70، 80، 90 و 100 درصد به‌وسیله همزنی در عسل، یک نمونه عسل طبیعی و یک نمونه عسل مصنوعی بررسی و مقایسه گردیدند. بر اساس این پژوهش، سه روش تصویری شامل: روش پردازش تصاویر عسل حل‌شده در آب (DiW)، روش تصویربرداری از عسل در محفظه ویژه (مشکی) با استفاده از پتری دیش (PD) و روش تصویربرداری میکروسکوپی (M) همچنین یک روش تعیین تقلب عسل مبتنی بر خواص فیزیکوشیمیایی (PH، سختی سنجی یا مواد جامد محلول TDS، هدایت الکتریکی EC، رطوبت MC) و بررسی روش ترکیبی   (C) از پارامتر‌های برتر کل روش‌ها یادشده انجام شد (روش میکروسکوپی و TSD مجزا از نوع عسل است). جهت پردازش تصاویر در هر تصویر از 33 کانال تک‌رنگ موردبررسی، 15 پارامتر (مجموعاً 495 پارامتر) مورداندازه‌گیری قرار گرفت. طبقه‌بندی معدود پارامتر‌های انتخابی توسط آنالیز حساسیت به روش شبکه استنتاج فازی ANFIS، شبکه عصبی مصنوعی ANN و سطح پاسخ RSM صورت گرفت. برای مقایسه بهترین مدل‌ها بر اساس بیشترین تابع مطلوبیت کل و با استفاده از اطلاعات آماری بیشترین ضریب تبیین (R2)، کمترین میانگین مربعات خطا (RSM)، کمترین مجموع توان‌های دوم باقیمانده‌ها (SSE) و کمترین میانگین مطلق خطا (MAE) و کمترین شاخص معنی‌داری p-value انجام شد. ضریب تبیین مدل ارائه‌شده در روش عسل انحلالی در آب (DiW) توسط سیستم‌های طبقه‌بندی AFNIS، ANN و RSM به ترتیب 9512/0، 9882/0 و 9904/0 بود، با در نظر گرفتن تمامی مقادیر خطاهای آماری مدل RSM توسط تابع مطلوبیت کل به‌عنوان بهترین مدل در این روش معرفی شد. مدل RSM بازهم توسط تابع مطلوبیت کل در روش تصویربرداری از عسل در محفظه ویژه (مشکی) با استفاده از پتری دیش (PD) توسط سیستم‌های طبقه‌بندی AFNIS، ANN و RSM به ترتیب با مقادیر ضریب تبیین 9773/0، 9731/0 و 9918/0 بهترین مدل بود. برخلاف روش‌های قبل ضریب تبیین مدل ارائه‌شده در روش تصویربرداری میکروسکوپی (M) توسط سیستم‌های طبقه‌بندی به ترتیب 9726/0، 9738/0 و 8729/0 بود، اما با توجه به نزدیکی ضریب تبیین مدل ANN به دلیل مقادیر خطاهای آماری کمتر توسط تابع مطلوبیت کل انتخاب گردید. تابع مطلوبیت کل مدل RSM را در روش مبتنی بر خواص فیزیکوشیمیایی (F) توسط سیستم‌های طبقه‌بندی به ترتیب با ضریب تبیین 9844/0، 9950/0 و 9992/0 برگزید. در این روش با افزایش تقلب هدایت الکتریکی و مواد جامد نامحلول روند کاهشی، میزان رطوبت روند افزایشی و PH با توجه به نوع شربت متفاوت بود. عسل مصنوعی نیز بیشترین هدایت الکتریکی و کمترین مقدار مواد جامد محلول و 5/2 PH= (استاندارد ?3) را به خود اختصاص داد. در روش ترکیبی (C) با استفاده پارامترهای ورودی بهترین مدل‌ در تمامی روش‌های قبلی و انجام آنالیز حساسیت، دو ها و انجام آنالیز حساسیت اسیت ترین مقدار مواد جامد محلول و حکاهش، میزان رطوبت روند افزایشی و   پارامتر از روش تصویربرداری عسل انحلالی در آب (DiW) و یک پارامتر از روش تصویربرداری میکروسکوپی (M) انتخاب و مدل‌سازی گردید و از طریق سیستم‌های طبقه‌بندی AFNIS، ANN و RSM برای حالت ترکیبی و با استفاده از تابع مطلوبیت، مدل RSM با مقدار ضریب تبیین 9992/0 در نظر گفته شد. از میان مدل برتر در هر پنج روش این پژوهش، مدل RSM در روش ترکیبی (C) با کمترین مقدار از خطاهای آماری نسبت به سایر مدل‌ها با تابع مطلوبیت 9940/0 کارآمد‌ترین معرفی شد.

آلاینده‌های خروجی وسایل نقلیه‌ی موتوری، به خصوص وسایل نقلیه‌ای که دارای موتور اشتعال جرقه‌ای می‌باشند، مهم‌ترین پارامترهای آلودگی هوای محیط زیست در بسیاری از کشورها را تشکیل می‌دهند. با توجه به رویکرد جهانی مبنی بر کاهش مصرف انرژی و حفاظت از منابع انرژی خصوصا سوخت‌های فسیلی در کشورهای مختلف جهان، محدودیت‌هایی برای مصرف سوخت خودروها در سطح بین المللی تعریف شده است. در این موتورها با غنی سازی سوخت، دمای گازهای خروجی را کاهش می‌دهند که این کار سبب افزایش مصرف سوخت در موتور می‌گردد. برای حل این مشکل می‌توان از بازخورانی سرد گازهای خروجی استفاده کرد.   بازخورانی سرد گازهای خروجی سبب کاهش فشار و دمای ناحیه نسوخته در حین احتراق در داخل سیلندر و در نتیجه کاهش تمایل به کوبش در این موتورها می‌گردد. چون محل قرار گرفتن و اتصال گازهای بازخورانی خروجی تاثیر زیادی بر روی عملکرد موتور دارد، با توسعه دستگاه آزمایشگاهی EGR سرد با قابلیت تعیین دمای هوای ورودی به مقادیر دل‌خواه (در یک محدوده خاص) می‌توان به بررسی هرچه بیشتر عملکرد موتور در دماهای هوای ورودی مختلف و به طور جداگانه پرداخت. در تحقیق حاضر ابتدا با استفاده از نرم افزار   ANSYS 13 و زیر زبانه‌ی CFD در آن به مدل سازی و تحلیل یک رادیاتور خنک کننده برای سیستم   بازخورانی گازهای خروجی اگزوز پرداخته شد و سپس بر اساس نتایج به دست آمده برای این مدل سازی اقدام به ساخت یک مدار بازخورانی با قابلیت تعیین دمای هوای ورودی موتور شد. سپس عملکرد دمایی موتور و آلاینده‌های تولیدی در پنج حالت بدون   بازخورانی، بازخورانی بدون خنک کاری و بازخورانی با خنک کاری با سه دمای هوای خنک کاری 4/15، 5/11 و 5/7 درجه مورد بررسی قرار گرفت. نتایج به دست آمده از تجزیه واریانس نشان دهنده‌ی اختلافی معنی دار برای خروجی‌های CO، CO2، HC، NOx، و دماهای ورودی و خروجی در اثر تغییر دور موتور و تغییر نوع بازخورانی بودند. تاثیر تغییر دور موتور   بر آلاینده‌ی NOx در تمام حالت‌های بازخورانی معنی‌دار بود. همچنین با افزایش دور موتور مقدار آلاینده‌های CO و HC و همچنین مقدار دمای هوای ورودی و خروجی و ورودی موتور افزایش یافت. این در حالی است که با افزایش دور موتور مقدار آلاینده­ی CO2 کاهش یافت.