پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.227916.664911 خاک ورزی و رابطه ماشین و خاک بررسی تغییرات مکانی و پهنه بندی فشردگی خاک با استفاده از روش های مختلف زمین آماری بررسی تغییرات مکانی و پهنه بندی فشردگی خاک با استفاده از روش های مختلف زمین آماری بحرپور وحید دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران روحانی عباس استادیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران عباسپور فرد محمدحسین استاد، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران ظریف نشاط سعید استادیار بخش تحقیقات فنی و مهندسی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران آق خانی محمد حسین استاد، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران 23 10 2018 49 3 329 340 17 02 2017 07 02 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68242.html

یکی از خصوصیات مهم در رابطه‌ متقابل بین خاک و گیاه فشردگی خاک ‏می‌باشد. ‏هدف این مطالعه، بررسی تغییرات مکانی فشردگی خاک با استفاده از روش‌های مختلف زمین‌آماری، تحت تاثیر شیوه‌های خاک‌ورزی حفاظتی است. ‏جهت ارزیابی زمین‌آماری، نمونه برداری خاک در 117 نقطه در ابعاد 10×10 متر ‏صورت ‏گرفت. منطقه مورد مطالعه، زمینی به وسعت 2/1 هکتار از اراضی مرکز تحقیقات کشاورزی استان خراسان‌رضوی بود،‏ شاخص مخروطی خاک در عمق 35-0 سانتی‌متر ‏اندازه‌گیری شد‏. بعد از آنالیزهای زمین‌آماری و تعیین نیم تغییرنما، ‏برای ‏تخمین متغیرها از روش‌کریجینگ و روش‌ درون‌یابی قطعی در محیط ‏GS+‎‏ ‏و ‏Arc ‎GIS‏ استفاده شد.‏ معیار ارزیابی در این پژوهش مقادیر ریشه میانگین مربعات خطا (RMSE) ، میانگین خطا (ME) با استفاده از روش ارزیابی متقابل بود. نتایج به‌دست آمده نشان دادند که روش‌های کریجینگ بیزی تجربی (EBK) و کریجینگ معمولی (OK) به ترتیب بهترین الگو برای تخمین فشردگی خاک منطقه می‌باشند.  

 فشردگی خاک خاکورزی حفاظتی زمین آمار درون یابی کریجینگ Adamchuk, V.I., Ingram, T.J., Sudduth, K.A. and Chung, S.O. (2008). On-the-go mapping of soil mechanical resistance using a linear depth effect model. Transactions of the ASABE, 51(6),1885-1894. Agrawal, O.P., Rao, K.V.G.K., Chauhan, H.S. and Khandelwal, M.K.. (1995). Geostatistical analysis of soil salinity improvement with subsurface drainage system. Transactions of the ASAE, 38(5),1427-1433. Ayers, P.D. and Perumpral, J.V. (1982). Moisture and density effect on cone index. Transactions of the ASAE, 25(5), 1169-1172. ASAE Standards, 46 Ed. (1999b). EP542. Procedures for using and reporting data obtained with the soil cone penetrometer. St. Joseph, Mich.: ASAE. Burgess, T.M. and Webster, R. (1980). Optimal interpolation and isar1thmic mapping of soil properties. Journal of soil science, 31(2),315-331. Cambardella, C.A., Moorman, T.B., Parkin, T.B., Karlen, D.L., Novak, J.M., Turco, R.F. and Konopka, A.E. (1994). Field-scale variability of soil properties in central Iowa soils. Soil science society of America journal, 58(5), 1501-1511. Castrignano, A., Maiorana, M., Fornaro, F. and Lopez, N. (2002). 3D spatial variability of soil strength and its change over time in a durum wheat field in Southern Italy. Soil and Tillage Research, 65(1), 95-108. Cheng, X.F. and XIE, Y. (2009). Spatial Distribution of Soil Organic Carbon Density in Anhui Province Based on GIS [J]. Scientia Geographica Sinica, 4, p.011. Clark, R.L. (1999). Evaluation of the potential to develop soil strength maps using a cone penetrometer (No. 993109). ASAE Paper. Davis, B.M. (1987). Uses and abuses of cross-validation in geostatistics. Mathematical geology, 19(3), 241-248. Fasinmirin, J.T. and Reichert, J.M. (2011). Conservation tillage for cassava (Manihot esculenta crantz) production in the tropics. Soil and Tillage Research, 113(1),1-10. Ferrero, A., Usowicz, B. and Lipiec, J. (2005). Effects of tractor traffic on spatial variability of soil strength and water content in grass covered and cultivated sloping vineyard. Soil and Tillage Research, 84(2), 127-138. Fulton, J.P., Wells, L.G., Shearer, S.A. and Barnhisel, R.I. (1996). Spatial variation of soil physical properties: a precursor to precision tillage. ASAE Paper, 961002, pp.1-9. Gohari,M. and Hemmat,a.(2007). The introduction of a cone penetrometer behind tractor used for mapping soil resistance. Journal of The new findings Agriculture.1(3), 234-240. (In Farsi). Hasani-Pak, A.A. (1998). Geostatistics. Tehran University Press (4th ed). 360p. (In Farsi). Huang, S.W., Jin, J.Y., Yang, L.P. and Bai, Y.L., 2006. Spatial variability of soil ‎nutrients and influencing factors in a vegetable production area of Hebei Province ‎in China. Nutrient Cycling in Agroecosystems, 75(1-3), pp.201-212.  Johnston, K., Ver Hoef, J.M., Krivoruchko, K. and Lucas, N. (2001). Using ArcGIS geostatistical analyst (Vol. 380). Redlands: Esri. Khalilian, A. and Hallman, R.R., 1996, July. Energy Requirements of Conservation ‎Tillage Tools in Coastal Plain Soils. In Proc. Conservation Tillage Conference for ‎Sustainable Agriculture, SP (pp. 96-07). Kilic, K., Özgöz, E. and Akbaş, F. (2004). Assessment of spatial variability in penetration resistance as related to some soil physical properties of two fluvents in Turkey.  Soil and Tillage Research, 76(1), 1-11. Khosravi,Y. and Abbasi, A. (2016). Spatial analysis of environmental data with geostatistics.Azar kelk Press (1th ed).274p. (In Farsi). Knotters, M., Heuvelink, G.B.M., Hoogland, T. and Walvoort, D.J.J. (2010). A disposition of interpolation techniques. Wageningen University and Research Centre, Statutory Research Tasks Unit for Nature and the Environment: Wageningen, The Netherlands. Kravchenko, A. and Bullock, D.G., 1999. A comparative study of interpolation ‎methods for mapping soil properties. Agronomy Journal, 91(3), pp.393-400. Krivoruchko, K. (2012). Empirical bayesian kriging. Esri: Redlands, CA, USA. Liu, S., Zhang, H., Dai, Q., Huo, Z., Xu, K. and Ruan, H. (2005). Effects of no-tillage plus inter-planting and remaining straw on the field on cropland eco-environment and wheat growth. Ying yong sheng tai xue bao, The journal of applied ecology/Zhongguo sheng tai xue xue hui, Zhongguo ke xue yuan Shenyang ying yong sheng tai yan jiu suo zhu ban, 16(2), 393-396. Masumi,A. ali beygi,H. Hemmat,A. (2008). The short term effects on soil compaction and land leveling.  In: Proceeding of 5th National  Congress  of  Agricultural  Machinery  Engineering  and Mechanization. Ferdowsi University of Mashhad, Mashhad, Iran. (In Farsi). Mirzaei, R. and Sakizadeh, M. (2016). Comparison of interpolation methods for the estimation of groundwater contamination in Andimeshk-Shush Plain, Southwest of Iran. Environmental Science and Pollution Research, 23(3), 2758-2769. Nielsen, D.R. and Wendroth, O. (2003). Spatial and temporal statistics: sampling field soils and their vegetation. Catena Verlag. Raper, R.L., Schwab, E.B. and Dabney, S.M. (2005). Measurement and variation of site-specific hardpans for silty upland soils in the Southeastern United States. Soil and Tillage Research, 84(1), 7-17. Robinson, T.P. and Metternicht, G. (2006). Testing the performance of spatial interpolation techniques for mapping soil properties. Computers and electronics in agriculture, 50(2), 97-108. Rejman, J., Turski, R. and Paluszek, J. (1998). Spatial and temporal variations in erodibility of loess soil. Soil and Tillage Research, 46(1), 61-68. Sims, B.G. and O'Neill, D.H., 1994. Testing and evaluation of agricultural machinery and quipment: Principles and practices (No. 110). Food & Agriculture Org. ‎ Sun, Y., Ma, D., Lammers, P.S., Schmittmann, O. and Rose, M. (2006). On-the-go measurement of soil water content and mechanical resistance by a combined horizontal penetrometer. Soil and tillage Research, 86(2), 209-217. Shi, J., Wang, H., Xu, J., Wu, J., Liu, X., Zhu, H. and Yu, C. (2007). Spatial distribution of heavy metals in soils: a case study of Changxing, China. Environmental Geology, 52(1), 1-10. Tekeste, M.Z., Raper, R.L., Schwab, E.B. and Seymour, L. (2009). Soil drying effects on spatial variability of soil hardpan attributes on pacolet sandy loam soil. Transactions of the ASABE, 52(3), 697-705. Topa, D., Ailincăi, C. and Jităreanu, G. (2011). Soil compaction influence on winter wheat yield and soil physical properties. LucrăriŞtiinţifice-Seria Agronomie, 54, pp.306-310. Trangmar, B.B., Yost, R.S. and Uehara, G. (1986). Application of geostatistics to spatial studies of soil properties. Advances in agronomy, 38, pp.45-94. Utset, A. and Cid, G. (2001). Soil penetrometer resistance spatial variability in a Ferralsol at several soil moisture conditions. Soil and Tillage Research, 61(3), 193-202. Usowicz, B. and Lipiec, J. (2009). Spatial distribution of soil penetration resistance as affected by soil compaction: The fractal approach. Ecological Complexity, 6(3), 263-271. Vaz, C.M., Manieri, J.M., De Maria, I.C. and Tuller, M. (2011). Modeling and correction of soil penetration resistance for varying soil water content. Geoderma, 166(1), 92-101. Vauclin, M., Vieira, S.R., Vachaud, G. and Nielsen, D.R. (1983). The use of cokriging with limited field soil observations. Soil Science Society of America Journal, 47(2), 175-184. Warrick, A.W. and Nielsen, D.R. (1980). Spatial variability of soil physical properties in the field. pp. 319-344 Webster, R. and Oliver, M.A. (2007). Geostatistics for environmental scientists. John Wiley & Sons. Wei, J.B., Xiao, D.N., Zeng, H. and Fu, Y.K.. (2008). Spatial variability of soil properties in relation to land use and topography in a typical small watershed of the black soil region, northeastern China. Environmental geology, 53(8), 1663-1672. _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.234998.664958 المان محدود شبیه سازی و تحلیل استاتیکی و خستگی میله عرضی گاوآهن برگردان‌دار به روش اجزا محدود (FEM) شبیه سازی و تحلیل استاتیکی و خستگی میله عرضی گاوآهن برگردان دار جهانبخشی احمد دانش آموخته کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران حیدری رز دره سعدی دانش آموخته کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران خیرعلی پور کامران استادیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران 23 10 2018 49 3 341 352 06 06 2017 05 03 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68249.html

شکست­های مکرر اجزا مکانیکی ماشین­ها و تجهیزات در اثر بارهای وارده اهمیت بهینه­سازی یا بازطراحی آن­ها را آشکار می­سازد. میله عرضی گاوآهن برگردان­دار ­حین کار مکررا در محل پین­ها شکسته شده و یا در محل تکیه­گاه­ها دچار تغییر شکل می­شود. در این تحقیق تحلیل تنش میله عرضی گاوآهن برگردان­دار مورد بررسی قرار گرفته است. پس از شبیه­سازی مدل سه­بعدی قطعه در نرم‌افزار سالیدورکس و انتقال آن به نرم‌افزار انسیس، قیود و شرایط مرزی اعمال و قطعه تحت بارگذاری قرار گرفت. سپس تحلیل­های استاتیکی و تحلیل خستگی روی مدل انجام شد. برای در نظر گرفتن نیروهای وارده از حداکثر نیروی کششی تراکتورهای مسی­فرگوسن 285 و 299، استفاده گردید. نتایج حاصل از تحلیل استاتیکی نشان داد که احتمال وقوع شکست در نقطه اتصال پین سمت چپ، بالاتر است. ضریب اطمینان تحلیل خستگی نشان داد که احتمال شکست مناطق اطراف سوراخ سمت چپ میله عرضی گاوآهن برگردان دار بالا است. ضریب اطمینان از  تحلیل خستگی برای میله عرضی گاوآهن برگردان­دار حین اتصال به تراکتورهای مسی­فرگوسن 285 و 299 به ترتیب برابر 670/1 و 677/1 به­دست آمد.

 گاوآهن برگردان‌دار میله عرضی اجزاء محدود تحلیل استاتیکی تحلیل خستگی Asadi, M. R., Rasekh, M., Golmohammadi, A., Jafari, A., Kheiralipour, K. & Borghei, A. M. (2010). Optimization of connecting rod of MF-285 tractor. Journal of Agricultural Technology, 6(4), 649-662. Ashrafizadeh, S. R. & Kushwaha, R. L. (2003). Soil failure model in front of a tillage tool action- A review. Presentation at the CSAE/SCGR 2003. Meeting Montreal. Quebec, July 6-9. Bahrami, M., Javadikia, P., Ebrahimi, E., Bgvnd, A. & Moradkhani, K. H. (2013). analysis and optimization stem volume of Subsoiler curved finite element method. In: Proceedings of 7th National Conference on Agricultural Machinery Engineering and Mechanization, 5-7 Sep. Shiraz University, Shiraz, Iran. (In Farsi). Besharati Givi, M. K. (2011). Production and Technology Engineering. First volume. First Edition. Tehran University Press. (In Farsi). Guo, Z. J., Zhou, Z. L., Zhang, Y. & Li, Z. L. (2009). Bionic optimization research of soil cultivating component design. Science in China Series E: Technological Sciences, 52, 955-965. Kamali, M., Rashidi, M. & Mohammad Zamani, D. (2015). Modeling and analysis of mechanical components for tractors, two-wheel cultivator using the finite element method and software solid works simulation. Journal of Environmental Engineering Systems, 4 (2). (In Farsi). Karami, M. R. (2008). Analysis of chassis of a two-way three bottoms square plow using finite element method. MSc Thesis, Department of Mechanical Engineering of Agricultural Machinery, Abureyhan Campus of University of Tehran, Iran. (In Farsi). Mireey, S. A., Omid, M. & Jafari, A. (2006). Connecting rods, fatigue analysis of Universal Tractor via finite element method by using ANSYS. New Findings in Agriculture, 1 (1), 75-82. (In Farsi). Mollazade, K., Jafari, A. & Ebrahimi, E. (2010). Application of Dynamical Analysis to Choose Best Subsoiler’s Shape using ANSYS. New York Science Journal, 3(3): 93-100. Mouazen, A. M. & Nemenyi, M. (1999). Finite element analysis of subsoil cutting in non-homogeneous sandy loam soil. Journal of Soil and Tillage Research, l51, 1-15. Naeemi, M., Hossein Pour, A. A., Emadi, B. (2010). Simulation and static analysis of three types of stems subsoiler in different soils by finite element method. The 6th National Congress of Agricultural Machinery (Mechanical Engineering of Biosystem) and Mechanization in Iran. (In Farsi). Rasekh, M., Asadi, M. R., Jafari, A. & Kheiralipour, K. (2009). Obtaining maximum stresses in different parts of tractor (Mf-285) connecting rods using finite element method. Australian Journal of Basic and Applied Sciences, 3(2), 1438-1449.  Shigley, J. E. & Mischke, C. R. (1989). Mechanical Engineering Design. Mcgrew-Hill Publisher. Vahedian, A. (2006). Strength of Materials. Pierre, F & Johnson, R. Third Edition. Publication of Academic Science. (In Farsi). Wan, J., Young, L., Kim, J., Kang, S., Shim, S. B. & Kim, J. Y. (2012). Stress analysis of blade of power harrow depending on types of soil. In: Proceedings of International Conference of Agricultural Engineering - CIGR-AgEng 2012. 8-12 July, Agriculture and Engineering for a Healthier Life, Valencia, Spain.  _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.236436.664964 رباتیک و اتوماسیون ارزیابی الگوریتم ناوبری قایق ربات خودران و مقایسه آن با نتایج شبیه‌سازی ارزیابی الگوریتم ناوبری قایق ربات خودران و مقایسه آن با نتایج شبیه سازی سلمانی یوسف دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران موسی زاده حسین دانشیار، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران علیمردانی رضا استاد، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران جعفربیگلو حمید دانشجوی دکتری، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران عمرانی الهام دانشجوی دکتری، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران مخصوص اشکان دانش آموخته، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران کیاپی علی دانش آموخته، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران 23 10 2018 49 3 353 366 04 07 2017 07 02 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68254.html

امروزه رشد فناوری وسائل نقلیه درون-جاده­ای و برون-جاده­ای چشمگیر بوده و لزوم توسعه زیرساخت­های مرتبط با آن برای بهره­گیری حداکثر از ظرفیت آنها هم از لحاظ حمل و نقل زمینی، دریایی و هوایی، ضروری و غیر قابل اجتناب است. پایش و نمایش محیط اطرف برای یک عملیات ایمن، در شرایط آبی، خاکی و هوایی، بدون استفاده از ربات­ها، عملیاتی وقت گیر و هزینه­بر است. با پایش اتوماتیک می­توان عملیات را با کمترین خطا و در طی 24 ساعت شبانه روز به انجام رساند. بنابراین هدف از این پژوهش توسعه و ارزیابی یک الگوریتم مرکب برای ناوبری خودران یک وسیله نقلیه برون جاده­ای (شناور سطحی) و مقایسه آن با نتایج به­دست آمده از شبیه سازی­های کامپیوتری است تا دقت و صحت این الگوریتم مورد بررسی قرار گیرد. این قایق ربات که برای هیدروگرافی طراحی و ساخته شده است، می تواند به صورت کاملا خودران و بدون نظارت، ناوبری کرده و عملیات هیدروگرافی را به صورت شبانه روزی به انجام برساند. مقایسه بین نتایج تجربی و نتایج شبیه سازی نشان داد، الگوریتم شبیه سازی شده دقت قابل قبولی داشته و می­تواند ناوبری را به صورت عملی و تجربی انجام دهد. مقدار انحراف از استاندارد (SD) برای آزمون عملی تقریبا برابر m 5/0 به دست آمد.

 ناوبری فیلتر کالمن شبیه سازی ربات خودران کنترل Anonymous. International Maritime Organization. (2017). Retrieved March, https:// business. un.org/ en/entities/13. Bertaska, I.R., Shah, B., Ellenrieder, K., Švec, P., Klinger, W., Sinisterra, A.J., Dhanak, M., Gupta, S.K. (2015). Experimental evaluation of automatically-generated behaviors. Ocean Engineering.106, 496–514. Bibuli, M., Bruzzone, G., Caccia, M., Lapierre, L. (2009). Path-following algorithms and experiments for an unmanned surface vehicle. Journal of Field Robotics. 26, 669-688. Caccia, M., Bono, R., Bruzzone, G., Bruzzone, G., Spirandelli, e., Veruggio, G., Maria Stortini, A., Capodaglio, G. (2005). An autonomous craft for the study of sea-air interactions. IEEE Robotics & Automation Magazine. 95-105. Campbell S., Naeem W., Irwin G.W. (2012). A review on improving the autonomy of unmanned surface vehicles through intelligent collision avoidance manoeuvres. Annual Reviews in Control. 36, 267–283. Chavez, F.P., Sevadjian, J., Wahl, C., Friederich, J., Friederich, G.E. (2017). Measurements of pCO2 and pH from an autonomous surface vehicle in a coastal upwelling system. Deep-Sea Research Part II. Accepted paper. Corfield, S.J., & Young, J.M. (2008). Unmanned surface vehicles-game changing technology for naval operations. IET Control Engineering Series (69). Chapter 15, 311-326. Doa, K.D., Jiang, Z.P., Pana, J. (2004). Robust adaptive path following of underactuated ships. Automatica. 40, 929 – 944. Elkins L., Sellers D.,  Monach W.R. (2010). The Autonomous Maritime Navigation (AMN) project: field tests, autonomous and cooperative behaviors, data fusion, sensors, and vehicles. Journal of Field Robotics. 27(6), 790–818. Fossen, T.I. (1994). Guidance and control of ocean vehicles. John Wiley and sons. Gomez-Gil, J., Ruiz-Gonzalez, R., Alonso-Garcia, S., Gomez-Gil, F.J. (2013). A Kalman Filter implementation for precision improvement in low-cost GPS positioning of tractors. Sensors, 13, 15307-15323. Hall S., Randy R. (2004). Use of Autonomous Vehicles for Drinking Water Monitoring and Management in an Urban Environment. ASAE/CSAE Annual International Meeting Sponsored by ASAE/CSAE. Ottawa, Ontario, Canada. 1 - 4 August. Hall S.G., Smith D.D., Davis T. (2009). Design of a communications system between multiple autonomous vehicles. ASABE Annual International Meeting Sponsored by ASABE. Nevada. June 21 – June 24. Kaizu Y., Iio M., Yamada H., Noguchi N. (2011). Development of unmanned airboat for water-quality mapping. Biosystems engineering. 109. 338-347. Kang, M., Kwon, S., Park, J., Kim, T., Han, J., Wang, J., Hong, S., Shim, Y., Yoon, S., Yoo, B., Kim, J.  (2015). Development of USV autonomy for the 2014 maritime RobotX Challenge. IFAC-Papers on Line. 48(16), 13–18. Kjerstad Q.K. (2009). Dynamic positioning concepts for unmanned surface vehicles. Master thesis in Department of Engineering Cybernetics, Norwegian University of Science and Technology Liu, Y., Bucknall, R. (2015). Path planning algorithm for unmanned surface vehicle formations in a practical maritime environment. Ocean engineering. 97, 126–144. Liu Y., Noguchi N., Yusa T. (2014). Development of an unmanned surface vehicle platform for autonomous navigation in paddy field. Proceedings of the 19th world congress. The International Federation of Automatic Control Cape Town, South Africa. Ma E. (2015). Two modified unscented Kalman filter and acceleration information in unmanned surface vehicle estimation. IFAC-Papers on Line, 48(28), 1450–1455. Manda, D., Thein, M.W., D’Amore, A., Armstrong, A. (2015). A low cost system for autonomous surface vehicle based hydrographic survey. Proceedings: U.S. Hydrographic Conference, National Harbor, MD, 16-19. Muske, K.R., Ashrafiuon, H. (2008). Identification of a control oriented nonlinear dynamic USV model. American Control Conference.Westin Seattle Hotel, Seattle, Washington, USA. Naeem, W., Henrique, S.C., Hu, L. (2016). A reactive COLREGs-Compliant navigation strategy for autonomous maritime navigation. IFAC conference archive. 207-213. Naeem, W., Sutton, R, Xu, T. (2012). An integrated multi-sensor data fusion algorithm and autopilot implementation in an uninhabited surface craft. Ocean Engineering. 39, 43–52. Naeem W., Xu T., Sutton R. Chudley J. (2007). Design of an unmanned catamaran with pollutant tracking and surveying capabilities. Published by the Institution of Engineering and Technology. 99-113. Park, J.H., Shim, H.W., Jun, B.H., Kim, S.M., Lee, P.M. Lim, Y.K. (2010). A model estimation and multi-variable control of an unmanned surface vehicle with two fixed thrusters. 978-1-4244-5222-4/10/$26.00 ©IEEE. Pêtrès, C., Romero-Ramirez, M.A., Plumet, F. (2012). A potential field approach for reactive navigation of autonomous sailboats. Robotics and Autonomous Systems. 60, 1520–1527. Praczyk, T. (2015). Neural anti-collision system for Autonomous Surface Vehicle. Neurocomputing. 149, 559–572. Rasal, K. (2013). Navigation & control of an automated SWATH surface vessel for bathymetric mapping. Mechanical Engineering Masters Theses. Santa Clara University. Sonnenburg, C., Gadre, A., Horner, D., Krageland, S., Marcus, A., Stilwell, D. J., Woolsey, C. A. (2010). Control-oriented planar motion modeling of unmanned surface vehicles. Virginia Center for Autonomous Systems. Technical Report No. VaCAS-2010-01. Zereik, E., Sorbara, A., Bibuli, M., Bruzzone, G., Caccia, M. (2015). Priority task approach for usvs’ path following missions with obstacle avoidance and speed regulation. IFAC-Papers on Line. 48(16), 25–30.   _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.237132.664965 خاک ورزی و رابطه ماشین و خاک انتخاب خاک‏ورز حفاظتی مناسب خاک‏های لومی- سیلتی بر اساس میزان بقایای گیاهی و روش تحلیل مؤلفه‏ی اصلی (PCA) انتخاب خاک‏ورز حفاظتی مناسب خاک‏های لومی- سیلتی بر اساس میزان بقایای گیاهی و روش تحلیل مؤلفه‏ ی اصلی (PCA) کاشانی زاده رقیه دانشجوی کارشناسی ارشد، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران ذکی دیزجی حسن استادیار گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران قاسمی نژاد محمود استادیار گروه ماشین‌های کشاورزی و مکانیزاسیون، دانشگاه کشاورزی و منابع طبیعی خوزستان، اهواز، ایران کاظمی نواب استادیار گروه ماشین‌های کشاورزی و مکانیزاسیون، دانشگاه کشاورزی و منابع طبیعی خوزستان، اهواز، ایران 23 10 2018 49 3 367 377 08 07 2017 09 04 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68257.html

برای تولید پایدار در بخش کشاورزی و حفظ منابع آب و خاک، کاهش عملیات خاک‏ورزی در نظام‏های مرسوم و جایگزینی آن با انواع نظام‏های کم‏خاک‏ورزی و حفاظتی توصیه می‏گردد. در این پژوهش،‏ تأثیر به‌کارگیری سه نوع خاک‏ورز حفاظتی با هندسه متفاوت که از شدت خاک‏ورزی کمتر نسبت به خاک‏ورزهای مرسوم برخوردارند (چیزل پکر، خاک‏ورزمرکب و دیسک خارج از مرکز)، بر پارامترهای عملکردی خاک‌ورزی شامل نیروی کشش ویژه، انرژی ویژه خاک‏ورزی، میانگین وزنی قطر کلوخه، ناهمواری سطح و درصد پوشش بقایای گیاهی بررسی گردید. سرعت پیشروی خاک‌ورزی در سه سطح 5/2، 5/4 و 6 کیلومتر بر ساعت در نظر گرفته شد. عملیات خاک‌ورزی در عمق ثابت 20 سانتی متری انجام شد. پارامترهای عملکردی شامل سرعت پیشروی واقعی، نیروی مقاوم کششی و توان کششی توسط سامانه جمع‌آوری داده‏های عملکردی تراکتور-خاک‏ورز اندازه‌گیری شد. طرح آزمایشی استفاده شده در این پژوهش، کرت‏ خرد شده در قالب بلوک کامل تصادفی بود که در خاک لومی سیلتی با نه تیمار و سه تکرار اجرا شد. نتایج نشان دادند که مقدار بقایای به جا مانده بر سطح خاک پس از خاک‏ورزی نه تنها با نیروی ویژه‏ی مقاوم کششی، بلکه با دیگر شاخص‌ها (میانگین وزنی قطر کلوخه و ناهمواری سطح خاک) نیز همبستگی منفی دارد و می‏توان بقایای گیاهی پس از خاک‏ورزی را به عنوان معیاری برای مقایسه‏ی خاک‏ورزها به کار گرفت. نتایج مقایسه‏ی رتبه‌بندی تیمارها بر اساس دو روش (مقدار بقایای به جا مانده پس از خاک‏ورزی و روش آماری تحلیل مؤلفه اصلی) نشان داد که خاک‏ورز مرکب و دیسک خارج از مرکز در سرعت‏های کم و چیزل پکر در سرعت‌های بالا برای خاک‌ورزی حفاظتی توصیه می‌شوند.

 مقاومت کششی ویژه خاک‏ورزی حفاظتی قطر کلوخه ناهمواری خاک Al-Suhaibani A S; Al-Janobi A (1997). Draught requirements of tillage implements operating on sandy loam soil. Journal of Agricultural Engineering Research, 66, 177–182. Cresswell, H. P., Painter, D. J. & Cameron, K. C. (1991). Tillage and water content effects on surface soil physical properties. Soil and Tillage Research, 21, 67-83. Drovicky, N. Z., Halaj, P., Perhacova, K. & Duracikava, L. (1998). Effects of tillage practices on soil properties. Int. Conf. on Agr. Eng., Oslo, Norway. Erfani Far, S., Zibaei, M. & Kasraei, M. (2013). Application of Ideal-Fuzzy Multi-objective Planning in Optimizing Crop Pattern with Emphasis on Using Conservation Soil Techniques. Agriculture machinery, 28 (2), 118-124. Gajri, P. R. & Arora, V. R.  (2006). Tillage for sustainable cropping. 243p. Goudarzi, B., Asoodar, A. & Kazemi, N. (2015). Blade vibration impact on the performance of silty clay loam soil cover tillage, Agriculture machinery. 5(2), 357-367. (In Farsi) Guzha, A. C. (2004). Effects of tillage on soil microrelief, surface depression storage and soil water storage. Journal of Soil and Tillage Research, 76, 105-114. Hu, Z., Yi-zhong, L., Zhi-chen, Y. & Bao-guo, L. (2007). Influence of conservation tillage on soil aggregates features in north China plain. Agricultural Sciences in China, 6 (9), 1099-1106. Hughes, K. A. and Baker, C. J. (1997). The effects of tillage and zero-tillage systems on soil aggregates in a silt loam. Journal of Agricultural Engineering Research, 22, 291-301. Jacobs, C. O. & Harrel, W. R. (1983). Agricultral Power and Machinery. McGraw – Hill Book Co., New York . 613p. Kazemi, N., Almasi, M., Bahrami, H., & Sheikhdavoodi, M. J. (2015). Construction and evaluation of a simultaneous monitoring system on the tractor's performance parameters - Remote devices. Journal of Agricultural Engineering, 38 (1), 109-125. (In Farsi) Khaffaf, A., & Khadr, A. (2008). Effect of some primary tillage implement on soil pulverization and specific energy. Farm Machinery and Power, 731- 745. Liu, J., & Chen,Y. (2010). Effect of tillage speed and straw Length on soil and straw movement by a sweep. Journal of Soil and Tillage Research, 109, 9-17. Loghavi, M., & Hossein Pour, A. (2004). Attachment of a V-Weel Packer to a Moldboard Plow for Combining Primary and Secondary Tillage Operations. Iranian Journal Agricultural Science, 35 (4), 1015-1024. (In Farsi) Martinez, E., Fuents, J. & Silv, P. (2008). Soil physical and wheat root growth as affected by no tillage and conventional tillage system in a Mediterranean environment of chile. Soil and Tillage Research, 99, 22-244. Moreno, R. g., Alvarez, M. C. D., Alonso, A. T., Barrington, S. & Requenjo. A. S. (2008). Tillage and soil type effects on soil surface roughness at semiarid climatic conditions. Journal of Soil and Tillage Research, 98, 35-44. Reshad Sedghi, A. & Loghavi, M. (2009). Effect of soil moisture in primary tillage and advance speed in disk cutting operation on dipping pruning performance as secondary tillage. Iranian Journal of Biosystem Engineering, 2, 131-138. Sharratt, B., Zhang, M. & Sparrow, S. (2006). Twenty years of tillage research in subarctic Alaska, I. Impact on soil strength aggregation, roughness, and residue cover. Journal of Soil and Tillage Research, 91, 75-81. Stevens, C. J., Quintan, J. N., Bailey, A. P., Deasy, C., Silgram, M. & Jackson, D. R. (2009). The effects of minimal tillage, contour cultivation and in-field vegetative barriers on soil erosion and phosphorus loss. Soil and Tillage Research, 106, 145-151.  _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.238943.664974 هوش مصنوعی دسته‌بندی هوشمند هندوانه‌ی رقم چارلستون‌گرِی بر اساس میزان رسیدگی با استفاده از پردازش سیگنال‌های آکوستیک دسته‌بندی هوشمند هندوانه‌ی رقم چارلستون‌گرِی بر اساس میزان رسیدگی با استفاده از پردازش سیگنال‌های آکوستیک علی‌پسندی امیر دانشجوی دکتری، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران محمودی اصغر دانشیار، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران بهفر حسین استادیار، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران 23 10 2018 49 3 379 394 08 08 2017 20 01 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68259.html

با توجه به بحران آب موجود در سطح کشور و فرایند آبیاری سنتی هندوانه، امکان کاهش کاشت و در نتیجه افزایش قیمت این محصول در سال‌های آتی وجود دارد که این امر ضرورت تعیین شاخص‌هایی برای انتخاب هندوانه‌ی با کیفیت را پر رنگ‌تر می‌کند. هدف از انجام این پژوهش دسته‌بندی هندوانه‌ی رقم چارلستون‌گری به کلاس‌های نارس، رسیده و بیش‌رس است که در این راستا از پردازش سیگنال‌های آکوستیک و الگوریتم‌های داده‌کاوی و تکنیک‌های هوش مصنوعی بهره گرفته شده است. پس از تهیه‌ی نمونه‌ها، ابتدا سیگنال‌های صوتی از موقعیت‌های مختلف هندوانه به وسیله‌ی یک ضربه‌زن مجهز به سلونوئید اخذ و سپس با انجام ارزیابی‌های حسی کلاس نمونه‌ها تعیین شد. روش‌های پردازش سیگنال در حوزه زمان، حوزه‌ی فرکانس و پردازش به کمک تبدیل موجک برای استخراج ویژگی‌های با اهمیت از سیگنال‌های صوتی هندوانه‌ها مورد استفاده قرار گرفته و با استفاده از آزمون t تعدادی از ویژگی‌هایی که در تمایز کلاس‌ها معنی‌دار بودند انتخاب شدند. از الگوریتم‌های ماشین بردار پشتیبان و K همسایگی نزدیک برای دسته‌بندی نمونه استفاده گردید. در مجموع ۵۲ درصد از کل نمونه‌ها به‌صورت صحیح توسط کارشناسان خبره دسته‌بندی شدند. برای ساچمه‌ی فلزی، الگوریتم SVM، با تابع هسته‌ی درجه‌ی 3 برای سیگنال‌های صوتی مستخرج از موقعیت وسط، دقت 78 درصد و برای سیگنال‌های صوتی مستخرج از موقعیت ساقه با تابع هسته گاوسی دقت 75 درصد را حاصل کرد. بهترین دسته‌بندی با مقدار 79 درصد برای جنس ساچمه‌ی فلزی و موقعیت سمت ساقه با الگوریتم دسته‌بند KNN و متریک فاصله‌ی کسینوسی حاصل شد.

 ارزیابی حسی هندوانه پردازش سیگنال ماشین بردار پشتیبان k همسایگی نزدیک Abbaszadeh, R., Rajabipour, A., Ahmadi, H., Mahjoob, M. J. and Delshad, M. (2010). Nondestructive evaluation of watermelon ripeness using LDV. Proceedings of the 6th National Congress of Agricultural Machinery Engineering and Mechanization. Karaj. Iran. Sep15-16. (in Farsi)  Abbaszadeh, R., Rajabipour, A., Labbafi, R. and Ahmadi, H. (2012). Prediction of watermelon customer-friendly based on sensory evaluation data using expert fuzzy model. Proceedings of the 7th National Congress of Agricultural Engineering (Biosystems Mechanics) and Mechanization. Sep 4-6.  Shiraz. Iran. (in Farsi) Ahmadi, K. (2015). Agricultural statistics first volume crops. Ministry of Agriculture, Department of Planning and Economy. (in Farsi) Anon. (2013). FAO Food and Nutrition Series. Statistical database http://faostat. fao.org. Armstrong, P., Zapp, H., Brown, G. (1989). Impulsive excitation of acoustic vibrations in apples for firmness determination. American Society of Agricultural Engineers. Bourne, M. (2002). Food texture and viscosity: concept and measurement. Academic press. Coifman, R.R., M.V. Wickerhauser. (1992). Entropy-based Algorithms for best basis selection. IEEE Trans. on Inf. Theory. 38(2). 713–718. Diezma-Iglesias, B., Ruiz-Altisent, M., & Barreiro, P. (2004). Detection of Internal Quality in Seedless Watermelon by Acoustic Impulse Response. Biosystems Engineering. 88(2). 221-230. Farabee, M. L., & Stone, M. L. (1991). Determination of watermelon maturity with sonic impulse testing. American Society of Agricultural Engineers. Han, J., Pei, J., & Kamber, M. (2011). Data mining: concepts and techniques. Elsevier. Karmollachaab, H. (2012). Nondestructive internal quality analysis of watermelons by acoustic technique and artificial neural networks. M. Sc. Thesis. Faculty of Agriculture. Tabriz University. Tabriz. Iran. (in Farsi) Marple, S. Lawrence. (1987). Digital Spectral Analysis. Chapter 7. Englewood Cliffs, NJ: Prentice Hall. Muramatsu, N., Tanaka, K., Asakura, T., Ishikawa-Takano, Y., Sakurai, N., Wada, N., Nevins, D. J. (1997). Critical comparison of an accelerometer and a laser Doppler vibrometer for measuring fruit firmness. HortTechnology. 7(4). 434-438. Nourain, J., Ying, Y. B., Wang, J., & Rao, X. (2004). Determination of acoustic vibration in watermelon by finite element modeling. Paper presented at the Optics East. Omid, M., A. Mahmoudi, M. H. Omid. (2009). An intelligent system for sorting pistachio nut varieties. Expert Systems with Applications. 36(9): 11528-11535. Proakis, John G., Dimitris G. Manolakis. (1996). Digital Signal Processing: Principles, Algorithms, and Applications. Englewood, Prentice Hall. Section 12.3.3 Saadatiniya, M., Emadi, B. (2011). Determination of ripeness of watermelon fruit based on acoustic methods. 1st National Congress of Mechanisation and Modern Technologies in Agricultural. Ahvaz. Iran. Fep16-18. (in Farsi) Stone, M., Armstrong, P., Zhang, X., Brusewitz, G., & Chen, D. (1996). Watermelon maturity determination in the field using acoustic impulse impedance techniques. Transactions of the ASAE. 39(6). 2325-2330. Strang, G. (1989). Wavelets and Dilation Equations: A Brief Introduction. SIAM Review. Society for Industrial and Applied Mathematics. 31(4). 614-627. Taniwaki, M., Hanada, T., & Sakurai, N. (2009). Postharvest quality evaluation of “Fuyu” and “Taishuu” persimmons using a nondestructive vibrational method and an acoustic vibration technique. Postharvest Biology and Technology. 51(1). 80-85. Zeng, W., X. Huang, S. Müller Arisona., I. V. McLoughlin (2013). Classifying watermelon ripeness by analysing acoustic signals using mobile devices. Personal and Ubiquitous Computing. 18(7): 1753-1762.  _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.241192.664983 کشاورزی دقیق بررسی امکان استفاده از شبکه حسگر بیسیم (WSN) و پردازش تصویر در دیده بانی و تشخیص به موقع آفت مگس سفید گلخانه بررسی امکان استفاده از شبکه حسگر بیسیم ( WSN ) و پردازش تصویر در دیده بانی و تشخیص به موقع آفت مگس سفید گلخانه دانشمند وزیری محسن دانشجوی دکترا، گروه مهندسی مکانیک ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران رجبی‌پور علی استاد، گروه مهندسی مکانیک ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران امید محمود استاد، گروه مهندسی مکانیک ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران 23 10 2018 49 3 395 408 07 10 2017 03 02 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68260.html

مدیریت تولید محصولات گلخانه­ای نیازمند دانش کنترل بسیاری از عوامل محیطی ، تغذیه گیاهی و مبارزه با آفات و بیماری­های گیاهی است. یکی از مهمترین فعالیت­ها در فرآیند تولید محصولات گلخانه­ای شناخت و مبارزه با آفات می­باشد. از جمله روش‌های اثر بخشی سموم و کاهش میزان مصرف آنها خصوصاً در مورد سموم کنترل کننده آفات حشره­ای، پیش آگاهی و اطلاع از تراکم جمعیتی آفات است. فناوری شبکه‌های حسگر بیسیم (WSN) از جمله فناوری‌های نوینی است که به منظور حس کردن محیط و جمع آوری و انتقال اطلاعات به سمت کاربر یا ایستگاه مرکزی برای مشاهده و عکس العمل مناسب با رخداد یا پدیده ای بکار برده می‌شوند.در تحقیق حاضر، امکان استفاده از WSN در دیده بانی و تشخیص به موقع آفت مگس سفید گلخانه و تهیه و ترسیم نقشه آلودگی گلخانه مورد بررسی قرار گرفت. برای این منظور تعداد 3750 تصویر از 15 تله چسبی نصب شده در گلخانه­ ای با محصول طالبی در مرکز تحقیقات و آموزش جهاد کشاورزی اصفهان  که به مگس سفید آلوده شده بودند تهیه و به صورت خودکار با استفاده از  WSN و به صورت بیسیم به رایانه واقع در فاصله 900 متری از گلخانه انتقال می یافت. تصاویر رنگی تله های چسبی که به کمک 15 دوربین تصویر برداری تهیه شدند با استفاده از نرم افزار متلب به تصاویر خاکستری تبدیل شده و بعد از بخش بندی توسط الگوریتم ماشین بردار پشتیبان ( SVM ) و بر اساس ویژگی های تصاویر، به دو دسته تصاویر دارای آفت مگس سفید و فاقد مگس سفید طبقه بندی شدند. پس از شناسایی آفت مگس سفید، تعداد آفات تصاویر شمارش شده و با توجه به تعداد آنها با استفاده از نرم افزار ArcMap10.2  نقشه آلودگی گلخانه ترسیم گردید. با ارزیابی سامانه نتایج نشان داد که دقت الگوریتم SVM برای طبقه بندی تصاویر تله های چسبی برابر 73/97 درصد است و میانگین مقادیر شاخص های آماری ماتریس اغتشاش برای 15 تله چسبی شامل حساسیت، صحت، اختصاصی بودن و دقت طبقه بندی به ترتیب 46/98، 31/86، 08/99 و 72/97 درصد می باشد. میانگین دقت کلی سامانه در تشخیص و شمارش تعداد مگسهای سفید به دام افتاده در تله های چسبی 71/97 درصد می باشد. محاسبه ریشه میانگین مربعات خطا (RMSE) در برآورد تعداد مگس سفید به روش پردازش تصویر و شمارش مستقیم بین 1 تا 03/5 متغیر بود. لذا استفاده از این سامانه برای تشخیص و ردیابی و شمارش تعداد مگس های سفید به دام افتاده مناسب است و می توان با ترسیم نقشه آلودگی گلخانه برنامه ریزی مناسب جهت مبارزه با آفت مذکور انجام داد.

 شبکه حسگر بیسیم مگس سفید تله چسبی ماشین بردار پشتیبان نقشه آلودگی Akash, J. U., Ingole, P. V. (2014).  Automatic Monitoring of  Pest Insects Traps Using Image Processing . Telkomnika  Indonesian Journal of Electrical Engineering . 12( 8 ) : 5779 – 5783. Azfar, S., Nadeem,A. &Basit, A. (2015). Pest detection and control techniques using wireless sensor network: A review. Journal of Entomology and Zoology Studies 3 (2), 92-99. Danish, G. M., Niaz Kh., Y.(2015). Early Pest Detection from Crop usingImage Processing and Computational Intelligence , FAST-NU Research Journal (FRJ), 2015 . 1(1) :59 – 68. Doddy, T. H., Yeni, H., MSi, M., Aunu, R. (2013). Whitefly (Bemisiatabaci) Calculation Based onImage Processing using Triangle Method .International Conference on Computer, Control, Informatics and Its Application.2013 Ebrahimi, M.A., Khoshtaghaza, M.H., Minaei, s., Jamshidi, B.(2017). Vision-based pest detection based on SVM classification method. Computers and Electronics in Agriculture 137 : 52–58 Ganesh, B., Sapana, Sh., Vijay, B. N. (2013). Early Pest Identification in Agricultural Crops using Image Processing Techniques .International Journal of Electrical, Electronics and Computer Engineering. 2(2): 77-82. Gaurav, K. A.V., Deorankar, P.N.Ch. (2014). Classification of Agricultural Pests Using DWTand Back Propagation Neural Networks. International Journal of Computer Science and Information Technologies (IJCSIT) .5 (3):4034-4037. Gaurav, Y. K., Deorankar,A.V., Chatur, Dr.P.N. (2014). A Review of Literature on Application of Image Processing for Identification of Agricultural Pests on Various Crops .International Journal of Engineering Science and Innovative Technology (IJESIT). 2 (6 ) :601 – 606. Gods, S. ,Vahhab, S. (2016). A novel automated image analysis method for counting thepopulation of white flies on leaves of crops . Journal of Crop Protection. 5 (1): 59-73. Jayme, G., Arnal, B. (2014). Using digital image processing for counting whiteflies on soybean leaves .Journal of Asia-Pacific Entomology.17 : 685 – 694. Jongman, Ch., Junghyeon, Ch.,Mu, Q., Chang-woo, J., Hwang-young K., Ki-baik U. & Tae-soo, Ch.(2007). Automatic identification of whiteflies, aphids and thrips in greenhouse based on image analysis . International Journal of Mathematics and Computers in Simulation . 2007. 1 ( 1 ) : 46 – 53 Liu, Z., Wei, Z. (2013).Image Classification Optimization Algorithm based on SVM. Journal of Multimedia.8(5): 496 – 502. Manoja M. , RajalakshmiJ. , Early Detection of Pests on Leaves Using Support Vector Machine . ISSN 2348-6988 . International Journal of Electrical and Electronics Research . 2014 . 2 ( 4 ) : 187 – 194. Monika, W., Gohokar,V.V., Arti, Kh. (2015). Agriculture  Pest  Control  Using  Computer Vision Technique . International Journal of Advanced Research.3( 8 ): 309-314. Paul, B., Vincent, M., Sabine, M. (2008).A Cognitive Vision Approach to Early Pest Detection inGreenhouseCrops .Computers and Electronics in Agriculture, Elsevier.62 (2), pp.81-93. Pokharkar. S. R.  , ThoolV. R. b., (2012) . Early Pest Identification in Greenhouse Crops using Image Processing Techniques . ISSN 2277-5420. International Journal of Computer Science and Network (IJCSN) . 1 ( 3 ) : 154 – 159. Pourdarbani, R., Rezaei, B. (2011).Automatic Detection of Greenhouse Plants Pests by Image Analysis . Journal of Agricultural Machinery Science . 7 ( 2 ) : 171 – 174. Rajeswary, B., Divya, S. (2015). Identification and Classification of Pests in Greenhouse Using Advanced SVM in Image Processing .International Journal of Scientific Engineering and Research (IJSER). 3( 5 ) : 118 – 122 Ratnesh, K., Vincent, M., Sabine, M. (2010).Robust Insect Classification Applied to Real Time Greenhouse Infestation Monitoring . Proceedings of the 20th International Conference on Pattern Recognition on Visual Observation and Analysis of Animal and Insect Behavior Workshop : 1-4. Rupesh, G. M., Gohokar, V. V. (2013). Detection and Classification of Pests in Greenhouse Using Image Processing . Journal of Electronics and Communication Engineering (IOSR-JECE).5(6) : 57-63. Sitaram, L., Dixit, V. (2013).Pest Detection on Leaves Using Poission’sThresholding Techniques. The International Journal Of Engineering And Science (IJES).2 ( 10): 39-42. Sreelakshmi M. , Padmanayana , Early Detection and Classification of Pests Using Image Processing . International  Journal of  Innovative Research in  Electrical, Electronics, Instrumentation and  Control Engineering . 2015 , 3(1): 239 – 242. Thulasi, P. C., Praveen, K., Srividya, A. (2013) .Monitoring Of Pest Insect Traps Using Image Sensors &Dspic. International Journal Of Engineering Trends And Technology. 4(9): 4088-4093.  _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.242060.664988 مدلسازی ارزیابی و مدل‌سازی روند مصرف انرژی، عملکرد و میزان انتشارات گلخانه‌ای در تولید نخودآبی استان اصفهان ارزیابی و مدل‌سازی روند مصرف انرژی، عملکرد و میزان انتشارات گلخانه‌ای در تولید نخودآبی استان اصفهان الهامی بهزاد دانشجوی دکتری مکانیزاسیون کشاورزی، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه کشاورزی و منابع طبیعی رامین، اهواز، ایران اکرم اسداله دانشیار گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران خانعلی مجید استادیار گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران 23 10 2018 49 3 409 421 03 10 2017 03 02 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68262.html

این مطالعه به­ منظور بررسی و مدل­سازی میزان انرژی مصرفی و انتشارات گازهای گلخانه­ای در کشت نخود آبی در استان اصفهان توسط مدل پرسپترون چند لایه­ای شبکه­ی عصبی مصنوعی اجرا گردید. میزان هر یک از نهاده­های مصرفی در تولید محصول، از 110 تولیدکنند­ه­ی نخود آبی به شکل تصادفی توسط پرسش‌نامه جمع­آوری گردید. کل انرژی مصرفی، عملکرد محصول و نسبت انرژی در تولید نخود آبی به ترتیب برابر با 18/33211 مگاژول بر هکتار، 36/2276 کیلوگرم بر هکتار و 02/1 محاسبه گردید. کود نیتروژن با 9808 مگاژول بر هکتار بیشترین میزان انرژی مصرفی را به خود اختصاص داد. کل انتشارات گازهای گلخانه­ای برابر 20/965 کیلوگرم معادل کربن دی‌اکسید بر هکتار محاسبه گردید که الکتریسیته و سوخت دیزل به ترتیب با 36% و 34% بیشترین سهم را از کل انتشارات گلخانه­ای داشتند. مدل شبکه­ی عصبی مصنوعی با آرایش 2-7-13 به عنوان بهترین مدل برای پیش­بینی عملکرد و کل انتشارات گلخانه­ای شناخته شد. بر اساس این مدل، مقدار ضریب تبیین در پیش‌بینی عملکرد محصول و کل انتشارات گلخانه­ای به ترتیب برابر با 929/0 و 979/0 تعیین شد. نتایج تحلیل حساسیت مدل نیز نشان داد که نهاده­ی ماشین­های کشاورزی بیشترین اثر را بر عملکرد و میزان انتشارات گلخانه­ای داشته است.

 الکتریسیته انتشارات گلخانه‌ای تحلیل حساسیت سوخت دیزل کود نیتروژن Anonymous (2013). Annual agricultural statistics, Ministry of Jihad-e-Agriculture of Iran (www.maj.ir) [In Persian]. Dyer, J.A. and Desjardins, R.L. (2006). Carbon dioxide emissions associated with the manufacturing of tractors and farm machinery in Canada. Biosystems Engineering, 93(1), 107-118. Elhami, B., Akram, A.  and Khanali, M. (2016a). Optimization of energy consumption and environmental impacts     of chickpea production using data envelopment analysis (DEA) and multi objective genetic algorithm (MOGA) approaches. Information Processing in Agricuture, 3(3), 190-205. Elhami, B., Akram, A., Khanali, M. and Mousavi-Avval, S.H. (2016b). Application of ANFIS and Cobb-Douglas models to predict the output energy and benefit to cost ratio of lentil and chickpea production (a case study in Iran). Energy Equipment and System, 4(2), 255-270. FAO (2014). (www.fao.org). Ghaderpour, O. and Rafiee, S. (2016). Analysis and Modeling of Energy and yield of reinfed Chickpea Production in Bokan County. Iranian Journal of Biosystems engineering, 47(4), 7011-720 [In Farsi]. Ghasemi-Mobtaker, H., Akram, A., Keyhani, A. and Mohammadi, A. (2012). Optimization of energy required for alfalfa production using data envelopment analysis approach. Energy for Sustainable Development, 16(2), 242-248. Hashem, S (1993). Sensitivity analysis for feed forward artificial neural networks with differentiable activity functions. International conference on neural network, Baltimore: IEEE, 1, p. 419–429. Harouni, S., Sheikh Davoudi, M.J. and Kiani, M. (2015). Modeling of energy consumption and amount of green house emissions in the process of sugar cane production in Raton field using artificial neural networks (a case study: Debal KHAZAEI,s agro-industry in Khuzestan province). Journal of Agricultural Machinery Mechanics 4(2), 11-19. [in Persian]. IPCC. (2007). IPCC Assessment Report 4. (www.ipcc.ch). Khanna, T. (1990). Foundation of neural networks. Addison-Wesley Publishing Company, U.S.A. Khoshnevisan, B., Rafiee, S., Omid, M., Yousefi, M. and Movahedi M. (2013). Modeling of energy consumption and GHG (greenhouse gas) emissions in wheat production in Esfahan province of Iran using artificial neural networks. Energy, 52, 333-338. Khoshnevisan, B., Rafiee, S., Omid, M., Mousazadeh, H. and Rajaeifar M.A. (2014). Application of artificial neural networks for prediction of output energy and GHG emissions in potato production in Iran. Agricultural System, 123, 120-127. Koocheki, A., Ghorbani, R., Monadi, F., Alizadeh, Y., and Moradi R. (2011). Pulses Production Systems in Term of Energy Use Efficiency and Economical Analysis in Iran. International Journal of Energy Economics and Policy 4(1), 95-106. Lai, R. (2004). Carbon emission from farm operations. Environment International, 30(7), 981-990 Lu, M., AbouRizk, S. and Hermann U. (2001). Sensitivity analysis of neural networks in spool fabrication productivity studies. Journal of Computing in Civil Engineering, 15, 299–308. Nabavi-Pelesaraei, A., Abdi, R., Rafiee, S. and Ghasemi-Mobtaker, H. (2014). Optimization of energy required and greenhouse gas emissions analysis for orange producers using data envelopment analysis approach. Journal of Cleaner Production, 65, 311-317. Nabavi-Pelesaraei, A., Abdi, A. and Rafiee, S. (2016a). Neural network modeling of energy use and greenhouse gas emissions of watermelon production systems. Journal of the Saudi Society of Agricultural Sciences, 15(1), 38-47. Nabavi-Pelesaraei, A., Rafiee, S., Hosseinzadeh-Bandbafha, H. and Shamshirband, S. (2016b). Modeling energy consumption and greenhouse gas emissions for kiwifruit production using artificial neural networks. Journal of Cleaner Production, 133, 924–931. Nourani, V. and Sayyah Fard, M. (2012) Sensitivity analysis of the artificial neural network outputs in simulation of the evaporation process at different climatologic regimes. Advances in Engineering Software, 47, 127–146. Pahlavan, R., Omid, M., and Akram, A. (2012). Energy input-output analysis and application of artificial neural networks for predicting greenhouse basil production. Energy, 37(1), 171-176. Pishgar-Komleh, S.H., Keyhani, A., Mostofi-Sarkari, M.R. and Jafari, A. (2012). Energy and economic analysis of different seed corn harvesting systems in Iran. Energy, 43(1), 469-476. Rahimyan, B. (2015). Determination of economic, energy and environmental indicators of some crops (sugar beet, wheat and pea) in West Azarbaijan Province (Boukan Region) using computional intelligence techniques. Msc. dissertation, Unevercity of Tehran [In Farsi]. Safa, M. and Samarasinghe, S. (2011). Determination and modeling of energy consumption in wheat production using neural networks: “A case study in Canter bury province, New Zealand”. Energy, 36(8), 5140-5147. Salami, P. and Ahmadi, H. (2010). Energy inputs and outputs in a chickpea production system in Kurdestan, Iran. African Crop Science Journal, 18(2), 51-57. Sohrabi, Y., Heidari, G. and Esmailpoor, B. (2008). Effect of salinity on growth and yield of Desi and Kabuli Chickpea cultivars. Pakistan Journal of Biological Sciences, 11(4), 664-667.  Taghavifar, H. and Mardani, A. (2015). Prognostication of energy consumption and greenhouse gas (GHG) emissions analysis of apple production in West Azarbayjan of Iran using artificial neural network. Journal of Cleaner Production, 87, 159-167.                   _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.242994.664993 خشک کردن مدلسازی و بهینه سازی خشک کردن شلتوک در یک خشک کن آزمایشگاهی هوای گرم-مادون قرمز بستر ارتعاشی مدلسازی و بهینه سازی خشک کردن شلتوک در یک خشک کن آزمایشگاهی هوای گرم-مادون قرمز بستر ارتعاشی نصرتی مجتبی دانشجوی دکتری مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران زارع داریوش دانشیار گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران نصیری سید مهدی دانشیار گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران جعفری عبدالعباس دانشیار گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران اقتصاد محمد استاد گروه مکانیک، دانشکده مهندسی مکانیک، دانشگاه شیراز، شیراز، ایران 23 10 2018 49 3 423 435 24 10 2017 20 01 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68263.html

 در این پژوهش یک مدل کاربردی با یک متغیر متاثر از شرایط خشک شدن به منظور پیش بینی اثر تابش مادون قرمز در روش ترکیبی خشک کردن شلتوک ارائه گردید. آزمایش ها در سه سطح تابش مادون قرمز (صفر، 1000و Wm-22000) و سه سطح دمای هوای ورودی (30، 40 و °C50) انجام پذیرفت. نتایج به دست آمده از  شبیه سازی مدل ارائه شده نشان داد مدل قادر است خصوصیت های خشک شدن شلتوک را در خشک کن ترکیبی به خوبی بیان کند. همچنین با توجه به بررسی اثر روش ترکیبی هوای گرم-مادون قرمز بر روی نرخ خشک شدن، نسبت افزایش ترک خوردگی، انرژی مورد نیاز برای شکستن دانه شلتوک و مصرف انرژی ویژه، یک روش بهینه ارائه گردید. بهترین روش برای کاهش مصرف انرژی و افزایش کیفیت دانه، روش ترکیبی هوای گرم در دمای °C40 و شدت تابش مادون قرمز در Wm-2 1000 است.

 شلتوک مادون قرمز مدل تک متغیره لایه نازک خشک کردن ترکیبی AACC. (1995). Approved Method of the American of Cereal Chemists (9th ed). St. Paul, Minnesota. Abe, T., & Afzal, T. M. (1997). Thin-Layer Infrared Radiation Drying of Rough Rice. Journal of Agricultural Engineering Research, 67, 289-297. Afzal, T. M., & Abe, T. (1999). Energy an Quality Aspect During Combined FIR Convection Drying of Barley. Journal of Food Engineering, 42, 177-182. Barzegar, M., Zare, D., & Stroshine, R. L. (2015). An integrated energy and quality approach to optimization of green peas drying in a hot air infrared-assisted vibratory bed dryer. Journal of Food Engineering, 166, 302-315. Brooker, D. B., Bakker-Arkema, F. W., & Hall, C. W. (1992). Drying and storage of grain and oilseeds. New York: Van Nostrand Reinhold. Chandra, P. K., & Singh, R. P. (1995). Applied Numerical Methods for Food and Agricultural Engineers. London: CRC Press. Chen, C., & Jayas, D. S. (1998). Dynamic Equilibrium Moisture Content for Grain Drying. Journal of Canadian Agricultural Engineering, 40, 299-303. Chen, C., & Wu, P. (2000). The Study of Interrupted Drying Technique for Rough Rice. Drying Technology. 18(10). 2381-2397. Cnossen, A. G., Siebenmorgen, T. J., Yang, W., & Bautistad, R. C. (2001). An Application of Glass Transition Temperature to Explain Rice Kernel Fissure Occurrence During the Drying Process. Drying Technology, 19(8), 1661-1682. El-Amin. M. (2011). Advanced Topics in Mass Transfer: Modeling Moisture Movement in Rice. (pp. 283-304). Croatia: Intech.  Eshtiagh, A., & Zare, D. (2015). Modeling of thin layer hot air-infrared drying of green peas. Agric Eng Int: CIGR Journal, Special Issue 2015: 18th World Congress of CIGR: 246-258. FAO. (2017). World Food Situation FAO Cereal Supply and Demand Brief: Food and Agriculture Organization of the United Nation. Haghighi, K., & Segerlind, L. J. (1988). Modeling Simultaneous Heat and Mass Transfer in an Isotropic Sphere-A Finite Element Approach. Transactions of the ASAE, 32, 737-761. Henderson, S. M. (1961). Grain drying theory I: Temperature effect on drying coefficient. Journal of Agricultural Engineering Research, 6, 169-174. Henderson, S. M. (1974). Progress in developing the thin-layer drying equation. Journal of Food Technology, 18, 507-524. Jelve, B. (2014). Design, Fabricated and Evaluation of an Infrared-assited Vibratory Bed Grain Dryer, A Case study: Paddy Drying. (M. S.), Shiraz University. Khir, R., Pan, Z., Salim, A., & Thompson, J. F. (2007). Drying characteristics and quality of rough rice under infrared radiation heating. Paper presented at the ASABE Annual International Meeting, Minneapolis Convention Center, Minneapolis, Minnesota. Lewis, W. K. (1921). The Rate of Drying of Solid Materials. Journal of Industrial & Engineering Chemistry, 13(5), 427-432. Li, Y. B., Cao, C. W., & Zhong, Q. X. (1999). Study on Rough Rice Fissuring During Intermittent Drying. Drying Technology. 17(9), 1779-1793. Luikov, A. V. (1966). Heat and Mass Transfer in Capillary Porous Bodies. New York: Pergamon Press. Meeso, N., Nathakaranakule, A., Madhiyanon, T., & Soponronnarit, S. (2007). Modelling of far-infrared irradiation in paddy drying process. Journal of Food Engineering, 78, 1248–1258. Meeso, N., Nathakaranakule, A., Madhiyanon, T., & Soponronnarit, S. (2008). Different Strategies of Far-Infrared Radiation Application in Paddy Drying. International Journal of Food Engineering, 4(3), 238-251. Nassiri, S. M., & Etesami, S. M. (2016). Estimation of head rice yield by measuring the bending strength of kernels after drying by different drying methods. AgEngInt. CIGR Journal, 18, 368-377. Page, C. (1949). Factors Influencing the Maximum Rate of Drying Shelled Corn in Layers. (M. S. Thesis), Purdue University, West Lafayette, Indiana.   Prakash, B., & Pan, Z. (2009). Heat and Mass Transfer Modeling of Rough Rice under Convective and Infrared Drying. Paper presented at the ASABE Annual International Meeting, Grand Sierra Resort and Casino Reno, Nevada. Siebenmorgen, T. J., & Qin, G. (2005). Relating Rice Kernel Breaking Force Distributions to Milling Quality. Transactions of the ASAE, 48(1), 223-228. Verma, L. R., Bucklin, R. A., Endan, J. B., & Wratten, F. T. (1985). Effects of Drying Air Parameters on Rice Drying Models. Transactions of the ASAE, 28(1), 296-301. Younis. M., Abdelkarim. D., & El-Abdein, A, Z. (2017). Kinetics and Mathematical Modeling of Infrared Thin-layer Drying of Garlic Slices. Saudi Journal of Biological Science, 17, 215-223. Zare, D., Naderi, H., & Ranjbaran, M. (2014). Energy and Quality Attributes of Combined Hot Air-Infrared Drying of Paddy. Drying Technology, 33(5), 570-582.  _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.243332.664996 صدا و ارتعاش مدلسازی آزردگی صوتی بکهو لودر بر اساس معیارهای کیفیت صدا مدلسازی آزردگی صوتی بکهو لودر براساس معیارهای کیفیت صدا خانمحمدی عباس دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران رجبی‌پور علی استاد، گروه مهندسی مکانیک ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران لشگری مجید استادیار، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه اراک، اراک، ایران مبلی حسین استاد، گروه مهندسی مکانیک ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران 23 10 2018 49 3 437 445 19 10 2017 23 01 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68264.html

آلودگی صوتی علاوه بر اثرات سوء بر سلامت جسمی افراد به لحاظ کیفی نیز می‏تواند شرایط آزاردهنده‏ای برای افرادی که در معرض آن قرار دارند ایجاد نماید. بنابراین علاوه بر ارزیابی پارامترهای کمّی صدا، بررسی پارامترهای کیفی صدا در محیط‏های کاری نیز کاملاً ضروری است. در این تحقیق، معیارهای کیفی صدای یک دستگاه بکهو لودر شرکت هپکو مورد ارزیابی قرار گرفت. با استفاده از معیارهای بلندی، تیزی و قدرت نوسان، مدل آزردگی صوتی ماشین مورد آزمون تعیین شد. ضریب تشخیص مدل آزردگی صوتی و آزمون ژوری برابر 93/0 به دست آمد. همچنین مدل آزردگی صوتی حاصل از این تحقیق با دو مدل آزردگی بی‏طرفانه و روان-آکوستیک مقایسه شد. نتایج حاصل از این مقایسه نشان داد که روند تغییرات مدل پیشنهاد شده در نسبت‏‏های دنده مختلف با دو مدل دیگر متفاوت است. بنابراین می‏توان با اندازه‏گیری صدای ماشین و استخراج معیارهای کیفی آن، میزان آزردگی صوتی داخل کابین را محاسبه نمود.

 واژه‏های کلیدی: آزردگی بی‏طرفانه روان-آکوستیک آزمون ژوری نسبت دنده Aladdin, M. F., & Jalil, N. A. A. (2017). Psychoacoustic bias in vehicle interior noise–preliminary study. Procedia Engineering, 170, 217-225. Allen, P. (2000). Acoustics and psychoacoustics. Audiology Diagnosis (1st ed.). New York: Thieme Medical Publisher Inc. Brambilla, G., Carletti, E., & Pedrielli, F. (2001). Perspective of the sound quality approach applied to noise control in earth moving machines. International Journal of Acoustics and Vibration, 6(2), 90-6. Carletti, E., Pedrielli, F., & Casazza, C. (2009). Annoyance prediction model for assessing the acoustic comfort at the operator station of compact loaders. In: Proceedings of 16th International Congress on Sound and Vibration, Kraków, Poland. Carletti, E., Pedrielli, F., & Casazza, C. (2011). Development and validation of a numerical prediction model to estimate the annoyance condition at the operation station of compact loaders. International Journal of Occupational Safety and Ergonomics, 17(3), 233-240. Cerrato, G. (2009). Automotive sound quality–powertrain, road and wind noise. Sound & vibration, 43(4), 16-24. Cho, P., & Karavadi, A. (1999). Sound quality target development process for agricultural and construction machinery (No. 1999-01-2820). SAE Technical Paper. Fastl, H., & Zwicker, E. (2007). Psychoacoustics: facts and methods (3rd ed.). Berlin: Springer-Verlag. Fish, D. G. (1998). Application of the composite rating of preference to road and wind noise (No. 980393). SAE Technical Paper. Fujii, K., Atagi, J., & Ando, Y. (2002). Temporal and spatial factors of traffic noise and its annoyance. Journal of Temporal Design in Architecture and the Environment, 2(1), 33-41. Garcia, J. J., Iturbe, J., & Planas, J. L. (2000). Exhaust Noise Design based on Psycho-acoustic Parameters. In FISITA World Automotive Congress. Genuit, K. (2004). The sound quality of vehicle interior noise: a challenge for the NVH-engineers. International Journal of Vehicle Noise and Vibration, 1(1-2), 158-168. Han, H. S. (2012). Psycho-acoustic evaluation of the indoor noise in cabins of a naval vessel using a back-propagation neural network algorithm. International Journal of Naval Architecture and Ocean Engineering, 4(4), 374-385. Hong, H. S., Shim, S. R., & Han, H. S. (2011). Psycho-acoustic evaluation and analysis of the indoor noise in cabins of a naval vessel to specify its allowable limit. Transactions of the Korean Society for Noise and Vibration Engineering, 21(7), 650-656. Janssens, K., Vecchio, A., & Van der Auweraer, H. (2008). Synthesis and sound quality evaluation of exterior and interior aircraft noise. Aerospace Science and Technology, 12(1), 114-124. Junoh, A. K., Muhamad, W. Z. A. W., & Fouladi, M. (2011). A Study on the effects of tyre vibration to the noise in passenger car cabin. Advanced Modeling and Optimization, 13(3), 567-581. Lashgari, M., & Maleki, A. (2016). Evaluation of lawn tractor noise using acoustic and psychoacoustic descriptors. Engineering in Agriculture, Environment and Food, 9(1), 116-122. Lashgari, M. (2017). Analysis of acoustic annoyance using sound quality metrics. Sound and Vibration, 5(10), 107-116. (In Farsi). Nielsen, T., Nielsen, T. V., Johansen, P., Hasenkam, J. M., & Nygaard, H. (2005). Psychoacoustic quantification of mechanical heart valve noise. The Journal of heart valve disease, 14(1), 89-95. Nor, M. J. M., Fouladi, M. H., Nahvi, H., & Ariffin, A. K. (2008). Index for vehicle acoustical comfort inside a passenger car. Applied Acoustics, 69(4), 343-353. Park, S. G., Park, J. T., Seo, K. W., & Lee, G. B. (2012). Comparison of the Sound Quality Characteristics for the Outdoor Unit according to the Compressor Model. International Compressor Engineering Conference. Paper 2229. Park, B., Jeon, J. Y., Choi, S., & Park, J. (2015). Short-term noise annoyance assessment in passenger compartments of high-speed trains under sudden variation. Applied Acoustics, 97, 46-53. Pedrielli, F., Carletti, E., & Casazza, C. (2008). Just noticeable differences of loudness and sharpness for earth moving machines. Journal of the Acoustical Society of America, 123(5), 3164-3164. Sahai, A. K., & Stumpf, E. (2014). Incorporating and minimizing aircraft noise annoyance during conceptual aircraft design. In: Proceedings of 20th AIAA/CEAS Aeroacoustics Conference-Part of AVIATION forum. Seiler, R. D., & Holbach, G. (2013). Acoustic quality on board ships. In: Proceedings of Meetings on Acoustics ICA2013 (Vol. 19, No. 1, p. 040132). ASA. Sellerbeck, P., Nettelbeck, C., Heinrichs, R., & Abels, T. (2007). Improving diesel sound quality on engine level and vehicle level-a holistic approach (No. 2007-01-2372). SAE Technical Paper. Västfjäll, D., Kleiner, M., & Gärling, T. (2003). Affective reactions to interior aircraft sounds. Acta Acustica united with Acustica, 89(4), 693-701. Wang, Y. S., Shen, G. Q., & Xing, Y. F. (2014). A sound quality model for objective synthesis evaluation of vehicle interior noise based on artificial neural network. Mechanical Systems and Signal Processing, 45(1), 255-266. Zwicker, E., & Fastl, H. (1990). Psychoacoustics: facts and methods (1st ed.). Berlin: Springer-Verlag. Zwicker, E., & Fastl, H. (1997). Psychoacoustics: facts and methods (2nd ed.). Berlin: Springer-Verlag.  _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.244722.665001 کشاورزی دقیق طراحی، ساخت و آزمون استاتیکی حسگر خازنی رطوبتسنج خاک قابل نصب روی فروسنج افقی چندنوکی طراحی، ساخت و آزمون استاتیکی حسگر خازنی رطوبتسنج خاک قابل نصب روی فروسنج افقی چندنوکی مرتضوی سید متین دانش‌آموخته کارشناسی ارشد، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران همت عباس استاد، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه صنعتی اصفهان اصفهان، ایران میره ای سید احمد دانشیار، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه صنعتی اصفهان اصفهان، ایران نادری بلداجی مجتبی دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران 23 10 2018 49 3 447 458 04 11 2017 18 02 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68265.html

در این پژوهش یک حسگر خازنی دوحلقه‌ای قابل نصب روی فروسنج‌های افقی چندنوکی طراحی و ساخته شد. اندازه و شکل میدان الکتریکی اطراف حسگر با هدف مطمئن‌شدن از عدم تداخل میدان‌های حسگرهای نصب‌شده روی دو پراب فروسنج با استفاده از  المان محدود تخمین زده شد. سپس، عملکرد حسگر در سطوح مختلف رطوبت حجمی ارزیابی گردید. بیشترین شعاع خاکی که در میدان الکتریکی حسگر قرار می‌گیرد، در خاک کاملاً مرطوب برابر با 30 میلی‌متر از مرکز آن است؛ لذا، بکارگیری حسگر در ترکیب با فروسنج‌هایی که در فاصله 10 سانتی‌متری از یکدیگر قرار دارند، موجب تداخل میدان الکتریکی حسگرها نمی‌شود. افزایش رطوبت حجمی، موجب کاهش ولتاژ خروجی حسگر (91/0=R2) می‌شود. حسگر خازنی ابزاری مناسب برای اندازه‌گیری رطوبت خاک در محدوده صفر تا حداشباع است که می‌تواند در ترکیب با فروسنج افقی چندنوکی، به وسیله‌ای برای اندازه‌گیری همزمان مقاومت و رطوبت خاک در چند عمق به‌طور مستقل مبدل شود.

 ثابت دی‌الکتریک خاک حسگر خازنی رطوبت حجمی المان محدود Adamchuk, V. I., Hummel, J. W., Morgan, M. T., Upadhyaya, S. K. (2004). On-the-go soil sensors for precision agriculture. Computers and Electronics in Agriculture. 44: 71–91. Adamchuk, V. I., Hemmat, A., Mouazen, A. M. (2008). Soil compaction sensor systems – current developments. ASABE Meeting Presentations. 300(8): 1–10. Chukwu, E., Bowers, Jr. (2005). Instantanious multiple-depth soil mechanical impedance sensing from a moving vehicle. Transections of ASAE. 48: 885-894. Campbell, G. S., Anderson, R. Y. (1998). Evaluation of simple transmission line oscillators for soil moisture measurement. Computers and Electronics in Agriculture. 20: 31–44. Dean, T. J., Bell, J. P., Baty, A. J. B. (1987). Soil moisture measurement by an improved capactance technique, Part I. Sensor design and performance. Journal of Hydrology. 93: 67–78. Gaskin, G. J., Miller, J. D. (1996). Measurement of Soil Water Content Using a Simplified Impedance Measuring Technique. Journal of Agriculture Engineering Research. 63: 153–60. Hemmat, A., Rahnama, T., Vahabi, Z. (2014). A horizontal multiple-tip penetrometer for on-the-go soil mechanical resistance and acoustic failure mode detection. Soil and Tillage Research. 138: 17–25. Huan, Zh., Wang, H., Li, Ch., Wan, C. (2017). The soil moisture sensor based on soil dielectric property. Personal and Ubiquitous Computing. 21: 67-74. Hummel, J. W.,Ahmad, I. S., Newman, S. C., Sudduth, K. A., Drummond, S. T. (2004). simultaneous soil moisture and cone index measurement. Transections of ASABE. 47(3): 607-618. Ledieu, J., De Ridder, P., De Clerck, P., Dautrebande, S. (1986). A method of measuring soil moisture by time-domain reflectometry. Journal of Hydrology. 88: 319–28. Naderi-Boldaji, M., Sharifi, A., Jamshidi, B., Younesi-alamouti, M., Minaee, S. (2011). A dielectric-based combined horizontal sensor for on-the-go measurement of soil water content and mechanical resistance. Sensors and Actuators A: Physical. 171: 131–37. Naderi-Boldaji, M., Alimardani, R., Hemmat, A, Sharifi, A., Keyhani, A., Dolatsha, N., Keller, T. (2012). Improvement and field testing of a combined horizontal penetrometer for on-the-go measurement of soil water content and mechanical resistance. Soil and Tillage Research. 123: 1–10. Noborio, K., Kubo, T. (2017). Evaluation a dual-frequency-phase-shift soil moisture and electrical conductivity sensor. Paddy and Water Environment. 15: 573-579. Rahnama, T. (2012). Design, development and evaluation of a combined acoustic-force sensor for on-the-go measuring soil mechanical resistance. M. Sc. Thesis, Isfahan University of Technology, Isfahan (In Farsi). Roth, C. H., Schulin, R., Fluher, H., Attinger, W. (1990). Calibration of time domain reflectometry for water content measurement using a composite dielectric approch. Water Resources Research. 26: 2267-2273 Singh, G., Das, B. M., Chong, M. K. (1997). Measurement of moisture content with a penetrometer. Geotechnical Testing Journal. 22 (3): 317–323. Sun, Y., Lammers, P. S., Damerow, L. (2003). A Dual Sensor for Simultaneous Investigation of Soil Cone Index and Moisture Content. Agrartechnische Forschung 9(1): 12–16. Sun, Y., Ma, D., Lammers, P. S., Schmittmann, O., Rose, M. (2006). On-the-go measurement of soil water content and mechanical resistance by a combined horizontal penetrometer. Soil and Tillage Research. 86: 209–17. Vafaeiyan, M. (1995) Methods of Soil Testings (2th ed). Isfahan (In Farsi).  _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.245235.665004 استفاده از گیاهان دارویی در تغذیه دام و طیور و استفاده از اسانس یا روغن های فرار در فرآورده های لبنی بهینه سازی تولید امولسیون اسانس موسیر ایرانی حاوی امگا سه با تکنیک ریز استخراج فاز جامد بوسیله نانوفیبر پلی آنیلین/کروماتوگرافی گازی فرجی نسرین دانشجوی دکتری، گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران علیزاده محمد استاد، گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران پیرسا سجاد استادیار، گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران الماسی هادی استادیار، گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران 23 10 2018 49 3 459 476 13 11 2017 03 02 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68266.html

هدف از این پژوهش تولید امولسیون اسانس موسیر ایرانی حاوی اسیدهای چرب امگا سه به روش امولسیفیکاسیون خود به خودی و بدست آوردن شرایط بهینه تولید امولسیون با روش آنالیز مواد فرار با تکنیک ریز استخراج فاز جامد/کروماتوگرافی گاز بوسیله نانوفیبر پلی آنیلینی می باشد. تأثیر چهار متغیر مستقل غلظت امگا سه ( 75-25 درصد)، نوع سورفاکتانت ( توئین 80، توئین 20، توئین 80:20 و سدیم کازئینات)، درصد نسبت سورفاکتانت به روغن (SOR) (10-300 درصد) و زمان نگهداری ( 60-1 روز) بر ویژگی های کروماتوگرافی (شامل سطح زیر کل پیک ها و نیز ارتفاع کلی پیک ها ) و راندمان درون پوشانی بررسی شدند. از طرح مرکب مرکزی برای طراحی آزمایشات استفاده شد و 32 آزمایش طراحی گردید. تاثیر فاکتورهای موثر بر امولسیون در سطح احتمال 95 درصد بررسی شد. تابع مطلوبیت برای بدست آوردن شرایط بهینه تولید امولسیون استفاده گردید...

 امولسیون اسیدهای چرب امگا سه اسانس موسیر ایرانی نانو پلی آنیلین کروماتوگرافی گازی Anton, N. & Vandamme, T.F. (2009). The universality of low-energy nanoemulsification. International Journal of Pharmaceutics. 377,142–147. Anton, N. & Vandamme, T.F. (2011). Nano-emulsions and micro-emulsions: clarifications of the critical differences. Pharm. Res,28 (5), 978–985. Augustin, M.A., Sanguansri, L.& Bode, O. (2006). Maillard reaction products as encapsulants for fish oil powders. Journal of Food Science, 71 (2), 25–32. Baranauskien, P., Venskutonis, P.T. & Dewettinck, K.,  R. (2006). Properties of oregano (Origanum vulgare L.), citronella(Cymbopogon nardus G.) and marjoram (Majorana hortensis L.) flavors encapsulated into milk protein-based matrices, Food Research International ,39 ,413–425. Bahrani, S., Ghanbarzadeh, B.,  Hamishekar, H. & Sowti khiyabani, M. (2013). Nanoencapsulation of omega-3 fatty acids using caseinate-pectin based complexes: FTIR, DSC, particle size, and encapsulation efficiency, Iranian Journal of Nutrition Sciences & Food Technology,3 ,1-15.(In Farsi) Brandelli, A., Brum, L. F. W. &  dos Santos, J. H. Z. (2016). Nanobiotechnology methods to incorporate  bioactive compounds in food packaging. In Nanoscience in Food and Agriculture . Springer International Publishing, 2,27-58. Burt, S. (2004).Essential oils: their antibacterial properties and potential applications in foods a review. International Journal of Food Microbiology,9,223–253. Bylait, E., Venskutonis, P. R. &  Mazˇdzˇierien, (2001). Properties of caraway (Carum carvi L.) essential oil encapsulated into milk proteinbased matrices. European Food Research and Technology, 212, 661–670. Charoen, R., Jangchud, A., Jangchud, K., Harnsilawat, T., Decker, E. A. & McClements, D. J. (2012). Influence of interfacial composition on oxidative stability of oil-in-water emulsions stabilized bybiopolymer emulsifiers. Food Chemistry, 131(4), 1340–1346. Dan Su., Qixin Zhong. (2016). Lemon oil nanoemulsions fabricated with sodium caseinate and Tween 20 using phase inversion temperature method. Journal of Food Engineering, 171,214-221. Dias, D. O.,  Colombo, M., Kelmann, R. G., De Souza, T. P., Bassani, V. L.,  Teixeira, H. F.,  Veiga,L., Renata, P. & Koester, S.(2012). Optimization of headspace solid-phase microextraction for analysis of caryophyllene in a nanoemulsion dosage form prepared with copaiba (Copaifera multijuga Hayne) oil, Analytica Chimica Acta, 721, 79– 84. Dickinson. E. & Golding, M. (1997). Depletion flocculation of emulsions containing unadsorbed sodium caseinate. Food Hydrocollids,11,13–18. Drusch, S., Berg, S., Scampicchioa, M., Serfert, Y., Somoza, V., Mannino, S. & Schwarz, K. (2009a). Role of glycated caseinate in stabilisation of microencapsulated lipophilic functional ingredients. Food Hydrocolloids, 23, 942-948. Drusch, S., Serfert, Y., Scampicchio, M., Schimith-Hansberg, B., Schwarz, K. ( 2007). Impact of physicochemical characteristics on the oxidative stability of fish oil microencapsultated by spray drying. Journal of Agricultural and Food Chemistry, 55 (26), 11044–11051 Garcia-Esteban, M., Ansorena, D., Astiasaran, I. & Ruiz, J. (2004). Study of the effect of different fiber coatings and extraction conditions on dry cured ham volatile compounds extracted by solid-phase microextraction (SPME). Talanta, 64, 458–466. Helena, C.F., Renata,  V.,  Tonon, R.F. &  Míriam, D. (2013). Encapsulation efficiency and oxidative stability of flaxseed oil microencapsulated by spray drying using different combinations of wall materials, Journal of Food Engineering ,115,443–451. Hojjati, M., Speziale, M., Noguera-Artiaga, L. & Antonio Carbonell-Barrach, A.(2015). Volatile Composition, Texture and Sensory Description of Gaz (Traditional Persian Confection). Journal of texture studies, 46 (6), 440-454. Hu, M., McClements, D.J. & Decker, E.A. (2003). Lipid oxidation in corn oil-in-water emulsions stabilized by casein, whey protein isolate, and soy protein isolate. Journal of Agricultural and Food Chemistry, 51(6),1696–1700. Jalal, R., Bagheri, S.M., Moghimi, A. &  Rasuli, M.B. (2007). Hypoglycemic effect of aqueous shallot and garlic extracts in rats with fructose-induced insulin resistance. Journal of clinical biochemistry and nutrition, 41,218-226. Jimenez, M., García, H.S. & Beristain, C.I.( 2006). Spray dried encapsulation of Conjugated Linoleic Acid (CLA) with polymeric matrices. Journal of the Science of Food and Agriculture, 86 (14), 2431–2437. Jirovetz, L., Buchbauer, G., Ngassoum, M. B. & Geissier, M. (2002). Analysis of the headspace aroma compounds of the seeds of the Cameroonian garlic plant Hua gabonii using SPME/GC/FID, SPME/GC/MS and olfactometry. European Food Resource and Technology, 214, 212–215. Joglekar, A. &  May, A. (1987). Product excellence through design of experiments, Cereal Foods World. 32,857-868. Karthik, P. & Anandharamakrishnan, C. (2013).Microencapsulation of docosahexaenoic acid by spray-freeze-drying method and comparison of its stability with spray-drying and freeze-drying methods. Food and Bioprocess Technology, 6, 2780–2790. Kataoka, H., Itano, M., Ishizaki, A. & Saito, K. (2009).Determination of patulin in fruit juice and dried fruit samples by in-tube solid-phase microextraction coupled with liquid chromatography–mass spectrometry. J Chromatogr A,1216(18),3746-50. Kennedy, E.T., Luo, H. & Ausman, L.M. (2012). Cost implications of alternative sources of (n-3) fatty acid consumption in the United States. Journal of Nutrition, 142 (3(,605–609. Kim, Y. D., Morr, C. V. & Schenz, T. W. (1996). Microencapsulation properties of gum arabic and several food proteins: liquid orange emulsion particles. Journal of Agricultural and Food Chemistry, 44,1308-1313. Kris-Etherton, P.M., Grieger, J.A. & Etherton, T.D. (2009). Dietary reference intakes for DHA and EPA. Prostaglandins, Leukotrienes Essential Fatty Acids, 81:99–104. Lambropoulou, D. A. & Albanis, T. A. (2002). Headspace solid-phase microextraction applied to the analysis of organophosphorus insecticides in strawberry and cherry juices. Journal of Agricultural and Food Chemistry, 50, 3359–3365. Lavie, C.J., Milani, R.V., Mehra, M.R. & Ventura, H.O. (2009). Omega-3 Polyunsaturated fatty acids and cardiovascular diseases. Journal American Coll Cardiol, 54,585-594. Lee, S.J. & McClements, D.J. (2010). Fabrication of protein-stabilized nanoemulsions using a combined homogenization and amphiphilic solvent dissolution/evaporation approach. Food Hydrocollid, 24,560–569. LIM, H.K., TAN, C.P., BAKAR, J. & NG, S.P. (2012). Effects of different wall materials on the physicochemical properties and oxidative stability of spray-dried microencapsulated red-fleshed pitaya (Hylocereus polyrhizus) seed oil. Food Bioprocess Technol,5, 1220–1227. Lipan, L., Hojjati, M., El-Zaeddi, H.,  Sánchez-Rodríguez, L. & Carbonell-Barrachina, ÁA. (2016). Volatile Composition of Smoked and Non-Smoked Iranian Rice. Foods, 5 (4), 1-8. Maki, K.C., Yurko-Mauro, K., Dicklin, M.R., Schild, A.L., and Geohas, J.G. (2014). A new, microalgal DHA and EPA containing oil lowers triacylglycerols in adults with mild-to-moderate hypertriglyceridemia. Prostaglandins, Leukotrienes Essential Fatty Acids (PLEFA), 91,141–148. Matisova` , E., Medved_ova`, M., Vraniakova, J. &  Simon, P. (2002). Optimization of solid-phase microextraction of volatiles. Journal of Chromatography A, 960, 159–164. Nam, S.K. & Dong-Sun, L. (2004). Headspace solid-phase microextraction for characterization of fragrances of lemon verbena(Aloysia triphylla) by gas chromatography-mass Spectrometry.  J. Sep. Sci, 27, 96–100. Pawliszyn, J. (1995). New directions in sample preparation for analysis of organic compounds. Trends in Analytical Chemistry, 14(3), 113–122. Pezeshky, A., Ghanbarzadeh, B., Hamishehkar, H., Moghadam, M. & Babazadeh, A. (2016). Vitamin A palmitate-bearing nanoliposomes: preparation and characterization. Food Bioscience, 13, 49-55. Rao, J. & McClements, D. J. (2013). Optimization of lipid nanoparticle formation for beverage applications: Influence of oil type, cosolvents, and cosurfactants on nanoemulsion properties. Journal of food engineering, 118(2),198-204. Reineccius, G. A. (1989). Flavor encapsulation. Food Reviews International, 5, 147–176. Saberi, A.H., Fang, Y. & McClements, D.J. (2013). Fabrication of vitamin E-enriched nanoemulsions: factors affecting particle size using spontaneous emulsification. Journal of Colloid Interface Science, 391, 95–102. Sarafraz, Y. A. & Es'haghi, Z. (2005). Two-step hollow fiber-based, liquid-phase micro extraction combined with high-performance liquid chromatography: a new approach to determination of aromatic amines in water. Journal of Chromatography A, 1082(2),136-142. Shirey, R. E. (2000). Optimization of extractions conditions and fiber selection for semivolatile analytes using solid-phase microextraction. Journal of Chromatographic Science, 38, 279–288. Steenson, D. F., Lee, J. H., & Min, D. B. (2002). Solid-phase microextraction of volatile soybean oil and corn oil compounds. Journal of Food Science, 67, 71–76. Surh, J., Decker, E. A. &McClements, D. J. (2017). Utilisation of spontaneous emulsification to fabricate lutein‐loaded nanoemulsion‐based delivery systems: factors influencing particle size and colour. International Journal of Food Science & Technology, 52(6),1408-1416. Takeungwongtrakul, S. & Benjakul, S. (2012), Effect of Glucose Syrup and Fish Gelatin on Physicochemical Properties and Oxidative Stability of Spray-Dried Micro-Encapsulated Shrimp Oil, Journal of Food Processing and Preservation ISSN, 1745-4549. Ton, N. M. N., Tran, T. T. T. & Le, V. V. M. (2016). Microencapsulation of rambutan seed oil by spray-drying using different protein preparations, International Food Research Journal, 23(1),123-128. Uluata, S., McClements, D. J. & Decker, E. A. (2015). Physical stability, autoxidation, and photosensitized oxidation of ω-3 oils in nanoemulsions prepared with natural and synthetic surfactants. Journal of agricultural and food chemistry, 63(42), 9333-9340. Walker, R.M., Decker, E.A. & McClements, D.J. (2015). Physical and oxidative stability of fish oil nanoemulsions produced by spontaneous emulsification: effect of surfactant concentration and particle size. Journal of Food Engineering, 164,10-20. Zolgharnein, J., Shahmoradi, A. & Ghasemi, J.B. (2013). Comparative study of Box–Behnken, central composite, and Doehlert matrix for multivariate optimization of Pb (II) adsorption onto Robinia tree leaves. Journal of Chemometrics , 27(1),12-20. _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.245764.665008 انزژیهای تجدیدپذیر پتانسیل سنجی و تعیین اندازه مولد فتوولتائیک مستقل جهت تامین انرژی یک سامانه آبیاری پتانسیل سنجی و تعیین اندازه مولد فتوولتائیک مستقل جهت تامین انرژی یک سامانه آبیاری. امیدی احمد دانشجوی دکتری، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران علیمردانی رضا استاد، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران خانعلی مجید استادیار، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران 23 10 2018 49 3 477 488 12 11 2017 07 02 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68267.html

استفاده از سامانه‌های فتوولتائیک(PV) راه‌حلی مفید برای تامین توان پمپاژ مورد نیاز آبیاری مزارع و باغات دور از شبکه (منفصل از شبکه) محسوب می‌شود. طراحی سامانه‌های فتوولتائیک پمپاژ آب به ‌شدت به برآورد نیاز آبی گیاه وابسته است. از آنجا که نیاز آبی در طول فصل آبیاری متفاوت و تابش خورشیدی با زمان تغییر می‌کند، انجام شبیه سازی‌های دقیق به‌ منظور دستیابی به طراحی موفق و مطلوب با اهمیت است. هدف این مقاله ارائه روشی برای طراحی سامانه‌های فتوولتائیک پمپاژ آب با ترکیب مدل‌های نیاز آب و توان خورشیدی است. در این مطالعه از داده‌های ایستگاه هواشناسی کرج طی دوره ده ساله (2005 – 2014) برای برآورد نیاز آبی و توان خورشیدی منطقه کرج استفاده شده است. نیاز آبی ماه‌های مختلف سال با استفاده از مدل تبخیر و تعرق پنمن-مانتیث برآورد گردید. نتایج بدست آمده نشان داد که بیشترین نیاز آبی مربوط به ماه جولای با 70 مترمکعب در روز بود. با برآوردهای صورت گرفته مشخص گردید که جهت تامین انرژی لازم برای پمپاژ روزانه حداکثر 70 متر مکعب آب در روز با ارتفاع 30 متر و در نظر گرفتن راندمان هیدرولیکی پمپ و نیز راندمان سایر اجزای سامانه مورد نظر، به پمپی با توان 2200 و ظرفیت پنل خورشیدی 3222 وات با مساحت حدود 22 مترمربع نیاز خواهد بود.   

 فتوولتائیک انرژی سامانه آبیاری تعیین اندازه Alizadeh, A. (2003). Water, Soil and Plant Relationship (4th ed.). Mashhad. Imam Reza University Press. (In Farsi) Alizadeh, A. Kamali, GH. Khanjani, MJ. & Rahnavard MR. (2002). Evaluation of methods for estimation of evapotranspiration in arid regions of Iran. Journal of Geography Research. 73(1), 97-105. (In Farsi) Allen, R.G. Pereira, L.S. Raes, D. & Smith, M. (1998). Crop Evapotranspiration: Guidelines for Computing Crop Water Requirements. FAO Irrigation and Drainage Paper 56, Rome, Italy, 300 p. Anonymous. 2016. Agriculture Jihad Ministry of Iran. National Water document (NETWAT Software). Bouzidi, B. Haddadi, M. & Belmokhtar, O. (2009). Assessment of a photovoltaic pumping system in the areas of the Algerian Sahara. Renewable and sustainable energy reviews, 13(4), 879-886. Bahrami, E. & Abaspour-Sani, K. (2010). Determination of the optimum tilt angle of solar array in Karaj climate conditions. Iranian Journal of Energy. 15(2), 37-44. (In Farsi) Bora, B. Prasad, B. Sastry, O. S. Kumar, A. & Bangar, M. (2017). Optimum sizing and performance modeling of Solar Photovoltaic (SPV) water pumps for different climatic conditions. Solar Energy. 155(1), 1326-1338. Campana, P. E. Li, H. & Yan, J. (2013). Dynamic modelling of a PV pumping system with special consideration on water demand. Applied energy. 112(1), 635-645. Castaner L, Silvestre S. (2002). Modelling photovoltaic systems using PSpice. (1st ed.). UK: Wiley. Chandel, S. S. Naik, M. N. & Chandel, R. (2017). Review of performance studies of direct coupled photovoltaic water pumping systems and case study. Renewable and Sustainable Energy Reviews. 76(1), 163-175. Collares-Pereira, M. and Rabl, A. (1979). The average distribution of solar radiation correlation between diffuse and hemispherical and between daily and hourly insolation values. Solar Energy. 22 (2), 155–164. Deveci, O. Onkol, M. Unver, H. O. & Ozturk, Z. (2015). Design and development of a low-cost solar powered drip irrigation system using Systems Modeling Language. Journal of Cleaner Production. 102(2), 529-544. El-Shimy, M. (2013). Sizing optimisation of stand-alone photovoltaic generators for irrigation water pumping systems. International Journal of Sustainable Energy. 32(5), 333-350. Fedrizzi, M. C. Ribeiro, F. S. Zilles, R. (2009). Lessons from field experiences with photovoltaic pumping systems in traditional communities. Energy Sust Dev. 13(1), 64–70. Glasnovic, Z. & Margeta, J. (2007). A model for optimal sizing of photovoltaic irrigation water pumping systems. SolarEnergy. 81 (7), 904–916. Hargreaves, G. H. (1994). Defining and using reference evapotranspiration. Journal of Irrigation and Drainage Engineering. 120(6), 1132-1139. Jafarkazemi, F. & Mardi, H. (2010). Study of solar Radiation Data at Synoptic Station of Islamic Azad University, South Tehran Branch. Mechanical Engineering Journal, 20(1), 68-75. (In Farsi) Kamel, S. & Dahl, C. (2005). The economics of hybrid power systems for sustainable desert agriculture in Egypt. Energy.  30 (8), 1271–1281. Sharifian, H. Ghahraman, B. Alizadeh, A & Mirlotfi, M. (2003). Evaluation of Different Radiation and Humidity Methods for Estimating of ET0 and Analysis of Aridity Effects in Golestan Province. Journal of Water and soil Science. 19(2), 280-290. (In Farsi) Suzuki, M. (2015). Identifying roles of international institutions in clean energy technology innovation and diffusion in the developing countries: matching barriers with roles of the institutions. Journal of Cleaner Production. 98(1), 229-240. Wazed, S. M. Hughes, B. R. O’Connor, D. & Calautit, J. K. (2018). A review of sustainable solar irrigation systems for Sub-Saharan Africa. Renewable and Sustainable Energy Reviews. 81(1), 1206-1225. Xu, H. Liu, J. Qin, D. Gao, X. & Yan, J. (2013). Feasibility analysis of solar irrigation system for pastures conservation in a demonstration area in Inner Mongolia. Applied energy. 112(2), 697-702. Yesilata, B. & Firatoglu, Z.A. (2008). Effect of solar radiation correlations on system sizing: PV pumping case. RenewableEnergy. 33 (1), 155–161. _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.246556.665013 مقاله پژوهشی مطالعه و شبیه‌سازی سینتیک خشک‌شدن ورقه‌های خرما در یک خشک‌کن ترکیبی الکتروهیدرودینامیک- جریان همرفت شبیه سازی سینتیک خشک شدن لایه نازک خرما در سامانه خشک کن ترکیبی الکتروهیدرودینامیک- جریان همرفت کرامت جهرمی مهدی دانش آموخته دکتری، گروه مهندسی ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران محتسبی سید سعید استاد، گروه مهندسی ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران موسی زاده حسین دانشیار، گروه مهندسی ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران قاسمی ورنامخواستی مهدی دانشیار، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران نصیری امین دانش آموخته دکتری، گروه مهندسی ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران 23 10 2018 49 3 489 500 01 12 2017 23 01 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68268.html

خشک‌کردن به شیوه الکتروهیدرودینامیک یک روش غیرحرارتی است که با فراهم آوردن امکان خشک‌شدن محصول در دمای محیط، امکان افزایش خواص کیفی محصول خشک‌شده را فراهم می‌آورد. با توجه به اهمیت به‌کارگیری روش‌های پیشرفته در خشک‌کردن خرما، در این تحقیق یک خشک‌کن الکتروهیدرودینامیک-جریان همرفت با قابلیت کنترل دما توسعه داده شد و فرآیند رطوبت‌گیری ورقه‌های نازک خرمای شاهانی در روش‌های خشک‌کردن الکتروهیدرودینامیک، هوای گرم و ترکیبی بر اساس تغییرات نسبت رطوبت در طول زمان خشک‌شدن مدل‌سازی شد. نتایج تحقیق نشان داد با افزایش سرعت هوا در دماهای 25 و 35 درجه سلسیوس از روش الکتروهیدرودینامیک، زمان خشک‌شدن محصول افزایش می‌یابد. این در حالی است که با افزایش سرعت هوا، زمان خشک‌شدن در هر دو روش ترکیبی و هوای گرم کاهش می‌یابد.

 چیپس خرما رطوبت‌گیری الکتروهیدرودینامیک همرفت غیر حرارتی Aghbashlo, M., Kianmehr, M., & Samimi-Akhijahani, H. (2009). Evaluation of thin-layer drying models for describing drying kinetic of barberries (barberries vulgaris L.). Journal of Food Process Engineering, 32(2), 278-293. Ahmedou, S.A.O. Rouaud, O., & Havet, M. (2009). Assessment of the electrohydrodynamic drying process. Food Bioprocess Technology, 2, 240-247. Akpinar, E. K., Bicer, Y., & Yildiz, C. (2003). Thin layer drying of red pepper. Journal of Food Engineering, 59 (1), 99-104. Akpinar, E. K., & Bicer, Y. (2008). Mathematical modelling of thin layer drying process of long green pepper in solar dryer and under open sun. Energy Conversion and Management, 49(6), 1367-1375. Al-Shahib, W., & Marshall, R. J. (2003). The fruit of the date palm: its possible use as the best food for the future?. International journal of food sciences and nutrition, 54(4), 247-259. Bai, Y., Li, X., Sun, Y., & Shi, H. (2011). Thin layer electrohydrodynamic (EHD) drying and mathematical modeling of fish. International Journal of Applied Electromagnetics and Mechanics, 36(3), 217-228. Bai, Y. X., Yang, G. J., Hu, Y. C., & Qu, M. (2012). Physical and Sensory Properties of Electrohydrodynamic (EHD) Dried Scallop Muscle. Journal of Aquatic Food Product Technology, 21(3), 238-247. Bai, Y., Qu, M., Luan, Z., Li, X., & Yang, Y. )2013(. Electrohydrodynamic drying of sea cucumber (Stichopus japonicus). LWT - Food Science and Technology. 54(2), 570-576. Bajgai T. R., Raghavan, G. S. V., Hashinaga, F., & Ngadi, M. O. (2006). Electrohydrodynamic Drying- A Concise Overview, Drying Technology: An International Journal, 24(7), 905-910. Barreveld, W. H. (1993). Date palm products. FAO. Butrymowicz, D., Trela, M., & Karwacki, J. (2002). Enhancement of condensation heat transfer by means of EHD condensate drainage. International journal of thermal sciences, 41(7), 646-657. Dinani, S. T., Hamdami, N., Shahedi, M., & Havet, M. (2014). Mathematical modeling of hot air/electrohydrodynamic (EHD) drying kinetics of mushroom slices. Energy Conversion and Management, 86, 70-80. Dinani, S. T., Hamdami, N., Shahedi, M., & Havet, M. (2015). Quality assessment of mushroom slices dried by hot air combined with an electrohydrodynamic (EHD) drying system. Food and Bioproducts Processing, 94, 572-580. Ding, C., Lu, J., & Song, Z. (2015). Electrohydrodynamic Drying of Carrot Slices. PLoS ONE, 10(4): e0124077. doi:10.1371/journal.pone.0124077 Doymaz, I. (2012). Evaluation of some thin-layer drying models of persimmon slices (Diospyros kaki L.). Energy conversion and management, 56, 199-205. Elmizadeh, A., Shahedi, M., & Hamdami, N. (2017). Comparison of electrohydrodynamic and hot-air drying of the quince slices. Innovative Food Science & Emerging Technologies, 43, 130-135. Erbay, Z., & Icier, F. (2010). A Review of thin layer drying of foods: theory, modeling, and experimental results. Critical Reviews in Food Science and Nutrition, 50 (5), 441-464. Esehaghbeygi, A., Pirnazari, K., & Sadeghi, M. (2014). Quality assessment of electrohydrodynamic and microwave dehydrated banana slices. LWT-Food Science and Technology, 55(2), 565-571. Falade, K. O., & Abbo, E. S. (2007). Air-drying and rehydration characteristics of date palm (Phoenix dactylifera L.) fruits. Journal of Food Engineering, 79(2), 724-730. Glasner, B., & Botes, A. (2002). Date harvesting, packinghouse management and marketing aspects. In: Zaid A, editor, Date Palm Cultivation. FAO Plant Production and Protection Paper‐156. FAO, Rome. pp 237–67. Izli, G. (2017). Total phenolics, antioxidant capacity, colour and drying characteristics of date fruit dried with different methods. Food Science and Technology, 37(1), 139-147. Kaleta, A., & Górnicki, K. (2010). Some remarks on evaluation of drying models of red beet particles. Energy Conversion and Management, 51(12), 2967-2978. Karathanos, V. T. (1999). Determination of water content of dried fruits by drying kinetics. Journal of Food Engineering, 39(4), 337-344. Keramat-Jahromi, M., Jafari, A., Rafiee, S., Keyhani, A. R., Mirasheh, R., & Mohtasebi. S. S. (2007). Some Physical properties of Date Fruit (cv. Lasht). Agricultural Engineering International: the CIGR Ejournal. Manuscript FP 07 019. Vol. IX. Keramat-Jahromi, M., Jafari, A., Rafiee, S., Mirasheh,  R., & Mohtasebi, S. S. )2008(. Changes in Physical Properties of Date Fruit (cv. Shahani) during Three Edible Stages of Ripening. American-Eurasian Journal of Agricultural & Environmental Sci. 3(1), 132-136 Lahsasni, S., Kouhila, M., Mahrouz, M., Mohamed, L., & Agorram, B. (2004). Characteristic drying curve and mathematical modeling of thin‐layer solar drying of prickly pear cladode (opuntia ficus indica). Journal of food process engineering, 27(2), 103-117. Lai, F. C., & Sharma, R. K. (2005). EHD-enhanced drying with multiple needle electrode. Journal of Electrostatics, 63(3-4), 223-237. Liu, W., Zheng, Y., Huang, L., Zhang, C., & Xie, P. (2011). Low-temperature vacuum drying of natural gardenia yellow pigment. Drying Technology, 29(10), 1132-1139. Liu, X., Qiu, Z., Wang, L., Cheng, Y., Qu, H., & Chen, Y. (2009). Mathematical modeling for thin layer vacuum belt drying of Panax notoginseng extract. Energy Conversion and Management, 50(4), 928-932. Ma, Q., & Chen, Z. Q. (2017). Numerical study on the effect of EHD flow on mass transfer of gas mixtures. International Journal of Numerical Methods for Heat & Fluid Flow, 27(10), 2268-2288. Martynenko, A., & Zheng, W. (2016). Electrohydrodynamic drying of apple slices: Energy and quality aspects. Journal of Food Engineering, 168, 215–222. Martynenko, A., & Kudra, T. (2016). Electrically-induced transport phenomena in EHD drying - A review. Trends in Food Science & Technology, 54, 63-73. Martynenko, A., Astatkie, T., Riaud, N., Wells, P., & Kudra, T. (2017). Driving forces for mass transfer in electrohydrodynamic (EHD) drying. Innovative Food Science & Emerging Technologies, 43, 18-25. Meisami-asl E, Rafiee S, Keyhani A., & Tabatabaeefar A. (2009). Mathematical modeling of moisture content of apple slices (var. Golab) during drying. Pakistan Journal of Nutrition, 8(6), 804-809. Miranda, M., Maureira, H., Rodriguez, K., & Vega-Gálvez, A. (2009). Influence of temperature on the drying kinetics, physicochemical properties, and antioxidant capacity of Aloe Vera (Aloe Barbadensis Miller) gel. Journal of Food Engineering, 91(2), 297-304. Mortazavi, M. H., Arzani, K., & Orujalian, R. )2007(. Modified atmosphere packaging of date fruit (Phoenix dactylifera L.) cultivar Barhee in Khalal stage. The Fourth International Date Palm Conference. pp: 1064–1069. Pirnazari, K., Esehaghbeygi, A., & Sadeghi, M. (2014). Assessment of Quality Attributes of Banana Slices Dried by Different Drying Methods. International Journal of Food Engineering, 10(2), 251-260. doi:10.1515/ijfe-2013-0059 Pirnazari, K., Esehaghbeygi, A., & Sadeghi, M. (2016). Modeling the Electrohydrodynamic (EHD) Drying of Banana Slices. International Journal of Food Engineering, 12(1), 17-26. doi:10.1515/ijfe-2015-0005 Shahdadi, F., Mirzaei, H. O., & Garmakhany, A. D. (2015). Study of phenolic compound and antioxidant activity of date fruit as a function of ripening stages and drying process. Journal of Food Science and Technology-Mysore, 52(3), 1814-1819. Shahdadi, F., Mirzaei, H. O., Garmakhany, A. D., Mirzaei, H., & Khosroshahi, A. G. (2013). Effect of drying process on antioxidant properties of date palm fruits. Minerva Biotecnologica, 25(4), 235-243. Shahhoseini, R., Ghorbani, H., Karimi, S. R., Estaji, A., & Moghaddam, M. (2013). Qualitative and quantitative changes in the essential oil of lemon verbena (Lippia citriodora) as affected by drying condition. Drying technology, 31(9), 1020-1028. Shi, C. A., Martynenko, A., Kudra, T., Wells, P., Adamiak, K., & Castle, G. S. P. (2017). Electrically-induced mass transport in a multiple pin-plate electrohydrodynamic (EHD) dryer. Journal of Food Engineering, 211, 39-49. Siddiq, M, Aleid, S. M., & Kader, A. A. (2014). Dates: Postharvest Science, Processing Technology and Health Benefits. Wiley-Blackwell. Togrul, I. T., & Pehlivan, D. (2004). Modelling of thin-layer drying kinetics of some fruits under open-air sun drying process. Journal of Food Engineering, 65(3), 413-425. Yaldiz, O., Ertekin, C., & Uzun, H. I. (2001). Mathematical modeling of thin layer solar drying of sultana grapes. Energy, 26(5), 457-465. Yang, C. S. T., & Atallah, W. A. (1985). Effect of four drying methods on the quality of intermediate moisture lowbush blueberries. Journal of Food Science, 50(5), 1233-1237.  _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.248601.665021 مکانیزاسیون بررسی عوامل موثر بر میزان عملکرد تولید نیشکر با هدف افزایش تولید با استفاده از رهیافت داده‌کاوی بررسی عوامل موثر بر میزان عملکرد تولید نیشکر با هدف افزایش تولید با استفاده از رهیافت داده کاوی ذکی دیزجی حسن استادیار، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران منجزی نسیم دانش آموخته دکتری، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران شیخ داوودی محمد جواد استاد، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران 23 10 2018 49 3 501 511 25 12 2017 11 04 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68269.html

نیشکر یکی از مهم‌ترین محصولات کشاورزی- صنعتی کشور است. با توجه به سطح زیر کشت بالای این محصول در استان خوزستان و حجم بالای داده‌های ذخیره شده در این واحدهای مکانیزه کشاورزی، نیاز به ابزاری است تا بتوان داده‌های ذخیره شده را پردازش کرد. تکنیک داده‌کاوی به خوبی قادر است تا در زمینه مدل‌سازی عملکرد محصول نیشکر، اطلاعات و الگوهای لازم را در اختیار تولیدکنندگان نیشکر قرار دهد. یکی از کاربردی‌ترین این الگوریتم‌ها درخت‌های تصمیم است. هدف اصلی این پژوهش، پیش‌بینی عملکرد نیشکر و بررسی عوامل موثر بر آن با استفاده از درخت‌های تصمیم CART و CHAID است. این پژوهش از نوع تحلیلی بوده و پایگاه داده آن شامل 13211 رکورد می‌باشد. داده‌های مورد نیاز این تحقیق طی سال‌های زراعی 1392 تا 1396 از کشت و صنعت امیرکبیر به‌دست آمده است. تجزیه و تحلیل با استفاده از نرم افزار IBM SPSS modeler 14.2 انجام شده است. بر اساس نتایج تحقیق، دقت مدل درخت‌های تصمیم CART و CHAID برای داده‌های آموزش و آزمایش به‌ترتیب 90، 81، 85 و 79 درصد می‌باشد. نتایج حاصل از این پژوهش می‌تواند برای کشت و صنعت‌های نیشکری استان خوزستان در راستای ارزیابی و  بهینه‌سازی فرآیند تولید نیشکر و پیش‌بینی عملکرد محصول نیشکر راه گشا باشد.

 بهینه سازی خوزستان داده کاوی مدل‌سازی نیشکر Ayman E. K., Kadry, M. & Walid, G. (2015). Proposed framework for implementing data mining techniques to enhance decisions in agriculture sector, Procedia Computer Science, 65, 633 Ellis, R. N., Basford, K. E., Cooper, M., Leslie, J. K. & Byth, T. L. D. E. (2001). A methodology for analysis of sugarcane productivity trends. I. Analysis across districts. Australian Journal of Agricultural Research, 52, 1001–1009. Geetha, M. C. S. (2015). A survey on data mining techniques in agriculture. International Journal of Innovative Research in Computer and Communication Engineering, 3(2), 887-892. Goktepe, A. B., Altun, S. & Sezar, A. (2015). Soil clustering by fuzzy C-Means algorithm. Advances in Engineering Software, 36, 691-698. Jeysenthil.K. M. S., Manikandan.T & Murali, E. (2014). Third generation agricultural support system development using data mining. International Journal of Innovative Research in Science, Engineering and Technology, 3 (3), 9923- 9930. Kalpana, R., Shanthi, N. & Arumugam, S. (2014a). Data mining – An evolutionary view of agriculture. International Journal of Application or Innovation in Engineering & Management, 3 (3), 102- 105. Kalpana, R., Shanthi, N. & Arumugam, S. (2014b). A survey on data mining techniques in agriculture. International Journal of Advances in Computer Science and Technology, 3(8), 426-431. Lawes, R. A., Lawn, R. J., Wegener, M. K. & Basford, K. E. (2002). Understanding and managing the late time of ratooning effect on cane yield. Proceedings of the Australian Society of Sugar Cane Technology, 24, 160–165. Monjezi, N., Sheikhdavoodi1, M. J., Zakidizaji1, H., Marzban, A. & Shomeili, M. (2016). Operations scheduling of sugarcane production using fuzzy GERT method (part II: preserve operations, harvesting and rationing). Agricultural Engineering International: CIGR Journal, 18 (3), 343- 349. Monjezi, N., Sheikhdavoodi, M. J., Zakidizaji, H., Marzban, A. & Shomeili, M. (2015a). Operations scheduling of sugarcane production using classical GERT method (part I: land preparation, planting and preserve operations). Journal of Agricultural Studies, 3 (2), 85-96. Monjezi, N., Sheikhdavoodi, M. J., Zakidizaji, H., Marzban, A. & Shomeili, M. (2015b). Operations scheduling of sugarcane production using classical GERT method (part II: preserve operations, harvesting and ratooning). Journal of Agricultural Studies, 3 (2), 85-96. Monjezi, N. & Zakidizaji, H. (2017). Fuzzy approach to optimize overhaul time of sugarcane harvester using GERT network method. Iranian Journal of Biosystem Engineering, 48(1), 83-91. (In Farsi) Noorzadeh, M., Khavazi, K., Malakooti, M. & Hashemi, S. (2011).Evaluation of the effectiveness of C-means and GK methods for fuzzy clustering of copper concentration in agricultural lands (Case study: Hamedan Province). Journal of Agricultural Engineering, 33 (1), 61-70. (In Farsi) Rajesh, D. (2011). Application of spatial data mining for agriculture. International Journal of Computer Applications, 15(2), 7-9. Ramesh, D. & Vishnu Vardhan, B. (2013). Data mining techniques and applications to agricultural yield data. International Journal of Advanced Research in Computer and Communication Engineering, 2(9), 3477-3480. Raorane, A.A. & Kulkarni R.V. (2013). Review- Role of data mining in agriculture. International Journal of Computer Science and Information Technologies, 4 (2), 270 – 272. Sharma, L. & Mehta, N. (2012). Data mining techniques: A tool for knowledge management system in agriculture. International Journal of Scientific and Technology Research, 1(5), 67-73. Yethiraj, N. G. (2012). Applying Data Mining Techniques in the field of agriculture and alliedsciences. International Journalof Business Intelligents, 1(2), 72-76. Yoneyama, Y., Suzuki, S., Sawa, R., Yoneyama, K., Power, G. G. & Araki, T. 2002. Increased plasma adenosine concentrations and the severity of preeclampsia. Obstet Gynecol, 100(6), 1266-1270.  _||_
پردیس کشاورزی و منابع طبیعی دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 پردیس کشاورزی و منابع طبیعی دانشگاه تهران 90 10.22059/ijbse.2018.251190.665033 مکانیزاسیون بررسی تأثیر شرایط مزرعه و محصول بر عملکرد مزرعه‌ای کمباین در برداشت گندم بررسی تاثیر شرایط مزرعه و محصول بر عملکرد مزرعه‌ای کمباین در برداشت گندم قاسمی نژاد رائینی محمود استادیار، گروه مهندسی ماشین‎های کشاورزی و مکانیزاسیون، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، اهواز، ایران فرامهر محمد دانش آموخته کارشناسی ارشد، گروه مهندسی ماشین‌های کشاورزی و مکانیزاسیون، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، اهواز، ایران عبدشاهی عباس دانشیار،گروه اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، اهواز، ایرانن 23 10 2018 49 3 513 524 28 01 2018 08 04 2018 Copyright © 2018, پردیس کشاورزی و منابع طبیعی دانشگاه تهران. 2018 https://ijbse.ut.ac.ir/article_68270.html

استفاده از کمباین رایج‌ترین روش برداشت گندم در ایران است. از آنجا ‌که عملیات برداشت به عنوان حساس‌ترین مرحله تولید محصول‏، تحت تاثیر عملکرد کمباین قرار دارد، لذا بررسی عملکرد کمباین از اهمیت خاصی برخوردار بوده و نیاز به ارزیابی دقیق دارد. در این مطالعه، تاثیر شرایط مزرعه و محصول بر عملکرد کمباین در برداشت گندم مورد بررسی قرار گرفته است. بدین ‌منظور، آزمایشی در قالب طرح آماری فاکتوریل 3×2 نامتعادل بر پایه کرت‌های کاملا تصادفی و به صورت تحلیل کواریانس با استفاده از یک کمباین نیوهلند TC5070 مدل 2014 در مزارع کشت و صنعت شهید بهشتی شهرستان دزفول و در سال 1395 انجام گرفت. متغیرهای مستقل این تحقیق شامل مزارع با الگوی کشت متفاوت (مسطح و جوی و پشته‌ای ) و سه میزان رطوبت دانه (8 -6، 10-8 و 12-10درصد) بود؛ ظرفیت مزرعه‌ای، بازده مزرعه‌ای و تلفات محصول توسط کمباین نیز به عنوان متغیرهای وابسته و عملکرد محصول‌، درصد ورس و طول مزرعه به عنوان متغیرهای همپراش در نظر گرفته شدند. نتایج نشان داد که الگوی کشت مزارع بر ظرفیت مزرعه‌ای، بازده مزرعه‌ای و تلفات محصول در سطح 1 % معنی‌دار است. ظرفیت مزرعه‌ای کمباین در مزارع با الگوی کشت مسطح 26/7 تن در ساعت بوده در حالی که، در مزارع جوی و پشته‌ای، معادل 73/6 تن در ساعت به دست آمد. بازده مزرعه‌ای کمباین در مزارع با الگوی کشت مسطح 70/83 درصد بود و در مزارع با الگوی کشت جوی و پشته‌ای 42/82 درصد به دست آمد. تلفات دانه در مزارع با الگوی کشت مسطح 2/24 کیلوگرم در هکتار و در مزارع با الگوی کشت جوی و پشته‌ای 7/23 کیلوگرم بر هکتار به دست آمد.

 کمباین عملکرد مزرعه‌ای بازده مزرعه‌ای تلفات و الگوی کشت Abdi, R. and Jalali, A. (2013). Mathematical model for prediction combine harvester header losses. International Journal of Agriculture and Crop Sciences. 5 (5): 549-552. Abo EL-Naga, M.H.M., M.A. Shetawy and Sh.F El-Hammed A. (2010). Evaluating the performance of a locally combine for harvest wheat crop. Misr Journal Agricultural Engineering. 27 (1): 104 – 121. Ahmadi Chenarbon, H. Ebrahimzadeh, M.R. and Rohy R. (2009). The study of wheat losses combine harvesting in varamin area. Plant and Ecosystem. 5(17): 57-70. (In Farsi). Ahmadvand, M. R. and Najafpour Z. (2010). Study of the level of cultivation, production and supportive policies of wheat during first to fourth development plans. Journal of Economic Research and Policies. 17(53):59-76. (In Farsi). Anonymous. (2015a). Agricultural statistics. Ministry of Jihad-e- agriculture of Iran Volume I, crops, crop year 2013-14. Office of Agricultural Jihad Statistics and Technology. (In Farsi). Anonymous. (2015b). Guidance on planting, harvesting and harvesting of wheat in Khuzestan province. Agricultural and Natural Resources Research Center of Khuzestan. Faculty Members of Agricultural Research Center for Natural Resources of Khuzestan. Autumn 2012. www.aeri.ir/WebFiles/WebGenerator/Files/9604.pdf. (In Farsi). Bawatharani R., Jayatissa, D.N., Dharmasena, D.A.N. and Bandara, M. H. M. A. (2015). Field performance of a conventional combine harvester in harvesting Bg-300 paddy variety in Batticaloa, Srilanka. International Journal of Engineering Research. 4 (1): 33–35. Bougari, E., Zaki Dizaj, H. and Khorasani, M. E. (2013a). Evaluation some affecting factors on John Deere combine 955 series losses during harvest by mathematical models (case study Ahvaz city). Elixir Agriculture 58: 15209-15213. Bougari, E., Zaki Dizaj, H., Khorasani, M. E. and Mirshekali, S. (2013b). Assessment Wheat harvest losses in New Holland TC56 and JD955 combines (Case study in Ahwaz city). The National Conference of Strategic Research in Iran Agriculture. Islamic Azad University of Takestan Branch. Pp: 77-72. (In Farsi). El-Yamani, A.E., El-Shazly, A. E. and El-Metwally, W. F. (2014). Development of a combine harvester for Mexican teosinte crop. Egyptian Journal of Agricultural Research. 92 (3): 1077-1093. Farajian Mashhadi M.A., Kafi M., and Nezami A. (2013). Intercropping of kochia (Kochia Scoparia l.) With blue panic grass (Panicum antidoTALE Retz.) under irrigation with saline water. Agroecology, 5(2): 153-160. (In Farsi). Golpira, H. and Shahoei, S. S. (2011). The work quality evaluation of the combine harvesters in Kurdistan province, Iran. Efficient and Safe Production processes in Sustainable Agriculture and forestry. CIGR Conference, Austria, Vienna. Pp: 269-271. Hunt D. and Wilson D. (2015). Farm power and machinery management. Eleventh Edition. Waveland Press, Inc. ISBN 13: 978-1-4786-2696-1. Pp: 360. Ismail, Z.E.; M.M. Ibrahim and Embaby, S. A. (2009). Economic evaluation and selection of farm machinery. Misr Journal Agricultural Engineering, 26(4): 746-757. Kafi, M., Borzoei, A., Salehi, M., Kamandy, A., Masoomi, A., and Nabati, J. (2009). Physiology of Environmental Stresses in Plants. Jihad Daneshgahi Mashhad Press, Mashhad, Iran 502 pp. (In Persian) Kholief, R. M., Sayed-Ahmed, I. F. and EL-Haddad, W. Z. (2009). Quantification of mechanical losses on oilseed rape harvesting. Journal of Agriculture Science Mansoura University. 34(4): 2971-2983. Mostofi Sarkari, M. R. (2011). Investigation and technical comparison of new and conventional wheat combines performance to improve and modification. CIGR Journal. 13(3). Manuscript No. 1510. Mostofi Sarkari, M., Valiahdi, M., and Ranjbar, I. (2014). Field evaluation of cereal combine harvesters processing losses on JD-955 and JD-1165 combines equipped with grain loss monitor. Journal of Agricultural Machinery, 4(2), 335-343. doi:10.22067/jam.v4i2.29077. (In Farsi). Nazmi, M. W., Chen, G. and Zare, D. (2010). The effect of different climatic conditions on wheat harvesting strategy and return. Biosystems Engineering, 106. 493 – 502. Patel, S. K. and Varshney. (2014). Effect of operational speed and moisture content of wheat crop on plot combine harvest. Agricultural Mechanization in Asia, Africa and Latin America, 38 (4): 51-55. Rahama, A. M. and Ali. M. E. (1990). On farm evaluation combain harvester losses in the gomin in Sudan. Agricultural Mechanization in Asia, Africa and Latin America, 20(2): 27-31. Rahimi, H. and Khosravani, A. (2005). Determination of wheat losses harvesting process and investigating same factors affecting it in Fars province. Pajouhesh and Sazandegi. 67: 50-59. (In Farsi). Sayed Omran, M. (2008). A Comparative study of the most widely harvesting systems for wheat crop in Egypt. Misr Journal Agricultural Engineering. 25(3): 804-823. Sereen, F.A.M., M.E. Badawy and M.H. M. Abo EL-Naga. (2014). Comparision between the most common mechanical methods and rice combine modified for harvesting wheat crop in the egyption fields. Egyptian Journal of Agricultural Research. 92 (2):675-692. Sheikh Davoodi, M. J. and Houshyar, E. (2010). Evaluation of wheat loss using New Holland combine harvester in Iran. American-Eurasian Journal Agricultural and Environmental Science. 8(1): 104-108. Soerensen, C.G. (2003). Workability and Machinery Sizing for Combine Harvesting. Journal of Scientific Research and Development. 5: 28-36. Tabatabaei, R., Aghagolzadeh, H., and Bakhshi, B. (2012). Test and and evaluation of self-propelled combine harvested Rice (Model 4LZ-2A). 7th National conference on agriculture. Machinery engineering and mechanization (NCAMEM07), Shiraz, Iran. (In Farsi). Witney, B. (1995). Choosing and using farm machines. UK: Longman Scientific and Technical. WMO. 1974. Manual on Codes. Vol I. World Meteorological Organization, No. 306. Geneva, Switzerland: WMO. Pp: 412. _||_