دانشگاه تهرانمهندسی بیوسیستم ایران2008-480356120250421Validation of Ansys Fluent and Rocky Software by Investigating the Effect of Rotating Cylindrical Sieve Performance Parameters on Rice Grain Cleanlinessاعتبارسنجی کوپل نرم افزارهای Ansys Fluent و Rocky با بررسی اثر پارامترهای عملکردی غربال استوانه ای دوار بر تمیزی دانه های برنج11610237010.22059/ijbse.2025.388956.665584FAکامرانصفری حسین آبادیگروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایرانمهرنوشجعفریگروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایرانمهدینادری نژادگروه مهندسی مکانیک، دانشکده مهندسی، دانشگاه فردوسی مشهد، خراسان رضوی، ایران.یاسمینتوکلیگروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایرانJournal Article20250124A cylindrical sieve, characterized by its simple structure, lightweight, negligible vibration, and lower energy consumption compared to other separation systems used in combines. This type of screen can serve as an alternative cleaning system for rice-threshed mixture when combined with air flow. This research employed computational fluid dynamics (CFD) and the discrete element method (DEM) to explore and enhance the understanding of the operational parameters influencing the performance of the cleaning sieve. The study examined the impact of air flow velocity and the rotational speed of the sieve on various separation indices, such as the cleanliness ratio, loss ratio, and efficiency. Findings indicated that air flow velocity significantly influences the average axial speed of the mixture components. The rotational speed of the sieve has a significant effect on both the loss ratio and the sieve's efficiency. In this study, Rocky DEM software was utilized as an alternative to EDEM for simulating the discrete flow of granular materials. The results of this study were validated through comparisons with earlier research that utilized EDEM software for simulations. Rocky DEM software developed by the provider of ANSYS Fluent, Rocky DEM enables the simulation of interactions between discrete particles and fluid flow using the coupled CFD-DEM method. Consequently, it serves as a viable replacement for EDEM, which has been extensively applied in agricultural research and engineering.غربال استوانهای دوار در مقایسه با سایر سیستمهای تمیز کننده استفاده شده در کمباینها، دارای ویژگیهایی همچون ساختار سادهتر، وزن سبکتر، لرزش و مصرف انرژی کمتر است. این نوع غربال همراه با جریان هوا میتواند به عنوان سیستم تمیز کننده جایگزین برای مخلوط برنج کوبیده شده، استفاده شود. در این پژوهش، برای تحلیل بهتر پارامترهای کاری غربال استوانهای بر عملکرد جداسازی دانه از کاه، از کوپل دینامیک سیالات محاسباتیCFD) ) و روش المان گسستهDEM) ) استفاده شد. تاثیر سرعت جریان هوا و سرعت دورانی غربال بر شاخصهای جداسازی شامل نسبت تمیزی، نسبت تلفات و بازده جداسازی بررسی شد. نتایج نشان داد که سرعت جریان هوا تاثیر قابل توجهی بر سرعت متوسط محوری اجزای مخلوط دارد. سرعت چرخش غربال تاثیر معنیداری بر نسبت تلفات و بازده جداسازی دارد. در این مطالعه به منظور شبیه سازی جریان گسسته مواد دانهای، از نرم افزار Rocky DEM به عنوان جایگزین نرم افزار EDEM استفاده شد. نتایج پژوهش حاضر به کمک مطالعات گذشته که از نرم افزار EDEM برای شبیهسازی بهره برده بودند، صحتسنجی و تایید گردید. نرم افزار Rocky DEM توسط شرکت توسعه دهنده ANSYS Fluent ارائه شده، از این رو در شبیهسازی تعامل ذرات گسسته و جریان سیال به روش کوپل CFD-DEM میتواند جایگزین نرم افزارهایی مانند EDEM که پیشتر به طور گسترده در حوزه کشاورزی استفاده شده، گردد. https://ijbse.ut.ac.ir/article_102370_5c5fd3df4822f8017b9abb178ecb7260.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480356120250421Recognition of Pistachio Varieties Based on Machine Vision, Gabor Filters, and Genetic Algorithmبازشناسی انواع پسته بر پایه بینایی ماشین، فیلترهای گابور و الگوریتم وراثتی173310237110.22059/ijbse.2025.389674.665585FAاسماشمس کرمانیگروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی سیرجان، سیرجان، ایران.Journal Article20250130This study proposes an efficient and novel method for recognizing pistachio varieties by leveraging Gabor filters for feature extraction and a genetic algorithm for feature selection, aiming to enhance classification accuracy and speed. Unlike conventional approaches that focus on individual processing of pistachio kernels—which, despite high accuracy, are time-consuming and computationally demanding—the proposed method employs holistic processing of images containing multiple pistachios, thereby significantly accelerating the recognition process. Key textural and shape-based features are initially extracted using Gabor filters. Subsequently, the genetic algorithm is applied to select optimal features and reduce data redundancy. The refined feature set is then classified using the K-Nearest Neighbor (KNN) algorithm. Experiments conducted on a dataset of 1,000 sub-images covering five common pistachio types (Akbari, Ahmad Aghaei, Kaleh Ghouchi, Fandoghi, and Badami) yielded an average classification accuracy of 99.5%. In comparison with deep learning models, the proposed method demonstrates competitive performance while requiring no extensive training phase or high computational resources. This results in a faster and more resource-efficient implementation, making it particularly suitable for industrial applications, especially in automated pistachio processing and packaging systems. The proposed method contributes to the automation of agricultural workflows, reducing both processing time and labor costs, and offers a practical solution for real-time classification in resource-constrained environments.در این پژوهش، روشی نوین و کارآمد برای بازشناسی انواع پسته با بهرهگیری از فیلترهای گابور و الگوریتم وراثتی ارائه شده است که هدف آن افزایش سرعت و دقت در فرآیند طبقهبندی میباشد. برخلاف روشهای پیشین که عمدتاً بر پردازش جداگانه دانههای منفرد پسته تکیه داشتهاند و از این رو با وجود دقت مناسب، از نظر زمانی و محاسباتی پرهزینه بودهاند، روش پیشنهادی از پردازش کلنگر تصاویر مجموعهای از پستهها بهره میگیرد و بدین وسیله فرآیند بازشناسی را تسریع و بهینهسازی میکند. در این چارچوب، ابتدا ویژگیهای بافتی و شکلی برجسته از تصاویر با استفاده از فیلترهای گابور استخراج میگردد. سپس، الگوریتم وراثتی بهمنظور انتخاب ویژگیهای بهینه و حذف دادههای زائد به کار گرفته میشود. ویژگیهای منتخب نهایتاً به طبقهبند kهمسایه نزدیکتر (KNN) منتقل شده تا طبقهبندی نهایی صورت گیرد. ارزیابی روش پیشنهادی بر روی پایگاه دادهای شامل ۱۰۰۰ زیرتصویر متعلق به پنج نوع رایج پسته (اکبری، احمدآقایی، کلهقوچی، فندقی و بادامی) انجام شد و نتایج حاکی از نرخ طبقهبندی صحیح 5/99 درصد میباشد. در مقایسه با روشهای یادگیری عمیق، روش پیشنهادی با وجود عدم نیاز به آموزش عمیق و منابع پردازشی سنگین، دقتی قابل رقابت با آنها ارائه داده و سرعت پیادهسازی بسیار بالاتری دارد. این ویژگیها روش پیشنهادی را به گزینهای مناسب برای کاربردهای صنعتی، بهویژه در خطوط تولید و بستهبندی هوشمند پسته بدل میسازد و گامی مؤثر در جهت خودکارسازی فرآیندهای کشاورزی و کاهش هزینههای زمانی و انسانی تلقی میشود.https://ijbse.ut.ac.ir/article_102371_7c242dff6e24ffde06ffb91550f91b6c.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480356120250421Investigation of changes in the odor and quality of basil coated with chitosan solution during storageبررسی تغییرات بو و کیفیت ریحان پوششدهی شده با محلول کایتوسان در طول دوره نگهداری355010237210.22059/ijbse.2025.391868.665592FAناهیدعقیلی ناطقاستادیار مهندسی مکانیک بیوسیستم،دانشکده کشاورزی سنقر، دانشگاه رازی، کرمانشاه، ایرانرشیدغلامیاستادیار مهندسی مکانیک بیوسیستم،دانشکده کشاورزی سنقر، دانشگاه رازی، کرمانشاه، ایرانJournal Article20250310The aim of this study was to package basil leaves with regular polyethylene film and polyethylene equipped with nanoparticles (2% nanoclay) under normal and modified atmosphere (5% O2 and 5% CO2) conditions along with chitosan coating. Physical and visual properties included weight loss, b*, a*, L and ∆E, chemical properties as total soluble solid (TSS), pH, total acidity (TA) and total phenolic content (TPC) were measured during the storage period (10 days), and the odor of the samples was also examined using an electronic nose system. The study of the trend of all samples showed a weight loss of all treatments during the storage period. At the end of the storage period, the highest weight loss was observed in LCC samples, which weighed 54.56 grams, while the lowest weight loss was recorded in NMC samples, which weighed 74.89 grams. The results showed a downward trend in the color indices L*, a* and b*. The results showed an increase in the pH and TSS values during the storage period for all treatments. On the other hand, the results showed a decrease in TA during the storage period for all treatments. The results showed a decreasing trend in the TPC of basil during the storage period for all treatments. The confusion matrix obtained from the response surface method (RSM) showed the accuracy of classifying the samples by film type, coating and type of gas inside the package was 100%, while in the adaptive neuro-fuzzy inference (ANFIS) method, only samples with different packaging gases were classified with 100% accuracy.هدف از انجام این مطالعه بسته بندی برگ ریحان با فیلم پلی اتیلن معمولی و پلی اتیلن مجهز به ذرات نانو (2% نانو رس) تحت شرایط اتمسفر معمولی و اصلاح شده (5% اکسیژن و 5% دی اکسید کربن) همراه با پوشش دهی کایتوسان بود. خواص فیزیکی و ظاهری شامل کاهش وزن،b* ،a* ،L* و ∆E، خواص شیمیایی همچون pH، مواد جامد محلول (TSS) اسیدیته قابل تیتراسیون (TA) و محتوای فنول کل (TPC) در طول دوره نگهداری (10 روز) اندازه گیری شد، همچنین با استفاده از یک سامانه بینی الکترونیک نیز بو نمونه ها مورد بررسی قرار گرفت. بررسی روند تمامی نمونه ها نشان دهنده کاهش وزن تمامی تیمارها در طول دوره نگهداری بود. در پایان دوره نگهداری بیشترین کاهش وزن در نمونه های LCC مشاهده شد که وزنی معادل 56/54 گرم داشتند، در حالی که کمترین افت وزن در نمونه های NMC با وزنی معادل 89/74 گرم ثبت گردید. نتایج نشان دهنده روند نزولی شاخصهای رنگی L* ، a* و b* بود. نتایج نشان دهنده افزایش در مقدار pH و TSS در طول دوره نگهداری برای تمامی تیمارها بود. بررسی نتایج نشان دهنده روند کاهشی محتوای فنول ریحان در طول دوره نگهداری برای تمامی تیمارها بود. ماتریس اغتشاش حاصل از روش سطح پاسخ نشان داد دقت تشخیص نمونه ها با نوع فیلم، پوشش و نوع گاز داخل بستهبندی مختلف 100درصد می باشد در حالیکه در روش انفیس فقط نمونهها با گاز بسته بندی مختلف با دقت 100درصد طبقه بندی شدند.https://ijbse.ut.ac.ir/article_102372_1ba53fa288551e504ec5b2e1a58d6564.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480356120250421Investigating changes in agricultural land use in Ahvaz county between 2000 and 2020 using using landsat satellite imagesبررسی تغییرات کاربری اراضی کشاورزی شهرستان اهواز در بازۀ زمانی سالهای 2000 تا 2020 با استفاده از فناوری سنجش از دور517010237310.22059/ijbse.2025.389807.665586FAکورشاندکائی زادهگروه مهندسی بیوسیستم ، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایرانعباسعساکرهگروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایرانسعیدحجتیگروه مهندسی علوم خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، ایرانJournal Article20250203Land use change is a major challenge in natural resource management and can have significant environmental, economic, social, and cultural consequences. The aim of this Study is to investigate land use changes in Ahvaz County from 2000 to 2020 using remote sensing, in order to provide an overview of land use changes for land management and urban planning. Images were acquired from Landsat satellites, and land classification into four land use types, including agricultural lands, built-up areas, barren lands, and water bodies, was performed for the years 2000, 2007, 2014, and 2020 using spectral indices and the maximum likelihood classification algorithm. The Kappa coefficient for the years 2000, 2007, 2014, and 2020 were 87.23%, 88.59%, 91.26%, and 93.23%, respectively, and the overall accuracy index was 89.56%, 91.35%, 93.58%, and 94.89%, respectively. The results showed that, during the study period, the area of land agriculture and built-up land use increased by 2.77 and 2.96 times, respectively. The increase in agricultural land was mainly due to the conversion of barren lands to agriculture. The increase in built-up areas has led to a decrease in the fertile agricultural lands around cities. The drastic changes in land use in the last two decades indicate the need for careful, scientific, and participatory planning by all agencies involved in land use change and those in charge of affairs, in order to reduce the negative environmental, social, and economic consequences and to preserve the natural resources of the region.تغییرات کاربری اراضی یکی از چالشهای اصلی در مدیریت منابع طبیعی است و میتواند پیامدهای جدی زیستمحیطی، اقتصادی، اجتماعی و فرهنگی به همراه داشته باشد. هدف از این پژوهش بررسی تغییرات کاربری اراضی شهرستان اهواز از سال 2000 تا 2020 میلادی با استفاده از تحلیل تصاویر ماهوارهای، جهت ارائه دید کلی در زمینه تغییرات کاربری اراضی جهت مدیریت تغییرات اراضی و برنامهریزی شهری است. در این راستا، تصاویر ماهواره لندست مورد استفاده قرار گرفت و طبقهبندی اراضی در چهار کاربری شامل اراضی کشاورزی، مناطق انسان ساخت، اراضی بایر و پهنههای آبی برای سالهای 2000، 2007، 2014 و 2020 میلادی با بهرهگیری از شاخصهای طیفی و الگوریتم طبقهبندی حداکثر احتمال انجام شد. مقادیر ضریب کاپا برای سالهای 2000، 2007، 2014 و 2020 به ترتیب برابر با23/87، 59/88، 26/91 و 23/93 درصد و شاخص دقت کلی به ترتیب برابر با 56/89، 35/91، 58/93 و 89/94 درصد محاسبه گردید. نتایج نشان داد که در دوره مورد مطالعه، مساحت اراضی با کاربری کشاورزی و مناطق انسانساخت به ترتیب با 77/2 و 97/2 برابر افزایش یافته است. افزایش اراضی کشاورزی عمدتا ناشی از تبدیل اراضی بایر به کشاورزی بوده است. همزمان با این تغییرات، گسترش اراضی انسان ساخت منجر به کاهش اراضی کشاورزی مرغوب در حاشیه شهرها شده است. این تغییرات شدید در کاربری اراضی طی دو دهه اخیر، نشاندهنده ضرورت برنامهریزی دقیق، علمی و مبتنی بر مشارکت تمامی ارگانهای دخیل در تغییر کاربری اراضی در راستای کاهش پیامدهای منفی زیستمحیطی، اجتماعی و اقتصادی ناشی از تغییرات کاربری اراضی و حفظ منابع طبیعی منطقه است.https://ijbse.ut.ac.ir/article_102373_e2b00a59d8e25782470fb56e075c58bb.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480356120250321Detection of fat and chicken adulteration in lamb using VIS/NIR spectroscopy and LDA modelتشخیص تقلب چربی و گوشت مرغ در گوشت گوسفند با استفاده از طیفسنجی VIS/NIR و مدل LDA718210258510.22059/ijbse.2025.388079.665577FAامیرکاظمیگروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایراناصغرمحمودیگروه بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، ایرانهادیولادیگروه مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایرانارشجوانمردگروه علوم دامی، دانشکده کشاورزی، دانشگاه تبریزJournal Article20250103Meat adulteration, as one of the most essential and nutritious human food sources, poses significant health and economic threats to consumers. This study investigates the detection of adulteration in minced lamb meat with fat and chicken meat using VIS/NIR spectroscopy in the range of 200–1100 nm. Adulterated samples were manually prepared at weight-based adulteration levels of 5%, 10%, 15%, and 20%. A total of 190 samples, each weighing 10 grams, were analyzed. To eliminate additive and scattering effects in the spectral data, various preprocessing methods, including derivatives and scatter correction, were applied. Principal Component Analysis (PCA) was employed for variable reduction and clustering, while Linear Discriminant Analysis (LDA) with different preprocessing techniques was used to classify the meat samples. The best accuracy, 76.70% for 3-class data and 89.92% for 9-class data, was achieved using Savitzky-Golay preprocessing. The results demonstrate the high potential of VIS/NIR spectroscopy combined with chemometric methods in detecting adulteration in minced lamb meat. The findings of this study can play an effective role in improving food quality and safety and mitigating risks associated with adulterated meat products.تقلب در گوشت، بهعنوان یکی از اصلیترین و مغذیترین مواد غذایی انسان، تهدیدات جدی برای سلامتی و اقتصاد مصرفکننده به همراه دارد. این پژوهش به بررسی تشخیص تقلب در گوشت گوسفند با چربی و گوشت مرغ از طریق طیفسنجی VIS/NIR در محدوده 200 تا 1100 نانومتر پرداخته است. نمونههای تقلبی بهصورت دستی و با سطوح تقلب وزنی 5، 10، 15 و 20 درصد تهیه شدند. در مجموع، 190 نمونه مورد بررسی قرار گرفت که هرکدام دارای وزن 10 گرم بودند. برای حذف اثرات افزایشی و پراکندگی در دادههای طیفی، از روشهای مختلف پیشپردازش شامل مشتقات و تصحیح پراکندگی استفاده شد. تحلیل مؤلفههای اصلی (PCA) بهمنظور کاهش متغیرها و خوشهبندی دادهها و مدل تحلیل تفکیک خطی (LDA) با پیشپردازشهای متنوع برای جداسازی نمونههای گوشت به کار گرفته شدند. بهترین دقت پیشبینی، 70/76 درصد برای دادههای 3 کلاس و 92/89 درصد برای دادههای 9 کلاس، با استفاده از پیشپردازش ساویتزی-گولای حاصل شد. این نتایج بیانگر قابلیت بالای طیفسنجی VIS/NIR همراه با روشهای شیمیسنجی در شناسایی تقلب در گوشت چرخکرده گوسفند است. یافتههای این مطالعه میتوانند گامی مؤثر در بهبود کیفیت و ایمنی غذایی و کاهش خطرات مرتبط با تقلب در محصولات گوشتی محسوب شوند.https://ijbse.ut.ac.ir/article_102585_94d035149ed4cb7c951753a3caa7fee5.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480356120250321Evaluation of deviation of solar-powered autonomous sprayer robot from the trained path at different speeds and surfacesارزیابی انحراف ربات سمپاش خودکار خورشیدی از مسیر آموزش داده شده در سرعتها و سطوح متفاوت839910287610.22059/ijbse.2025.393592.665594FAعلیرضااحمدلودانشجوی کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایرانمحمدعسکریاستادیار گروه مهندسی مکانیک بیوسیستم، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساریداودکلانتریدانشیار گروه مهندسی مکانیک بیوسیستم، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایرانJournal Article20250416 Robotics is a branch of engineering science that includes the design, construction, operation, and use of robots by computer systems, control, sensor feedback, and information processing. The ultimate goal of using robots in agriculture is to increase speed, accuracy, and precision in the stages of planting, tending, and harvesting crops. The overall goal of the present study is to evaluate the deviation of an automated solar sprayer robot used in gardens from the trained path. For this purpose, after training the path using the optimized YOLO v8 model for the solar-powered automatic sprayer robot, tests were conducted considering 2 input variables including 3 types of surfaces (asphalt, concrete, and gravel soil) and 3 forward speeds (1, 2, and 3 km/h), and the amount of deviation of the robot from the trained path was measured as the output variable. The results showed that the optimized YOLO v8 model, with its high accuracy and generalizability, is suitable for practical applications such as autonomous robot navigation in garden environments. Both factors of forward speed and surface type had a significant effect on the amount of deviation of the robot from the trained path, such that the robot had the highest amount of deviation at high speed (3 km/h) and uneven road surface (dirt road with gravel) and the lowest amount of deviation at low speed (1 km/h) and smooth surface (asphalt). یکی از شاخههای علم مهندسی، رباتیک است که طراحی، ساخت، راهاندازی و کاربرد رباتها توسط سیستم کامپیوتری، کنترل، عکسالعمل حسگرها و پردازش اطلاعات را شامل میشود. هدف نهایی کاربرد رباتها در کشاورزی، افزایش سرعت، دقت و ظرافت در مراحل کاشت، داشت و برداشت محصول است. هدف کلی از پژوهش حاضر، ارزیابی انحراف ربات سمپاش خودکار خورشیدی مورد استفاده در باغها از مسیر آموزش داده شده است. بدین منظور پس از آموزش مسیر توسط مدل YOLO v8 بهینهسازی شده به ربات سمپاش خودکار خورشیدی، آزمونهایی با درنظرگرفتن 2 متغیر ورودی شامل 3 نوع سطح (آسفالت، بتنی و خاکی دارای سنگریزه) و 3 سرعت پیشروی (1، 2 و 3 کیلومتر بر ساعت) انجام گرفته و میزان انحراف ربات از مسیر آموزش داده شده برحسب سانتیمتر به عنوان متغیر خروجی اندازهگیری شد. نتایج نشان داد که مدل YOLO v8 بهینهسازی شده، با دقت و قابلیت تعمیم بالای خود، برای کاربردهای عملی همچون ناوبری ربات خودکار در محیطهای باغی مناسب است. سرعت پیشروی، نوع سطح و اثر متقابل آنها بر میزان انحراف ربات از مسیر آموزش داده شده معنیداری بودند به گونهای که ربات در سرعت 3 کیلومتر بر ساعت و جاده خاکی دارای سنگریزه، بیشترین (41/21 سانتیمتر) و در سرعت 1 کیلومتر بر ساعت و سطح آسفالت، کمترین (29/4 سانتیمتر) میزان انحراف را داشت.https://ijbse.ut.ac.ir/article_102876_c3e1832e4b3ed6183acbd88d2acce288.pdf