دانشگاه تهرانمهندسی بیوسیستم ایران2008-480356420251222Evaluation of the impact of spray volume, flight speed, and spray height on the spraying performance of a pesticide droneارزیابی تأثیر مقدار پاشش، سرعت پرواز و ارتفاع پاشش بر عملکرد پاششی پهپاد سمپاش12310536910.22059/ijbse.2025.397734.665598FAسمیهکوهیگروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران ، ایرانعلاکامل عبدگروه آموزشی مهندسی بیوسیستم. دانشکده کشاورزی دانشگاه ایلام . ایلام . ایرانامیرعزیزپناهگروه آموزشی مهندسی بیوسیستم. دانشکده کشاورزی دانشگاه ایلام . ایلام . ایرانکبریحیدربیگیگروه آموزشی مهندسی بیوسیستم. دانشکده کشاورزی دانشگاه ایلام . ایلام . ایران0000-0002-6294-9794Journal Article20250629Due to their different operational principles, sprayers have various effects on pest control. These differences arise from the spraying method, droplet size distribution, and the application rate of pesticide solution per unit area. This study evaluated a sprayer drone using image processing techniques. The tested sprayer drone was an eight-engine MG-1P model with variable-sweep wings, manufactured by DJI in China. The study examined the effects of spraying rate (6, 8, and 10 L/ha), flight speed (4, 5, and 6 m/s), and spraying height (1.5, 2, and 2.5 m) on volumetric median diameter, numerical median diameter, spraying quality, coverage area, and uniformity. The results showed that spraying rate had a significant effect (P < 0.01) on all parameters. The comparison of means for the main effects of the parameters indicated that volumetric median diameter, spraying quality, and coverage area decreased at lower spraying rates, whereas volumetric median diameter reached its highest levels in the drone speed and spraying height factors.آفتها، بیماریهای گیاهی و علفهای هرز، از عمدهترین مشکلات در تولید محصولات کشاورزی هستند. سمپاشها به دلیل اصول کاری مختلف، اثرات متفاوتی در فرایند کنترل آفت ایجاد میکنند. این تفاوتها ناشی از نحوه پاشش، توزیع اندازه قطرات و مصرف متفاوت محلول سمی در واحد سطح میباشد. هدف پژوهش حاضر ارزیابی کیفیت پهپاد سمپاش با تغییر مقدار و مشخصات پروازی با استفاده از فناوری پردازش تصویر است. پهپاد مورد ارزیابی، از نوع بال متحرک هشت موتوره و سازنده آن شرکت DJI با مدل MG-1P از کشور چین بود. تأثیر عاملهای مقدار پاشش (6، 8 و 10 لیتر در هکتار)، سرعت پرواز (4، 5 و 6 متر برثانیه) و ارتفاع پاشش (5/1، 2 و 5/2 متر) بر پارامترهای قطر میانه حجمی، قطر میانه عددی، کیفیت پاشش، سطح پوشش و یکنواختی پاشش بررسی شد. در عامل مقدار پاشش، بیشترین میانگین یکنواختی پاشش در سطح 10 و 6 لیتر در هکتار و کمترین آن در سطح 8 لیتر در هکتار رخ داده است. در عامل سرعت پرواز نیز بیشترین میانگین یکنواختی پاشش در سطح 5 متر در ثانیه و کمترین آن در سطح 4 و 6 متر در ثانیه رخ داده است. همچنین در عامل ارتفاع پاشش، بیشترین میانگین یکنواختی پاشش در سطح 5/1 متر و کمترین آن در سطح 5/2 متر رخ داده است.https://ijbse.ut.ac.ir/article_105369_fa8bfc0158bc182685e4ada8f8116150.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480356420251222Using VIS/NIR Spectroscopy for Non-destructive Detection of Soluble Solids Content in Plum Cultivarsاستفاده از طیفسنجی VIS/NIR به منظور تشخیص غیرمخرب مواد جامد محلول در ارقام آلو254610537010.22059/ijbse.2025.401742.665611FAمیثملطیفی عموقینگروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.یوسفعباسپورگیلاندهگروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.Journal Article20250903In this study, a non-destructive method for evaluating soluble solids content in plum cultivars was developed using visible/near-infrared (VIS/NIR) spectroscopy. For this purpose, absorption spectra of 80 samples from two plum cultivars (Khormaei and Khoni) in the 350-1100 nm range were collected, and their SSC values were measured using a refractometer as a reference method. To reduce data dimensionality and identify effective wavelengths, a set of five metaheuristic algorithms (including LCA, GA, PSO, ACO, and ICA) was employed in combination with the SVM model, with the main innovation lying in the integration of the League Championship Algorithm (LCA), as the strongest feature selector, with Artificial Neural Network (ANN) regression models. Subsequently, Partial Least Squares Regression (PLSR) and Artificial Neural Network (ANN) models were developed to predict SSC on both full and reduced spectra. To optimize model accuracy, more than 12 pre-processing methods were applied and evaluated. The results indicated that the ANN model based on the selected wavelengths and with Moving Average pre-processing achieved the highest prediction accuracy, particularly for the Khormaei cultivar, with a coefficient of determination of R<sup>2</sup>=0.989 and a ratio of performance to deviation of RPD=6.08, Indicating the excellent capability of the model for quantitative prediction. This research demonstrates that the combination of VIS/NIR spectroscopy with novel metaheuristic feature selection methods like LCA provides a new and efficient approach for the non-destructive determination of SSC. By significantly reducing computational requirements, this methodology offers a practical, accurate, and reliable tool for real-time quality control in post-harvest and fruit processing industries.در این پژوهش، روشی غیرمخرب برای ارزیابی میزان مواد جامد محلول (SSC) در ارقام آلو با استفاده از طیفسنجی مرئی/مادونقرمز نزدیک (VIS/NIR) توسعه یافت. بدین منظور، طیفهای جذبی ۸۰ نمونه از دو رقم آلو خرمایی و خونی در محدوده 350 تا ۱۱۰۰ نانومتر جمعآوری و مقادیر SSC آنها با استفاده از رفراکتومتر بهعنوان روش مرجع اندازهگیری شد. برای کاهش ابعاد دادهها و شناسایی طولموجهای مؤثر، مجموعهای از پنج الگوریتم فراابتکاری (شامل LCA، GA، PSO، ACO وICA ) در ترکیب با مدل ماشینبردار پشتیبان (SVM) به کار گرفته شد که نوآوری اصلی در تلفیق الگوریتم قهرمانی لیگ (LCA) بهعنوان قویترین انتخابگر ویژگی، با مدلهای رگرسیونی شبکه عصبی مصنوعی (ANN) نهفته است. سپس، مدلهای رگرسیون حداقل مربعات جزئی (PLSR) و ANN برای پیشبینی SSC بر روی طیفهای کامل و کاهشیافته توسعه یافتند. برای بهینهسازی دقت مدلها، بیش از ۱۲ روش پیشپردازش بر روی طیفها اعمال و تأثیر هر یک ارزیابی شد. نتایج نشان داد که مدل ANN بر پایه طولموجهای منتخب و با اعمال پیشپردازش میانگین متحرک، بهویژه برای رقم خرمایی، به بالاترین دقت پیشبینی (989/0R² = و 08/6 RPD =) دست یافت که حاکی از قابلیت عالی مدل برای پیشبینی کمی است. این پژوهش ثابت میکند که ترکیب طیفسنجی VIS/NIR با روشهای نوین انتخاب ویژگی فراابتکاری مانند LCA، یک رویکرد جدید و کارآمد برای تعیین غیرمخرب SSC ارائه میدهد. این متدولوژی با کاهش چشمگیر نیازهای محاسباتی، یک ابزار عملی، دقیق و قابل اطمینان برای کنترل کیفیت در لحظه در صنایع پس از برداشت و فرآوری میوه است.https://ijbse.ut.ac.ir/article_105370_77e00075483cb1f170163fc8d08f82f7.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480356420251222Modeling of tractor dynamic behavior during maneuvering on compound slopes for identifying the onset of rolloverمدلسازی رفتار دینامیکی تراکتور حین مانور روی شیبهای ترکیبی جهت شناسایی لحظة واژگونی476910537210.22059/ijbse.2025.401891.665613FAمحمد رسولشعبانی شادیانیگروه مهندسی ماشینّهای کشاورزی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، تهران، ایرانعلیجعفریگروه مهندسی ماشینهای کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، تهران، ایران.علیحاجی احمدگروه مهندسی ماشینهای کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، تهران، ایران.سید سعیدمحتسبیگروه مهندسی ماشینهای کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، تهران، ایران.0000-0002-4031-1095Journal Article20250914Tractors play a vital role in the agricultural industry, and due to their inherent characteristics and operational conditions, rollover accidents are a probable occurrence. Despite numerous studies aimed at preventing and reducing the consequences of rollover, statistics show that this accident leads to thousands of fatalities and injuries each year—a trend that continues to rise. This study modelled the tractor stability using both numerical and analytical methods, and the performance of these approaches in predicting lateral and longitudinal stability was compared. The numerical models were developed using the Response Surface Methodology, and both models were validated by comparing them to the experimental data obtained from a scaled-down tractor prototype. In addition, sensitivity analysis was conducted to determine the relative contribution of each variable. This study mathematically modelled the influence of lateral and longitudinal slope angles, center-of-gravity position, speed, acceleration, and turning radius on tractor stability. Results indicated that the squared sine of the lateral slope angle (coefficient of 0.24) most strongly governed lateral stability, while the squared sine of the longitudinal slope angle (0.21) was the principal factor affecting longitudinal stability. Despite the analytical model considering the interaction between lateral and longitudinal slopes, the numerical results indicated that the interaction was not statistically significant. The coefficients of determination (R²) for lateral and longitudinal stability were 96.93% and 91.59% for the analytical model, 93.75% and 98.81% for the numerical model, and 65.31% and 81.16% for the advanced numerical model, respectively. The optimization framework integrated all relationships to evaluate overall stability.تراکتورها در صنعت کشاورزی نقشی حیاتی دارند و باتوجهبه خصوصیات ذاتی و شرایط عملیاتی، بروز سوانح ناشی از واژگونی آنها، محتمل است. باوجود پژوهشهای متعدد در جهت پیشگیری و کاهش خسارات ناشی از واژگونی، طبق آمار، اینگونه سوانح سالانه هزاران کشته و زخمی بر جای میگذارد و البته متأسفانه آمار سوانح مذکور همچنان روبهافزایش است.در این پژوهش به مدلسازی ریاضی پدیدۀ واژگونی تراکتور از دو منظر عددی و تحلیلی و مقایسۀ عملکرد این روشها در پیشبینی پایداری جانبی و طولی پرداخته شده است. مدل عددی با استفاده از روش سطح پاسخ توسعه داده شد و نتایج هر دو در مقایسه با دادههای بهدستآمده از یک مدل کوچکشدة جایگزین تراکتور، اعتبارسنجی شدند. همچنین تحلیل حساسیت بهمنظور تعیین سهم نسبی هر متغیر انجام شد. در تحقیق حاضر، اثر زاویة جانبی و طولی، موقعیت گرانیگاه، سرعت، شتاب و شعاع دوران بر پایداری تراکتور بهصورت مدل ریاضی استخراج شد. نتایج نشان داد مجذور سینوس زاویۀ جانبی با ضریب ۲۴/۰ بیشترین تأثیر را بر پایداری جانبی و مجذور سینوس زاویۀ طولی با ضریب 21/0 بیشترین تأثیر را بر پایداری طولی دارد. در مدل تحلیلی اثر متقابلی بین شیبهای جانبی و طولی وجود دارد؛ ولیکن نتایج مدل عددی نشان داد که این اثر معنادار نیست. ضریب تعیین (R²) مدلسازی پایداری جانبی و طولی به ترتیب در مدل تحلیلی ۹۳/۹۶ و ۵۹/۹۱، مدل عددی ۷۵/۹۳ و ۸۱/۹۸ و مدل عددی تکمیلی 31/65 و 16/81 درصد محاسبه شدند. در بخش بهینهسازی، اثر تمامی متغیرها جهت تشخیص پایداری کلی تراکتور تحلیل شد.https://ijbse.ut.ac.ir/article_105372_47e69cd07f3925945751125425637bef.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480356420251222Evaluation of energy and cumulative exergy demand indicators of different lettuce production methods in Alborz provinceارزیابی شاخصهای انرژی و تقاضای اکسرژی تجمعی در روشهای مختلف تولید کاهو در استان البرز718910537310.22059/ijbse.2025.403094.665618FAحسنقاسمی مبتکردانشیار، گروه مهندسی ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایرانمجیدخانعلیگروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایرانمحمدعلیقهرمانی آقبلاغ رستم خانگروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایرانعلیرضارفیعیگروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایرانJournal Article20250926Due to population growth and heightened awareness of healthy nutrition, the consumption of vegetables, particularly lettuce, has significantly increased in recent years. This study evaluated the energy use and cumulative exergy demand (CExD) of different lettuce production systems in Alborz province and proposed strategies to reduce energy consumption. Data were collected through face-to-face interviews and completion of 60 questionnaires. The results indicated a considerable variation in total energy inputs across the methods, with the highest consumption observed in the seed-flood irrigation at 107,409.79 MJ ha⁻¹, and the lowest in the seed-drip irrigation at 54,734.04 MJ ha⁻¹. Diesel fuel was the predominant energy input in flood irrigation systems, whereas diesel fuel and nylon were the primary inputs in drip irrigation systems. The energy ratio was less than one in all systems and the highest energy ratio (0.68) occurred in seed–drip irrigation. The highest water productivity was recorded in the seedling-drip irrigation (18.75 kg m⁻³). Moreover, the CExD analysis revealed that fossil non-renewable resources in the flood irrigation systems for seeds and seedlings accounted for the highest burdens, with 3,438.51 and 2,188.70 MJ, respectively. Inputs such as diesel fuel and nylon were identified as the main contributors to this dependency, underscoring the decisive role of energy-intensive inputs in increasing exergy burden and reducing the sustainability of lettuce production systems. Ultimately, it is recommended that farm management practices optimize the use of energy-intensive inputs like diesel fuel and chemical fertilizers, substitute chemical fertilizers with organic alternatives, and replace nylon with biodegradable material.با رشد جمعیت و افزایش آگاهی نسبت به تغذیه سالم، مصرف سبزیجات بهویژه کاهو در سالهای اخیر افزایش چشمگیری یافته است. این تحقیق به ارزیابی انرژی مصرفی و اکسرژی تجمعی روشهای مختلف تولید کاهو در استان البرز پرداخته و راهکارهایی برای کاهش مصرف انرژی ارائه میدهد. دادههای مورد نیاز از طریق مصاحبه حضوری و تکمیل تعداد 60 پرسشنامه جمعآوری شد. نتایج نشان داد کل انرژی ورودی در روشهای مختلف تفاوت محسوسی داشته است بهطوری که بیشترین انرژی مصرفی در روش بذر- غرقآبی با 79/107409 و کمترین آن در روش بذر- قطرهای با 04/54734 مگاژول بر هکتار بود. سهم عمده انرژی در سامانههای غرقآبی متعلق به سوخت دیزل و در سامانههای قطرهای به سوخت دیزل و نایلون اختصاص داشت. شاخص نسبت انرژی در تمامی روشها کمتر از یک و بالاترین مقدار آن متعلق به روش بذر- قطرهای با مقدار 68/0 بود. بیشترین بهرهوری آب، به روش نشاء- قطرهای با 75/18 کیلوگرم بر مترمکعب اختصاص داشت تعلق داشت. نتایج تحلیل تقاضای اکسرژی تجمعی نشان داد که منابع تجدیدناپذیر فسیلی در روش بذر- غرقآبی و نشاء- غرقآبی با 51/3438 و 70/2188 مگاژول بیشترین بار را به خود اختصاص دادند و نهادههایی مانند سوخت دیزل و نایلون اصلیترین عوامل این وابستگی بودند که بیانگر نقش تعیینکننده نهادههای انرژیبر در افزایش بار اکسرژی و کاهش پایداری سامانههای تولیدی کاهو است. در آخر توصیه شد با مدیریت مزرعه، بهینهسازی مصرف نهادههای پرانرژی مانند سوخت دیزل و کودهای شیمیایی، جایگزینی کودهای شیمیایی با کودهای آلی و نایلون با مواد زیستتخریبپذیر، الگوی تولید کاهو پایدارتر و کمآلایندهتر گردد.https://ijbse.ut.ac.ir/article_105373_bb2dae07fc76b8bf6e88cdfd7f0f6cd7.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480356420251222Predicting Sugarcane Yield Using Sentinel-2 Vegetation Indices, K-Means Clustering, and K-Nearest Neighbors (KNN) Regressionپیشبینی عملکرد نیشکر با استفاده از شاخصهای پوششهای گیاهی ماهوارهای سنتینل2 و الگوریتمهای خوشه بندی K-MEANS و رگرسیون KNN9110510537410.22059/ijbse.2025.403177.665620FAفریالجادریگروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایراننسیممنجزیگروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران0000-0001-8229-7706Journal Article20250927Accurate prediction of the yield of strategic crops such as sugarcane plays a key role in optimal resource management and ensuring food security. The main objective of this study is to develop a robust and interpretable model based on the K-Nearest Neighbors (KNN) regression algorithm to predict sugarcane yield prior to harvest. To this end, Sentinel-2 satellite imagery was integrated with engineered agronomic features, including indicators of water and fertilizer use efficiency. In addition, the K-means clustering algorithm was employed to partition fields into homogeneous groups, enabling the KNN model to better capture spatial heterogeneity and improve prediction accuracy. Key vegetation indices were extracted from Sentinel-2 time-series imagery, and engineered features were generated to enrich the dataset. The proposed model achieved a coefficient of determination (R²) of 0.8706 and a root mean square error (RMSE) of 7.80 t ha⁻¹ on the test dataset. Feature importance analysis revealed that the engineered variables—particularly water productivity—were among the main predictors of yield. The results demonstrate that integrating satellite data with a simple yet effective KNN model provides a transparent and practical tool to support decision-making in precision agriculture.پیشبینی دقیق عملکرد محصولات استراتژیک مانند نیشکر، نقشی کلیدی در مدیریت بهینه منابع و تضمین امنیت غذایی دارد. هدف اصلی این پژوهش، توسعه مدلی مقاوم و قابل تفسیر بر پایه الگوریتم رگرسیون K-نزدیکترین همسایه (KNN) برای پیشبینی عملکرد نیشکر پیش از برداشت است. در این راستا، تصاویر ماهوارهای سنتینل۲ با ویژگیهای زراعی مهندسیشده، شامل شاخصهای کارایی مصرف آب و کود، تلفیق شدند. افزون بر این، الگوریتم خوشهبندی K-میانگین برای تقسیم مزارع به گروههای همگن بهکار رفت تا مدل KNN بتواند ناهمگنی فضایی را بهتر درک کند و دقت پیشبینی را افزایش دهد. شاخصهای کلیدی پوشش گیاهی از تصاویر سری زمانی سنتینل۲ استخراج و ویژگیهای مهندسیشده برای غنیسازی دادهها ایجاد شدند. مدل پیشنهادی در مجموعه آزمون به ضریب تبیین (R²) برابر با 8706/0 و جذر میانگین مربعات خطا (RMSE) معادل 80/7 تن در هکتار دست یافت. تحلیل اهمیت ویژگیها نشان داد که متغیرهای مهندسیشده، بهویژه بهرهوری آب، از پیشبینیکنندههای اصلی عملکرد هستند. نتایج این پژوهش نشان میدهد که تلفیق دادههای ماهوارهای با مدل KNN ساده اما اثربخش، ابزاری شفاف و عملی برای پشتیبانی تصمیمگیری در کشاورزی دقیق فراهم میآورد.https://ijbse.ut.ac.ir/article_105374_6a1a1f09efd311909b5b4e8e8723648e.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480356420251222Classification of Final Maillard Reaction Products in Protein-Polysaccharide Conjugates Using Hyperspectral Imaging and Machine Learning Modelsطبقهبندی محصولات نهایی واکنش میلارد در مزدوج های پروتئین-پلی ساکارید با تصویربرداری فراطیفی و مدلهای یادگیری ماشین10712310537510.22059/ijbse.2025.403611.665622FAمحمد حسیننرگسیگروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایرانسمیهعزیزنیااستادیار گروه بهداشت و صنایع غذایی ، دانشکده پیرادامپزشکی ، دانشگاه ایلام ، ایرانکامرانخیرعلی پورگروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایرانمحمدکردگروه بهداشت و صنایع غذایی، دانشکده پیرا دامپزشکی، دانشگاه ایلام، ایلام، ایران.زهراکاویانیگروه بهداشت و صنایع غذایی، دانشکده پیرا دامپزشکی، دانشگاه ایلام، ایلام، ایرانJournal Article20251004 The Maillard reaction is a chemical reaction between free amino groups in proteins and carbonyl groups of reducing sugars. The formation of a covalent bond between protein and carbohydrate, known as a protein-saccharide conjugate or conjugate compounds, improves the functional properties of proteins and is effective in developing and enhancing the flavor and color of foods. However, without precise control, there are concerns about the formation of compounds harmful to human health. Therefore, optimizing the reaction conditions to leverage its benefits and minimize harmful compounds is essential. In this research, whey protein concentrate and beta-glucan were conjugated at different temperatures, and the final Maillard reaction products were assessed using UV-visible spectrophotometry. The data were processed using Principal Component Analysis and machine learning algorithms, including Random Forest (RF), K-Nearest Neighbors (KNN), and Support Vector Machine (SVM). The KNN algorithm demonstrated superior performance, achieving a classification accuracy of 91.04%. The SVM model, employing "one-vs-one" and "one-vs-rest" strategies, attained accuracies of 87.88% and 84.85%, respectively, while the RF model yielded the lowest accuracy (77.20%). Spectral analysis confirmed that increased temperature led to a significant formation of final Maillard products. The machine learning models based on spectral data successfully enabled the precise discrimination of samples based on process temperature. In summary, this study demonstrated that the proposed approach of integrating UV-visible spectroscopy with machine learning possesses significant potential as a fast, non-destructive, and efficient method for monitoring the Maillard reaction and optimizing thermal processes in the food industry میلارد واکنش شیمیایی است که بین گروههای آمین آزاد پروتئینها و گروههای کربونیل قندهای احیا کننده انجام میشود. تشکیل پیوند کووالانسی بین پروتئین و کربوهیدرات، با عنوان مزدوج پروتئین- ساکارید یا ترکیبات کونژوگه شناخته شده که علاوه بر بهبود ویژگیهای کاربردی، در بهبود طعم و رنگ مواد غذایی نیز مؤثر است. با این حال، در صورت عدم کنترل دقیق، نگرانیهایی در مورد تشکیل ترکیبات مضر برای سلامت انسان وجود دارد. بنابراین، بهینهسازی شرایط واکنش برای بهرهگیری از مزایای آن و به حداقل رساندن ترکیبات مضر، امری ضروری است. در این پژوهش، کنسانتره پروتئین آب پنیر و بتاگلوکان تحت دماهای مختلف مزدوج شده و محصولات نهایی میلارد با اسپکتروفوتومتری فرابنفش-مرئی سنجش شد. دادهها با روش تحلیل مؤلفههای اصلی و الگوریتمهای یادگیری ماشینی شامل جنگل تصادفی، نزدیکترین همسایگان و ماشین بردار پشتیبان پردازش شدند. نتایج نشان داد که الگوریتم نزدیکترین همسایگان با دقت 04/91 درصد بهترین عملکرد را در طبقهبندی نمونهها داشت. ماشین بردار پشتیبان با دقتهای 88/87 و 85/84 درصد با دو راهبرد «یکی در برابر یکی» و «یکی در برابر همه»، و جنگل تصادفی با دقت 20/77 درصد در رتبههای بعدی قرار گرفتند. بررسیهای طیفی تأیید کرد که افزایش دما موجب افزایش محصولات نهایی میلارد شده و مدلهای یادگیری ماشین بر پایه دادههای طیفی، امکان تفکیک دقیق نمونهها بر اساس دمای فرآیند را فراهم نمودند. این پژوهش نشان داد که رویکرد پیشنهادی ادغام اسپکتروسکوپی فرابنفش-مرئی با یادگیری ماشین، بهعنوان یک روش سریع، غیرمخرب و کارآمد، پتانسیل قابلتوجهی برای پایش واکنش میلارد و بهینهسازی فرآیندهای حرارتی در صنایع غذایی دارا میباشد.https://ijbse.ut.ac.ir/article_105375_b1b25865a712f107798438b89a844d23.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480356420251222A review on effects of stalk moisture content, blade cutting speed and cutting position parameters on cutting behavior of agricultural crops stalk in impact and quasi static cutting processesمروری بر تاثیر پارامترهای رطوبت ساقه، سرعت برش تیغه و موقعیت برش بر رفتار برشی ساقه محصولات کشاورزی در فرآیندهای برش ضربه ای و شبه استاتیکی12515310537610.22059/ijbse.2025.403014.665617FAمحمدرضاکماندارگروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه جیرفت، جیرفت، ایرانمسلمنامجوگروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه جیرفت، جیرفت، ایرانJournal Article20250925 Knowledge of cutting behavior of agricultural crops stems combined with design of new harvesting machines or optimization of existing machines can lead to the reduction of losses and damages to the crops. Studies have shown that determining properties such as cutting force, cutting strength and cutting energy are among the most important factors in the design of cutting mechanism of harvesting machines, and these properties also change under the influence of cutting speed, stem moisture content and cutting position. Given the importance of the subject, the present article aims to review and summarize the scientific findings of researchs conducted on the effect of cutting speed, stem moisture content and cutting position on the mechanical cutting properties of agricultural crops stems in two types of impact and quasi-static cutting procsses. For this purpose, relevant articles and theses have been selected and examined from the SID, Irandoc, Scopus, and Science Direct databases. Studies have shown that stem cutting speed, as an important and influential factor in the design of the cutting blade mechanism of harvesting machines, has a greater impact on the cutting behavior of agricultural crops. According to the reported results, increasing the stem cutting speed of a crop such as sesame from 1 to 2 m s-1 reduces the cutting force by 45%, the cutting energy by 22%, and the shear strength by 33%.آگاهی از رفتار برشی ساقه محصولات کشاورزی توام با طراحی ماشینهای برداشت نوین و یا بهینهسازی ماشینهای موجود میتواند منجر به کاهش زیانهای وارده به محصول شود. بررسی مطالعات انجام شده نشان میدهد خواصی مانند نیروی مصرفی برش، مقاومت برشی و انرژی مورد نیاز برش از مهمترین عوامل موثر در طراحی مکانیزم برش ماشینهای برداشت محسوب شده و این خواص نیز تحت تاثیر پارامترهای سرعت برش، رطوبت ساقه و موقعیت برش تغییر مینمایند. مقالة حاضر با هدف مرور و جمعبندی یافتههای علمی پژوهشهای انجام شده در زمینه تاثیر پارامترهای سرعت برش، رطوبت ساقه و موقعیت برش بر خواص مکانیکی برشی ساقه محصولات کشاورزی در دو نوع برش ضربهای و شبهاستاتیکی تدوین گردیده و بدین منظور مقالات و پایاننامههای مرتبط با موضوع از پایگاههای SID، Irandoc، MagIran، Google Scholar، Scopus و Science Direct انتخاب و مورد بررسی قرار گرفته است. بررسی مطالعات نشان میدهد سرعت برش ساقه بهعنوان یک عامل مهم در طراحی مکانیزم تیغه برش ماشینهای برداشت، نسبت به دو پارامتر رطوبت ساقه و موقعیت برش بر رفتار برشی ساقه محصولات کشاورزی تاثیر بیشتری داشته و انتخاب سرعتهای بالای برش میتواند باعث کاهش چشمگیر مقادیر نیروی مورد نیاز برش، انرژی مصرفی برش و مقاومت برشی ساقه گردد. بر اساس نتایج گزارش شده، افزایش سرعت برش ساقه یک محصول مانند کنجد از 1 به 2 متر بر ثانیه باعث میگردد تا نیروی مورد نیاز برش ساقه 45 درصد، انرژی مصرفی برش ساقه 22 درصد و مقاومت برشی ساقه 33 درصد کاهش یابد.https://ijbse.ut.ac.ir/article_105376_9074ae6b75e8c958664b3a3f5c6b6640.pdf