%0 Journal Article %T طبقه بندی ارقام سیب زمینی بر اساس چقرمگی بوسیله شبکه عصبی مصنوعی و روش LDA %J مطالعات علوم محیط زیست %I مرکز فناوری های پایش آلودگی هوا و آب و سامانه های انرژی %Z 2588-6851 %A خرمی فر, علی %A راسخ, منصور %A کرمی, حامد %A مردانی کرانی, عارف %D 2021 %\ 12/22/2021 %V 6 %N 4 %P 4230-4237 %! طبقه بندی ارقام سیب زمینی بر اساس چقرمگی بوسیله شبکه عصبی مصنوعی و روش LDA %K "سیب زمینی " %K "چقرمگی" %K "شبکه عصبی مصنوعی" %K "طبقه بندی" %K "LDA" %R %X در پاسخگویی به یکی از بزرگ ترین چالش های قرن حاضر یعنی برآورد نیاز غذایی جمعیت در حال رشد، تکنولوژی های پیشرفته‌ای در کشاورزی کاربرد پیدا کرده است. سیب زمینی، یکی از مواد غذایی اصلی در رژیم غذایی مردم جهان است. لذا مطالعه روی جنبه‌های مختلف آن، از اهمیت زیادی برخوردار است. به دلیل تعدد زیاد واریته های این محصول و برخی مواقع عدم آشنایی احدهای فرآوری با ارقام آن و نیز وقت گیر بودن و عدم دقت زیاد در شناسایی ارقام مختلف سیب زمینی توسط کارشناسان و زارعین، و اهمیت شناسایی ارقام سیب زمینی و نیز سایر محصولات کشاورزی در هر مرحله از پروسه‌ی صنایع غذایی، نیاز به روش هایی برای انجام این کار با دقت و سرعت کافی، ضروری می باشد. این مطالعه با هدف استفاده از خواص مکانیکی همراه با روش های کمومتریکس از جمله LDA و ANN به عنوان یک روش سریع و ارزان برای تشخیص ارقام مختلف سیب زمینی انجام شد. در پژوهش حاضر ، از دستگاه سنتام موجود در دانشگاه محقق اردبیلی جهت تعیین خواص مکانیکی استفاده شد. بر اساس نتایج به دست آمده برای تشخیص رقم با روش های مذکور دقت روشهای LDA و ANN بالای 70 % به دست آمد. %U https://www.jess.ir/article_138733_08c4ef0870aadec7e0bad1d37ef7398c.pdf