1404/06/16
رضا امیری چایجان

رضا امیری چایجان

مرتبه علمی: استاد
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس: 35387357700
دانشکده: دانشکده کشاورزی
نشانی: همدان-دانشگاه بوعلی سینا-دانشکده کشاورزی-گروه مهندسی بیوسیستم
تلفن:

مشخصات پژوهش

عنوان
استفاده از بینی الکترونیکی و پردازش تصویر در تشخیص نوع فرآوری برخی گیاهان دارویی
نوع پژوهش
پایان نامه
کلیدواژه‌ها
گیاهان دارویی، بینی الکترونیکی، خشک‌کردن، PCA، SVM، RGB، Lab، HSV
سال 1403
پژوهشگران حمیدرضا جانجان(دانشجو)، رضا امیری چایجان(استاد راهنما)، حسین باقرپور(استاد مشاور)، جعفر امیری پریان(استاد مشاور)

چکیده

گیاهان دارویی نقش بسزایی در جوامع امروزی دارند. مصرف رو به رشد گیاهان دارویی به دلیل اهمیت بالای آن‌ها نیازمند فرآوری این گیاهان است. خشک‌کردن گیاهان دارویی از اساسی‌ترین مراحلی است که وجود کمترین نقص در آن‌ها موجب خسارات فراوانی می‌شود. گیاهان دارویی خشک‌شده می‌توانند جایگزین مناسبی برای گیاهان تازه باشند. برای افزایش کیفیت گیاهان دارویی خشک‌شده، روش‌های فیزیکی و شیمیایی مختلفی در مراحل تولید وجود دارد، مانند خشک‌کردن، اگر روش مناسبی به کار گرفته نشود، کیفیت فیزیکی و شیمیایی محصول، تحت تأثیر قرار می‌گیرد. استفاده از روش‌ها و دماهای نامناسب در فرآیند خشک‌کردن، کیفیت محصول را تغییر داده و رایحه و رنگ آن را نیز تحت تأثیر قرار می‌دهند بنابراین خشک‌کنی که کمترین اثر بر کیفیت رایحه و رنگ را داشته باشد، بایستی انتخاب ‌شود. هدف این پژوهش، استفاده از بینی الکترونیکی و پردازش تصویر در فرآوری گیاهان دارویی ریحان، آویشن و رزماری در سه روش مختلف خشک‌کردن، شامل: سایه‌ خشک، نرمال اتمسفر مادون‌قرمز و کنترل اتمسفر مادون‌قرمز در دمای 40 درجه‌ی سلسیوس است. رایحه و تغییرات رنگ گیاهان خشک‌شده با استفاده از بینی الکترونیکی و پردازش تصویر اندازه‌گیری شد. داده‌های به ‌دست‌ آمده از بینی الکترونیکی با استفاده از تکنیک تجزیه مؤلفه‌های اصلی (PCA) و ماشین بردار پشتیبان (SVM) تحلیل گردید. طبق نتایج به ‌دست‌ آمده، آنالیز مؤلفه‌های اصلی با دو مؤلفه‌ی PC-1 و PC-2 توانست 78 درصد از واریانس داده‌ها را پوشش دهد. در مجموعه‌ی حسگری، حسگرهای MQ2، TGS822 و TGS2610 به ترتیب بالاترین مقادیر ضریب لودینگ و حسگرهای TGS813 و MQ4 به ترتیب کمترین مقادیر این ضریب را به خود اختصاص دادند. از سوی دیگر روش ماشین ‌بردار پشتیبان توانست با دقت آموزش و دقت طبقه‌بندی به ترتیب 100 و 75 درصد افتراق گیاهان و به ترتیب 100 درصد و صفر نوع خشک‌کن‌های هر گیاه را طبقه‌بندی کند. شاخص‌های فضاهای رنگی RGB، Lab و HSV توانستند نوع خشک‌کردن هر گیاه را نسبت به گیاه تازه تشخیص و آن‌‌ها را طبقه‌بندی کنند.