امروزه به دلیل رشد سریع جمعیت و توسعه شهرها، کمبود امکانات برای دفع زباله، و همچنین اثرات زیست‌محیطی و بیماری‌های ایجادشده درنتیجه‌ی روش‌های نامناسب دفع زباله، اهمیت مطالعه و بررسی وضعیت جمع‌آوری، حمل‌ونقل،‌ دفع زباله و خصوصیات کمی و کیفی واثرات زیست‌محیطی زباله‌های جامد شهری بسیار احساس می‌شود. هدف از مطالعه حاضر بررسی اثرات زیست‌محیطی روش‌های دفع پسماند شهری شهر کرمانشاه با استفاده از روش ارزیابی چرخه زندگی (Life cycle assessment) می‌باشد. بدین منظور سه روش کمپوست‌سازی، بازیافت و دفن زباله که از روش‌های غالب دفع زباله جامد شهری (Municipal solid waste) هستند، در کلان‌شهر کرمانشاه مورد بررسی قرار گرفت. بدین منظور در ابتدا اطلاعات مورد نیاز برای تعیین خصوصیات کمی و مقدار زباله تولیدی و تعیین اجزا فیزیکی تشکیل‌دهنده زباله (کاغذ، شیشه، پلاستیک و...) از شهرداری جمع‌آوری شد؛ سپس به‌منظور تکمیل این اطلاعات و بررسی اثرات زیست‌محیطی دفع زباله، روش ارزیابی چرخه زندگی مورداستفاده قرار گرفت؛ همچنین مرز سامانه، واحد عملکردی و سناریوهای دفع تعیین شد و سپس در مرحله بعد، سیاهه انتشار برای هریک از سناریوها فهرست شد. لازم به ذکر است که در مرحله بعدی از به‌روزترین روش ارزیابی شاخص‌ها که نرم‌افزار ایستک (EASETECH) می‌باشد، برای محاسبه میزان انتشارات و اثرات زیست‌محیطی استفاده شد و در پایان، نتایج تفسیر شد. در این پژوهش با دراختیار داشتن 1000 کیلوگرم پسماند جامد از سه سناریو کمپوست‌سازی، بازیافت و دفن در نرم‌افزار استفاده گردید. نتایج نشان داد حدود حدود 50 درصد از آسیب‌های وارد بر سلامت انسان و محیط‌زیست ناشی از دفع پس از کمپوست می‌باشد، زیرا راندمان آن حدود 40 درصد است همچنین راندمان دفع پس از مرحله بازیافت تنها 30 درصد است که نشان از کم بودن مواد قابل بازیافت دارد. همچنین نتایج نشان داد حدود 76/94 کیلوگرم پسماند به صورت پلاستیک، کاغذ و منسوجات بازیافت شده‌اند که منجربه کاهش 8/68 درصد هزینه‌ها شده است و پس از آن فرآیند MRF با 6/20 و فرآیند کمپوست با 12 درصد قرار دارند. طبق نتایج بدست‌آمده این سه سناریو دوستدار محیط‌زیست نبوده و در پایان پژوهش پبشنهاداتی جهت بهبود مدیریت پسماند در شهر کرمانشاه ارائه گردید.

  قَهوه نوعی نوشیدنی رایج است که از دانه‌های بوداده و آسیاب‌شده گیاه قهوه به دست می‌آید. گیاه قهوه بومی مناطق نیمه‌گرمسیری آفریقا و برخی از جزایر جنوب و جنوب شرق آسیا است. هنگام رسیدن میوه‌ی گیاه قهوه، دانه‌های قهوه را برداشت، فرآوری و در نهایت خشک می‌کنند. دانه‌های قهوه ی خشک‌شده به درجات مختلف بوداده می‌شوند و بسته به عطروطعم موردنظر، درجه‌بندی‌های مختلفی برای این محصول در نظر گرفته‌ می شود. قهوه کمی اسیدی است و می‌تواند به علت داشتن کافئین بالا موجب تحریک انسان گردد قهوه یکی از باارزش‌ترین محصولات اساسی است که دومین کالای اصلی بعد از نفت می باشد. تشخیص ناخالصی‌ها و افزودنی‌های طبیعی و غیرطبیعی در قهوه یک نگرانی دائمی است به‌ویژه در رابطه با تضمین کیفیت محصول با افزودن عمدی یا تصادفی مواد خارجی که می‌تواند به مصرف‌کننده به‌خصوص با ماهیت اقتصادی آسیب وارد کند. ازاین‌رو پژوهشگران همواره در تلاش هستند که راه‌حلی مناسب برای تشخیص تقلبات در قهوه ارائه دهندکه با درنظر گرفتن کابردی بودن روش و به‌دست آوردن نتیجه مناسب برای آزمایشات، غیرمخرب و سریع بودن روش ازاهمیت بالایی برخوردار است. هدف از پژوهش حاضر استفاده از سامانه ماشین بویایی و هوش مصنوعی برای تشخیص تقلب در قهوه عربیکا (Medium Dark) بود.برای این هدف، ابتدا دانه قهوه عربیکا از شرکت معتبر داخلی و نمونه پودرهای تقلبی شامل از پودر دانه سویای برشته شده، آرد گندم،آرد جو، قهوه ربوستا به مقدار نیاز در آزمایش تهیه شد. برای انجام آزمایش‌ها، قهوه عربیکا با درصد‌های وزنی 10 ،40،30،20 و 50 درصد با پودر های تقلبی مخلوط شد. برای هر نمونه از قهوه و پودرهای استفاده شده برای تقلب یک نمونه 100درصد خاص درنظر گرفته شد. 10 گرم از مخلوط هر نمونه داخل100میلی لیتر آب جوشان اضافه شده و به مدت 2 دقیقه درحال جوش نگهداری شد. نهایتا یک دقیقه درحالت سکون و دور ازحرارت نگهداری شد تا ذرات ته نشین شده و نهایتا مایع رویی جهت انجام آزمایش بویایی مورد استفاده قرار گرفت بعد ازمرحله ی مکش بوی نمونه توسط دستگاه بویایی، داده‌های به‌دست آمده توسط روش‌های PCA ،LDA و ANN مورد تحلیل قرارگرفت. با توجه به نتایج به‌دست آمده، روش ANN طبقه‌بندی بهتری را نسبت روش LDA ارایه داد.

در میان انرژی­های تجدیدپذیر، انرژی بادی به­خاطر عدم آلایندگی محیط­زیست و شرایط اقتصادی بهتر، امروزه بیشتر مورد توجه واقع ‌شده است. هدف از مطالعه حاضر، مدل­سازی یک سیستم بادی در کارخانه تولید روغن زیتون واقع در استان گیلان، به‌منظور تامین انرژی از دیدگاه ارزیابی چرخه زندگی(Life cycle assessment)   می‌باشد. در این مطالعه با توجه به مقدار بالای کشت زیتون و تولید روغن آن در منطقه، برای تعیین انرژی مصرفی در فرآیند تولید روغن زیتون؛ ابتدا اطلاعات لازم شامل مراحل تولید و تمامی نهاده­ها و انرژی­های مختلف بکار رفته در تولید روغن زیتون از کارخانه مورد مطالعه جمع­آوری گردید و مقادیر انرژی ورودی شاخص­های انرژی مصرفی محاسبه شد. سپس با توجه به سوخت و الکتریسیته مورد نیاز برای تولید روغن زیتون در سامانه مرسوم، سامانه بادی مبتنی بر نیروگاه منجیل مدل­سازی شد. در گام بعد با استفاده از روش ارزیابی چرخه زندگی ReCiPe2016، پس از تعیین مرز سامانه و واحد عملکردی برای کارخانه مذکور و تحلیل سیاهه توسط داده‌های جمع‌آوری‌شده و نیز اندازه­گیری پایگاه‌های داده به‌طور جامع برای هر دو سناریو پرداخته شد. نتایج برآن بود کل انرژی مصرفی27/4437 مگاژول است که الکتریسیته با سهم 44/32 درصد انرژی برترین در میان نهاده­ها برای تولید محصول می­باشد. نتایج شاخص‌های انرژی نیز بیانگر آن بود که بهره­وری انرژی 23/0 کیلوگرم بر مگاژول و انرژی ویژه 44/4 مگاژول بر کیلوگرم می‌باشد. نتایج مدل­سازی سامانه‌ی بادی نیز نشان داد به‌طور متوسط تعداد 6-10×01/2 برای سامانه بادی جهت تولید برق با توجه به اقلیم و شرایط آب و هوایی مورد نیاز برای 1 تن روغن زیتون حاصل گردید. ارزیابی چرخه زندگی محصول نشان داد در تمامی رده­های آسیب، سامانه بادی کمترین مقدار انتشارات را به خود اختصاص داده است. همچنین در دو سامانه مرسوم و بادی، پلی اتیلن ترفتالات بالاترین سهم را در انتشارات رده­های آسیب در تولید محصول دارا می‌باشد. همچنین نتایج نشان داد در مجموع مقادیر کل انتشارات سامانه مرسوم، بیشترین میزان انتشار را به خود اختصاص داده است.     

   چکیده انرژی به‌عنوان یکی از مهم‌ترین و ضروری‌ترین عوامل تولید، دارای تاثیر قابل‌توجهی است. با توجه ‌به اینکه منابع سوخت‌های فسیلی رو به اتمام است، پژوهشگران به دنبال جایگزین‌کردن سوخت بیودیزل به عنوان یک سوخت زیستی قابل تجدید و دارای خواص نزدیک به گازوئیل هستند. تحقیق حاضر به دنبال مدل‌سازی داده‌های بینی الکترونیکی در پیش‌بینی پایداری اکسیداسیون و ویژگی‌های فیزیکی و شیمیایی بیودیزل و بررسی پایداری اکسیداسیون نمونه بیودیزل با دستگاه رانسیمت (Rancimat) و به‌کارگیری الگوریتم‌های مبنی بر هوش مصنوعی و آماری است. در این تحقیق ابتدا سوخت‌های بیودیزل از منابع مختلف روغن کلزا و آفتابگردان و پسماند آشپزی با متانول و کاتالیزور   KOH(پتاسیم هیدروکسید) تهیه شدند. هرکدام از سوخت‌ها با درصد حجمی 2، 5، 10 و 20 با سوخت دیزل مخلوط شده، با کمک سامانه بینی الکترونیکی مجهز به 10 حسگر ارزیابی و ویژگی‌های فیزیکی و شیمیایی همچون چگالی، گرانروی به همراه پایداری اکسیداسیون آنها به روش استاندار Rancimat در مدت ‌زمان‌های مختلف (هر آزمایش در یک ماه) مورد تجزیه ‌و تحلیل قرار گرفت. همچنین با روش‌های مختلفی همچون شبکه عصبی مصنوعی(ANN)، تحلیل مولفه‌های اصلی (PCA)، تحلیل تفکیک خطی و درجه دوم (LDA و QDA)، تحلیل ماشین بردار پشتیبان (SVM) و روش سطح پاسخ (RSM) هر کدام در هر ماه مورد تجزیه و تحلیل قرار گرفت. نتایج بدست آمده نشان داد برای طبقه‌بندی و تفکیک انواع سوخت‌های خالص، روش ANN با دقت 100 درصد قادر به تفکیک سوخت‌های خالص از هم در هر چهار ماه می‌باشد. دقت سایر روش‌های طبقه‌بندی برای تفکیک سوختهای خالص از همدیگر در هر چهار ماه به ترتیب برای SVM 94، 95، 82، 84، برایQDA 100، 100، 100 و 99، برای RSM به صورت 100، 93، 98 و 96 و برای LDA به ترتیب   100، 98، 100و 100 درصد بود. همچنین برای شناسایی و قرار دادن انواع سوخت‌های خالص (D100، K100، WCO100، SUN100) در یک گروه (Pure) و انواع سوخت‌های ناخالص در گروه دیگر (Impure) روش ANN با دقت 100، 8/98، 100 و 100 درصد قادر به تفکیک سوخت خالص از ترکیب دیزل- بیودیزل است. کلیدواژه: بیودیزل، روغن کلزا، روغن آفتابگردان، روغن پسماند آشپزی، پایداری اکسیداسیون، بینی الکترونیکی، هوش مصنوعی

   چکیده محصولات لبنی ، ارزش غذایی بالایی دارند و از گروه های غذایی پرمصرف برای تغذیه عموم هستند و به طور گسترده در صنایع غذایی استفاده می شوند. بنابراین، آن ها به دلیل اهمیت اقتصادی زیاد ، یکی از رایج ترین محصولاتی هستندکه در آن تقلب صورت می گیرد. برخی از تکنیک‌های تقلب را می‌توان به‌عنوان افزودن آب به شیر، افزودن شیرهای گونه‌های مختلف، جایگزینی چربی و افزودن آب پنیر به شیر فهرست کرد. افزودن آب پنیر به شیر یا مواد جامد آب پنیر به محصولات لبنی یکی از متداول‌ترین روش‌های تقلب است. در سال 2008 در چین، تقلب غیرقانونی شیر با ملامین منجر به عوارض کلیه و مجاری ادراری در 294000 کودک با مرگ 6 مورد شد. ملامین   عمداً به شیر، شیر خشک نوزادان، غذای حیوانات خانگی و سایر مواد غذایی جهت تقلب اضافه می شود. این حقایق باعث افزایش توسعه روش های تحلیلی برای تعیین ملامین در غذا و خوراک شده است. در این پژوهش تشخیص میزان تقلب در شیرخشک از روش بویایی الکترونیکی استفاده شد. برای انجام آزمایش­ها ابتدا شیرخشک ، پودر آب پنیر و ملامین تهیه گردید و بر اساس مقادیر مختلف درصد تقلب (10% ، 20% ، 30% ، 40% ، 50% ) ترکیب شد. کلیه آزمایش ها در ? سطح مختلف پودرآب پنیر و ملامین و با دو روش آزمایش به صورت خشک و به صورت ترکیب شده با آب جوش توسط بینی الکترونیکی انجام شد. داده ها به کمک روش های PCA ، LDA ، SVM ، ANN تحلیل شدند. بر اساس نمودار لودینگ تحلیل PCA برای آزمایش های خشک ، حسگرهای   MQ136، MQ3 و   TGS2602، بیشترین اثر را بر روی مولفه اصلی داشتند در حالی که برای تشخیص تقلبات شیر خشک تر حسگرهای MQ9، MQ3 و TGS822، بیشترین اثر را داشتند. بر اساس نتایج تحلیل LDA ، برای طبقه‌بندی داده‌های تقلب در شیر خشک به صورت خشک دقت مدل برابر 67/86 درصد و به صورت تر برابر با 15/95 درصد بود. همچنین در تحلیل SVM و ANN این اعداد به ترتیب برابر 9/92 و 6/97 درصد بود. با توجه به نتایج آزمایشات خشک ، مقادیر Specificity   وSensitivity   در روش SVM و ANN به ترتیب برابر 993/0 و 933/0 ، 89/0 ، 917/0 بودند. همانطور که مشخص است روش ANN طبقه بندی بهتری را نسبت به روش SVM ارئه می دهد. همچنان در آزمایش های تر نتایج مقادیر Specificity   و Sensitivity   در روش SVM و ANN به ترتیب برابر 997/0 و 975/0 ، 997/0 ، 975/0 بود. همانطور که مشخص است روش ANN طبقه بندی بهتری را نسبت به روش SVM ارائه می دهد. واژه­های کلیدی: شیر خشک ، تقلب ، بینی الکترونیکی ، پودرآب پنیر ، ملامین ، کمومتریکس

چغندرقند یکی از گیاهان بسیار مناسب جهت تولید قند و شکر می باشد. برگهای چغندرقند با استفاده از نور خورشید، تولید قند نموده که این قندها به سمت ریشه برگشته و در آنجا ذخیره می شوند. به طور کلی برگها نقش کارخانه قند سازی را بر عهده دارد. درصد قند چغندر، هم برای کشاورز و هم برای کارخانه قند بسیار مهم است چرا که بر این اساس، بهای چغندری پرداخت می گردد. هدف از این تحقیق، تخمین میزان ساکاروز محصول زراعی چغندرقند با استفاده از روش پردازش تصویر و تعیین بهترین زمان برداشت محصول چغندر قند بود. بدین منظور، از سطح 1000 مترمربعی از یک مزرعه چغندرقند، یک ماه قبل از تاریخ برداشت توصیه شده و یک ماه پس از آن بصورت یک روز در میان داده برداری شد. هر بار 5 بوته کامل چغندرقند بصورت تصادفی برداشت شد و از تمامی برگ ها تصویربرداری انجام گرفت. برای تخمین میزان قند چغندرقند و بدست آوردن مناسبترین زمان برداشت آن با روش پردازش تصویر، نیاز به مدل سازی مناسبی بین شاخص برداشت و زمان برداشت محصول است. مهمترین شاخص برداشت چغندرقند، عیار قند است. بدین منظور با استفاده از روش درخت تصمیم گیری سعی شد تا از بین ویژگی های برگ ها و تصاویر آنها موثرترین ورودی ها انتخاب شوند. سپس مدلی جهت یافتن ماکزیمم عیار قند متناسب با زمان برداشت محصول با استفاده از روش RSM طراحی شد. بهترین زمان برداشت محصول چغندرقند با بیشترین عیارقند، روز 210 پس از کشت بدست آمد. در منطقه مورد آزمایش، چغندرقند در روز 215 برداشت شده بود که تقریبا با محاسبات مدل سازی توسط سطح پاسخ همخوانی داشت. برای طراحی یک تصمیم یار است که قادر باشد به کشاورز زمان تقریبی برداشت را اعلام نماید، زمان سپری شده از روزکاشت تا برداشت هر نمونه­، از زمان بهینه برداشت که بیشترین عیار قند را دارد، کسر شد و اختلاف آنها به عنوان خروجی مدل تصمیم یار استفاده شد. نتایج درخت تصمیم نشان داد که میانگین مقدار B مربوط به کوچکترین سطح برگ، مقدار سطح کوچکترین برگ و مقدار سطح بزرگترین برگ ورودی های مناسبی برای تدوین تصمیم یار می باشند. برای طراحی و مدل سازی تصمیم یار، از سه روش مدل سازی سطح پاسخ، انفیس و شبکه های عصبی مصنوعی استفاده شد که این سه ویژگی به عنوان ورودی در نظر گرفته شدند و تعداد روز باقیمانده تا برداشت نیز به عنوان خروجی مدل در نظر گرفته شد. مقدار R2 در روش های سطح پاسخ، انفیس و شبکه­های عصبی   به ترتیب 83/0، 832/0 و 80/0 بود و روش انفیس در این میان با بیشترین دقت به عنوان بهترین مدل انتخاب شد.   

  در میان انواع انرژی‌های تجدیدپذیر، پایدارترین منبع انرژی در جهان انرژی خورشیدی می‌باشد. امروزه به‌کارگیری این انرژی از طریق سلول‌های فتوولتائیک (Photovoltaic cells) به دلیل عرضه پایان‌ناپذیر و ویژگی غیرآلاینده آن، برخلاف سوخت‌های فسیلی محدود بیش‌ازپیش اهمیت پیداکرده است. در مطالعه حاضر طراحی و شبیه‌سازی یک سیستم خورشیدی در کارخانه تولید کلوچه واقع در شهر تهران، به‌منظور تامین انرژی از دیدگاه ارزیابی چرخه زندگی(Life cycle assessment)

   یکی از مهم­ترین چالش‌ها در علم قارچ­شناسی، تفکیک قارچ­های غیر خوراکی از قارچ­های خوراکی است. با توجه به بروز پرتکرار مسمومیت‌های قارچی تفکیک قارچ­های خوراکی از غیر خوراکی از اهمیت بالایی برخوردار است. از آنجایی که فرایند شناسایی قارچ‌های ماکروسکوپی فقط توسط افراد تخصص صورت می‌گیرد، پایه‌ریزی روشی جایگزین که امکان تفکیک قارچ‌های غیر خوراکی از خوراکی را توسط افراد عادی میسر سازد، بسیار راهگشا خواهد بود. روش هوش مصنوعی و بینی الکترونیکی یک روش غیر مخرب و در دسترس است که می‌تواند در این مسیر مورد استفاده قرار گیرد. در واقع هدف از انجام این پژوهش، ارزیابی یک سامانه غیر   مخرب مبتنی بر فناوری­ بینی الکترونیکی، برای تفکیک قارچ‌های خوراکی از قارچ‌های غیر خوراکی است که در صورت موفقیت می‌تواند به حفظ سلامت و درمان بیماری­ها و کاهش مسمویت حاصل از قارچ­های غیر خوراکی می­باشد. لذا در این پژوهش از یک سامانه بویایی برای تفکیک قارچ­های خوراکی و غیر خوراکی استفاده شد. برای تحلیل داده­های بدست آمده از سامانه بویایی از روش­های ANN، تحلیل مولفه­های اصلی PCA، تحلیل تفکیک خطی LDA، تحلیل تفکیک خطی درجه2   QDA و ماشین بردار پشتیبان SVM   استفاده شد. طبقه­بندی داده­های حاصــل از سیگنال­های به دست آمده از آرایه حسگری نشان داد که روش‌های LDA، QDA و ANN   عملکرد بسیار مناسبی در تفکیک قارچ­ها بر اســاس خوراکی و غیر خوراکی بودن آن­ها داشــته و دقت بالایی در طبقه­بندی به دست آمد. استفاده از روش QDA برای تفکیک و طبقه­بندی انواع مختلف قارچ‌های خوراکی و غیر خوراکی نسبت به روش LDA موثرتر و دقیق­تر بود.

کفشدوزک ها با نام انگلیسی، Lady bird ، متعلق به راسته سخت بالپوشان و خانواده ی، Coccinellidae هستند، حشرات کامل و لارو اغلب آنها شکارگر آفات مهم کشاورزی می باشند و نقش مهمی در کنترل شته ها، شپشک های گیاهی و حتی کنه ها دارند. در این تحقیق، بررسی فونستیک کفشدوزک ها و شناسایی پارازیتویید های مرتبط با آنها در استان کرمانشاه طی سفر به نقاطی از استان در سال‌های 1398 تا 1400 انجام شد. بیش از 4250 نمونه از اکوسیستم‌های مختلف گیاهی به روش های متعدد جمع‌آوری شد. شناسایی آنها بر اساس منابع و کلیدهای معتبر و جدید صورت گرفت. گونه های شناسایی شده در لیست زیر شامل 28 گونه و متعلق به 4 زیرخانواده می باشد: زیر خانواده Chilocorinae   (1 قبیله، 3 جنس و 5 گونه)، زیرخانواده Chilocorinae (3 قبیله، 7جنس و 11 گونه)، زیرخانواده Scymninae   (4 قبیله، 5 جنس و 9 گونه) و زیرخانواده Sticholotidinae (1 قبیله، 1جنس و 1 گونه) می باشد. گزارش های جدید با ستاره مشخص شده است. اطلاعات مربوط به جمع آوری برای هر گونه با اسامی مترادف، سوابق گذشته، گزارش جدید ، انتشار و نکات مهم در مورد هر گونه ثبت گردید. نکات مهم برای شناسایی هر گونه اغلب بر اساس خصوصیات اندام تناسلی نر و ویژگی های ظاهری حشرات بالغ به طور خلاصه و همراه با تصاویر ارایه گردید. تعداد 4 گونه زنبور پارازیتویید مرتبط با کفشدوزک ها نیز شناسایی و در لیست زیر به صورت جدا ارایه شده است. این دو لیست مربوط به تعداد معدودی از کفشدوزک و پارازیتویید های آنها در استان کرمانشاه است. اما یقینا فون کفشدوزک ها و دشمنان طبیعی آنها بسیار غنی تر از این است که پیشنهاد می شود در بررسی های آینده با امکانات بیشتر این مطالعه هر چه بیشتر تکمیل تر شود. علاوه بر این لیست شناسایی دو گونه از کفشدوزک­های جنس Nephus Mulsant, 1846 که احتمالا برای دنیا جدید باشند و بیش از 4 گونه زنبور پارازیتویید در دست اقدام است و جهت شناسایی وانجام کارهای مولکولی به خارج از کشور ارسال گردیده اند.گونه­های مشخص شده با علامت (?) برای اولین بار از استان کرمانشاه گزارش می­شوند. لیست گونه ها به شرح ذیل است:   Chilocorus bipustulatus (Linnaeus,1758), Exochomus quadripustulatus (Linnaeus, 1758)?, Exochomus undulatus Weise, 1878, Parexochomus pubescens (Kuster, 1848)?, Parexochomus nigromaculatus (Goeze, 1777), Coccinella septempunctata Linnaeus,1758, Hippodamia variegata (Goeze, 1777), Oenopia coglobata (Linnaeus, 1758), Oenopia onica (Olivier , 1808), Propylae quatuoredecimpunctata (Linnaeus, 1758)?, Adalia bipunctata (linnaeus, 1758), Adalia decimpunctata (Linnaeus, 1758)?, Ceratomegilla undecimnotata (D.H. Shneider, 1793)?, Psyllobora vigintiduopunctata (Linnaeus, 1758)?, Coccinula elegantula Weise, 1890, Coccinula redmita Weise 1885?, Stethorus gilvifrons (Mulsant, 1850), Scymnus flavicolis (Redtenbacher, 1843), Scymnus rubromaculatus Goeze,1777, Scymnus apetzi Mulsant, 1846?, Scymnus subvillosus (Goeze, 1777)?, Scymnus pharaonis Motschulsky, 1851,   Clitostethus arcuatus Rossi, 1794?, Hyperaspis pseudopustulata Mulsant, 1853, Diomus rubidus (Motscholsky, 1837), Pharoscymnus pharoides Marsuel, 1868, Nephus sp A?, Nephus sp B? زنبورهای پارازیتوئید: Encyrtidae: Homalotylus turkmenicus Myratseva, 1981 , Ooencyrtus sp. Pteromalidae: Pachyneuron muscarum (Linnaeus, 1758) Aphelinidae: Marietta picta (Andre, 1878)   کلید واژه­ها: تنوع، شکارگر، کنترل بیولوژیک، چک لیست و انتشار   

  رب گوجه فرنگی محصول اصلی گوجه فرنگی است که به صورت تجاری یا به صورت سنتی در‌‌‌‌ منزل تهیه می‌شود. طبق تعریف سازمان بهداشت جهانی، افزودن هر گونه ماده‌ی غیر مجاز و مضر به سبد غذایی انسان و حیوان تقلب نام دارد. گاهی افراد سود‌جو برای کم کردن هزینه‌های تولید و رسیدن به سود بیشتر دست به تقلب در مواد غذایی می‌زنند و سلامت انسان را به خطر می‌اندازند. بنابراین نیاز است تا روش‌های جدید و با سطح پاسخ سریع و بالا جهت شناسایی مواد افزودنی در رب استفاده شوند.از طرفی زمانی که یک ماده‌ی غذایی دچار تغییراتی شود و یا این که واکنش‌های شیمیایی در آن به وقوع بپیوندد، به طوری که ارزش مصرفی آن کاملا پایین آمده یا از بین برود، در این صورت چنین ماده ی غذایی دچار فساد شده است و آن را فاسد می‌نامند. در این پژوهش سعی بر آن است که بتوان به کمک ماشین بویایی علاوه بر تشخیص فساد در رب گوجه فرنگی، با شناسایی تقلب‌های رایج از جمله شناسایی مواد افزودنی نگهدارنده‌ی غیر مجاز در رب گوجه فرنگی به تامین سلامت تغذیه‌ای افراد جوامع پرداخت. در این پژوهش انجام کار در دو بخش بررسی آزمایشات بخش تقلبات و آزمایشات بخش فساد صورت پذیرفت. در بخش تقلبات، آزمایش به کمک افزودن دو ماده‌ی بنزوات سدیم و سوربات پتاسیم به صورت مجزا به نمونه‌های رب گوجه فرنگی انجام شد. پس از گذشت فاصله‌ی زمانی 2 ساعته تست‌های بویایی واندازه‌گیری اسیدیته، پی‌اچ در 20 نمونه انجام پذیرفت. در بخش دوم آزمایشات، که آزمایشات مرتبط با فساد رب گوجه بود آزمون‌های میکروبی و فیزیکی و شیمیایی رب انجام شد. در آزمون میکروبی سویه‌های مورد نظر پس از خریداری وآماده سازی اولیه به نمونه‌ها اضافه گردید. میکروارگانیسم‌ها با گذشت زمان باعث ایجاد تغییرات فیزیکی و شیمیایی در رب گوجه فرنگی شدند. جهت ارزیابی این تغییرات آزمون‌های فیزیکی وشیمیایی رب که شامل اندازه‌گیری pH، اسیدیته، بریکس، درصد‌ وزنی رسوب و تست بویایی بود انجام گرفت.

در این پژوهش با استفاده از سه دستگاه بینی الکتریکی برای تشخیص و تخمین میزان بوی روغن در هر 500 کیلومتر کارکرد ماشین ، رفرکتومتر برای تعیین میزان غلظت هر نمونه از روغن ، کالرمیتر برای اندازه گیری میزان رنگ پس از هر 500کیلومتر کارکرد، کارکرد روغن موتور را تخمین زدیم. از PCA ، LDA و شبکه عصبی برای طبقه بندی داده­های بویایی، داده های رنگ و داده های ادغام شده رنگ، بویایی و بریکس به دو روش استاندارد و نرمال جهت تشخیص مسافت یا کیلومتر طی شده استفاده نمودیم همچنین از آنالیز رگرسیون مولفه اصلی PCR ، و حداقل میانگین مربعات PLS برای پیش بینی تغییر رنگ، بریکس و مسافت طی شده استفاده گردید.   بر اساس نمودارهای اسکور و لودینگ داده­های مختلف (داده های بویایی، داده های رنگ و داده های ادغام شده رنگ، بویایی و بریکس به دو روش استاندارد و نرمال) در روش تحلیل مولفه­های اصلی PCA برای تشخیص مسافت یا کیلومتر طی شده واریانس داده­های رنگ مولفه­های اصلی اول و دوم به ترتیب 98% و 1% بود. که بیشترین تغییرات در داده­های رنگ مشاهده شد.   تمام نمونه روغن ها براساس مسافت طی شده یا همان عمرشان به خوبی از هم تفکیک و طبقه­بندی شدند، در نتیجه طبقه­بندی بر اساس رنگ بهتراست. با توجه به ماتریس اغتشاش حاصل از شبکه عصبی ، دقت طبقه­بندی برای داده­های رنگ نشان داد که دقت طبقه­بندی روغن­موتورهای با طول عمر مختلف با داده­های رنگ 93.6% به دست آمد که در میان تمام داده­ها بیشترین مقدار را داشت. نتایج حاصل از شبکه عصبی موید نتایج حاصل از PCA است که برای داده­های رنگ، تشخیص طول عمر روغن موتور به نحو مطلوبی انجام گرفته است. مقدار R2 برای PCR بین داده­های واقعی و داده­های پیش­بینی شده برای تغییر رنگ، بریکس و کیلومتر طی شده به ترتیب برابر با R2=0.7372، R2=0.8677   و

چکیده این مطالعه جهت بررسی شایستگی نسبی بیوتیپ های حساس و مقاوم خردل وحشی (Sinapis arvensis) به علفکش تری بنورون متیل (گرانستار) در دو بخش حمیل و مرکزی در سطح شهرستان اسلام آباد غرب، استان کرمانشاه طی سال زراعی 1397-1396   در دو بخش گلخانه و آزمایشگاه به اجرا درآمد. نتایج این آزمایش نشان داد که میزان مقاومت توده های مختلف برداشت شده از 9 طبقه ارتفاعی (از سطح دریا) با وجود افزایش شدت مقاومت در ارتفاعات، از نظر آماری تفاوت معنی داری را نشان ندادند و شاخص مقاومت ثبت شده بین 55/5 تا 64/6 به دست آمد.   نتایج حاصل از بررسی اثر دما بر جوانه زنی توده های حساس و مقاوم خردل وحشی نشان داد پاسخ توده های حساس و مقاوم در دماهای مختلف متفاوت بود   و در دمای 20 و 25 درجه سانتی گراد   توده های حساس بیشترین درصد جوانه زنی و قوه نامیه را نسبت به توده مقاوم داشتند. سرعت جوانه زنی نیز در تیمارهای مختلف دمایی تفاوت معنی داری را نشان داد و   در دمای( 5 و 20) درجه سانتیگراد   سرعت جوانه زنی توده های مقاوم به طور معنی داری بیشتر از توده حساس بود.   و در دمای 25 درجه سانتی گراد سرعت جوانه زنی توده حساس به طور معنی داری بیشتر از توده مقاوم بود. نتایج مربوط به اثر پتانسیل اسمزی مختلف نیز نشان داد که به طور کلی خردل وحشی نسبت به کاهش پتانسیل اسمزی خاک حساس بوده و درصد و سرعت جوانه زنی و قوه نامیه   توده های حساس در پتانسیل اسمزی   1/0 و 2/0 مگاپاسکال بیشترین بوده و در پتانسیل اسمزی 1 و 2/1 به صفر رسید. اسیدیته و توده های مقاوم و حساس خردل وحشی اثر معنی داری بر درصد جوانه زنی و قوه نامیه و همچنین مقادیر مختلف اسیدیته اثر معنا داری بر   بذر خردل وحشی دارد به طوریکه توده های مقاوم اسیدیته اسیدی تا خنثی را ترجیح می دهند. نتایج آزمایش دوز-پاسخ نشان داد اثر متقابل توده در مقدار تری بنورون متیل روی درصد جوانه زنی بذور خردل وحشی معنی دار بود.   بیشترین درصد جوانه زنی در غلظت های 25/0، 5/0، 1 و 2 درتوده مقاوم، و درتوده حساس در تیمار شاهد و غلظت 25/0 اتفاق افتاد یافت و جوانه زنی درهر دو توده حساس و مقاوم در غلظت های 8، 16 و 32 به صفر رسید. با توجه به شایستگی نسبی توده های حساس خردل وحشی از نظر جوانه زنی به نظر می رسد در صورتی که عملیات مدیریتی خاصی به منظور کاهش جوانه زنی این توده ها انجام نشود، در آینده جمعیت این توده ها گسترش یافته و در این صورت، احتمال بروز مشکلات روزافزون توسط این توده ها وجود دارد.    کلیدواژه ها: استولاکتات سنتاز، مقاومت، شایستگی نسبی، جوانه زنی

در سال­های اخیر رو به رشد بودن جامعه و افزایش تقاضا باعث افزایش آمار تقلب­­ در عرضه مواد غـذایی توسط افراد سود جو شده اسـت. تقلب در فراورده­های مواد غذایی علاوه بر کاهش کیفیت محصول و خسارت‌های مالی، برای سلامت مصرف‌کنندگان نیز زیان آور است، لذا باعث نگرانی و صلب اعتماد مصرف‌کنندگان شده است. سرکه یک محلول از اسید استیک و مواد شیمیایی دیگری مانند طعم دهنده‌ها است که ازتخمیر میوه‌های مختلف تولید می­شود. سرکه به علت داشتن خواص دارویی، پاک‌کنندگی، تهیه انواع ترشی و استفاده در انواع مختلف غذاها به عنوان چاشنی نقش مهمی در زندگی و سلامت انسان دارد. مخلوط کردن سرکه طبیعی با انواع سرکه طبیعی نسبتا ارزان­تر، سرکه سفید بازاری،آب و استفاده از اسید استیک صنعتی در تولید سرکه مصنوعی از رایج­ترین روش‌های تقلب در بازار می­باشد. به سختی می­توان تکنیکی را یافت که بتواند به راحتی و با اطمینان پارامترهای کیفیتی سرکه را ارزیابی کند. از این رو در چند دهه اخیر محققین به سوی استفاده از روش­های بینایی، بویایی، چشایی و رایانه­ای در صنعت مواد غذایی رو آورده­اند. بینی الکترونیکی از روش­های جدیدی می­باشد که اخیرا در کشاورزی و صنایع مواد غذایی بخصوص در زمینه بررسی کیفی مواد غذایی بسیار مورد توجه محققین قرار گرفته است. در این پژوهش، یک سامانه قابل حمل به منظور ارزیابی تشخیص تقلب در دو نوع سرکه طبیعی(انگور و سیب) توسعه و پیاده­سازی شد. سامانه بینی الکترونیکی شامل هشت حسگر نیمه هادی اکسید فلزی بود. انواع سرکه تقلبی با مخلوط کردن سرکه انگورو سیب ومخلوط هردو با سرکه سفید بازاری ، اسید استیک و آب در نسبت­های مختلف تهیه شد. ویژگی­های استخراج شده از سیگنال­های به دست آمده از سامانه، با روش­های تحلیل مولفه­های اصلی(PCA)، شبکه عصبی‌مصنوعی(ANN)، تحلیل تفکیک خطی(LDA) و تحلیل تفکیک خطی درجه دو(QDA) پردازش شدند. در تحلیل مولفه­های اصلی ، در مقایسه هم­زمان (17گروه) سرکه انگور با واریانس کلی 88 درصد تفکیک انجام شد و براساس نمودار لودینگ حسگرهای   TGS2620و MQ136 را به عنوان بهترین حسگر در طبقه­بندی معرفی شد. همچنین در مقایسه هم­زمان (13گروه) سرکه سیب با واریانس کلی 73 درصد تفکیک انجام شد و براساس نمودار لودینگ حسگرهای   TGS822و TGS2602 را به عنوان بهترین حسگر در طبقه­بندی معرفی شد. بررسی نتایج (LDA)   و (QDA) سرکه انگور به ترتیب با دقت 96 و 55/99درصد طبقه­بندی انجام شد و در سرکه سیب به ترتیب با دقت44/99، 89/98 درصد طبقه­بندی صورت گرفت. تحلیل شبکه عصبی مصنوعی، سرکه انگور با دقت 1/ 99 درصد طبقه­بندی در ماتریس اغتشاش صورت گرفت، که بهترین عملکرد شبکه در اپوک 42، با 5 نرون در لایه مخفی و 999/0=R   ، 000136/0=MSE   بود. سرکه سیب با دقت 100 درصد طبقه­بندی انجام شد، بهترین عملکرد شبکه در اپوک 19، با 3 نرون در لایه مخفی و998/0=R   ، 000513/0 =MSE   است. طبق نتایج تیتراسیون ثابت شد در تحلیل PCA سطح اسید استیک برتفکیک واریانس نمونه‌های تقلب شده با سرکه انگور تاثیر ندارد و هرچه سطح اسید استیک موجود در نمونه های تقلب شده با سرکه سیب پایین‌تر باشد درصد تفکیک واریانس بین نمونه‌ها بیشتر است. طبق تحلیل های LDA و QDA هرچه اختلاف سطح اسید استیک سرکه و ماده‌ای که با آن مخلوط می‌شود کمتر باشد تشخیص و طبقه‌بندی آن توسط روش‌های تحلیل تفکیک خطی و درجه دوم برای سرکه انگور ضعیف تر است و برای سرکه سیب   طبقه‌بندی روش تحلیل تفکیک درجه دوم ضعیف‌تر است اما برای تفکیک خطی بدون تاثیر است. در تحلیل شبکه عصبی در نمونه‌های تقلبی سرکه سیب هرچه اختلاف میزان اسید استیک سرکه سیب و ماده ای که با آن تقلب صورت گرفته است کمتر باشد تفکیک آن در شبکه عصبی دقیق‌تر است اما سطح اسید استیک برای سرکه انگور بدون تاثیر است. براساس مقایسه پارامترهای عملکردی برای مقایسه روش­های به­کار برده شده روش (QDA)   هم برای سرکه   انگور هم برای سرکه سیب از سایر روش­ها موثرتر بوده است.   

   روغن‌های گیاهی که ساختار زنجیره هیدروکربنی اسیدهای چرب آن‌ها، شباهت زیادی به ساختار هیدروکربنی مواد نفتی دارد، به علت ویژگی­هایی نظیر تجدید پذیر بودن و زیست‌تخریب‌پذیر بودن، جایگزین ایده‌آلی برای روان‌سازهای نفتی به شمار می­روند. بیوروان‌سازها از اصلاح ساختار شیمیایی روغن‌های گیاهی به دست می­آیند. در این تحقیق برای تولید بیوروان‌ساز با پایه روغنی کاملینا از روش دو مرحله‌ای ترانس‌استریفیکاسیون- پولیول استر استفاده شد. انرژی گرمایی مورد نیاز واکنش توسط ریزموج به همراه همزن مکانیکی تامین شد. جهت انجام کامل واکنش ترانس‌استریفیکاسیون، عمل میعان متانول و بازگردان آن به داخل ظرف واکنش از یک پمپ خلا متصل به کندانسور استفاده شد. در مرحله اولیه روغن کاملینا با متانول در حضور کاتالیزور KOH واکنش داده و ریز موج با توان ثابت 800 وات روی حالت Medium (12 ثانیه روشن و 16 ثانبه خاموش) تنظیم بوده و همزنی به صورت مداوم انجام می‌شد. در فرآیند تولید بیوروان‌ساز، از متیل استر، الکل   تری‌متیلول پروپان (TMP)و کاتالیزور پتاسیم کربنات K2CO3 استفاده شد. ریز موج با توان ثابت 800 وات روی حالت Low (5 ثانیه روشن و 30 ثانبه خاموش) تنظیم بوده و همزنی به صورت مداوم انجام می‌شد. برای آنالیز بازده واکنش ترانس‌استریفیکاسیون از دستگاه طیف‌سنجی تشدید مغناطیسی هسته-هیدروژن (H-NMR) استفاده شد. در مرحله تولید بیودیزل عامل‌های زمان، درصد وزنی کاتالیزور و نسبت مولی متانول به روغن و در مرحله تولید بیوروان‌ساز عامل‌هایی همچون زمان، درصد وزنی کاتالیزور و نسبت مولی بیودیزل به تری‌متیلول پروپان (TMP) با استفاده از روش RSM و طرح آزمایشی Box Behnken بررسی شد. برای واکنش بیودیزل مدل رگرسیونی بدست آمده از نوع درجه دوم بوده و دارای ضریب تبیین(R2)، انحراف معیار (Std. Dev.) و ضریب تغییرات (C.V.) به ترتیب 80/97 درصد، 02/3 و 03/4 درصد بود. نتایج بهینه‌سازی نشان داد بیشترین بازده بیودیزل با مقدار 31/95 درصد در زمان واکنش 85/5 دقیقه، غلظت کاتالیزور 26/1 درصد و نسبت مولی الکل به روغن کاملینا 91/6 و درجه مطلوبیت 95/0 حاصل می‌شود. برای واکنش بیوروان‌ساز نیز مدل رگرسیونی بدست آمده از نوع درجه دوم بوده و دارای ضریب تبیین 97/97 درصد، انحراف معیار 91/0 و ضریب تغییرات 1 درصد بود. نتایج بهینه‌سازی نشان داد بیشترین بازده بیوروان‌ساز در مدت زمان 8/67 دقیقه، غلظت کاتالیزور 4/1 درصد وزنی و نسبت مولی 5/3 بدست می‌آید. در چنین شرایطی بازده واکنش 3/94 درصد با مطلوبیت 975/0 بود. برخی ویژگی‌های بیودیزل و بیوروان‌ساز تولید شده مورد ارزیابی قرار گرفته و با استانداردهای EN14214، ASTM D6751، ISO VG10 و ISO VG22 مقایسه شد.

  تجزیه گرمایی زیست توده در محیطبدون اکسیژن یا با اکسیژن اندک را گرماکافت می‌نامند که محصول این فرآیند دی اکسیدکربن، گازهای سوختی، بخار قیری و جزء جامدی به نام بیوچار است. فرآیند گرماکافتراهی برای تبدیل زیست توده به مواد با ارزشتر نظیر بیوچار است. بیوچار ماده ایجامد و دارای محتوای کربن بالاست که رایج ترین مورد استفاده آن در کشاورزی بهعنوان اصلاح کننده خاک است. محققان در سال های گذشته تاثیر استفاده از بیوچار برخصوصیات فیزیکی وشیمیایی خاک را مورد مطالعه قرار داده اند و مشخص شده است کهافزودن بیوچار به خاک کیفیت خاک را بهبود می‌بخشد. خصوصیات فیزیکی و شیمیایی بیوچارتحت تاثیر عوامل مختلفی از جمله نوع مواد اولیه، شرایط واحد گرماکافت، سرعت گرمادهی،مدت زمان گرماکافت وللفعوامل متعدد دیگری قرار می‌گیرد . دامنه گسترده فرآیندگرماکافت منجر به تولید بیوچارهایی   که ازنظر خواص شیمیایی و فیزیکی مختلفی نظیر ترکیب عنصری و خاکستر، وزن مخصوص، تخلخل،توزیع اندازه منافذ، سطح ویژه، pH، جذب و دفع آب و یون ها و بسیاری خواص دیگر متفاوت هستند می‌شود. هدفاز این مطالعه، بررسی اثر تغییر دبی هوا و دمای محفظه در گرماکافت اکسایشی بسترثابت بر روی عملکرد بیوچار، محتوای خاکستر، وزن مخصوص و pH بود. بدین منظور یک دستگاه تولید بیوچار اکسایشی بسترثابت با قابلیت تغییر در دمای محفظه و دبی هوای خروجی طراحی و ساخته شد.آزمایش‌هادر چهار دبی هوای 20، 25، 30 و 35 لیتر در دقیقه ونیز چهار دمای 350، 400، 450 و500 درجه سانتی‌گراد برای کاه و کلش گندم انجام شد. نتایج نشان داد که افزایش دبیهوای   خروجی   از محفظه و افزایش دمای محفظه، سبب افزایش میزانخاکستر وpH شد. درحالی که تغییر این پارامترها سبب کاهش وزن مخصوص ظاهری و عملکرد   بیوچارتولیدی شدند.     

   یکی از روش­های سنتی تشخیص تخم­مرغ سالم از ناسالم از طریق تکان دادن تخم­مرغ و تشخیص صدای آن است. اما تشخیص عیوب تخم­مرغ   به روش سنتی توسط انسان دقیق نیست. استفاده از روش­های دقیق تر در تشخیص سلامت تخم­مرغ و استفاده از ابزارهای هوشمند در جهت کاهش زمان و افزایش راندمان جداسازی تخم مرغ­های فاسد از تخم مرغ­های سالم ضروری است. هدف از انجام این تحقیق تشخیص عیوب تخم مرغ سالم از ناسالم (شامل فاسد، جوجه شده) با استفاده از امواج صوتی به کمک سیستم استنتاج عصبی­فازی (ANFIS[1]) می باشد. در این تحقیق پاسخ صوتی   تعداد 90 عدد تخم مرغ شامل تخم مرغ های سالم،   فاسد شده، جوجه شده از طریق تکان­دادن در دو حالت 200و 400 ضربه در دقیقه تکان مورد بررسی قرار گرفت. پس از جمع­آوری سیگنال­های صوتی نسبت به تحلیل حوزه زمانی سیگنال­ها از طریق آمار توصیفی و بعد تحلیل در حوزه فرکانس اقدام شد. پس از محاسبه ویژگی­های آماری و تعیین برترین ویژگی­ها، داده­ها برای طبقه­بندی با ANFIS مورد استفاده قرار گرفت. براساس نتایج دقت مدل انفیس در دو حالت سرعت رفت و برگشتی مکانیزم تکان­دهنده تخم مرغ­ها به ترتیب در حالت 1 مقدار 0.99 و در حالت 2 مقدار 0.93   بود. نتایج نشان داد سیستم استنتاج تطبیقی­عصبی­فازی در تشخیص تخم­مرغ­های فاسد شده و جوجه شده از تخم مرغ های سالم می­تواند به خوبی و با دقت بالا مورد استفاده قرار گیرد. [1] . Adaptive Neuro-Fuzzy Inference System

   در سال­های اخیر تقلب در مواد غذایی افزایش چشم گیری داشته است. تقلب در موادغذایی علاوه بر اینکه بر کیفیت محصول اثر می­گذارد و خسارات مالی به وجود می آورد برسلامت مصرف کننده نیز اثرات سوئی دارد. و باعث به وجود آمدن نگرانی­های زیادی در مصرف مواد غذایی شده است. یکی از مواد غذایی پرکاربرد در صنعت غذایی روغن­های خوراکی هستند. که در آشپزی از آن استفاده می­شود. روغن­های جامد نباتی یا روغن­هایی مثل پالم دارای اسید چرب اشباع بالا هستند، چنین روغن­هایی می­توانند باعث بالا رفتن چربی خون، افزایش کلسترول بدن و در نهایت موجب گرفتگی و انسداد عروق شوند و این در حالی است که بیماری­های قلبی و عروقی از مهمترین علل مرگ هستند. روغن­های مورد استفاده در سبد غذایی افراد باید حداقل زیر 2 درصد اسید چرب اشباع و ترانس داشته باشند. یکی از دلایل استفاده از روغن پالم ارزان بودن آن نسبت به سایر روغن­های کنجد، ذرت، سویا و آفتابگردان است و به دلیل بالا رفتن قیمت روغن­های دیگر نسبت به روغن پالم، سهم واردات این روغن نسبت به سایر روغن­ها نیز در دو سال اخیر افزایش یافت. در آشپزی، از انواع روغن استفاده می شود که هر یک از منبعی جداگانه گرفته می شوند؛ از غلاتی مانند ذرت گرفته تا میوه­هایی همچون زیتون، آجیل از جمله گردو، بادام و فندق، و دانه­هایی مانند کلزا، گلرنگ و آفتابگردان. به سختی می­توان روشی را پیدا کرد که به راحتی بتواند کیفیت روغن های خوراکی را تشخیص دهد. از این رو در سال­های اخیر از روش­های بویایی، بینایی، چشایی و رایانه­ای در صنعت مواد غذایی بیشتر استفاده شده است. بینی­الکتریکی روش جدیدی است که امروزه در کشاورزی و صنعت غذایی مورد توجه قرارگرفته است. در این پژوهش از یک سامانه­ به منظور تشخیص و تخمین میزان پالم در روغن­های خوراکی استفاده شده است. که سامانه­ی بینی­الکتریکی شامل ده حسگرنیمه هادی اکسید فلزی بود. در حین آزمایش پاسخ ولتاژی حسگرها در یک زمانبندی معین برای تزریق فضای هد به محفظه­ی حسگری و سپس پاکسازی محفظه در مرحله بعد به صورت خودکار انجام­شد و توسط سامانه داده­ها جمع­آوری شد. انواع روغن­های خوراکی از مخلوط کردن با روغن پالم با نسبت های مختلف تهیه گردید. ویژگی­های استخراج شده از سیگنال­های بدست­آمده از بینی­الکتریکی با روش­های تحلیل مولفه­های اصلی و شبکه­ی عصبی مصنوعی پردازش شدند. براساس نتایج بدست­آمده ماشین بویایی توانایی شناسایی روغن پالم را دارد

   مقدمه: انرژی به‌عنوان یکی از مهم­ترین و ضروری ترین عوامل تولید ، دارای اثرات قابل‌توجهی است. با توجه به این‌که منابع   سوخت های فسیلی رو به اتمام است، پژوهشگران به دنبال جایگزین کردن سوخت بیودیزل که یک سوخت زیستی قابل‌تجدید و دارای خواصی نزدیک به گازوئیل است، می­باشند. در آزمایش های مربوط به تولید بیودیزل و در کنترل کیفیت این محصول از دستگاه GC استفاده می­گردد و درصد بیودیزل تولیدی را اندازه­گیری می نمایند. استفاده از دستگاه GC ، به دلیل هزینه بسیار بالای آن در همه جا امکان پذیر نیست لذا در این تحقیق تلاش می­شود درصد بیودیزل تولیدی را با استفاده از بینی الکتریکی و تکنیک­های هوش مصنوعی تخمین زد. روغن انتخابی در این تحقیق روغن پسماند به همراه روغن گیاه رزماری می باشد. اهداف: 1. تولید بیودیزل از روغن پسماند خوراکی و روغن گیاه رزماری بوسیله ی واکنش ترانس استریفیکاسیون    2. تخمین درصد بیودیزل تولید شده با استفاده از بینی الکتریکی و تکنیک های هوش مصنوعی روش تحقیق: در ابتدا از روغن پسماند خوراکی و روغن گیاه رزماری با استفاده از واکنش ترانس استریفیکاسیون و متانول ، بیودیزل تولید می­شود. روغن پسماند خوراکی از آشپزخانه ها جمع آوری شده و پس از فیلتر شدن ، ناخالصی­های آن گرفته می­شود و روغن گیاه رزماری به آن افزوده می شود . برای تولید بیودیزل پارامترهایی ازجمله مدت زمان همزنی، مقدار متانول مصرفی ، سرعت همزنی ، مدت زمان سیرکوله و مقدار روغن رزماری مصرف شده پس از تولید بیودیزل، متغیر و پارامترهایی از جمله   نوع کاتالیزور و نوع الکل ثابت در نظر گرفته   می­شوند. الکل مورد استفاده در آزمایش حاضر متانول و کاتالیزگر KOH می­باشد.    جدول 1 ماتریس آزمایش‌های تولید بیودیزل سطح 3 سطح2 سطح1 عامل 8:1 6:1 4:1 مقدار متانول مصرفی (مولی) 20 10 2 مدت زمان همزنی 1200 900 600 سرعت همزنی(دور بر دقیقه ) 9 6 3 مدت زمان سیر کوله   (دقیقه ) 5/2 25/1 5/0 مقدار روغن رزماری مصرف شده (گرم)    برای پرهیز از اشتباه و به حداقل رساندن خطا در اندازه‌گیری‌ها مبنای محاسبات جرم در نظر گرفته می­شود و با استفاده از ترازوی دیجیتال با دقت 01/0 گرم، مواد وزن خواهند شد. برای تولید بیودیزل مقدار 500 گرم از روغن را به ورودی   رآکتور می­ریزیم و پس از تهیه­ی محلول پتاسیم متواکسید با توجه به نسبت مولی الکل به روغن   ، محلول به روغن درون رآکتور اضافه می­شود و آزمایش با شرایط نشان داده شده در جدول 1 توسط رآکتور انجام خواهند شد . پس از اتمام مراحل تولید بیودیزل ، روغن رزماری با نسبت­های مختلف به بیودیزل اضافه و از هر کدام از آزمایش ها نمونه گرفته خواهد شد .

ریحان، مرزه، کود اوره،بینی الکترونیک،هوش مصنوعی

   استراتژی مدیریت تلفیقی آفات(IPM)، به پایش پیوسته جمعیت آفات وابسته است، این کار نه تنها زمان‌بر است، بلکه وابستگی زیادی به داوری انسان دارد و پر هزینه نیز می‌باشد. از طرفی روش‌های مرسوم برای شناسایی حشرات زمان‌بر و پر هزینه هستند. با توجه به گسترش صنعت و رشد سریع آن، همواره بشر به دنبال سرعت بخشیدن به کارها با دقت بالاتری بوده است. استفاده از روش‌های هوش مصنوعی به جای تصمیم‌گیری‌های دستی و انسانی، علاوه بر این که سبب افزایش بهره‌وری می‌گردد، از دقت بالایی نیز برخوردار است. پسته، یک محصول تجاری است و هر ساله خسارت زیادی توسط حشرات به تولیدکنندگان این محصول وارد می‌شود. گروهی از آفات پسته عمدتاً از میوه پسته تغذیه می‌کنند، که از این گروه زنجرک پسته،     Idiocerus (Sulamicerus) stali Fieber, 1868 (Hemiptera: Cicadellidae) دارای اهمیت زیادی می‌باشد. در این تحقیق I. Stali   به عنوان حشره هدف جهت شناسایی با استفاده از الگوریتم پردازش تصویر انتخاب شد. برای جمع‌آوری نمونه‌ها از کارت‌های زرد چسبنده استفاده شد. برای تهیه الگوریتم پردازش تصویر، از خصوصیات رنگی و شکلی اشیاء، استفاده شد.تعداد 357 خصوصیت رنگی و 20 خصوصیت شکلی برای شناسایی I. Stali   به‌وسیله الگوریتم پردازش تصویر استخراج شد. خصوصیات رنگی به دو دسته‌ی خصوصیات مربوط ‌به میانگین و انحراف معیار و خصوصیات مربوط ‌به شاخص‌های سبزی تقسیم شدند. خصوصیات مربوط ‌به میانگین و انحراف معیار عبارتند از میانگین مولفه اول، میانگین مولفه دوم، میانگین مولفه سوم، میانگین مولفه‌های اول، دوم و سوم، انحراف معیار مولفه اول، انحراف معیار مولفه دوم و انحراف معیار مولفه سوم   17 فضای رنگی RGB، HSV، YIQ، YCbCr، CMY، HSI، Improved YCbCr، L*a*b*، JPEG-YCbCr، YDbDr، Y  r، YUV، HSL، XYZ، Luv، LCH و CAT02 LMS. خصوصیات مربوط‌ به شاخص‌های سبزی شامل مولفه اول RGB نرمال شده، مولفه دوم RGB نرمال شده، مولفه سوم RGB نرمال شده، کانال خاکستری، سبز اضافی، قرمز اضافی، شاخص رنگی برای پوشش سبزینگی استخراجی، تفاضل پارامترهای سبز اضافی و قرمز اضافی، شاخص تفاضل نرمال شده، شاخص سبز منهای آبی، کنتراست قرمز آبی، شاخص قرمز اضافی، شاخص سبز اضافی و شاخص آبی اضافی می‌باشد. خصوصیات شکلی استفاده شده نیز شامل طول، عرض، مساحت، محیط، لگاریتم نسبت طول به عرض، نسبت محیط شکل به محیط مستطیل در بر گیرنده شکل، نسبت عرض به طول، نسبت مساحت به طول، خروج از مرکزیت، تمایل، سطح محدب، سطح یکپارچه، قطر دایره معادل، عدد اویلر، یکپارچگی، محدوده، کشیدگی، فشردگی، نسبت تصویر و نسبت طول به محیط می‌باشد. از روش هیبرید شبکه عصبی مصنوعی– الگوریتم بهینه سازی ازدحام ذرات(ANN-PSO) برای انتخاب خصوصیات موثر استفاده گردید. خصوصیاتموثر انتخابی جهت طبقه‌بندی حشرات عبارتند از: شاخص رنگی برای پوشش سبزینگی استخراجی مربوط به فضای رنگیHSL، شاخص تفاضل نرمال شده مربوط به فضای رنگیLCH، کانال خاکستری مربوط به فضای رنگیYCbCr، شاخص مولفه دوم منهای مولفه سوم مربوط به فضای رنگیYCbCr، مساحت و میانگین مولفه‌های اول، دوم و سوم فضای رنگیLuv. نرخ شناسایی الگوریتم پردازش تصویر طراحی شده، 72/99 درصد می‌باشد. شبکه‌های عصبی مصنوعی پرسپترون چند لایه، توانایی طبقه‌بندی حشرات به دو کلاس I. Stali   و Anthaxia Sp. Eschscholtz, 1829 (Coleoptera: Buprestidae)، با دقت 59/99 درصد را دارند. نتایج نشان داد که استفاده از روش جدید برای شناسایی حشرات آفت در شرایط نور طبیعی، در کوتاه ترین زمان و با دقت بسیار بالا امکان پذیر است.

   تحقیق حاضر به دنبال شناسایی و طبقه‌بندی بیودیزل حاصل از روغن‌ها و الکل‌های مختلف با استفاده از تکنیک ماشین بویایی و به کارگیری الگوریتم‌های مبتنی بر هوش مصنوعی و آماری است. در این تحقیق ابتدا سوخت‌های بیودیزل از منابع مختلف روغن کلزا با متانول (MK)، روغن ذرت با متانول (MZ) ، روغن کلزا با اتانول (EK)، روغن ذرت با اتانول (EZ) و سوخت ترکیبی (EK&MZ) تهیه شدند. هرکدام از این سوخت‌ها با درصدهای حجمی 2، 5، 10، 20 و 80 با سوخت دیزل مخلوط شده ، با کمک سامانه بینی الکترونیکی مجهز به 8 حسگر نیمه هادی اکسید فلزی داده‌برداری و با روش‌های مختلفی همچون شبکه عصبی مصنوعی (ANN)، تحلیل مولفه‌های اصلی (PCA)، تحلیل تفکیک خطی و درجه دوم (LDA و QDA)، تحلیل ماشین بردار پشتیبان (SVM) و روش سطح پاسخ (RSM) مورد تجزیه و تحلیل قرار گرفت. نتایج بدست آمده نشان داد برای طبقه‌بندی و تفکیک انواع سوخت‌های خالص، روش ANN با دقت 100 درصد قادر به تفکیک سوخت‌های خالص از هم می‌باشد. سایر روش‌های طبقه‌بندی QDA، SVM، RSM و LDA به ترتیب با دقت 4/94، 3/93، 2/92 و 7/86 درصد سوخت‌های خالص را از هم تفکیک و دسته‌بندی کردند. همچنین برای شناسایی و قرار دادن انواع سوخت‌های خالص (MK100، MZ100، EK100، EZ100، EK&MZ100، G) در یک گروه (Pure) و انواع سوخت‌های ناخالص (B2, B5, B10, B20, B80) در گروه دیگر (Impure) روش ANN با دقت 5/94 درصد قادر به تفکیک سوخت خالص از ترکیب دیزل- بیودیزل است. تفکیک و شناسایی انواع سوخت‌های B2، B5 و B20 با دو روش ANN و LDA با دقت 100 درصدی انواع سوخت‌های بیودیزل B20 را از هم جدا می‌کنند. برای سوخت‌های B5 و B2 روش ANN دارای دقت طبقه‌بندی 7/98 درصدی بود در حالی‌که روش LDA به ترتیب دارای دقت 100 و 3/97 درصدی بود. با میانگین گرفتن از پارامترهای عملکردی مدل‌های مختلف برای دسته‌بندی‌های بکار رفته در این تحقیق می‌توان بیان داشت که مدل ANN با میانگین دقت، حساسیت و ویژگی برابر با 5/98، 8/98 و 5/99 نسبت به سایر مدل‌ها از عملکرد بهتری برخوردار بوده و قدرت تفکیک و جداسازی بهتری دارد.

   چکیده کشور ایران از مناطق مستعد کشت مرکبات است که در دهه­های اخیر پیشرفت­های زیادی در امر پرورش و تولید مرکبات داشته است به طوری که سطح زیر کشت و میزان تولید سالیانه آن، کشورمان را در زمره 10 کشور اول جهان قرار داده است. از مهم‌ترین مرکبات می‌توان به نارنگی اشاره کرد. نارنگی دارای ارقام مختلفی است که در این پژوهش، نارنگی رقم انشو مورد مطالعه قرار گرفته است. نارنگـی انشـو با نام علمی Citrus unshiu یکـی از زودرس­تریـن رقـم­های نارنگـی اسـت. از آنجا که درجه‌بندی و دسته‌بندی محصولات کشاورزی یکی از عوامل موثر بر بازارپسندی و رضایت مشتری است. پردازش تصویر یکی از روش هاست که در مقابل روش­های سنتی، سیستم­های بینایی کامپیوتری غیر مخرب، کارآمد و مقرون به صرفه بوده و نیز نتایج با ثبات تر و پایدارتری را ارائه می­کنند. در این پژوهش پس از عکس‌برداری از نارنگی­ها (رسیده، نیمه رسیده و نارس) با استفاده از دوربین Canon Pc1339-12.1 Mega Pixels و عملیات پیش‌پردازش، قطعه‌بندی و طبقه‌بندی تصاویر، تصاویر به کانال­های رنگی RGB، HSV، YCbCr و CMY، منتقل و ویژگی­های آماری تصاویر استخراج گردید. این خصوصیات شامل میانگین و انحراف معیار مولفه اول، میانگین و انحراف معیار مولفه دوم، میانگین و انحراف معیار مولفه سوم هر فضای رنگی می‌باشد. در مجموع درصد طبقه‌بندی صحیح سه کلاس برابر با 22/97 درصد به دست آمد. نتایج حاصل از این مطالعه نشان می­دهد که سامانه پیشنهادی توانایی تشخیص نارنگی­های رسیده از نیمه رسیده و نارس با دقت مناسب را دارد. کلمات کلیدی: پردازش تصویر، درجه‌بندی، رنگ، طبقه‌بندی، نارنگی.

یکی از مهم‌ترین مواردی که درسطح جهان مدنظر قرارگرفته مسئله انرژی می‌باشد. سوخت‌هایفسیلی بیش‌ترین منبع تولید انرژی در حال حاضر می‌باشند. افزایش میزان تولید گازهایگلخانه‌ای باعث ایجاد تغییرات آب و هوایی در اقلیم‌های مختلف شده است. افزایش آلودگی‌هایمحیط زیست ناشی از مصرف این انرژی‌ها باعث شده تا مجامع و قشرهای مختلف، نسبت بهجایگزینی آن‌ها با منابع انرژی تجدید پذیر اقدام نمایند. یکیاز راه‌حل‌های جایگزین برای سوخت فسیلی، استفاده از سوخت بیودیزل می‌باشد. مشکل عمده در استفاده از بیودیزل، پایینبودن توان و گشتاور ایجاد شده در مقایسه با گازوئیلخالص است. لذا استفاده از افزودنی‌هابه بیودیزلجهت رفع این نقیصه پیشنهاد شده است. در پژوهش حاضر با هدف بهبود پارامترهای عملکردی موتور وکاهش انتشار آلاینده‌های موتور از سوخت ترکیبی دیزل-بیودیزل با افزودن نانومواد و درحضور میدان مغناطیسی استفاده شده است. منبع مورد استفاده برای تولید بیودیزل روغن پسماندآشپزخانه بود. درصد حجمی بیودیزل در مخلوط سوخت 0، 5 و 10 درصد گازوئیل می‌باشد. همچنین نانومواد مورد استفاده نانواکسید کبالت و نانواکسیدسریم بوده و برای مغناطیس کردن سوخت از دو عدد آهنربای مغناطیسی نئودیمیوم با گرید42 استفاده شد. میدان مغناطیسی در مسیر سوخت قرار گرفته و سوخت قبل از ورود به داخل موتورتحت تاثیر میدان مغناطیسی قرار گرفت. در این پژوهش اثر 6 تیمار میدان مغناطیسی (0،225 و 4500 گاوس)، بیودیزل0، 5 و10 درصد حجمی گازوئیل، افزودنی نانو اکسید سریم CeO2 و یا نانواکسید کبالت Co3O4 باغلظت0، 20 و ppm 40 ، نسبت نانومواد (اکسید سریم به اکسیدکبالت) 0، 50و 100 درصد برمبنای نانو اکسید سریم، سرعتموتور1200،1800 و rpm 2400 و بار موتور 25 ،50 و 75 درصد با استفاده ازطرح آزمایش Box-Behnken و روش سطح پاسخ RSM، مورد بررسیقرار گرفت. بهینه سازی پارامترهای شاخص عملکرد و آلایندگی موتور نشان‌دهندهاین مساله است که بهترین عملکرد مربوط به پارامترهای موتور و میزان انتشار آلاینده‌هادر شرایط میدان مغناطیسی 66/1561 گاوس، غلظت نانومواد ppm 25/12،نسبت نانومواد 37/56 درصد، بیودیزل 97/4 درصد، سرعت موتور 1962دور در دقیقه و بارموتور 14/16 درصد بدست آمده است که در این شرایط  گشتاور موتورNm 67/14، توان موتور kW 36/3 ، مصرفسوخت ویژه ترمزی (BSFC)gr/kW.h   5/272، مونواکسید کربن (CO) 135/0درصدحجمی، کربن دی اکسید((CO2 027/0 درصد حجمی، هیدروکربن‌های نسوخته(UHC)ppm032/0 و نیتروژن اکسید (NOx) ppm4 با مطلوبیت 89/0به دست می‌آید.  

  امروزه با توجه به افزایش جمعیت زمین نیاز به منابع غذایی افزایش یافته است. از سویی دیگر با توجه به کاهش منابع آبی نیاز به مدیریت مصرف آب علی الخصوص در بخش کشاورزی احساس می شود. بدین منظور روش های متعددی برای کاهش مصرف آب به کار گرفته می شود که یکی از مدرن ترین آنها آبیاری دقیق یعنی با توجه به نقشه رطوبتی مزرعه می باشد. در این تحقیق تلاش شد توسط مولتی کاپتر و پردازش تصویر از یک مزرعه سورگوم به مساحت نیم هکتار نقشه رطوبتی استخراج گردد. برای این منظور ابتدا آزمایش های اولیه ای برای به دست آوردن بهترین ارتفاع و بهترین زمان روز جهت عکس برداری انجام شد. سپس مزرعه مورد نظر به قطعات کوچک تقسیم شد. از هر قطعه توسط مولتی کاپتر عکس برداری شد. از نقاط مختلف مزرعه نیز با ثبت مختصات نقاط نمونه برداری شد تا درصد رطوبت وزنی گیاه در آن نقاط به دست آید. نهایتا عکس ها توسط نرم افزار Arc GIS تجمیع شد. سپس توسط نرم افزار MATLAB عملیات مختلف پردازش تصویر بر روی تصویر انجام شد. این عملیات عبارتند از: قطعه بندی، جداسازی زمینه، یافتن همسایگی نقاط، استخراج داده های مختلف از همسایگی نقاط، مدل سازی پارامترهای موثر ورودی جهت تخمین رطوبت وزنی گیاه، اعمال خروجی مدل به تصویر های قطعه بندی شده، تجمیع و غیره. بهترین مدل به دست آمده توسط شبکه های عصبی شامل چهار ورودی زبری، میانگین مقادیر کانال تک رنگ M مربوط به کانال CMY، میانگین مقادیر کانال تک رنگ Y مربوط به کانال CMY، میانگین مقادیر کانال تک رنگ B مربوط به کانال RGB و خروجی آن درصد رطوبت وزنی گیاه بود که مقدار R2 و MSE مدل به ترتیب 885/0 و 004/0 بود. درصورت دسته بندی رطوبت گیاه به پنج کلاس خیلی پرآب، پرآب، متوسط، کم آب و خیلی کم آب ماتریس اغتشاش مدل 5/90% شد.

چکیدهافزایش قابل توجه در میزان استفاده از سوخت های فسیلی در موتورهای احتراق داخلی و اثرات منفی انتشار آلاینده­های خروجی از سوختن این سوخت ها به محیط زیست منجر به افزایش علاقه به منابع انرژی جایگزین شده است.از طرف دیگر مادهافزودنی MTBEبه بنزین پایه علی رغم بالا بردن عدد اکتان،موجبآثارمخربزیستمحیطی و بیماری­هایبدخیممی­باشدوسال­هاستدرکشورهایتوسعهیافتهازبنزینحذفشدهاست، ولی در کشور ما هنوز مورد استفاده است. این پژوهش با هدف کاهش آلاینده­ها در موتور بنزینی به بررسی سنجش میزان آلایندگی یک ترکیب سوخت جایگزین به صورت مخلوط 1- پروپانول و بنزین پایه در موتور بنزینی پراید پرداخته است. این موتور دارای سیستم سوخت رسانی زیمنس بود. 1- پروپانول در درصد­هایحجمی مختلف(0، 5، 10، 15 و 20) ،   به بنزین پایه افزوده شد و میزان آلایندگی در سه سرعت دورانی 1000، 2000 و 3000 دور بر دقیقه، با دستگاه تست آلاینده­سنج MOTORSCANاندازه گیری شد. این تحقیق به­صورت آزمایش فاکتوریل در قالب طرح کاملاً تصادفی با 6 تیمار(بنزین معمولی تیمار شاهد در نظر گرفته شد) و 3 تکرار انجام شد. تجزیه‌وتحلیل داده­هابااستفادهازنرم‌افزارآماریSAS انجام و اثر تیمارهای نوع سوخت و دور موتور بر آلایند­های خروجی از اگزوز بررسی شد. مقایسه میانگین­هاباکمکآزمونچنددامنه­ایدانکنوفرضخطای 05/0 انجامشد. نتایج نشان دادتمام حالات اعم از تیمارهای نوع سوخت و دورهای مختلف موتور دارای اثر معنی داری بر روی میزان آلایندگی بود، اثرات متقابل نوع سوخت و دور موتور نیز در دو مورد CO2 و UHCمعنی دار بود. با افزایش درصد 1- پروپانول در سوخت به میزان 20%، انتشار آلاینده های CO و UHC کاهش یافت، اما تغییرات NOXنامنظم بود و به­طور کلی در مقایسه با بنزین معمولی افزایش یافت. افزایش دور موتور منجر به کاهش COو UHC و افزایش NOXو CO2 شد.کلیدواژه :موتوراحتراق داخلی،MTBE،   بنزین پایه، 1- پروپانول، آلاینده­های خروجی.

چکیده امروزه بررسی و تحلیل عدم قطعیت­ها در هر برنامه­ای امری ضروری محسوب می­گردد، بطوری­که بدون در نظر گرفتن و تحلیل این عدم قطعیت­ها، وقوع حالات نامطلوبی، که رخداد آن­ها اهداف برنامه را به چالش می­کشاند، دور از انتظار نیست. بررسی و تحلیل عدم قطعیت­ها در چارچوب مدیریت ریسک انجام می­گیرد. اصولا از روش شبیه سازی مونت کارلو به عنوان ابزاری جهت تحلیل و بررسی یکپارچه و همزمان ترکیبات مختلف عدم قطعیت­ها استفاده می­گردد. این روش ابزار قدرتمندی جهت بررسی بررسی پیامد رخداد انواع حالات سامانه، با توجه به عدم قطعیت­ها می­باشد که مزایای قابل توجهی، از جمله در نظر گرفتن رخداد همراه با عدم قطعیت­ها و قابلیت ارائه­ی ابعاد گوناگون تابع مطلوبیت را دارا می­باشد عدم قطعیت جز جدایی ناپذیر مدل­های هیدرولوژیکی و هیدرولیکی است و ارزیابی مناسب از عدم قطعیت­ در مدل­های هیدرولوژیکی و هیدرولیکی ممکن است برای جلوگیری از تصمیمات پرخطر، هزینه­های بالا در چرخه عمر محصولات و طراحی سازه­ها کمک کند.   هدف از این تحقیق تحلیل عدم قطعیت در نقشه­های پهنه­بندی سیل در بازه­ی از رودخانه سیمره می­باشد. در این منطقه به دلیل بارش­های شدید، سیل باعث خسارت زیادی می­شود. ابتدا پهنه بندی سیل با مدل HEC-RAS، براساس فاکتور F کالیبره گردید. سپس با استفاده از تولید داده مصنوعی، 30 سری داده پیک مصنوعی برای دوره بازگشت­های 2، 5، 10، 25، 50 و 100 ساله تولید شد. در نهایت با استفاده از منحنی دبی- احتمال بدست آمده، مرزهای احتمالی دشت سیلابی رودخانه در سطح احتمال 90 و 10 درصد تعیین گردید. نتایج نشان داد با افزایش دوره بازگشت پهنای باند عدم قطعیت افزایش می­یابد بطوری­که بیش­ترین پهنای باند عدم قطعیت به میزان 450 هکتار مربوط به سیل با دوره بازگشت 100 سال می­باشد. در ادامه با شبیه سازی مونت کارلو نمونه برداری از فضای پارامتر ( ضربی زبری دشت سیلابی و کانال) صورت پذیرفت و مدل 500 بار اجرا شد، نتایج با پهنه مشاهداتی بر اساس فاکتور F مورد ارزیابی قرار گرفت.منحنی سطح پاسخ حاصل از نمونه برداری مونت کارلو نشان داد که بالاترین عملکرد F زمانی است که ضریب زبری کانال برابر با 046/0 و برای ضریب زبری دشت سیلابی برابر با 058/0 باشد. سپس با استفاده از تابع توزیع تجمعی پهنه­های سیلابی در حد بالا و پایین عدم قطعیت بدست آمد. کلمات کلیدی: عدم قطعیت، پهنه سیل احتمالاتی ، مونت کارلو، رودخانه سیمره  

  در سال­های اخیر آمار تقلب در عرضه مواد غـذایی، افـزایش قابل‌توجهی یافتـه اسـت. تقلب در فرآورده­های مواد غذایی علاوه بر تاثیر بر کیفیت محصول و ضررهای مـالی، اثرات سوئی بـر سـلامت مصرف‌کنندگان نیـز دارنـد، لـذا موجـب نگرانی­های زیادی در مصرف فرآورده­های مواد غذایی شده­اند. روغن حیوانی یکی از سوغاتی­های اصلی شهر کرمانشاه است و در آشپزی نیز استفاده بسیاری دارد. مخلوط کردن روغن حیوانی با روغن­های نباتی، روغن دنبه و مارگارین از شایع‌ترین راه­های تقلب در بازار است. به‌سختی می­توان روشی را یافت که بتواند به‌راحتی و با اطمینان پارامترهای کیفیتی روغن حیوانی را ارزیابی کند. ازاین‌رو در چند دهه اخیر توجه به‌سوی استفاده از روش­های بینایی، بویایی، چشایی و رایانه­ای در صنعت مواد غذایی معطوف گردیده است. بینی الکترونیک از روش­های جدیدی است که اخیراً در کشاورزی و صنایع مواد غذایی به‌خصوص درزمینه? بررسی کیفی مواد غذایی بسیار موردتوجه محققین قرارگرفته است. در این پژوهش، یک سامانه قابل‌حمل به‌منظور ارزیابی تشخیص تقلب در روغن حیوانی گاوی توسعه و پیاده­سازی شد. سامانه بینی الکترونیکی شامل هشت حسگر نیمه‌هادی اکسید فلزی بود. در حین انجام آزمایش­ها پاسخ ولتاژی حسگرها با زمان­بندی مناسب برای تزریق فضای هد به محفظه حسگری و سپس پاک‌سازی آن، توسط سامانه تحصیل داده جمع‌آوری شد. انواع روغن تقلبی از مخلوط کردن با روغن حیوانی گاوی با نسبت­های مختلف روغن نباتی، روغن دنبه و مارگارین تهیه گردید. ویژگی­های استخراج‌شده از سیگنال­های به‌دست‌آمده از سامانه، با روش­های تحلیل مولفه‌های اصلی و شبکه عصبی مصنوعی پس انتشار خطا، پردازش شدند. بر اساس نتایج به‌دست‌آمده برای مخلوط روغن حیوانی گاوی با روغن دنبه، روغن نباتی، مارگارین به ترتیب 97، 96 و 98 درصد واریانس به روش PCA، برای روش   ANNدقت طبقه‌بندی به ترتیب 5/82، 3/91 و 6/85 درصد به دست آمد. بر اساس نتایج تحلیل شبکه عصبی مصنوعی برای روغن حیوانی خالص از نوع تقلبی (شامل همه­ی انواع تقلبی) دقت طبقه‌بندی 6/98 درصد حاصل شد. در نتایج تحلیل شبکه عصبی مصنوعی برای روغن حیوانی، روغن نباتی، روغن دنبه و مارگارین خالص، دقت طبقه‌بندی برابر 7/89 درصد به دست آمد. هم­چنین نتایج حاصل‌شده از نمودار لودینگ حسگرهای MQ9، MQ136، TGS2620 و TGS822 بیشترین نقش در تشخیص میان نمونه­های روغن حیوانی گاوی با درصدهای مختلف تقلب داشتند. بنا بر قابلیت حسگرهای سامانه بینی الکترونیک، این سامانه می­توانند جایگزین روش­های زمان­بر و پیچیده متداول در تشخیص و تعیین کیفیت روغن حیوانی گاوی و تعیین درجه خلوص روغن حیوانی گردد.

امروزه یکی از ارزان‌ترین و در دسترس‌ترین نوع انرژی‌های تجدیدپذیر، انرژی خورشیدی است. در میان کاربردهای مختلف انرژی خورشیدی، تولید آبگرم ، یکی از اقتصادی‌ترین روش‌های استفاده از انرژی خورشیدی محسوب می‌شود. در مطالعه حاضر دمای آبگرم خروجی از آبگرمکن خورشیدی صفحه تخت با استفاده از شبکه عصبی مصنوعی (ANN) و تخمین‌گر بردار پشتیبان(SVR) مدل شد و با داده‌های تجربی مقایسه شد. داده‌‌برداری به‌مدت 18 روز انجام گرفت. از آب معمولی و نانوسیال بوهمیت(ALOOH) با غلظت 2/0 درصد وزنی به‌عنوان سیال عامل استفاده شد. به‌منظور بررسی دقت پیش‌بینی مدل‌سازی توسط شبکه عصبی مصنوعی و تخمین‌گر بردار پشتیبان از چهار ساختار زیر استفاده شد. ساختار اول شامل لایه‌ی ورودی دبی، زمان، دمای محیط و دمای سیال ورودی است. ساختار دوم از پارامترهای دبی، زمان، دمای محیط، دمای سیال ورودی، دمای نقطه میانی صفحه جاذب، دمای نقطه پایینی صفحه جاذب و دمای پوشش شیشه‌ای تشکیل شده است، ساختار سوم شامل نوع سیال، دمای سیال ورودی، دمای محیط، دبی سیال عبوری، زمان بود و ساختار چهارم لایه ورودی شامل نوع سیال، دبی سیال ورودی، زمان، دمای محیط، دمای سیال ورودی، دمای نقطه میانی صفحه جاذب، دمای نقطه پایینی صفحه جاذب، دمای پوشش شیشه‌ای بود. ضریب تعیین و خطای RMSE در روش SVR برای سیال آب خالص با استفاده از ساختار اول به‌ترتیب 978991/0 و 2508/3 ، و برای ساختار دوم به‌ترتیب   998715/0 و 1016/0 به‌دست آمد. ضریب تعیین و خطای RMSE برای نانوسیال بوهمیت با استفاده از ساختار اول به‌ترتیب برابر 958303/0 و 5680/6 و برای ساختار دوم برابر 965097/0 و 4765/5 بدست آمد. همچنین با تاثیر دادن نوع سیال ورودی به‌عنوان ورودی مدل‌ها، ضریب تعیین و خطای RMSE به ترتیب برای ساختار سری سوم برابر 636978/0 و 8210/281 و   برای ساختار چهارم برابر 939306/0 و 7420/15 بدست آمد. تحلیل نتایج مدل‌سازی توسط شبکه عصبی مصنوعی نشان داد که: برای سیال آب خالص ضریب تعیین و خطای RMSE برای مدل اول به‌ترتیب برابر 99983/0 و 029084/0 و برای مدل دوم به‌ترتیب برابر 99991/0 و 015617/0به‌دست آمد. همچنین این مقادیر برای نانوسیال بوهمیت برای ساختار اول برابر 999/0 و 99896/0 و برای ساختار دوم به‌ترتیب برابر 9993/0 و 99927/0 به‌دست آمد. با اثر دادن نوع سیال عملگر به‌عنوان متغیر ورودی، ضریب تعیین و خطای RMSE با استفاده از ساختار سوم این مقادیر به‌ترتیب برابر 99886/0 و 32567/0، و برای ساختار چهارم به‌ترتیب برابر 99934/0 و 32567/0به‌دست آمد. تحلیل نتایج خروجی مدل شبکه عصبی نشان داد که این مدل توانایی بهتر و دقت بالایی برای پیش‌یینی دمای سیال خروجی نسبت به روش رگرسیون بردار پشتیبان داشته است و با افزایش فاکتورهای ورودی، شبکه دقت بالاتری را در پیش‌بینی ارائه می‌دهد. واژه‌های کلیدی: جمع کننده خورشیدی صفحه تخت، نانو سیال، انرژی دریافتی، تخمین‌گر بردار پشتیبان، شبکه عصبی مصنوعی

چکیدهانرژی به‌عنوان یکی از مهم­ترین عوامل تولید از نظر اقتصادی و محیط زیستی دارای اثرهای قابل‌توجهی است و به‌عنوان یکی از اصلی­ترین ارکان توسعه کشورها محسوب می‌شود. بدین منظور با توجه به اتمام سوخت‌های فسیلی، توجه کشورها در سطح جهان به سمت سوخت‌های زیستی و از جمله بیودیزل معطوف شده است. تولید و هم‌چنین کیفیت این سوخت مسئله‌ای بسیار مهم است. تخمین عملکرد واکنش ترانس استریفیکاسیون مسئله‌ای بسیار مهم در پژوهش‌های بیودیزل است، بر همین اساس در پژوهش حاضر اقدام به ارزیابی روش پردازش تصویر و استفاده از روش‌های مدل‌سازی سطح پاسخ (RSM)، شبکه‌های عصبی مصنوعی (ANN) و روش سیستم استنتاج عصبی- فازی (ANFIS) برای تخمین عملکرد این واکنش شد. در پژوهش حاضر ابتدا اقدام به تولید بیودیزل تحت شرایط مختلف (زمان انجام واکنش، نوع الکل، نوع کاتالیزور و همچنین روش تولید ) تولید شد و بازده واکنش تحت بازه گسترده‌ای تولید شد. سپس با استفاده از سه روش 1- عکس‌های میکروسکوپی 2- با استفاده از جعبه مخصوص پردازش تصویر قبل از سانتریفیوژ 3- با استفاده از جعبه مخصوص پردازش تصویر بعد از سانتریفیوژ، اقدام به تهیه عکس از نمونه‌های بیودیزل تحت شرایط یکسان شد. سپس با استفاده از پردازش تصویر اقدام به تهیه تصاویر کانال‌های رنگی از تصاویر گرفته شده در 5 حالت عکس‌های میکروسکوپی، عکس‌های محفظه مخصوص پردازش تصویر قبل از سانتریفیوژ، ترکیب روش‌های تصویربرداری قبل از سانتریفیوژ، عکس‌های محفظه مخصوص پردازش تصویر بعد از سانتریفیوژ و ترکیب تمام روش‌های تصویربرداری، شد. با استفاده از سه روش مدل‌سازی ANN, ANFIS, RSM بازده واکنش تخمین زده شد. نتایج   نشان داد که بهترین روش استفاده از محفظه پردازش تصویر و بدون انجام سانتریفیوژ با روش مدل‌سازی ANFIS بود و این روش توانست به‌خوبی بازده واکنش ترانس استریفیکاسیون را با ضریب تبیین (R2) 983/0، میانگین مربعات خطای داده‌ها (MSE) 002226/0، میانگین مطلق خطا (MAE) 02927/0 و مجموع توان‌ دوم باقیمانده‌ها (SSE) 12466/0 بهترین عملکرد را در تخمین بازده واکنش ترانس استریفیکاسیون داشته باشد. استفاده از روش ANN نیز توانست با دقت خوبی بازده واکنش را تخمین بزند. استفاده از روش پردازش تصویر و مدل‌سازی با روش ANFIS با کاهش هزینه‌های آنالیز به نسبت روش متداول گاز کروماتوگرافی (GC)، توانست بازده واکنش را با دقت مناسبی تخمین بزند. کلیدواژه : بیودیزل، پردازش تصویر، گازکروماتوگرافی (GC)، ترانس استریفیکاسیون، روش سطح پاسخ، روش انفیس، روش شبکه‌های عصبی مصنوعی.

آبزیان با دارا بودن ترکیب مناسب اسیدهای آمینه ضروری بدن، منبع مفیدی از پروتئین به شمار می‌روند. بر اساس آمار رسمی سازمان خواروبار جهانی در سال 2016، میزان تولید سالانه آبزیان طی هفت دهه اخیر به ‌صورت مستمر افزایش داشته و از حدود 20 میلیون تن در اوایل دهه 1950 میلادی، به مرز 170 میلیون تن در سال 2015 رسیده است (FAO, 2016). به طور کلی آگاهی عمومی در مورد اهمیت بحث تغذیه افزایش یافته است و تولید پروتئین‌های با اهمیت از نظر تغذیه ای برای تامین نیازهای جمعیت در حال افزایش یکی از مهم‌ترین مسائل جوامع بشری است. جهت کنترل کیفیت مواد غذایی در فناوری پس از برداشت در صنعت کشاورزی، موجود بودن اطلاعات تصویری از تمام سطح آن ضروری می‌باشد. و با توجه به این‌که بیشتر روش‌های اندازه‌گیری کیفیت محصولات کشاورزی، مخرب، وقت‌گیر و گران قیمت می‌باشند، سامانه بینایی از ابزارهای غیر مخرب به شمار می‌آیند و برای کنترل کیفیت مناسب محصولات کشاورزی مورد استفاده قرار می‌گیرند. این تحقیق به منظور تعیین الگوریتمی جهت درجه‌بندی ماهی قزل‌آلا به کمک پردازش تصویر انجام گرفت. تعداد 36 ماهی قزل آلای رنگین کمان در محدوده وزنی بین 200 تا 800 گرم به صورت تصادفی تهیه گردید. عکس برداری از نمونه‌های قرار داده شده در دمای محیط و یخچال هر 4 ساعت یک‌بار و ماهیانی که در محیط فریزر نگهداری می‌شدند به صورت هفتگی تا مرحله فساد کامل صورت گرفت. در مرحله پردازش تصویر 527 پارامتر از هر تصویر ماهی استخراج گردید که از بین آن‌ها با توجه به تصاویر و هیستوگرام‌ها 8 پارامتر موثر، به کمک آنالیز حساسیت برای مدل‌سازی تعیین گردید. جهت درجه‌بندی و مدل سازی‌ها از سه الگوریتم ANFIS، ANN و RSM استفاده گردید. در مدل سازی مدت زمان گذشته از صید سه محیط فریزر، یخچال و محیط خنک الگوریتم ANFIS با ضرایب همبستگی به ترتیب 0.982627، 0.988024 و 0.988094 بهترین مدل بود. ولی در مدل مدت گذشته از صید مربوط به تمامی محیط‌ها الگوریتم ANN با ضریب همبستگی 0.981391 بهترین مدل بود. برای درجه بندی ماهی قزل آلا از سیستم استنتاج فازی استفاده شد. که این سیستم تصمیم یار از سه FIS متناسب با محل نگهداری ماهی‌ها تشکیل شده است. هر یک از FIS ها دو ورودی زمان گذشته از صید بر حسب ساعت و اندازه برحسب پیکسل و یک خروجی به عنوان درجه مرغوبیت ماهی داشتند.کلمات کلیدی: الگوریتم تشخیص، پردازش تصویر، ماهی قزل آلا، مدت نگهداری

چکیدهانرژی نقش انکار ناپذیری در زندگی روزمره انسان داراست. استفاده روزافزون و همچنین بی‌رویه از سوخت‌های فسیلی در صنعت و حمل‌ونقل باعث آلودگی‌های زیست محیطی بسیاری شده و از طرفی این سوخت‌ها رو به تمام شدن هستند. بدین منظور تولید سوخت‌های زیستی و جایگزین با آلایندگی کم‌تر در عصر حاضر از اهمیت زیادی برخوردار است. بیودیزل یکی از سوخت‌هایی است که بسیار مورد توجه قرار گرفته و از روغن‌های گیاهی و حیوانی قابل تولید است. در پژوهش حاضر با هدف تولید بهتر و بهینه این سوخت اقدام به ساخت سامانه تولید پیوسته بیودیزل با ترکیب فنّاوری ریز موج و میدان مغناطیسی شد. سامانه مورد استفاده در پژوهش حاضر شامل یک راکتور پیچه‌ای ریز موج و میدان مغناطیسی با شدت یکنواخت بود، از نیروی ثقل نیز برای حرکت مواد از مخزن به داخل راکتور استفاده شد. از روغن پسماند و با استفاده از روش ترانس استریفیکاسیون بازی اقدام به تولید بیودیزل شد. مواد قبل و بعد از ورود به داخل راکتور تحت تاثیر میدان مغناطیسی یکنواخت قرار گرفت. در این پژوهش اثر 4 تیمار میدان مغناطیسی (0، 225 و 450 میلی تسلا)، توان ریز موج (400، 32/821 و 1181 وات)، ترکیب دو کاتالیزور KOH و NaOH در غلطت ثابت 1 % (0، 50 و 100 % KOH ) و ترکیب دو نوع الکل اتانول و متانول در نسبت مولی ثابت 6 : 1 (0، 50 و 100 % اتانول) با استفاده از طرح آزمایش Box-Behnken و روش سطح پاسخ، بر روی تولید بیودیزل مورد بررسی قرار گرفت و درصد تبدیل قابل ملاحظه‌ی   197/96 % به دست آمد. تمام پارامترهای مستقل دارای تاثیر معنی‌داری بر روی بازده واکنش بودند البته نوع الکل و میدان مغناطیسی بیش‌ترین تاثیر را بر روی بازده واکنش داشتند. با استفاده از روش سیستم استنتاج عصبی- فازی (ANFIS) نیز بازده واکنش پیش‌بینی و با روش سطح پاسخ (RSM) مورد مقایسه و نتایج ضریب تبیین برای هر دو روش به ترتیب 994/0 و 957/0 بود، این نتیجه نشان‌گر توانایی بالای هر دوروش بالاخص روش ANFIS برای برآورد بازده واکنش بود. با استفاده از نرم افزار Design Expert فرآیند واکنش بهینه‌سازی شده و در بهینه‌ترین حالت به ازای میدان مغناطیسی 331   میلی تسلا ، توان ریز موج 34/677 وات،   درصد کاتالیزور KOH 34/32 % + 66/67 % NaOH و 45/80 % الکل متانول+ 55/19 % الکل اتانول، بیش‌ترین بازده 197/96 % به دست آمد.کلید واژه :   بیودیزل، ریز موج، میدان مغناطیسی، روغن پسماند، ترانس استریفیکاسیون، روش سطح پاسخ، روش انفیس.

درختان کاج از نظر زیست-محیطی، دارویی و اقتصادی اهمیت زیادی دارند. سرخشکیدگی درختان کاج از جمله بیماری­های مهمی است که در شهر کرمانشاه وجود دارد. هدف از این مطالعه شناسایی گونه­های قارچی همراه با درختان کاج، شناسایی بیمارگر­های قارچی و اثبات بیماری­زایی این قارچ­ها در شرایط آزمایشگاه و گلخانه بود. به منظور شناسایی قارچ­های بیمارگر درختان کاج، در فصول مختلف سال 1395-1394 از شاخه­های آلوده که دارای علایم سرخشکیدگی بودند نمونه­هایی جمع آوری و به آزمایشگاه منتقل شد. قطعات کوچکی از نواحی بین بافت سالم و آلوده پس از ضدعفونی سطحی با هیپوکلریت سدیم تجاری روی محیط کشت سیب زمینی دکستروز آگار قرار داده­شد. پس از رشد جدایه­های قارچی، از کشت­های خالص جدایه­ها برای شناسایی و اثبات بیماری­زایی استفاده شد در این تحقیق در مجموع 218 جدایه به دست آمد که شامل 49 جدایه شناسایی نشده (فراوانی 47/22 درصد) به همراه Aspergilus با 41 جدایه (فراوانی 8/18 درصد)، Penicilium با 25 جدایه (فراوانی 46/11 درصد)، Microsphaeropsis  olivacea با 16 جدایه (فراوانی 33/7 درصد)، Trichoderma با 15جدایه (فراوانی 88/6 درصد)، Rhizopus با 15 جدایه (فراوانی 88/6 درصد)، Paecilomyces با نه جدایه (فراوانی 13/4 درصد)، Microsphaeropsis protea با هشت جدایه (فراوانی 66/3 درصد)، Nattrassia با هشت جدایه (فراوانی 66/3 درصد)، Talaromyces با هشت جدایه (فراوانی 66/3 درصد)، Kalmusia  variispora با هفت جدایه (فراوانی 21/3 درصد)،Cladosporium  sphaerospermum با شش جدایه (فراوانی 75/2 درصد)، Pithomyces با شش جدایه (فراوانی 75/2 درصد) و Alternaria با پنج جدایه (فراوانی 29/2 درصد) بود. در بررسی آزمون بیماریزایی روی شاخه های بریده درختان کاج، در بین تمام جدایه­های قارچی فقط 16 جدایه از Microsphaeropsis  olivacea، هشت جدایه از Microsphaeropsis  protea و هفت جدایه از Kalmusia  variispora روی شاخه­های بریده درختان کاج شانکر ایجاد کردند و بیماری­زا بودن آنها اثبات شد. آزمون بیماری زایی در گلخانه روی نهال های یک ساله درختان کاج نیز صورت گرفت که جدایه­های این سه قارچ همگی قادر به ایجاد شانکر روی نهال­ها بودند. بر اساس آنالیز­های آماری یکی از جدایه­های Kalmusia  variispora بیشترین قدرت بیماری­زایی را در بین جدایه­های قارچی داشت. در بررسی­های مولکولی، دی.­ ان.­ ای. جدایه های قارچی بیمارگر استخراج و ناحیه توالی­های جدا کننده نسخه برداری شده داخلی با استفاده از آغازگرهای ITS1 وITS4   تکثیر و پس از مقایسه با توالی­های موجود در بانک ژن مورد ارزیابی قرار گرفت. درخت فیلوژنی ترسیم شده با استفاده از روش الحاق مجاور نیز صحت گونه­های شناسایی شده را با ضریب پایداری بالا تایید، و نمونه­های ما در کنار گونه­های معتبر معرفی شده توسط سایر محققین از دیگر کشور­ها در یک گروه تک­نیایی قرار گرفتند

 چکیدهمقاومت به علف‌کش‌ها در علف‌های هرز معمولاً به علت استفاده مداوم از علف‌کش‌های یکسان و یا علف‌کش‌های با نحوه عمل یکسان به وجود می‌آید . بی­تی­راخ یک علف هرز مهم پاییزه در مزارع گندم ایران است که از سال­های گذشته کشاورزان برای کنترل آن از علف‌کش‌های مختلف از جمله بازدارنده­های   ALSو علف‌کش‌های هورمونی استفاده می­کنند . اخیراً کشاورزان از کنترل این علف هرز توسط علف‌کش‌های مورد استفاده و رایج ابراز نارضایتی می­کنند . برای انجام این مطالعه از 69 مزرعه گندم در مناطق مختلف شهرستان گیلان غرب در سال زراعی 95-1394 نمونه‌برداری شد . در این آزمایش‌ها ، واکنش بیوتیپ های حساس و مشکوک به مقاومت بی تی راخ   به دو نمونه علف کش معمول در منطقه تری بنورون متیل و تو فور دی+ام سی پی آ در دوزهای معمول مورد استفاده   بررسی شده است . ساده‌ترین و مهم‌ترین نتیجه‌ای که از این بخش از مطالعه می‌توان برداشت کرد این است که علف هرز شیر پنیر به علف کش تری بنورن متیل مقاوم شده است . در این بخش از مطالعات گلخانه ای با توجه به فروانی توده‌های مقاوم به علف کش تری بنورون متیل مطالعه تاثیر دوزهای مختلف این علف کش بر کنترل شیر پنیر در شرایط کلی   مورد بررسی قرار گرفت .  مطالعات پاسخ به دوز نشان داد که تمامی توده‌های مورد بررسی شیر پنیر در این بخش به شدت به علف کش تری بنورون متیل مقاوم هستند . در بخش مطالعات مزرعه‌ای از چهار علف کش اتلانتیس ، آپیروس ، تری بنورن متیل و تو فوردی+ام سی پی آ   استفاده شد . در مطالعات مزرعه‌ای تفاوت قابل ‌توجهی در پاسخ جمعیت‌های جمع‌آوری شده نسبت به علف‌کش‌ها وجود داشت بر اساس نتایج می­توان جمعیت­ های جمع‌آوری شده را دارای مقاومت جند گانه و مقاوم عرضی به علف کش ها دانست . دارای مقاومت متوسط و به شدت مقاوم به هر کدام از علف‌کش‌های توفوردی و تری بنورون متیل تقسیم‌بندی کرد. بر اساس نتایج این مطالعه، گسترش این علف هرز در منطقه احتمالا به دلیل گسترش کشت گندم و نیز بروز مقاومت در این علف هرز به علف‌کش‌های رایج در منطقه دانست.

  روند روبه رشد جمعیت سبب افزایش روزافزون تقاضا برای محصولات کشاورزی شده‌است. امروزه برای مصرف‌کنندگان، کیفیت میوه‌ها و سبزیجات، همانند تولیدکنندگان اهمیت زیادی دارد. تعداد بسیار زیادی از مصرف‌کنندگان تمایل به پرداخت هزینه‌ی بیشتر در ازای کیفیت بالاتر محصول مورد نظر خود دارند. در ایران اغلب روش سنتی در زمینه درجه‌بندی محصولات کشاورزی از لحاظ رنگ و اندازه رواج دارد که این روش اولا عملکرد بسیار پایین و هزینه زیادی دارد، ثانیا به علت افزایش تقاضا از سوی مصرف‌کنندگان و در نتیجه نیاز به افزایش تولید و سرعت جداسازی، پاسخگوی نیاز کارخانه‌جات نیست و ثالثا باعث عدم استقبال از محصولات کشاورزی ایران در بازارهای خارجی و نیز کاهش قمیت محصول نهایی در مقایسه با کشورهای دیگر شده‌است. از طرفی با توجه به اهمیت صادرات محصولات باغی و آگاهی از وضعیت سلامت آنها ضروری است که محصولات قبل از بسته‌بندی، درجه‌بندی شده و با اطمینان کامل نسبت به صادرات اقدام نمود. بسیاری از روش‌های مورد استفاده تخریبی بوده و لازم است در راستای استفاده از روش‌های غیرتخریبی اقداماتی صورت‌گیرد. لذا در این تحقیق سعی شد که الگوریتم هایی جهت ساخت دستگاه های درجه بندی بررسی و تدوین گردد.PH آب انار و میزان قند آن اندازه‌گیری شد. مزه انار در پنج سطح خیلی‌شیرین، شیرین، ملس، ترش و خیلی‌ترش توسط اعضاء پنل تست شد. در مرحله پردازش تصویر با توجه به توضیحات داده شده 482 پارامتر از هر تصویر انار استخراج گردید که از بین آنها 14 پارامتر شاخص با توجه به تصاویر آنها و هیستوگرام‌ها جدا گردید. از بین 14 پارامتر به کمک آنالیز حساسیت برای هر شاخص پارامترهای منتخب برای مدل‌سازی تعیین گردید. جهت درجه‌بندی و مدل سازی‌ها از سه الگوریتم ANFIS، ANN و RSM استفاده گردید. برای درجه‌بندی انار به سه سطح درجه یک، دو و سه مدل ANFIS با دقت 5/98% بهترین مدل بود. در مدل‌سازی جهت تخمین میزان قند آب انار مدل ANN با ضریب همبستگی 988/0 بهترین مدل بود. در مدل‌سازی جهت تخمین میزان PH آب انار مدل ANFIS با ضریب همبستگی 991/0 بهترین مدل بود. در مدل‌سازی جهت پیش‌بینی مزه انار مدل ANN با ضریب همبستگی 995/0 بهترین مدل بود. در مدل‌سازی جهت درجه‌بندی بر اساس دانه‌انار مدل ANN با دقت 98% بهترین مدل بود. در مدل‌سازی جهت پیش‌بینی وزن انار مدل ANFIS با ضریب همبستگی 998/0 بهترین مدل بود. در مدل‌سازی جهت پیش‌بینی حجم انار مدل ANN با ضریب همبستگی 995/0 بهترین مدل بود.

سدها به منظور دستیابی به اهداف گوناگونی از جمله تامین نیازهای آبی، تولید انرژی برقابی و کنترل کاهش خسارت‌های سیلاب طراحی شده و مورد بهره برداری قرار می‌گیرند، بهره برداری بهینه از مخازن سدها یکی از مسائل مهم در حوزه مدیریت منابع آب است، لذا در این تحقیق بهره برداری بهینه از سدها به منظور تولید انرژی برقابی و حداکثر تامین نیاز کشاورزی در پایاب سد مورد ارزیابی قرارگرفته است. با توجه به اینکه بارش یک پدیده غیر قطعی می‌باشد و اثر گذاری مستقیمی بر روی جریان ورودی به مخزن دارد به کمک رویکرد بهینه‌سازی تصادفی صریح و روش برنامه‌ریزی خطی با قیود احتمالاتی به مدل‌سازی انرژی برقابی مخزن پرداخته شده است. سد مارون بر روی رودخانه مارون واقع در جنوب شرقی استان خوزستان احداث شده و هدف از احداث این سد کنترل سیلاب‌های مخرب، تامین آب مورد نیاز اراضی کشاورزی پایین دست (دشت‌های بهبهان ، جایزان، خلف آباد، شادگان) و تولید انرژی برق به میزان 150 مگاوات می‌باشد. جهت بهینه‌سازی توان تولیدی خروجی سد، از آمار بلند مدت جریان ورودی به سد به صورت ماهانه بر مبنای دوره آماری 52 ساله (1332 لغایت 1383) استفاده شده است، برای منظور ابتدا با استفاده از توزیع تجربی ویبول تابع توزیع تجمعی جریان ورودی به مخزن برای ماه‌های مختلف محاسبه گردید. سپس برای یک سطح احتمال مشخص تامین نیاز کشاورزی و ظرفیت نصب150 مگاوات، میزان انرژی برقابی خروجی از سد به کمک مدل Lingo بهینه‌سازی شد. در ادامه به کمک نرم افزارEasy fit توزیع‌های مختلف آماری بر روی داده‌های جریان ورودی به مخزن برای هر ماه برازش داده شد و بهترین توزیع برای هر ماه مشخص گردید. نتایج نشان می‌دهد در حالتی که جریان ورودی به مخزن سد   از توزیع تجربی ویبول تبعیت کند، حداکثر تامین نیاز کشاورزی 86 درصد خواهد بود و انرژی سالانه کل خروجی از سد معادل86/114 گیگاوات ساعت است. این در حالی است که در استفاده از بهترین توزیع آماری جریان ورودی به سد استفاده شود، حداکثر تامین نیاز کشاورزی به 88 درصد خواهد رسید، همچنین انرژی سالانه کل خروجی از سد معادل55/111گیگاوات ساعت براورد شده است.در نتیجه در می‌توان گفت که تعیین بهترین توزیع‌های آماری جریان ورودی به مخزن تاثیر ناچیزی بر روی نتایج بهینه سازی دارد، بطوریکه در این تحقیق کمتر از 2 درصد در تامین نیاز کشاورزی و تولید انرژی برقابی تاثیر داشته است. بنابراین با برازش دادن توزیع احتمالی تجربی ویبول بر روی داده‌های جریان ورودی به سد نیازی به انتخاب بهترین مدل آماری نیست و توزیع تجربی ویبول کفایت می‌کند.

آلاینده‌های خروجی وسایل نقلیه‌ی موتوری، به خصوص وسایل نقلیه‌ای که دارای موتور اشتعال جرقه‌ای می‌باشند، مهم‌ترین پارامترهای آلودگی هوای محیط زیست در بسیاری از کشورها را تشکیل می‌دهند. با توجه به رویکرد جهانی مبنی بر کاهش مصرف انرژی و حفاظت از منابع انرژی خصوصا سوخت‌های فسیلی در کشورهای مختلف جهان، محدودیت‌هایی برای مصرف سوخت خودروها در سطح بین المللی تعریف شده است. در این موتورها با غنی سازی سوخت، دمای گازهای خروجی را کاهش می‌دهند که این کار سبب افزایش مصرف سوخت در موتور می‌گردد. برای حل این مشکل می‌توان از بازخورانی سرد گازهای خروجی استفاده کرد.   بازخورانی سرد گازهای خروجی سبب کاهش فشار و دمای ناحیه نسوخته در حین احتراق در داخل سیلندر و در نتیجه کاهش تمایل به کوبش در این موتورها می‌گردد. چون محل قرار گرفتن و اتصال گازهای بازخورانی خروجی تاثیر زیادی بر روی عملکرد موتور دارد، با توسعه دستگاه آزمایشگاهی EGR سرد با قابلیت تعیین دمای هوای ورودی به مقادیر دل‌خواه (در یک محدوده خاص) می‌توان به بررسی هرچه بیشتر عملکرد موتور در دماهای هوای ورودی مختلف و به طور جداگانه پرداخت. در تحقیق حاضر ابتدا با استفاده از نرم افزار   ANSYS 13 و زیر زبانه‌ی CFD در آن به مدل سازی و تحلیل یک رادیاتور خنک کننده برای سیستم   بازخورانی گازهای خروجی اگزوز پرداخته شد و سپس بر اساس نتایج به دست آمده برای این مدل سازی اقدام به ساخت یک مدار بازخورانی با قابلیت تعیین دمای هوای ورودی موتور شد. سپس عملکرد دمایی موتور و آلاینده‌های تولیدی در پنج حالت بدون   بازخورانی، بازخورانی بدون خنک کاری و بازخورانی با خنک کاری با سه دمای هوای خنک کاری 4/15، 5/11 و 5/7 درجه مورد بررسی قرار گرفت. نتایج به دست آمده از تجزیه واریانس نشان دهنده‌ی اختلافی معنی دار برای خروجی‌های CO، CO2، HC، NOx، و دماهای ورودی و خروجی در اثر تغییر دور موتور و تغییر نوع بازخورانی بودند. تاثیر تغییر دور موتور   بر آلاینده‌ی NOx در تمام حالت‌های بازخورانی معنی‌دار بود. همچنین با افزایش دور موتور مقدار آلاینده‌های CO و HC و همچنین مقدار دمای هوای ورودی و خروجی و ورودی موتور افزایش یافت. این در حالی است که با افزایش دور موتور مقدار آلاینده­ی CO2 کاهش یافت.