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.

   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

بمنظور حفظ کیفیت میوه ها و افزایش عمر ماندگاری آنها، تحقیقات وسیعی در زمینه روش های بسته بندی به ویژه کاربرد نانومواد در بسته بندی صورت گرفته است. با توجه به خواص دارویی و غذایی بالای سیر و همچنین حساس بودن دوره نگهداری آن پس از پوست گیری، بسته بندی این محصول از اهمیت بالایی برخوردار است. در این پژوهش بسته بندی سیر در دو فیلم معمولی و نانو در دماهای 25، 4 و18- درجه سانتی­گراد و سه حالت اتمسفری معمولی ، خلاء و اتمسفر اصلاح شده انجام شد. خواص اندازه­گیری شده شامل خواص مکانیکی(Fmax،Emod و درصد تغییر شکل)،خواص شیمیایی(PH و TSS)، خواص رنگ سنجی(L*، تغییر رنگ و شاخص قهوه ای شدن) و همچنین میزان گاز(O2 و CO2) درون بسته ها بود. آنالیز داده ها در دوبخش 14 روزه شامل هر سه دما و 35 روزه شامل دمای یخچال و فریزر انجام شد. آنالیز داده ها به دو روش آماری و شبکه عصبی مصنوعی (ANN) صورت گرفت. روند تغییرات در طول دوره نگهداری در خواص مکانیکی(بجز تغییر شکل)،میزان دی اکسید کربن ، TSS و L* بصورت کاهشی و در PH، درصد تغییر شکل،تغییر رنگ و شاخص قهوه ای شدن بصورت افزایشی گزارش شد. نتایج آنالیزآماری نشان داد که در دوره 14 روزه تغییرات دما و در دوره 35 روزه نیز دما و اثر متقابل دما×اتمسفر اثربخشی معنی داری بر تمامی پارامتر ها داشتند.کمترین تغییرات خواص اندازه گیری شده عمدتا در فیلم نانو رخ داد. درآنالیز شبکه عصبی(ANN) خروجی بهترین مدل برای اثر گذاری تیمار ها بر خواص،نمودار عملکرد اعتبارسنجی، ضریب رگرسیون داده ها(آزمایش، آموزش و کلی) و همچنین برازش خط رگرسیون داده ها اندازه گیری شد.   

   سبزیجات و صیفی‌جات به دلیل داشتن فیبر بالا و خاصیت ضد اکسیدانی   نقش مهمی در سلامت انسان ایفا می­کنند. خیار سبز یکی از قدیمی‌ترین سبزی‌های کشت شده است و بیش از پنج هزار سال تاریخ شناخته شده دارد. خیار سبز با نام علمی Cucumis Sativus متعلق به خانواده کدوییان Cucurbiteacae می‌باشد، که یکی از مهم‌ترین خانواده گیاهی است و شامل 90 جنس و 750 گونه است. پژوهشگران به این نتیجه رسیده­اند که استفاده از کود اوره باعث افزایش عملکرد سبزیجات خواهد شدکه این امر باعث استفاد بی­رویه کشاورزان ازکود اوره شده است. استفاده از کود اوره در مزارع باید تحت کنترل قرار گیرد چرا که استفاده بیش­ از حد نه­تنها در افزایش عملکرد تاثیری نخواهد داشت بلکه باعث تجمع نیترات خواهد شد. با توجه به این‌که سبزیجات و صیفی‌جات قابلیت جذب و احتباس مقادیر زیادی از نیتریت و نیترات را دارا هستند، لذا مصرف این قبیل محصولات توسط انسان موجب به خطر افتادن سلامتی می‌گردد. به این منظور ضوابطی در نظر گرفته شده است که محصولات با مصرف مجاز سموم و کودهای شیمیایی را با عنوان محصول سالم برچسب گذاری می­کنند. تشخیص مصرف بیش­از حد کود اوره در مزارع با استفاده از فن­آوری­های موجود مانند کروماتوگرافی (GC[1]) و یا کروماتوگرافی گازی طیف سنج(GC/MS[2]) انجام می­شود که بسیار هزینه‌بر و زمان­بر است و به کاربرهایی متخصص نیاز دارد. بنابراین لازم است به­دنبال راه­حلی آسان و کم هزینه بود که بتواند در کم­ترین زمان آزمایش را انجام دهد. در این پژوهش پنج سطح کود اوره در خیار با استفاده از روش بینی الکترونیک و آنالیزهای شیمیایی و توسط روش­های کمومتریکس طبقه­بندی شدند. سطوح کود اوره صفر، 100، 200، 300 و 400 کیلوگرم بر هکتار بودند که در هر سطح کود اوره دو برداشت در فواصل زمانی چهار و پنج ماه پس از کشت بذر انجام شد.   فن­آوری بینی الکترونیکی یک تکنولوژی مدرن و پیشرفته است که در صنایع کشاورزی استفاده­های زیادی دارد. در این پژوهش برای تشخیص میزان کود اوره استفاده شده در کشت خیار سبز از ماشین بویایی استفاده شد که دارای هشت حسگر نیمه هادی اکسید فلزی بود و برای اندازه گیری فسفر به روش طیف سنجی، پتاسیم نشر شعله­ای و نیتروژن به­وسیله کجلدال ستفاده شد. داده­های ماشین بویایی به وسیله روش­های ANN، SVM، LDA و QDA و آنالیزهای شیمیایی توسط روش­های PCR، PLSو MLR تحلیل و طبقه­بندی شدند. [1]. Gas Chromatography [2]. Gas Chromatography /Mass Spectrometry

چکیده    تولید مواد غذایی سالم و با کیفیت از چالش‌های مهم امروزه بشر می‌باشد. رب گوجه فرنگی به عنوان یک   چاشنی محبوب در غذا‌های ایرانی به دلیل داشتن آنتی اکسیدان‌ها، لیکوپن‌ها، ویتامین‌ها و املاح معدنی مورد توجه قرار گرفته است. بسیاری از کارخانه‌های تولید رب‌ گوجه فرنگی از طریق فرایند‌های حرارتی، پاستوریزاسیون و نگهدارنده‌های شیمیایی کیفیت این محصول را حفظ می‌کنند. این روش­ها می‌تواند بر مدیریت و تولید موثر رب گوجه فرنگی اثر گذار باشد‌. فراوری مواد غذایی به روش پلاسمای سرد جهت رسیدن به سطح مطلوبی از کیفیت یک محصول مخصوصا مواد غذایی حساس به گرما به کار برده می‌شود. این فناوری نوظهور و غیر حرارتی، ایمن، سالم، سازگار با محیط زیست، مقرون به صرفه و دارای تاثیر کم بر ساختار درونی محصول می‌باشد. باتوجه به پیشرفت‌های اخیر در فناوری پلاسما، این تحقیق با هدف بررسی اثر استفاده تیمار پلاسمای سرد بر پارامتر‌های کیفیتی رب گوجه فرنگی انجام شد. روش تحقیق بدین صورت بود که در ابتدا نمونه‌های رب گوجه فرنگی تهیه شده از گوجه فرنگی که از کارخانه رب گوجه فرنگی در دو حالت سنتی (بدون مواد نگهدارنده) و صنعتی (با مواد نگهدارنده) تهیه شدند و در آزمایشگاه به صورت مستقیم زیر هود لامینار تحت پلاسمای سرد نسبتا" یکنواخت با استفاده از تخلیه سد دی الکتریک (DBD) گاز هوا و در 3 تکرار و 2 سطح زمان در معرض پلاسما قرار گرفتند. آزمایش­ها تحت فشار اتمسفرو 3 سطح ولتاژ (حداکثر 12کیلو ولت) و با فرکانس ثابت حدود7-6 کیلو هرتز انجام شد. سپس تاثیر پلاسمای سرد بعد از 10روز بر پارامتر­های pH، رنگ و بریکس بررسی شد و بعد از 5 روز انکوبه گذاری، میزان کپک آسپرژیلوس نایجر مورد ارزیابی قرار گرفت.   مقایسه میانگین تیمارها با آزمون دانکن انجام شد. نتایج نشان داد که، اعمال پلاسمای سرد اتمسفری، بر pH رب صنعتی اثر معنی داری نداشته است، درحالی که باعث افزایش بریکس رب و کاهش تعداد کلنی­های کپک آسپرژیلوس نایجر و در نتیجه بهبود کیفیت رب گوجه فرنگی صنعتی در گذر هفته­ها شد.کلمات کلیدی: رب گوجه فرنگی، کیفیت، پلاسمای سرد اتمسفری، فرآوری مواد غذایی    

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.   

  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.     

   چکیده    انار با نام علمی   Punica granatum L، از خانواده پونیکاسه می باشد .ایران با داشتن 60 هزار هکتار سطح زیر کشت و تولید 800   هزار تن مقام اول تولید انار در جهان را به خود اختصـاص داده است. از دانه انار می توان آب، رب، معجون، شربت، مربا، ژله و ...تهیه نمود. در حال حاضر مطلوب و سالم بودن مواد غذایی   از نظرکیفیت نقش مهمی را در صنایع غذایی ایفا می­کند. تشخیص تقلب در صنایع موادغذایی همواره جامعه علمی را به چالش کشیده است. با ‌مشکل می­توان شیوه ای را یافت که کیفیت مواد غذایی را تعیین کند. به این دلیل در دهه های اخیر توجه به‌ استفاده از روش­های بویایی ،چشایی ، بینایی   و رایانه­ای در صنعت بررسی مواد غذایی مورد توجه قرار گرفته است. ماشین بویایی از شیوه ی تازه ای است که در صنایع وابسته به مواد غذایی و کشاورزی برای بررسی کیفیت مواد غذایی زیاد مورد توجه پژوهش گران   واقع شده است. در این خصوص، یک سامانه­ی قابل حمل بینی الکترنیک بر پایه حسگرهای گازی برای تشخیص رب انار خالص از نوع تقلبی بررسی شد. ویژگی­های پاسخ حسگرها به ترکیبات فرار انواع نمونه­ها، استخراج و به عنوان ورودی مدل تشخیص الگو استفاده شد. برای هر نمونه آزمایش مقدار 30 گرم مورد آزمایش قرار گرفت. بر طبق نتایج حاصل شده جهت مخلوط رب انار خالص با شیره انگور و شیره خرما، درصد واریانس به روش PCA به ترتیب 92 و 94 درصد و به منظور طبقه­بندی هر ماده در هفت گروه قرار داشتند دقت طبقه‌بندی به روش   QDA به ترتیب 71/85 و 14/97 درصد و دقت طبقه بندی به روش LDA به ترتیب 52/69 و 67/86 به دست آمد. نتایج تحلیل شبکه عصبی مصنوعی برای رب انار خاص از نوع تقلبی شیره انگور و شیره خرما به ترتیب دقت طبقه‌بندی 80 و 4/92 درصد حاصل شد. نتایج حاصله از گراف لودینگ مشخص نمود که برای مقایسه رب انار و شیره انگور حسگرهای   (MQ-136)و (TGS-2602) بیشترین تاثیر را دارند. هم چنین نمودار لودینگ برای مقایسه رب انار و شیره خرما حسگرهای (TGS-822)،   (MQ-135)و (TGS-2620) بیشترین تاثیر را دارند. بر اساس کارایی حسگرهای سامانه بویایی الکترونیکی،   کاربرد سامانه   جایگزین روش­های پیچیده متداول و   زمان­بر در مشخص کردن کیفیت رب انار خاص و تعیین درجه خلوص آن گردد.                واژه­های کلیدی: بینی الکترونیک، تقلب، حسگر، رب انار، مواد غذایی.

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

   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.

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.  

1-   به منظور بررسی تنوع ژنتیکی و شناسایی ژنوتیپ­های مقاوم به خشکی پژوهشی در قالب طرح بلوک­های کامل تصادفی در سه تکرار و در دو محیط تنش و بدون تنش با 25 ژنوتیپ گندم نان انجام شد. این پژوهش در سال زراعی 1396-1395 در مزرعه تحقیقاتی و آزمایشگاه فیزیولوژی پردیس کشاورزی و منابع طبیعی دانشگاه رازی کرمانشاه اجرا شد. نتایج تجزیه واریانس صفات مختلف مورفولوژی، فیزیولوژی، فنولوژی و بیوشیمیایی نشان داد که اثر ژنوتیپ برای بیشتر آن­ها معنی دار است و همچنین نتایج تجزیه واریانس مرکب صفات نیز حاکی از معنی دار شدن اثر محیط برای بیشتر این صفات بود. آنالیز­­های مختلفی از جمله تجزیه به عامل­ها،   تجزیه به مولفه­های اصلی، تجزیه خوشه­ای بر روی صفات اندازه گیری شده انجام شد. نتایج همبستگی بین شاخص­های مقاومت به خشکی نشان داد که شاخص های MP، STI، GMP، HMP، MSTI، MRP، YI و REI با عملکرد در هر دو شرایط تنش و بدون تنش همبستگی مثبت و معنی داری داشتند و بنابراین برای انتخاب ژنوتیپ­های برتر در هر دو شرایط مناسب ترند. نتایج مربوط به شاخص­های STS و ISI نشان داد که ژنوتیپ شماره 8 ژنوتیپ برتر می­باشد. نتایج حاصل از برآورد پارامتر­های ژنتیکی نشان داد که نتایج حاصل از تجزیه واریانس ساده با نتایج حاصل از پارامتر­های ژنتیکی هم خوانی دارد. نتایج حاصل از تجزیه گرافیکی GGE biplot نیز نشان داد که در شرایط بدون تنش ژنوتیپ­های شماره 5، 15، 13، 10، 18، 11، 16و 24 بهترین ژنوتیپ­ها ، و در شرایط تنش ژنوتیپ­های 18، 10، 15، 17، 11، 4، 16 و 12 ژنوتیپ­های برترند.کلید واژگان: گندم نان، مقاومت به خشکی، صفات بیوشیمیایی، صفات زراعی، صفات فیزیولوژیک

به منظور ارزیابی تحمل تنش کمبود آب و تنوع ژنتیکی 16 ژنوتیپ گاودانه، دو آزمایش در سال زراعی 95-1394 به صورت طرح بلوک­های کامل تصادفی با سه تکرار در دو شرایط بدون تنش و تنش کمبود آب در مزرعه تحقیقاتی پردیس کشاورزی و منابع طبیعی دانشگاه رازی کرمانشاه انجام شد. ویژگی­های روز تا گلدهی، روز تا رسیدگی، طول دوره پر شدن دانه، ارتفاع بوته، تعداد شاخه­های فرعی، تعداد نیام در بوته، تعداد دانه در نیام، تعداد دانه در بوته، وزن هزار دانه، عملکرد دانه، عملکرد بیولوژیک و شاخص برداشت در هر دو محیط اندازه­گیری شدند. تجزیه واریانس صفات تنوع قابل ملاحظه­ای را بین ژنوتیپ­ها نشان داد. تجزیه مرکب داده­ها نشان داد که اثر محیط بر روی اکثر صفات معنی‌دار بود. همچنین شاخص­  hy;های حساسیت به تنش (SSI)، تحمل (TOL)، میانگین هندسی تولید (GMP)، متوسط تولید (MP)، تحمل تنش (STI)، عملکرد (YI)، پایداری عملکرد (YSI) و میانگین هارمونیک (HAM) بر اساس عملکرد در هر دو شرایط محاسبه شدند. شاخص­ MP، GMP و STI با عملکرد در هر دو شرایط و شاخص­های YI و HAM با عملکرد در شرایط تنش همبستگی مثبت و معنی­داری را نشان دادند بنابراین به عنوان شاخص­های مناسب برای انتخاب ژنوتیپ­های برتر معرفی شدند. بر اساس بای‌پلات حاصل از دو مولفه اصلی اول و دوم ژنوتیپ‌های 2، 3، 13 و 16 به علت قرار گرفتن در مجاورت شاخص­های برتر، مناسب برای هر دو شرایط معرفی شدند. برآورد پارامتر­های ژنتیکی   و ضرایب همبستگی ژنتیکی و فنوتیپی برای تمامی صفات برآورد شد. در مجموع، روند همبستگی­ها نشان داد که همبستگی­های فنوتیپی بیشتر از همبستگی­های ژنتیکی است که این   موضوع بیانگر اثر محیط بر ژنوتیپ­های مورد مطالعه است.کلید­واژه­ها: تنوع ژنتیکی، تنش کمبود آب، گاودانه

  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

  عسل ماده طبیعی و شیرینی است، که زنبورعسل آن را عمدتاً از شهد گل‌ها جمع‌آوری، عمل‌آوری و در کندو ذخیره می‌سازد. تقلب، خصوصاً صنعتی از‌ طریق اضافه کردن شربت‌های طبیعی و‌ یا تخمیری مستقیماً به عسل ایجاد می‌شود. عسل مصنوعی نیز از ترکیب یک و یا چند نوع قند با اسید ایجاد می‌گردد. در این تحقیق به ساخت مجموعه تصویربرداری بهینه‌شده برای سیالات در دانشکده کشاورزی رازی کرمانشاه پرداخته‌شده و عسل رازیانه نیز از زنبورداران واقع در شهرستان کنگاور تهیه گردید. پس از تائید منشاء عسل در این تحقیق 39 نمونه عسل تقلبی با استفاده از شربت ساکارز، فروکتوز و ترکیب 9/0 از شربت فروکتوز به همراه گلوکز در سطوح 5/2، 5، 5/7، 10، 20، 30، 40، 50، 60، 70، 80، 90 و 100 درصد به‌وسیله همزنی در عسل، یک نمونه عسل طبیعی و یک نمونه عسل مصنوعی بررسی و مقایسه گردیدند. بر اساس این پژوهش، سه روش تصویری شامل: روش پردازش تصاویر عسل حل‌شده در آب (DiW)، روش تصویربرداری از عسل در محفظه ویژه (مشکی) با استفاده از پتری دیش (PD) و روش تصویربرداری میکروسکوپی (M) همچنین یک روش تعیین تقلب عسل مبتنی بر خواص فیزیکوشیمیایی (PH، سختی سنجی یا مواد جامد محلول TDS، هدایت الکتریکی EC، رطوبت MC) و بررسی روش ترکیبی   (C) از پارامتر‌های برتر کل روش‌ها یادشده انجام شد (روش میکروسکوپی و TSD مجزا از نوع عسل است). جهت پردازش تصاویر در هر تصویر از 33 کانال تک‌رنگ موردبررسی، 15 پارامتر (مجموعاً 495 پارامتر) مورداندازه‌گیری قرار گرفت. طبقه‌بندی معدود پارامتر‌های انتخابی توسط آنالیز حساسیت به روش شبکه استنتاج فازی ANFIS، شبکه عصبی مصنوعی ANN و سطح پاسخ RSM صورت گرفت. برای مقایسه بهترین مدل‌ها بر اساس بیشترین تابع مطلوبیت کل و با استفاده از اطلاعات آماری بیشترین ضریب تبیین (R2)، کمترین میانگین مربعات خطا (RSM)، کمترین مجموع توان‌های دوم باقیمانده‌ها (SSE) و کمترین میانگین مطلق خطا (MAE) و کمترین شاخص معنی‌داری p-value انجام شد. ضریب تبیین مدل ارائه‌شده در روش عسل انحلالی در آب (DiW) توسط سیستم‌های طبقه‌بندی AFNIS، ANN و RSM به ترتیب 9512/0، 9882/0 و 9904/0 بود، با در نظر گرفتن تمامی مقادیر خطاهای آماری مدل RSM توسط تابع مطلوبیت کل به‌عنوان بهترین مدل در این روش معرفی شد. مدل RSM بازهم توسط تابع مطلوبیت کل در روش تصویربرداری از عسل در محفظه ویژه (مشکی) با استفاده از پتری دیش (PD) توسط سیستم‌های طبقه‌بندی AFNIS، ANN و RSM به ترتیب با مقادیر ضریب تبیین 9773/0، 9731/0 و 9918/0 بهترین مدل بود. برخلاف روش‌های قبل ضریب تبیین مدل ارائه‌شده در روش تصویربرداری میکروسکوپی (M) توسط سیستم‌های طبقه‌بندی به ترتیب 9726/0، 9738/0 و 8729/0 بود، اما با توجه به نزدیکی ضریب تبیین مدل ANN به دلیل مقادیر خطاهای آماری کمتر توسط تابع مطلوبیت کل انتخاب گردید. تابع مطلوبیت کل مدل RSM را در روش مبتنی بر خواص فیزیکوشیمیایی (F) توسط سیستم‌های طبقه‌بندی به ترتیب با ضریب تبیین 9844/0، 9950/0 و 9992/0 برگزید. در این روش با افزایش تقلب هدایت الکتریکی و مواد جامد نامحلول روند کاهشی، میزان رطوبت روند افزایشی و PH با توجه به نوع شربت متفاوت بود. عسل مصنوعی نیز بیشترین هدایت الکتریکی و کمترین مقدار مواد جامد محلول و 5/2 PH= (استاندارد ?3) را به خود اختصاص داد. در روش ترکیبی (C) با استفاده پارامترهای ورودی بهترین مدل‌ در تمامی روش‌های قبلی و انجام آنالیز حساسیت، دو ها و انجام آنالیز حساسیت اسیت ترین مقدار مواد جامد محلول و حکاهش، میزان رطوبت روند افزایشی و   پارامتر از روش تصویربرداری عسل انحلالی در آب (DiW) و یک پارامتر از روش تصویربرداری میکروسکوپی (M) انتخاب و مدل‌سازی گردید و از طریق سیستم‌های طبقه‌بندی AFNIS، ANN و RSM برای حالت ترکیبی و با استفاده از تابع مطلوبیت، مدل RSM با مقدار ضریب تبیین 9992/0 در نظر گفته شد. از میان مدل برتر در هر پنج روش این پژوهش، مدل RSM در روش ترکیبی (C) با کمترین مقدار از خطاهای آماری نسبت به سایر مدل‌ها با تابع مطلوبیت 9940/0 کارآمد‌ترین معرفی شد.

چکیدهانگور از جمله میوه‌هایی است که در تمام نقاط دنیا کشت می‌شود. سطح زیرکشت این محصول در ایران 290 هزار هکتار و تولید آن 05/3 میلیون تن می‌باشد، که با سهم 5/18 درصد از کل میزان تولید محصولات باغی کشور، بعد از سیب در رتبه دوم قرار می‌گیرد. خوشه‌خوار انگور از مهم‌ترین آفات این محصول می‌باشد که خسارت اصلی آن روی خوشه­ انگور بوده و عامل اصلی خسارت لاروها می‌باشند. به‌منظور بررسی نوسانات جمعیت این آفت و همچنین تاثیر ارتفاع در تراکم جمعیت حشرات کامل، مطالعه‌ای با استفاده از تله‌های دلتا و کپسول‌های فرمونی در باغات انگور سه روستای شهرستان پاوه شامل روستای دوریسان، شمشیر و تازه‌آباد به‌ترتیب با 1605، 1700 و 1820 متر ارتفاع از سطح دریا، طی فصل زراعی سال 1395 انجام شد. نتایج نشان داد که این آفت در روستای دوریسان چهار نسل و در روستاهای شمشیر و تازه‌آباد سه نسل در سال دارد. بین ارتفاع و زمان ظهور اولین شب‌پره‌ها در روستاهای مختلف رابطه معنی‌داری وجود دارد. از یافته‌های این تحقیق می‌توان در مدیریت کنترل این آفت استفاده نمود، زیرا نصب تله‌ها در زمان مناسب می‌تواند نقش موثری در کاهش جمعیت اولیه آفت و جلوگیری از سمپاشی‌های بی‌رویه داشته باشد. نتایج آزمون t نشان داد که بین میانگین تراکم جمعیت آفت در روستاهای مختلف تفاوت معنی‌داری وجود دارد.واژه‌های کلیدی: انگور، خوشه‌خوار انگور، تغییرات جمعیت، تله دلتا، پاوه

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.