Görüntüleme
9
İndirme
1
Bu çalışmanın amacı, farklı şekil indeksine sahip Marfona ve Hermes patates çeşitlerinin geometrik özellikler, projeksiyon alanları ve hacim özelliklerine göre kütle modellemelerinin belirlenmesidir. Kütle tahmini için modellemelerde farklı sınıflandırmalar olarak boyutlara göre 1. sınıflandırma, projeksiyon alanına göre 2. sınıflandırma ve hacim özelliklerine göre 3. sınıflandırma olarak dikkate alınmıştır. Bu amaçla, şekil indeksine göre Marfona ve Hermes ve karışık patates çeşitlerinin geometrik boyut özellikleri olarak uzunluk (l), genişlik (w), kalınlık (t) boyutları, geometrik ortalama çap (Gmd) projeksiyon alanları olarak, birinci, ikinci ve üçüncü projeksyon alanları (FPA, SPA, TPA) ve kriter alanı (Cae) ile hacim karakteristikleri olarak oblate sferoid (Vobsp) ve elipsoid spheroid (Vellsp) hacimlerine göre kütle tahminlemesi yapılmıştır. Şekil indeksi (SI)'ne göre patatesler yuvarlak (100-160) ve oval (161-240) olarak karakterize edilmiştir. Kütle tahmini için analizlerde genel toplamda 114 lineer regresyon modeli kullanılmıştır ve maksimum belirtme katsayısı (R2), minimum regresyon standart hatası (RSE) ve kök ortalama karesel hata (RMSE) değerleri dikkate alınarak modeller önerilmiştir. Patates çeşitleri arasında yuvarlak şekil indeksine göre boyutlar, projeksiyon alanları ve hacimler açısından patates yumrularının kütlesini tahmin etmede geliştirilen model Hermes çeşidinde belirlenirken, oval şekil indeksine göre ise Marfona çeşidinde belirlenmiştir. Tüm modeller içinde şekil indeksi dikkate alınmadan maksimum belirtme katsayısı (R2), minimum regresyon standart hatası (RSE) ve kök ortalama karesel hata (RMSE) değerleri veren model, elipsoid küre hacmiyle kütle tahmini yuvarlak (100-160) şekil indeksinde m=2.830 + 1.169Vellsp (R2=0.940, RSE=5.112, RMSE=5.035) ile Hermes çeşidinde belirlenmiş olup bu model önerilmiştir. Kütle tahminlerinde önerilen bu modeller patates yumrularının hasat sonrası kullanımına yönelik olarak sınıflandırma, temizleme ve boyutlandırma işlemlerine ilişkin makine ve sistemlerin tasarım, projeleme ve geliştirilmesinde kullanılabilir.
The aim of this study was to determine the mass modeling of Marfona, Hermes potato varieties with different shape indexes according to their geometric properties, projection areas, and volume properties. As different classifications in models for mass estimation; classification according to dimensions, 1st classification, 2nd classification according to projection area, and 3rd classification according to volume properties. For this purpose, the mass estimations were made according to geometric dimension characteristics as the length (l), width (w), thickness (t) dimensions, geometric mean diameter (Gmd), projected area characteristics as the first, second, and third projection areas (FPA, SPA, TPA), and criteria area (Cae), volume characteristics as the oblate spheroid (Vobsp) and ellipsoid spheroid (Vellsp) of Marfona and Hermes and mixed potato varieties with shape index. Potatoes were characterized as round (100-160) and oval (161-240) according to the shape index (SI). For mass estimation, a general total of 114 linear regression models were used in the analyzes, and models were proposed considering the maximum coefficient of determination (R2), minimum regression standard error (RSE), and root mean square error (RMSE) values. The model gave a maximum coefficient of determination (R2), minimum regression standard error (RSE), and root mean square error (RMSE) values among all models, without taking into account shape index, mass estimation with ellipsoid sphere volume for round (100-160) shape index as m=2.830 + 1.169Vellsp (R2=0.940, RSE=5.112, RMSE=5.035) in Hermes variety, and it can be recommended. Suggested models for mass estimation can be used in the design, project, and development of machines and systems for classification, cleaning, and sizing operations for post-harvest use of potato tubers.
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
