عنوان پایان‌نامه
بررسی اثر بادبردگی بر الگوی پخش سمپاش شبیه سازی شده با استفاده از تونل باد، فن آوری پردازش تصویر و هوش مصنوعی
- رشته تحصیلی
- مهندسی کشاورزی - مکانیزاسیون کشاورزی
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6561;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 70774
- تاریخ دفاع
- ۲۸ شهریور ۱۳۹۴
- دانشجو
- امیر عزیزپناه
- استاد راهنما
- علی رجبی پور
- چکیده
- چکیده سالانه میلیون¬ها لیتر محلول سمی برای مبارزه با آفات و بیماری¬های گیاهی و علف¬های هرز مزارع با استفاده از انواع مختلف ماشین¬های سم¬پاش مورد مصرف قرار می¬گیرد. برای بهره¬گیری بیشتر از این مواد و کاهش مقدار مصرف آن¬ها که برای محیط¬زیست زیان¬آور هستند، لازم است تدابیری اتخاذ شود. از اقدامات موثر و عملی در این زمینه آنالیز سم¬پاش¬ها جهت ایجاد قطرات با اندازه مناسب، پاشش یکنواخت و حذف یا کاهش خطر بادبردگی یعنی نشست سم در مناطق غیرهدف می¬باشد. فن¬آوری¬های پردازش تصویر و هوش¬مصنوعی از جمله روش¬های پراهمیت در بخش کشاورزی می¬باشند که جهت ارزیابی و پیش¬بینی مورد استفاده قرار می¬گیرند. در این تحقیق سامانه هوشمند تعیین بادبردگی سم¬پاش طراحی، ساخته و ارزیابی گردید. مهم¬ترین اجزای سامانه مکانیسم ذخیره سم، لوله¬های انتقال و اتصالات، سامانه ایجاد فشار نیوماتیکی کنترل شده، سامانه ایجاد حرکت خطی افشانک، افشانک بادبزنی 11004، تونل باد، الگوریتم پردازش تصویر و الگوریتم پیش¬بینی به روش شبکه عصبی مصنوعی می¬باشد. پس از انجام آزمایش¬ها با استفاده از کارت¬های حساس به آب (WSP)، پارامترهای قطر میانه حجمی (VMD)، قطر میانه عددی (NMD)، تعداد قطره در سانتی¬متر مربع (NO/A)، یکنواختی پاشش (RSF)، کیفیت پاشش (SQ)، سطح پوشش قطره (SC) و بادبردگی (d) در شرایط مختلف سم¬پاشی شامل ارتفاع افشانک در سه سطح (35/0، 5/0 و 65/0 متر)، سرعت باد در چهار سطح (0، 4، 8 و 12 کیلومتر بر ساعت)، فشار پاشش در سه سطح (3، 4 و 5 بار) و در مکان¬های مختلف نشست سم (1، 2، 3 و 4 متر فاصله افقی از افشانک) تعیین گردید. همچنین به منظور پیش¬بینی مقادیر پارامترهای مورد مطالعه در شرایط مختلف سم¬پاشی از روش شبکه عصبی مصنوعی (ANN) استفاده شد. نتایج نشان داد که ارتفاع افشانک، افزایش سرعت باد و فشار پاشش با سطح پوشش و بادبردگی قطرات رابطه مستقیم دارد. کمترین میزان بادبردگی قطرات در فشار 3 بار، ارتفاع 35/0 متر و سرعت باد صفر کیلومتر بر ساعت برابر 35/0 درصد و بیشترین مقدار آن در فشار 5 بار، ارتفاع 65/0 متر و سرعت باد 12 کیلومتر بر ساعت برابر 97/0 درصد به دست آمد. با افزایش فاصله افقی از افشانک (از 1 تا 4 متر) سطح پوشش قطرات کاهش یافت. نتایج پیش¬بینی نشان داد که روش شبکه عصبی قادر است با دقتی بالاتر از 90 درصد پارامترهای مورد مطالعه را در شرایط مختلف سم¬پاشی پیش¬بینی نماید. این نتایج می¬تواند برای تعیین عوامل بهینه جهت کاهش بادبردگی مورد استفاده قرار گیرد.
- Abstract
- Annually millions liter of spray solutions are consumed to control pests, plant diseases and weeds using different kinds of sprayer machines. As they are harmful for the environment, it is necessary to consider appropriate strategies to optimize and decrease use of these substances. One of efficient and practical measurements in this field is to analyze sprayers for generating droplets in proper sizes, even spraying and eliminating or decreasing drift, descending droplets on untargeted areas. Image processing and artificial intelligence technics are of the important methods in agriculture which are used for assessing and predicting aims. In this study, an automated system for determining sprayer drift was designed, constructed and evaluated. The most important components of the system are: solution tank, transferring pipes and conjunctions, a system for producing controlled pneumatic pressure, a nozzle moving system, nozzle (model: 11004), a wind tunnel, an image processing algorithm and an artificial neural network (ANN) predictor. After performing the experiments using water sensitive papers (WSP), some parameters including volumetric median diameter (VMD), numeric median diameter (NMD), the number of droplets per square centimeters (NO/A), spraying evenness (RSF), spraying quality (SQ), spray covering area (SC) and drift were determined considering different conditions including the factors of spraying height in three levels (35, 50, and 65 cm), wind speed in four levels (0, 4, 8, 12 km/h), spraying pressure in three levels (3, 4, 5 bar) and various descending positions of droplets (1, 2, 3, and 4 m distance from nozzle orifice). Also artificial neural network method was used for predicting the studied parameters in the different spraying conditions. The results showed that increasing in wind speed, nozzle height and spraying pressure had a direct relationship with covering area and droplets drift. The lowest amount of droplets drift (0.35%) was observed in the pressure of 3 bar, the height of 35 cm without wind speed and the highest droplets drift was equaled to 0.97% at the pressure of 5 bar, the height of 65 cm and the wind speed of 12 km/h. The more distance from the nozzle (1 to 4 m), the less spraying covering area was observed. The results of predicting showed that neural network method is able to predict the studied parameters in different spraying conditions with accuracies upper than 90 %. These results can be used to determine optimum parameters for decreasing drift.
