Der Einsatz von Bildanalyse zur Untersuchung des Einflusses des Feuchtigkeitsgehalts auf die physikalischen Eigenschaften von Körnern

Zusammenfassung Die Konstruktion von Maschinen und Geräten für die Nachernteoperationen landwirtschaftlicher Produkte erfordert Informationen über deren physikalische Eigenschaften. Ziel der Arbeit war es, die Möglichkeit zu evaluieren, einen neuen Ansatz zur Vorhersage des Feuchtigkeitsgehalts in Bohnen- und Maiskernen basierend auf der Messung ihrer Dimensionen durch Bildanalyse mithilfe künstlicher neuronaler Netze (KNN) einzuführen. Experimentelle Tests wurden bei drei Feuchtigkeitsgehalten der Samen im Nasszustand durchgeführt: 9, 13 und 17%. Die Analyse der Ergebnisse zeigte eine direkte Beziehung zwischen dem Feuchtigkeitsgehalt im Nasszustand und den Hauptdimensionen der Samen. Basierend auf der statistischen Analyse des Saatguts wurde gezeigt, dass die untersuchten Merkmale eine normale oder annähernd normale Verteilung aufweisen und das in der Untersuchung verwendete Saatgut repräsentativ ist. Darüber hinaus hat die Verwendung künstlicher neuronaler Netze zur Vorhersage des Feuchtigkeitsgehalts im Nasszustand der Samen basierend auf Veränderungen ihrer Dimensionen eine Effizienz von 82%. Die aus der in dieser Arbeit verwendeten Methode erhaltenen Ergebnisse sind vielversprechend für die Vorhersage des Feuchtigkeitsgehalts.