Domates Sertliğinin Hasarsız Çarpma Tekniği Kullanılarak Belirlenmesi


Creative Commons License

Ay G., Vursavuş K. K.

Tarım Makinaları Bilimi Dergisi, cilt.18, sa.2, ss.84-104, 2022 (Hakemli Dergi)

  • Yayın Türü: Makale / Tam Makale
  • Cilt numarası: 18 Sayı: 2
  • Basım Tarihi: 2022
  • Dergi Adı: Tarım Makinaları Bilimi Dergisi
  • Derginin Tarandığı İndeksler: Root Indexing, Asos İndeks
  • Sayfa Sayıları: ss.84-104
  • Çukurova Üniversitesi Adresli: Evet

Özet

Bu çalışmada, altı farklı olgunluk safhasındaki Bandita F1 sera domates örneklerinde hasarsız çarpma testi uygulanmış ve test sonrasında ölçülen çarpma parametreleri, referans ölçüm olarak kabul edilen ve domateslerin sertlik tanımlamasında kullanılan kabuk yırtılma kuvveti (KYK) ve kabuk sertliği (KS) ile ilişkilendirilerek sertlik tahmin modelleri geliştirilmiştir. Bu modellerin geliştirilmesi amacıyla dinamik çarpma test düzeneği kullanılmıştır. Kuvvet algılayıcısına bağlı alüminyum çarpma plakası üzerine domates meyveleri 15 mm mesafeden çarptırılmıştır. Çarpma işlemi sonrası sertlik tahmin modeli geliştirmek amacıyla çarpma kuvveti-temas zamanı grafikleri kullanılarak hasarsız çarpma parametreleri elde edilmiştir Bu çarpma parametreleri referans ölçüm olarak kabul edilen KYK ve KS ile ilişkilendirilmiştir. Çarpma parametre sayısı stepwise regresyon analiz yöntemiyle azaltılmıştır. Elde edilen hasarsız çarpma parametreleri çoklu doğrusal regresyon analiz yöntemi kullanılarak domates sertlik tahminleri yapılmıştır. Yapılan İstatistiksel analiz sonuçlarına göre, geliştirilen sertlik tahmin modelleri içerisinde çarpma parametreleri ile domates KS arasındaki ilişki yüksek çıkmıştır. Kalibrasyon ve doğrulama veri gruplarında domates KS tahmini belirtme katsayıları (R2) sırasıyla 0.86 ve 0.88 olarak hesaplanmıştır. Belirlenmiş olan domates kabuk sertlik grupları dikkate alınarak örneklerin sertlik tahmininde kullanılan Model A, Model B ve Model C için kalibrasyon ve doğrulama veri gruplarına ait sınıflandırma başarısı da hesaplanmıştır. Kalibrasyon veri grupları için Model A ve Model C’de gerçek doğruluk 77 ve başarı yüzdesi %83.70 olarak; Model B’de gerçek doğruluk 74 ve sınıflandırma başarı yüzdesi %80.43 olarak hesaplanmıştır. Doğrulama veri grubunda ise Model A ve Model B’de gerçek doğruluk ve sınıflandırma başarı yüzdesi için aynı değerler elde edilmiştir, bu değerler Model C’nin değerlerinden daha yüksek bulunmuştur.

In tis study, nondestructive impact test was applied on Bandita F1 greenhouse tomato samples at six different maturity stages and the firmness models were developed by associating the impact parameters obtained after the impact test with the skin rupture force (KYK) and skin firmness (KS), which is are accepted as the reference measurement and used in the definition of firmness of tomatoes. A dynamic impact test setup was used to develop firmness estimation models. Tomato fruits were dropped from a distance of 15 mm on the aluminum impact plate connected above the force sensor. In order to develop a post-impact firmness estimation model, nondestructive impact parameters were extracted using impact force-contact time graphs. Obtained impact parameters were associated with KYK and KS, which were accepted as reference measurements. The number of impact parameters was were reduced by stepwise regression analysis method. Tomato firmness estimations were made using the measured nondestructive impact parameters with the multiple linear regression analysis method. According to the results of the statistical analysis, the relationship between the impact parameters and tomato skin firmness was found to be strong for all the developed firmness estimation models. In the calibration and validation datasets of KS, coefficients of determination (R2) were calculated as 0.86 and 0.88, respectively. Taking into account the determined tomato skin firmness groups, the classification success of the calibration and validation datasets for Model A, Model B, and Model C used in the firmness estimation of the samples were also calculated For the calibration datasets, the values of actual accuracy and success rate were found to be 77 and 83.70% in Model A and Model C; 74 and 80.43% in Model B, respectively. In the validation datasets, the values of true accuracy and classification success percentage in Model A and Model B were found to be same and higher than those of Model C.