زراعت و فناوری زعفران

چکیده زعفران به‌عنوان یک کالای تجاری مهم در کشور به­شمار می‌آید و توجه به مکانیزه کردن آن از مرحله تولید تا بسته‌بندی اهمیت زیادی دارد. در بدو ورود زعفران به فرایند کیفی سنجی در آزمایشگاه ، ارزیابی اولیه بر اساس مشخصات ظاهری زعفران توسط شخص خبره انجام می‌شود. لیکن بروز خطای انسانی در تشخیص کیفیت زعفران بر مبنای ویژگی‌های ظاهری آن امری اجتناب‌‌ناپذیر‌ است؛ استفاده از تکنیک‌های مبتنی بر هوش مصنوعی می‌تواند ضمن مکانیزه کردن سیستم، در کاهش خطاهای انسانی نیز تأثیرگذار باشد. این مطالعه از نوع تشخیصی بوده و پایگاه داده آن مشتمل بر 113 نمونه زعفران با 7 ویژگی می‌باشد که توسط محققین این پژوهش، در مهر‌ماه 1396 از آزمایشگاه‌ معتبر زعفران و تحت نظارت شخص خبره جمع‌آوری‌ شده است. کیفی سنجی نمونه‌ها به کمک ویژگی‌ها در 4 کلاس مختلف زعفران پوشال درجه‌یک (نگین)، پوشال درجه دو (خوب)، پوشال درجه سه (معمولی) و پوشال درجه چهار (معمولی درجه‌دو) انجام ‌شده است. به‌منظور درجه­بندی زعفران، از روش‌های مبتنی بر شبکه‌های عصبی مصنوعی استفاده‌شده ‌است. پس از تحلیل و مقایسه مدل‏های تولیدشده با استفاده از دو نوع شبکه‌ عصبی پرسپترون چندلایه و شبکه عصبی بردار یادگیر، بالاترین دقت کلاس‌بندی روی نمونه‌های آموزش و آزمون به ترتیب با 75/93 و 75/75 درصد حاصل شد. دقت به‌دست‌آمده نشان‌دهنده آن است که مدل شبکه عصبی پرسپترون چندلایه می‌تواند به‌عنوان یک تصمیم گیر در کنار شخص خبره و یا به‌صورت مستقل در مراکز آزمایشگاهی زعفران مورد استفاده قرار ‌گیرد.

چکیده پیش­بینی عملکرد محصولات کشاورزی، نقش مهمی در برنامه­ریزی صادرات، واردات، خرید تضمینی، قیمت­گذاری، سود مطمئن و افزایش بهره­وری کشاورزی دارد. عملکرد محصولات، تابع پارامترهای متعددی از جمله اقلیم است. در این تحقیق، عملکرد زعفران در استان خراسان رضوی توسط الگوریتم‌های طبقه­بندی شامل شبکه­های عصبی مصنوعی، مدل‌های رگرسیونی، درخت خطی محلی، درخت تصمیم، آنالیز تشخیص، جنگل تصادفی، ماشین بردار پشتیبان و آنالیز نزدیک‌ترین همسایه با استفاده از 11 پارامتر اقلیمی طی دوره 20 ساله زراعی (88-1368) ارزیابی شد. نتایج نشان داد که تعداد کمی از پارامترهای اقلیمی، بر عملکرد زعفران تأثیر دارند. پارامترهای دمای حداقل، میانگین و حداکثر و بارش به ترتیب بیشترین همبستگی مثبت و پارامترهای رطوبت مطلق حداکثر، رطوبت نسبی ساعت 6:30، ساعات آفتابی، رطوبت نسبی ساعت 18:30، تبخیر، رطوبت نسبی ساعت 12:30 و رطوبت مطلق حداقل نیز به­ترتیب بیشترین همبستگی منفی را با مناطق کشت زعفران داشتند. همچنین در طبقه­بندی مناطق کشت زعفران، آنالیز تشخیص و ماشین بردار پشتیبان، از دقت بالاتری برخوردار بودند. بین مناطق کشت زعفران و میزان عملکرد محصول همبستگی نسبتاً مناسبی با ضریب همبستگی 38/0 به‌دست آمد. بین مناطق کشت و پارامترهای اقلیمی همبستگی بالایی برخوردار است و آنالیز نزدیک‌ترین همسایه با ضرایب تعیین برابر ۱ و 94/0 در مراحل آموزش و آزمون، با دقت بالایی مناطق کشت را طبقه­بندی نماید، اما در پیش­بینی میزان عملکرد محصول بر اساس پارامترهای اقلیمی، دقت مدل­ها نسبتاً پایین بود (متوسط ضریب تعیین برابر 48/0 و 05/0 در مراحل آموزش و آزمون) و آنالیز نزدیک‌ترین همسایه، بالاترین دقت پیش­بینی را در مراحل آموزش و آزمون (به ترتیب ضریب تعیین برابر ۱ و 17/0) نشان داد. طبق یافته­های تحقیق، می­توان با استفاده از پارامترهای اقلیمی و الگوریتم­های داده­کاوی، به‌طور مناسب اقدام به تفکیک مناطق کشت نمود و با شناسایی مناطقی که اقلیم آن‌ها مشابه مناطق با میزان عملکرد بالا است، مناطق مستعد کشت زعفران را شناسایی نمود.