Application of artificial neural networks in modelling the contact area of grain seeds

• Autorzy: Frączek J. , Francik S. , Ślipek Z. , Knapczyk A.

Identyfikatory

DOI

10.1515/agriceng-2016-0061

Warianty tytułu

PL

Wykorzystanie sztucznych sieci neuronowych w modelowaniu powierzchni kontaktu ziarna zbóż

• Języki publikacji: EN

Abstrakty

EN

The objective of the research was to create a model which defines the relation between a fundamental contact area of a seed and the pressure force, water content in a seed and its geometrical dimensions with application of artificial neural networks (SSN). Computer program Statistica Neural Networks v. 6.0. was used for formation of a neural model. Tests were carried out on Roma wheat seed and Dańkowskie Złote rye with six various water contents: 0.11 0.15 0.19 0.23 0.28 0.33 (kg⋅kg-1 dry mass). Caryopses were loaded with eight values of compression force - from 41 N to 230 N. Multiplicity of iterations was 5. Seed material was moistened to obtain a specific water content. Each seed was loaded with compression force with respectively growing values: 41N, 68N, 95N, 122N, 149N, 176N, 203N and 230N. A four-layer network of Perceptron type with 10 neurons in the first and 8 neurons in the second hidden layer was selected as a model which the best defines the contact area of grain seeds loaded with axial force at various moisture levels. This network has 4 inputs (water content, pressure force, thickness and length of caryopses) and one output (elementary contact area of rye and wheat seeds). Comparison of the neural model with empirical formulas obtained from nonlinear estimation proved a considerable higher precision of the first one.

PL

Celem badań było utworzenie modelu określającego zależności między elementarną powierzchnią kontaktu ziarna, a siłą nacisku, zawartością wody w ziarnie oraz jego wymiarami geometrycznymi, przy wykorzystaniu sztucznych sieci neuronowych (SSN). Do tworzenie modelu neuronowego wykorzystano program komputerowy Statistica Sieci Neuronowe v. 6.0. Badania przeprowadzono na ziarnie pszenicy Roma oraz żyta Dańkowskie Złote, przy sześciu różnych zawartościach wody: 0,11 0,15 0,19 0,23 0,28 0,33 (kg⋅kg-1 s.m.). Ziarniaki obciążano ośmioma wartościami siły ściskającej – od 41N do 230N. Krotność powtórzeń wynosiła 5. Materiał ziarnisty nawilżano aby uzyskać określoną zawartość wody. Każde ziarno obciążano siłą ściskającą o kolejno rosnących wartościach: 41N, 68N, 95N, 122N, 149N, 176N, 203N i 230N. Jako model najlepiej określający powierzchnię styku ziarna zbóż obciążanego siłą osiową, przy różnej wilgotności wybrano czterowarstwową sieć typu Perceptron o 10 neuronach w pierwszej i 8 neuronach w drugiej warstwie ukrytej. Sieć ta posiada 4 wejścia (zawartość wody, siła nacisku, grubość i długość ziarniaka), i jedno wyjście (elementarna powierzchnia kontaktu ziarna żyta i pszenicy). Porównanie modelu neuronowego z formułami empirycznymi uzyskanymi z estymacji nieliniowej wykazało zdecydowanie większą dokładność pierwszego z nich.

Słowa kluczowe

EN

contact area; seed material; artificial neural network

PL

powierzchnia kontaktu; materiał ziarnisty; sztuczna sieć neuronowa

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Agricultural Engineering
• Rocznik: 2016
• Tom: Vol. 20, No. 4
• Strony: 27--37
• Opis fizyczny: Bibliogr. 20 poz., rys., tab., wykr.

Twórcy

autor

Frączek J.

• Department of Mechanical Engineering and Agrophysics, University of Agriculture in Krakow

autor

Francik S.

• Department of Mechanical Engineering and Agrophysics, University of Agriculture in Krakow

autor

Ślipek Z.

• Department of Mechanical Engineering and Agrophysics, University of Agriculture in Krakow

autor

Knapczyk A.

• Department of Mechanical Engineering and Agrophysics, University of Agriculture in Krakow

Bibliografia

• Balasubramanian, S., Singh, K.K., Kumar, R. (2012). Physical properties of coriander seeds at different moisture content. International Agrophysics, 26, 419-422.
• Chigarev, O. (2013). Model matematyczny procesu zgniatania pojedynczego ziarna w maszynie wytrzymałościowej Instron. Problemy Inżynierii Rolniczej, 1(79), 143-149.
• Dreyfus, G., Martinez, J.M., Samuelides, M., Gordon, M., Badran, F., Thiria, S., Herault, L. (2005). Neural Networks, Methodology and Applications. Springer, Berlin. ISBN-13:978-3-540-22980.
• Fang, Q., Hanna, M.A., Haque, E., Spillman, C.K. (2000). Neural network modeling of energy requirements for size reduction of wheat. Transactions Of The ASAE Volume: 43, Issue: 4, 947-952.
• Francik, S., Frączek, J. (2001). Model development of the external friction of granular vegetable materials on the basis of artificial neural networks. International Agrophysics, 15, 231-236.
• Frączek, J. (2003). Wpływ kształtu nasion na wartość powierzchni kontaktu. Inżynieria Rolnicza, 9(51), 81-88.
• Frączek, J., Kaczorowski, J. i Ślipek, Z. (2000). Pomiar rzeczywistej powierzchni kontaktu trących się materiałów. Inżynieria Rolnicza, 7(18), 55-63.
• Frączek, J., Kaczorowski, J., Ślipek, Z., Horabik, J., Molenda, M. (2003). Standaryzacja metod pomiaru właściwości fizyczno-mechanicznych roślinnych materiałów ziarnistych. Acta Agrophysica, 92, ISSN 1234-4525.
• Horabik, J., Molenda M. (2003). Makro- i mikroskopowe modele materiałów sypkich. Acta Agrophysica, 93, 17-31.
• Jouki, M., Emam-Djomeh, Z., Khazaei, N. (2012). Physical Properties of Whole Rye Seed (Secale cereal). International Journal of Food Engineering. Volume 8, Issue 4, e-ISSN 1556-3758.
• Kiełbasa, P. (2005). Ocena wybranych cech fizycznych bulw ziemniaków. Inżynieria Rolnicza, 6(66), 305-313.
• Łukaszuk, J., Molenda, M., Horabik, J. i Wiącek, J. (2009). Metoda wyznaczania współczynnika tarcia pomiędzy dwoma metalowymi i organicznymi obiektami. Acta Agrophysica, Vol. 13, 2, 407-418.
• Mohsenin, N.N. (1970). Physical properties of plant and animal materials. Gordon and Breach Science Publ. 1970, New York.
• Molenda, M., Horabik, J., Grochowicz, M., Szot, B. (1995). Grains of wheat friction (In Polish). Acta Agrophysica, 4, ISSN 1234-4125.
• Nasirahmadi, A., Abbaspour-Fard, M.H., Emadi, B., Khazaei, N.B. (2014). Modelling and analysis of compressive strength properties of parboiled paddy and milled rice. International Agrophysics, 28, 73-83.
• Romański, L. (2004). Analiza i modelowanie procesu zgniatania ziarna pszenicy. Zeszyty Naukowe AR Wrocław. Rozprawy. Nr 220. ISSN 0867-7964.
• Romański, L., Stopa, R., Niemiec, A. (2005). Rozkład nacisków powierzchniowych dla ziarna zgniatanego pomiędzy płaskimi płytami. Inżynieria Rolnicza, 11(71), 413-421.
• Ślipek, Z., Francik, S., Frączek, J. (2003). Methodic aspects of creating ANN models in agrophysical research. Acta Agrophysica, 2(1), 231-241.
• Ślipek, Z., Kaczorowski, J., Fraczek J. (1999). Theoretical and experimental analysis of vegetable materials friction. PTIR. Kraków. ISBN 83-907553-9-4.
• Zare, D., Bakhshipour, A., Chen, G. (2013). Physical properties of cumin and caraway seeds. International Agrophysics, 27, 491-494.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.