فرز ثمار الزیتون باستخدام اللیزر المرئى طبقا للون

نوع المستند : Original Article

المؤلف

أستاذ مساعد تطبیقات اللیزر فى الهندسة الزراعة - المعهـد القـومى لعـلوم اللیــزر- جامعــة القاهرة - مصر.

المستخلص

تهدف الدراسة لإستخدام تقنیات اللیزر المرئى ذى الدقة العالیة فى قیاس وتحدید الخصائص الفیزیائیة والبصریة والکهربائیة لثمار الزیتون الناضجة باستخدام اللیزر المرئی، وذلک لتصنیع نموذج أولی لفرز ثمار الزیتون طبقا للونه باستخدام اللیزر المرئی ، حیث تم تنفیذ البناء التجریبى للقیاسات وتصنیع النموذج بمعمل تطبیقات اللیزر فى الهندسة الزراعیة بالمعهد القومى لعلوم اللیزر، بجامعة القاهرة. حیث تم استخدام لیـزر الهلیوم- نیون ذى الطول الموجی 543.5 نانو متر بقدرة 4 ملى وات (لیزر آمن وذلک لقدرته المنخفضة). ومن خلال التجارب تم التعرف على الإشارات الکهربیة اللازمة لفصل ثمار الزیتون الأخضر..  کانت النتائج التی تم الحصول علیها على النحو التالی:
(1)  وجد أن أکبر طول لثمرة الزیتون (3.3 سم) والعرض  1.7 سم ، وذلک لتصنیع عرض وجوانب القناه الناقلة للثمار فى النموذج لتسهیل تعرضها لشعاع اللیزر.
(2)  وجد أن أعلى نسبة کثافة ضوئیة منعکسة کانت 0.82٪ لثمار الزیتون الأخضر ، وأقل نسبة کثافة ضوئیة منعکسة 0.52٪ لثمار الزیتون الأسود. لذلک اعتمد النموذج الأولی للفرز على أعلى نسبة لفصل الزیتون الأخضر .
(3)  وجد أن أعلى إشارة کهربائیة ناتجة من الکثافة الضوئیة المنعکسة من ثمار الزیتون الأخضر 23.9 ملى فولت ، وأقل إشارة کهربائیة من ثمارالزیتون الأسود 14.6 ملى فولت. لذلک اعتمد النموذج الأولی للفرز أقل اشارة کهربیة لثمار الزیتون الأخضر 22.4 بالملى فولت باعتبارها مقیاس لبدایة عملیة الفرز بعد تکبییر هذه الأشارة .
(4)  یفضل استخدام معدل التغذیة 394.61 جم / دقیقة أثناء التشغیل بزمن  5.07 دقیقة ، حیث یعطى التشغیل أقل تکلفة للفرز مقارنة بوحدة التکالیف الأخرى لتشغیل النموذج وکفاءة تشغیل مناسبة.
(5)  على الرغم من أن کفاءة الفصل الیدوى 96٪ أعلى من کفاءة فصل النموذج 95٪ ، وتکلفة الوحدة یدویا  أقل من تکلفة وحدة النموذج ، الا أن زمن تشغیل النموذج 5.07 دقیقة للنموذج أقل من الیدوى 13.68دقیقة.
(6)  وجد أن کفاءة  فصل النموذج مقبولة وذات دقه عالیة باستخدام شعاع اللیزر لفرز ثمار الزیتون الناضجة على نطاق کبیر وبدقة عالیة.

الموضوعات الرئيسية


Abbott, J. A. (1999). Quality measurements of fruits and vegetables. Posthar Vest Biol. Tech., 15, 207-225.
Awady, M. N. (1978) Tractors and farm machine (in Arabic), text. Col. Ag., Ain Shams Univ.; 164-167.
Diaz R.,  L. Gil, C. Serrano, M. Blasco, E. Molto and J. Blasco (2004). Comparison of three algorithms in the classification of table olives by means of computer vision. J. of Food Eng., 61: 101–107.
Garc M.J.L., J.M. H.Martnez, G. R.Ramos and  E.F. S. Alfonso (2008). Evaluation of the quality of olive oil using fatty acid profiles by direct infusion electrospray ionization mass spectrometry. Dep.  Analy. Chem., Fac.  Chem., Un. Valencia,  Spain. Food Chem. 107 : 1307–1313.
García J. M., S. Seller and M. C. Pérez-Camino.  (1996). Influence of fruit ripening on olive oil quality. J. Agric. Food Chem. 1996, 44, 3516-3520.
Giovanni A., P. Pinelli, S. C. E.bner, A. Romani, A. L. Cartelat  and Z. G. Cerovic (2005).  Nondestructive evaluation of anthocyanins in olive (Olea europaea) fruits by in Situ Chlorophyll Fluorescence Spectroscopy. J. Agric. Food Chem. 53: 1354-1363
Hassan,  H. E.;  A. A. Abd El-Rahman and M. M. Attia (2011). Laser classification of olive fruits during maturity according to optical properties. Misr J. of Agric. Eng., 28 (3): 686 – 700.
Jaakola L., K. Maatta, A. M. Pirttila, R. Torronen, S. Karenlampi and A. Hohtola (2002).  Expression of genes involved in anthocyanin biosynthesis in relation to anthocyanin, proanthocyanidin, and flavonol levels during bilberry fruit development. Plant Physiol.Pp. 130, 729-739.
Jia X., J. J. Cui, D. Y. Xue and F. Pan. (2012). An adaptive Dorsal Hand Vein recognition algorithm based on optimized HMM. J. Comp. Inf. Syst. : 313 – 322.
Jose A. C. and M. C. P. Camino (2010). Prediction of quality parameters of intact olives by near infrared spectroscopy. Dep. Physio. and Tech. Plant Prod. Dep. Food Quality and Character.,la Grasa –CSIC.,  Spain. Europ. J. of Lipid Sc. and Tech. : 1-23
Leon L., A. Garrido and G. Downey (2004). Parent and harvest year effects on near-infrared reflectance spectroscopic analysis of olive (Olea europaea L.) Fruit Traits. J. Agric. Food Chem. 52: 4957-4962.
Loudiyi W.D., M. Chmitah, R. Loussert, A. Mahhou and B. Boulouha (1984). Morphologic and physiologic characters of olive clones from Picholine Marroqui variety. Olivae, 3: 26–31.
Mulinacci  N., A. Romani, P. Pinelli, C. Galardi, K. Giaccherini and F. F. Vincieri (2001). Polyphenolic content in olive oil wastewaters and related olive samples. J. Agric. Food Chem., 49: 3509-3514.
Nicolai B. M., K. Beullens, E. Bobelyn, A. Peirs, W. Saeys, K. Theron and J. Lammertyn. (2007). Nondestructive measurement of fruit and vegetable quality by means of NIRS spectroscopy: A review. Postharvest Biol. Technol. 46: 99–118.
Ounis  A., Z. G.  Cerovic,  I. Moya, and J. M. Briantais  (2001). Dualexcitation FLIDAR for the estimation of epidermal UV absorption in leaves and canopies. Remote Sens. EnViron., 76: 33-48.
Peter B., C. Hofmann and B. Tauscher (2005). Recent developments in noninvasive techniques for fresh fruit and vegetable internal quality analysis.J. of Food Sc. 70(9): 131-141.
Psomiadou E.,  and M. Tsimidou (2001). Pigments in Greek virgin olive oils: occurrence ., 3(2): 125–136
Riquelme M.T., P. Barreiro, M. R. Altisent and C. Valero (2008). Olive classification according to external damage using image analysis. J. Food Eng. 87: 371–379
Roca, M. and M. I. Mınguez-Mosquera (2001). Change in the natural ratio between chlorophylls and carotenoid in olive fruit during processing for virgin olive oil. J. Am. Oil Chem. Soc., 78: 133–138.
Ryan D., M. Antolovich. P.D. Prenzler, K. Robards andS. Lavee (2002). Biotransformations of phenolic compounds in Olea europaea  L. Sci. Hortic. 2002, 92, 147-176.