センサー

Scientific Reports volume 13、記事番号: 5686 (2023) この記事を引用

352 アクセス

メトリクスの詳細

穀物の輸送は長距離にわたって行われる可能性があり、輸送中の穀物の塊は水分含有量が高いことが多いことを考慮すると、熱と水分の移動と穀物の塊の加熱のリスクがあり、定量的損失が証明される可能性があります。。したがって、この研究は、輸送および保管中のトウモロコシの粒塊内の温度、相対湿度、二酸化炭素をリアルタイムで監視し、早期の乾物損失を検出し、粒の物理的品質に起こり得る変化を予測するためのプローブシステムを使用した方法を検証することを目的としました。。この装置は、マイクロコントローラー、システムのハードウェア、気温と相対湿度を検出するデジタルセンサー、CO2 濃度を検出する非破壊赤外線センサーで構成されています。リアルタイム監視システムは、電気伝導率と発芽の物理的分析によって確認される穀物の物理的品質の変化を間接的な方法で早期かつ満足のいく形で測定しました。リアルタイム監視の装置と機械学習の適用は、2 時間の平衡含水量と穀粒塊の呼吸による、乾物損失の予測に効果的でした。サポートベクターマシンを除くすべての機械学習モデルで、重線形回帰分析と同等の満足のいく結果が得られました。

Despite the high corn grain production, it is verified that there are great losses in the post-harvest stages due to the precarious transport, facilities, and handling of the grain receiving, drying, and storage operations. During grain transportation, it is estimated that there are losses of 0.25% per ton of grain transported. (2019)" href="/articles/s41598-023-32684-4#ref-CR1" id="ref-link-section-d184319839e407"> 1. 道路輸送における損失は、特に悪路、車両速度、トラック車体の劣化などによって発生します2。さらに、穀物は収穫されると生物学的に活性なままであり、穀物が発見される条件によってはいくつかの代謝反応を引き起こし、量的および質的損失の両方を引き起こす可能性があります3。

収穫後の穀物の品質に影響を与える要因には、穀物の水分含量の高さ、温度、粒界相対湿度などがあります4,5。これらのパラメータの上昇は、穀物の呼吸と代謝活動を増加させ、穀物の物理化学的品質の低下と乾物の消費、昆虫の増殖、穀粒塊内の真菌感染を引き起こす可能性があります6,7。

穀物の輸送は長距離で行われることが多く、輸送される穀物塊の水分含有量が保管に最適な条件を超える可能性があることを考慮すると、輸送中の湿気と熱伝達のリスクが高く、穀物塊の加熱の原因となる可能性があります8。 9、10。

したがって、輸送におけるこれらの問題や、その後の収穫後プロセスにおける潜在的な変化要因を回避するには、平衡含水量を推定するために粒界空気の温度と相対湿度をリアルタイムで監視することが重要です。また、二酸化炭素のレベルと輸送中の穀物塊の呼吸強度を監視することもできます11,12。この情報から、穀粒品質の変化を早期に検出して予測することが可能です13。

収穫後の損失に関する定量的および定性的な研究がいくつか実施されています7,10。しかし、輸送プロセスにおける代謝活動による質的損失が、その後の収穫後の作業全体での損失の誘発と増大の影響を与える可能性があるとして取り上げた研究はほとんどありません。

したがって、輸送中のトウモロコシ粒の質量のリアルタイム監視と予測アルゴリズムの採用は、トウモロコシ粒の量的および質的損失の可能性を早期に検出および予測するのに役立つ可能性があります。したがって、この研究は、初期の損失を検出するために、輸送および保管中のさまざまな初期水分含有量の関数としてトウモロコシ粒塊中の温度、相対湿度、および二酸化炭素をリアルタイムで監視するための非破壊技術システムを検証することを目的としました。機械学習アルゴリズムを使用して乾物の量を分析し、穀物の物理的品質に起こり得る変化を予測します。

道路輸送中の穀物の質量を監視するために、ポータブル装置が開発されました14。このデバイスは、制御コアとして Arduino Mega 2560 マイクロコントローラー (モデル Mega 2560、Arduino LLC、イタリア) で構成されています。システムハードウェアには、気温と相対湿度を検出する 3 つのデジタルセンサー (モデル DHT22、Aosong Electronics、広州、中国)、CO2 濃度を検出する非破壊赤外線センサー (モデル MHZ-14、Winsen、中国)、リアルタイムクロックモジュール (モデル DS3231、フリップフロップ、中国)、およびマイクロ SD カード (モデル Greatzt、輸入、中国)。制御システムのブロック図を図 1A に示します。デジタルセンサー、赤外線センサー、およびモジュールからの出力データは、物理通信、コンポーネントの統合、およびデータ計算を担当するマイクロコントローラーの I/O 通信端子に接続されます。ジャンパケーブルを介した各コンポーネントの電気的接続図を図 1B に示します。

監視オペレーティングシステムのブロック図 (A)。ジャンパーケーブル (B) を使用してコンポーネントをマイクロコントローラーに接続します。粒塊に適用するためのプローブの構造部分 (C)、ここで: 1- ポリ塩化ビニルチューブ、2- 空気侵入用の穴、3- 固定要素、4-DHT22 センサー、5-MH-Z14 センサー、6- ネジ付きバーとサポートのケーブル配線、7 - 機器のハードウェア、8 - プローブの内部図、9 - 粒塊に適用するためのプローブ。監視システムの動作に使用されるプログラミングのフローチャート (D)。

温度および相対湿度センサー (モデル DHT22、Aosong Electronics、広州、中国) をネジ付きバーの 3 つの端に取り付け、CO2 センサー (モデル MHZ-14、Winsen、中国) を中央部分に取り付けました。リアルタイムクロックモジュール (モデル DS3231、フリップフロップ、中国) とマイクロ SD カード (モデル Greatzt、インポート、中国) は、プラスチックの箱 (Patola Electro Plastics Ind. Com. Ltda、ブラジル) に梱包されました。図 1C は、ネジ付きバーに沿って配置され、ポリ塩化ビニルのプローブで保護されたセンサーを備えた装置の構造を示しています。この装置には、3 つの直列接続されたバッテリーを備えた独自の電源があります。

Arduino ボードで使用されるソフトウェアは C++ 言語を使用してプログラムされており、ライブラリのほとんどはプラットフォーム (S1) によって提供されます。 Arduino IDE (統合開発環境) は、Atmega 2560 マイクロコントローラーの組み込みファームウェアの開発に使用されました。図 1D に示すフローチャートは、道路輸送中の穀粒質量を監視するために使用される装置の動作プログラムを示しています15。

評価で同じ条件を確保するために、温度および相対湿度センサー (モデル DHT22、Aosong Electronics、広州、中国) を 24 °C の温度に加熱しました。初期温度 24 °C で、センサーは 40 分間動作し、測定値が毎分記録されました。赤外線センサー (モデル MHZ-14、Winsen、中国) を使用して、Arduino 自体で初期校正が実行され、CO2 濃度が記録されました 16。

穴の直径を定義するために、温度、相対湿度、および二酸化炭素センサーを、異なる穴直径 (7.5、7.0、および 6.5 mm)、掘削高さ (470、235、および 117.5 mm)、および穀物の含水率 (12 および 16 mm) のプローブに配置しました。 %)。穴は空気が入り込み、センサーの反応を促進するために開けられています。最適なプローブ直径と穴あけ高さを設定するための要件の 1 つは、それらが分析された 2 つの水分含有量を満たすことでした。

さまざまな含水率でトウモロコシの穀粒に最適な穴の直径と穴あけの高さを定義した後、装置は実験室で検証されました。この目的のために、温度センサーと相対湿度センサーがプローブの上部、中央、下部の位置に配置され、二酸化炭素センサーは中央の位置に配置されました。

穀物質量における上記の変数の監視を実行するために、センサーを備えたプローブを合板材で作られた箱 (寸法 0.2 × 0.2 × 1.8 m) に設置し、輸送システムにおける穀物の荷重プロファイルをシミュレートしました。温度、相対湿度、二酸化炭素濃度の値が安定するまでセンサーの読み取り値を取得しました。

プローブは、直径 50 mm、高さ 1500 mm のポリ塩化ビニルチューブを使用して構築され、3 つのドリル領域 (上部、中央、下部) があり、直径 6.5 mm、ドリル高さ 235 mm の穴がありました。穴の直径とプローブの穴あけの高さの設定は、粒界空気中の測定変数 (温度、相対湿度、CO2) に対するセンサーの最短応答時間に基づいて決定されました。図 1C は、プローブの上部、中央、下部における穴の分布を示しています。

プローブに接続するために金属粒子サンプリングチューブが開発されました (図 2A)。このチューブは 2 つの重なり合ったチューブで構成されており、先端が低い位置にあり、スイベルアームが高い位置にあります。これによりプローブが保護され、粒界粒子の読み取り精度が向上しました。さらに、穀物ロットプロファイルのさまざまな層でのサンプリングが可能になりました。図２Ｂに示すように、チューブは、その長さに沿って上部、中央、および下部に開口部／セルを含んでいた。

穀物サンプリングチューブ (A)。粒子質量プロファイル（上部、中央、下部の位置）と監視システムの表示（B）。監視システムと穀物輸送の図 (C)。

金属サンプラーとセンサー付きプローブは粒子塊の中にありました。粒子間粒子塊内の変数温度、相対湿度、および二酸化炭素を、輸送条件をシミュレートしながら、応答ごとに 1.87 秒の間隔で 24 時間リアルタイムで監視しました (図 2B、C)。各充填物の充填は、含水率 12 および 14% の穀物を使用して実行されました。サンプルは、輸送の 0、120、480、および 1440 分に、荷重の 3 つの位置 (上部、中央、および下部) で収集されました。平衡含水量の変化は、ヘンダーソン方程式 (式 1) の修正版を使用して計算されました 17。

ここで、EMC - 平衡水分含量 (°C)、aw - 水分活性 (10 進数)、T - 気温 (°C)、a、b、c - トウモロコシパラメータ (a = 8.6541 × 10–5、b = 49.810、c) = 1.8634)。

経時的な乾物損失 (LDM) を決定するために、CO2 濃度に関する推定モデルが使用されました (式 2)18。

ここで、LDM - 乾物の損失 (%)、O2 - 酸素濃度 (21%)、CO2 - 粒子質量で測定された二酸化炭素濃度 (%)、Ɛ - 粒界空隙率 (%)、P - 局所大気圧 (96 kPa) )、Wg - グルコースのモル質量 (180 kg kmol−1)、ρ - 穀物の見かけの比重 (kg m−3)、U - 穀物の水分含量 (10 進数)、R - コンスタンテドスガスペルフェイトス (8.314 kJ kmol− 1 K−1)、T - 粒界温度 (K)。

水分含有量は、強制空気循環オーブン内で 105 ± 1 °C の温度で 24 時間、4 回乾燥させて測定しました 19。見かけの比重は、既知の容積に置かれた穀物の質量を秤量することによって得られた19。各処理について 4 回の反復を実行しました。電気伝導度は、ISTA20 方法論に従って測定されました。各処理について 50 粒の 4 つの複製を数え、重量を測定しました。サンプルを 75 mL の蒸留水が入ったプラスチックカップに入れ、25 °C の温度制御されたチャンバー内に 24 時間置きました。電気伝導率は伝導率計によって得られ、結果はμS cm-1 g-1 で表されました。発芽試験は、処理ごとに 50 粒の 4 つのサブサンプルを使用して 4 つの実験ユニットで実行されました。穀物を蒸留水に浸した殺菌紙の上に置きました。蒸留水の量は乾燥基質質量の２．５倍であった。ロール紙はマンゲルスドルフ発芽装置内で 25 °C で保管されました。播種後 7 日目に計数を実施し、結果をパーセンテージで表しました19。

まず、主成分分析 (PCA) が K-means クラスタリングとともに実行されました。これは、各重心までの各観測値の最小距離に有意な変動がなくなるまで、重心が最も近い治療をクラスタリングします。次に、変数と治療法の相互関係を検証するために、標準変数分析 (CA) が実行されました。この技術は PCA に似ていますが、同じ治療の反復間の残留変動を考慮することができます。その後、ピアソンの相関係数を推定して、処理条件における変数間の関連性を検証しました。結果をグラフで表現するために相関ネットワークが構築されました。この手順では、緑の線は正の相関を持つ変数を結び付け、赤の線は負の相関を持つ変数を結び付けます。線の太さは相関の大きさに比例します。これらの分析は、R ソフトウェアの ggfortify パッケージを使用し、Naldi et al.21 の推奨手順に従って実行されました 21 (表 1)。

テストされた機械学習 (ML) モデルは、人工ニューラルネットワーク (ANN)、デシジョンツリーアルゴリズム M5P および REPTree、ランダムフォレスト (RF)、およびサポートベクターマシン (SVM) でした。重線形回帰 (LR) を制御モデルとして使用しました。テストされた ANN は、属性の数とクラスの数をすべて 222 で割ったものに等しい数のニューロンで形成された単一の隠れ層を持つ多層パーセプトロンで構成されています。

M5P モデルは、Quinlan の M5 アルゴリズムを再構築したもので、リーフノードに線形回帰関数を追加した従来の決定木に基づいています 23。 M5P は C4.5 分類器を適応させたもので、エラー削減戦略に基づいた追加の枝刈りステップを使用して回帰問題に使用できます。 REPTree モデルはデシジョンツリーロジックを使用し、異なる繰り返しで複数のツリーを作成します。次に、情報ゲインを使用して最適なツリーを選択し、分割基準としてエラー削減枝刈りを実行します24。 RF モデルは、同じデータセットに対して複数の予測ツリーを生成でき、これらすべての学習されたツリー間で投票スキームを使用して新しい値を予測します25。

トウモロコシの変数見掛け比重 (ASM)、電気伝導度 (EC)、発芽 (GERM)、および乾物損失 (LDM) の予測は、10 段階の階層化ランダム化交差検証で LR モデルと ML モデルによって実行されました。繰り返し（モデルごとに 100 回の実行）。入力変数は、穀物の水分含有量、監視時間、粒界温度と相対湿度、平衡水分含有量、および二酸化炭素濃度でした。適合の品質を検証するために使用された統計は、観測値と各モデルによって予測された値の間のピアソンの相関係数 (r)、および観測値に対する予測値の平均絶対誤差 (MAE) でした。機械学習分析は、テストしたすべてのモデルのデフォルト構成を使用して Weka 3.9.4 ソフトウェアで実行されました26。すべての分析は、6 GB の RAM を搭載した Intel® CoreTM i5 CPU で実行されました。

r および MAE 統計を取得した後、10 回の繰り返し (倍数) で完全にランダム化された計画を考慮して分散分析を実行しました。平均値は、スコットノット検定により 5% の確率でグループ化されました。棒グラフは、テストされたモデルと入力を考慮して、各変数 (r および MAE) に対して作成されました。これらの分析は、パッケージ ExpDes.pt および ggplot2 を使用して R ソフトウェア 27 で実行されました。

植物および植物材料に関する実験研究および野外研究は、地方および国の規制に従って行われました。この研究は、制度的、国内的、国際的なガイドラインおよび法律に準拠しました。著者らは、植物または種子標本の収集に関して、絶滅の危機に瀕している種に関する研究に関する IUCN 政策声明および野生動植物の絶滅の危機に瀕した種の取引に関する条約を遵守しました。著者らは、この科学研究では野生植物が収集および/または使用されていないことを宣言します。

図 3A ～ F は、初期水分含有量が 12、16、および 25% のトウモロコシ粒について、センサーによるリアルタイム監視を使用した温度、相対湿度、粒界 CO2 拡散の曲線を、プローブ直径と穴あけ高さの関数として示しています。 (wb)。曲線の挙動は、各監視変数内で同様でした (表 2、3、4)。時間ゼロでセンサーを校正した後、温度が低下し、相対湿度と粒界 CO2 が増加し、時間の経過とともに曲線が安定する傾向がありました。これらの発見は、監視された変数の一貫性、および監視システムの精度と機能性を実証しています28。

穴径 6.5、7.0、7.5 mm、穴あけ高さ 117.5、235、470 mm のチューブ内の水分含量 12% (A)、16% (B)、25% (C) のトウモロコシ粒塊の温度と相対湿度。穴径 6.5、7.0、7.5 mm、穴あけ高さ 117.5、235、470 mm のチューブ内の水分含量 12% (D)、16% (E)、25% (F) のトウモロコシ粒塊の CO2 濃度。

曲線の中では、粒子の初期含水量、プローブの直径と穿孔高さ、および監視時間の関数として監視された変数の変化が観察されました。曲線の安定化から、温度曲線間には約 4 °C の差があり、相対湿度は 5%、CO2 は 500 ppm でした。温度、相対湿度、および CO2 の最大の変動は、監視時間全体を通じて、水分含有量が 16% および 25% の穀粒塊で発生しました。粒界温度および相対湿度センサーは安定するまでに約 10 分かかりましたが、CO2 センサーは拡散プロセスで平衡に達するまでに約 5 分かかりました。 Zhang ら 5 は、保管されている穀物の塊のさまざまな時点での CO2 濃度を評価しました。著者らは、ホットスポットから水平方向に 2 m、垂直方向に 1 m の距離で CO2 濃度が高感度に検出されることを発見しました。著者らによれば、複数の定点でCO2濃度を検出する方法は、穀物の劣化をより正確に定量化するのに役立ったという。

Huang et al.10 は、温度 10、20、および 30 °C、穀粒含水率 14.0、18.8、および 22.2% (wb) でのトウモロコシ粒塊を通る二酸化炭素 (CO2) の有効拡散係数を評価しました。著者らは、穀物の温度と水分含有量が増加すると、トウモロコシの呼吸速度が増加することを発見しました。呼吸数が増加するにつれて、有効 CO2 拡散係数を測定する際の拡散パターンに大きな影響を及ぼしました。有効 CO2 拡散係数は 3.10 × 10−6 から 3.93 × 10−6 m2 s−1 の範囲でした。

プローブの穴の直径と穴あけ高さの中で、それぞれ 6.5 mm と 235 mm が温度、相対湿度、および CO2 モニタリング曲線の経時的な最適化と安定化を達成することがわかりました (表 2、3、4)。一般に、R2 値は低く、これは粒子体積の実際の条件に近い適用規模によって正当化されます。

装置の検証後、実スケール解析に適用され、穀物輸送システムがシミュレーションされました。この実験では、変数温度、相対湿度、および CO2 を監視して、0 度以上の穀物質量プロファイルの 3 つの垂直位置 (上部、中央、および下部) における水分含有量 12 および 16% の穀物の間接的な物理的品質を決定しました。、2、8、および24時間。

図４Ａによれば、含水率１２％の穀粒塊は、監視の最初の８時間で下層および中央層の温度が上昇し、その後、監視の２４時間まで温度が低下したことが分かる。粒子層のより高い位置では異なる現象が起こり、最初の数時間（10時間まで）に温度の低下が観察され、監視の24時間まで温度の上昇が観察されました。これらの結果は粒界相対湿度に影響を与えました（図4B）。相対湿度は、下部および中央位置では監視時間の最初から最後まで一定でしたが、10時間の監視後にわずかに減少する振動を示しました。

含水率 12% (wb) のトウモロコシ粒塊内の粒間空気の温度 (A)、相対湿度 (B)、平衡含水率 (C)、二酸化炭素 (D) を経時的に監視します。

温度と相対湿度の結果は、監視時間全体を通じて、下部と中央の位置における穀粒塊の平衡含水率がそれぞれ 14.2 % と 13.9 % という一定の状態を示しました (図 4C)。一方、図 3 および図 4 で観察された変動に従うと、図４Ａ、Ｂに示すように、上層の粒子の平衡含水率は、１０時間の監視により１２から１３％に増加し、その後１２時間で１０．４％に減少し、監視時間の終わりまでに１１．２％の状態に達した。粒界状態、特に上層で観察された変化は、環境の温度と相対湿度によって生じる変動の影響も受けました（図4A、B）。

Bakhtavar et al.29 は、相対湿度 60、70、80、90% の環境下で、気密袋や紙、ポリプロピレン、ジュート、布袋などの伝統的な包装材料に詰められた小麦、トウモロコシ、綿、キヌアの穀粒の水分吸着を評価しました。。著者らは、従来の包装材料では相対湿度が増加するにつれて穀物の水分含有量が増加することを観察しました。著者らによれば、穀物を密閉袋に保管すると、穀物の塊の呼吸と水分含有量の変動が減少し、安全な保管条件下での穀物の平衡水分含有量の維持に協力するという。

Bakhtavar et al.29 によって報告された発見は、外部環境からの影響が少ない下部および中央の粒子層の結果と一致しています。これらの条件下では、穀粒塊の平均呼吸量はモニタリングの最初の 3.5 時間で 450 ppm に上昇することがわかりました (図 4D)。その後、初期状態まで低下し、モニタリング期間の終了まで残りました。呼吸レベルは低いままで、CO2 濃度は周囲環境 (420 ppm) に近かったため、穀粒内の乾物消費はありませんでした。含水率 16% の粒塊の評価では、外部環境の変化にもかかわらず、3 層 (上部、中央、下部) の粒界空気の温度と相対湿度の曲線が同じ挙動を示すことが確認されました。環境（図5A、B）。

16%以上の含水率(wb)でのトウモロコシ粒塊中の粒間空気の温度(A)、相対湿度(B)、平衡含水率(C)、二酸化炭素(D)、乾物損失(E)を監視します。時間。

この状況では、高い含水率 (16%) が、外部条件 (温度と相対湿度) よりも高い粒界空気ガス交換に影響を及ぼしました。温度変化 (図 5A) は、図 4A で観察されたものと同様ではありますが、より高い (24.5 ～ 26.5 °C) ことが観察されました。一方、3 層の相対湿度はモニタリング時間の開始から終了まで一定 (80 ～ 90%) であり、外部環境 (50 ～ 60%) よりも高かった (図 5B)。

含水率 16% の条件により、穀粒塊は監視開始から最初の数時間以内に平衡含水率に達し、下層と中央層では 19 ～ 21%、下層と中央層では 24% 近くの一定の状態が期間終了まで維持されました。粒子塊の最上層（図5C）。したがって、モニタリングの最初の 2 時間では、穀粒塊の激しい呼吸があり、CO2 濃度は 5000 ppm の限界に達し、モニタリングの最終期間まで一定のままでした (図 5D)。

穀粒塊の高い呼吸により、モニタリングの最初の 2 時間で穀粒内の乾物が消費され、損失されました (図 5E)。 24 時間のモニタリングで乾物の損失は 0.06% と推定され、短い評価期間を考慮すると有意な結果となりました 30。 Jian ら 7 は、さまざまな時間、水分含量、および温度で保存されたキャノーラ、大豆、小麦の種子の間質二酸化炭素および酸素濃度を評価しました。著者らによると、CO2 濃度の最大の有意差は、保管時間と 40 °C の温度の関数として見られました。

Ubhi と Sadama31 は、23、35、45 °C の温度と、12.9、14.8、17.0、18.8、20.7% の初期水分含量の関数として、トウモロコシ粒の質量の異なる呼吸速度を発見しました。著者らは、水分含有量18.8%、平均温度35℃の穀物では、9日間の保管後に蓄積呼吸量が2.625g/kgに達したことを検証した。 Ochandio et al.32 は、15、25、および 35 °C、水分含量 13、15、および 17%、0.130 ～ 20.272 mg CO2/(kgdms) の気密保管における大豆種子の呼吸速度を報告しました。

Coradi ら 33 は、温度および相対湿度をそれぞれ 10 °C および 90%、30 °C および 40% で保存したトウモロコシの乾物の損失を評価しました。著者らは、10℃、90％の条件で保存したトウモロコシには真菌汚染があったのに対し、30℃、40％の条件で保存した穀物では、保存中に乾物の損失と物理的変化がより多かったことが判明した。 Taher et al.12 は、CO2 濃度のモニタリングに基づいてバッグサイロに保管されている大豆の損失を予測するモデルを構築し、乾物の 0.07 ～ 2.16% の穀粒質量呼吸損失を通じて検証しました。 Garcia-Cela ら 34 は、水分活性 0.80 ～ 0.99、温度 15 ～ 35 °C のさまざまな保存条件下で、自然に汚染されたトウモロコシ粒の呼吸を評価しました。最も高い呼吸数は、水分活性が 0.95、温度が 30 ～ 35 °C のときに発生しました。これらの条件下では、著者らは乾物の損失がより高いことを発見しました35。

電気伝導率試験（図6A）は、トウモロコシ粒の細胞構造が、初期含水率（12および16％）および評価位置（上層、中央層、および下層）の関数としてモニタリング時間に応じて影響を受けることを示しました。穀物の塊のこと。これらの層の中で、モニタリングから得られた結果 (温度、相対湿度、および CO2) と一致して、上部 (より高い) 層に位置する粒子がわずかに最も大きな物理的変化を受けることが観察されました。しかし、穀物に最も大きな物理的損傷が見られたのは、水分含有量が 12% の場合でした。

導電率試験 (A) および水分含量 (wb) 12 および 16% のトウモロコシ粒の経時的な発芽率 (B) によるトウモロコシ粒の細胞構造の評価。

電気伝導率の結果は、粒の発芽に反映されます (図 6B)。発芽率は穀粒層の高い位置ほど低く、主に含水率12%の穀粒であった。温度、粒界相対湿度、ひいては平衡含水量の上昇により、主に含水量 16% の穀粒の加熱と呼吸強度の上昇がもたらされました。しかし、穀物の輸送システムをシミュレートしたモニタリングの 24 時間以内の、水分含有量 16% (水和) の穀物の代謝活性の増加は、試験に供したときの発芽率の増加に協力しました。輸送中に穀物の発芽が望ましくないことは注目に値します。この場合、発芽から得られた結果は、穀粒の塊の最終品質に影響を与える可能性のある物理的変化を示しています。

Santos ら 18 は、さまざまな温度で保存されたトウモロコシ粒の品質と乾物の損失を評価しました。この目的のために、初期含水率 14.8 および 17.9% のトウモロコシ粒を袋に詰め、15、25、および 35 °C の温度で保管しました。 150 日間にわたり、30 日間隔で酸素 (O2) と二酸化炭素 (CO2) の濃度が測定され、水分含量、見掛け比重、乾物、発芽率、および粒度を測定するために穀物のサンプルが採取されました。物理的な分類。 150 日間で、水分含有量 14.8% で保管されたトウモロコシ粒の乾物損失は、水分含有量 17.9% で保管された製品の乾燥物の損失よりも約 3.5 倍低かった。発芽の結果に基づいて、穀粒の完全性を維持するには、乾燥物の損失の 0.015% の制限が許容可能であると考えられます。

Paraginski et al.36 が実施した研究では、著者らは 5、15、25、35 °C の温度で 12 か月間保存されたトウモロコシ粒の品質を評価しました。千粒重量、発芽、電気伝導度の結果から、最高温度、主に 25 ～ 35 °C で保管された穀物で最大の変化が観察されたことが示され、これらの条件下での穀物の安全な保管時間はもっと短いはずであることが示されました。低温での保管と比較した場合。

最初の 2 つの標準変数の分析により、評価された変数の治療間の総変動の 98.4% が収集されました (図 7A)。このバイプロットでは、図に近い処理は高い類似性を示しています。ベクトル (矢印) は、特定の治療法の類似性に最も影響を与えた変数を指します。

トウモロコシ粒の定性的正規変数の分析 (A)。トウモロコシ粒の質的変数のピアソン相関分析 (B)。緑色の線は変数を正の相関関係にリンクし、赤色の線は負の相関関係にある変数をリンクします。線の太さは相関の大きさに比例します。

象限を分析する際に、評価されたほとんどの変数との明確な関連パターンを持つ 3 つの異なるグループの形成を検証しました。最初のグループは、LDM 変数と CO2 変数に関連して目立った処理 8、10、11、14、15、16、18、19、20、22、23、24 を割り当てました。 2 番目のグループは、変数 T と EC の変動が少ない処理 1、2、4、5、6、7、9、12 を集めました。 3 番目のグループには処理 13、17、および 21 が含まれていましたが、特定の点で目立った変数はありませんでした。特に、変数 RH、EMC、G はどの処理でも目立ったものではありませんでした。

クラスタリングの結果から、粒子層の最上部の水分含有量が 16% である処理と 2 時間のモニタリング時間が変数、特に二酸化炭素 (CO2) と乾物の損失に最も大きな影響を与えることを確認しました。 (LDM)。 Barreto et al.8 は、初期穀物含有量 12、14、および 16% (wb)、温度 25 °C および 40 °C を使用して、CO2 濃度によって穀物の品質を分析する数学的モデルを開発しました。 12% および 25 °C の条件では、CO2 濃度は 4% に増加しました。 25 °C および 40 °C で水分が 16% の場合、O2 は 1% 未満に減少しました。

変数間の相関分析を図７Ｂに示す。変数LDM×CO2、EMC×RH、RH×G、EMC×Gの間には強い正の相関が見られ、CO2×RH、LDM×RH、CO2×EMC、EMC×LDMの間には中程度の正の相関が見られました。そしてG×LDM。ただし、変数 EC × G、EC × EMC、EC × RH の間には強い負の相関があり、変数 EC × CO2 の間には中程度の負の相関が示されました。変数 T は、RH、EMC、LDM、CO2、G と弱い負の相関関係があり、EC と弱い正の相関関係がありました。相関分析で観察された結果は、トウモロコシ穀粒の貯蔵に関して確立された処理係数に関連する定性変数の挙動と一致しています。この結果は、Coradi et al.37 によって得られた結果を裏付けています。

評価されたすべての変数のピアソン相関係数 (r) および観測値と推定値の間の平均絶対誤差 (MAE) に関して、評価された機械学習技術間に統計的な差異 (p 値 < 0.01) がありました。

見かけの比質量 (図 8A、B) では、ANN、LR、M5P、REPTree、および RF 技術が、互いに統計的に異なることなく、最も高い r 値を示しました。 MAE に関しては、M5P を除くこれらの同じテクニックが最も低い平均を示しました。 ANN、LR、M5P、および REPTree 技術は、導電率の推定値と予測値の間で最も高い r 平均を示しました (図 9A、B)。ただし、MAE を分析すると、LR が最も低い値を示したことが観察されます。

(A) ピアソン相関係数 (r) の箱ひげ図、(B) さまざまな機械学習モデルと入力によるトウモロコシ粒の見かけの比重の観測値と推定値の間の平均絶対誤差 (MAE)。同じ列内の平均値の後に等しい文字が続く場合、スコットノット検定では 5% の確率で差異がありません。

(A) ピアソン相関係数 (r) の箱ひげ図、(B) さまざまな機械学習モデルと入力によるトウモロコシ粒の電気伝導率の観測値と推定値の間の平均絶対誤差 (MAE)。同じ列内の平均値の後に等しい文字が続く場合、スコットノット検定では 5% の確率で差異がありません。

発芽（図１０Ａ、Ｂ）については、ＡＮＮ、ＬＲ、Ｍ５Ｐ、およびＲＥＰＴｒｅｅ技術が、互いに統計的に異なることなく、最も高いｒ値を示した。 MAE に関しては、ANN を除くこれらの同じ手法が最低の平均値を示しました。 ANN、LR、M5P、REPTree、および RF 技術は、導電率の推定値と予測値の間で最も高い r 平均を示しました (図 11A、B)。これらの同じ手法では、平均 MAE が最も低くなりました。

(A) ピアソン相関係数 (r) の箱ひげ図、(B) さまざまな機械学習モデルと入力によるトウモロコシ粒の発芽の観測値と推定値の間の平均絶対誤差 (MAE)。同じ列内の平均値の後に等しい文字が続く場合、スコットノット検定では 5% の確率で差異がありません。

(A) ピアソン相関係数 (r) の箱ひげ図、および (B) さまざまな機械学習モデルと入力によるトウモロコシ粒の乾物損失の観測値と推定値の間の平均絶対誤差 (MAE)。同じ列内の平均値の後に等しい文字が続く場合、スコットノット検定では 5% の確率で差異がありません。

変動する温度、相対湿度、および粒界空気中の二酸化炭素 (CO2) 濃度をリアルタイムで監視することで、輸送中の穀物の物理的品質の変化を間接的な方法で早期かつ十分に特定し、電気的物理分析によって確認しました。導電性と発芽性。

穀粒質量プロファイルの最上位にある水分含有量が 16% の条件下でのトウモロコシ穀粒の輸送の最初の 2 時間で、トウモロコシ穀粒の高い平衡水分含有量と呼吸により、主に乾物の損失に関して最も大きな物理的品質変化が発生しました。穀物の塊。

機械学習予測アルゴリズムの適用により、輸送中のトウモロコシ粒の量的および質的損失が予測されました。サポートベクターマシンを除くすべての機械学習モデルで、重線形回帰分析と同等の満足のいく結果が得られました。

この研究中に生成または分析されたすべてのデータは、この公開された記事 [およびその補足情報ファイル: コードプログラミングとハイライト] に含まれています。現在の研究中に使用および/または分析されたデータセットは、合理的な要求に応じて責任著者から入手できます。

コナブ。ブラジルの穀物の収穫を監視しています。。 (2019年)

ペレイラ、PSX 他荷物の重量に基づいた、道路輸送におけるトウモロコシ粒の損失の割合。Ｊ．Ｅｘｐｅｒｉｍ．農業。内部。 37、1–10 (2019)。

Google スカラー

Coradi、PC、Chaves、JBP、Lacerda Filho、AF、Mota、TO さまざまな条件で保存されたトウモロコシ粒の品質。 Centífica 42、118–133 (2014)。 https://cientifica.dracena.unesp.br/index.php/cientifica/article/view/535

記事 Google Scholar

ルッツ、E. & Coradi、PC 保存されている穀物の品質を監視および予測するための新技術のアプリケーション: センサー、モノのインターネット、人工知能。測定。 188、110609。https://doi.org/10.1016/j.measurement.2021.110609 (2021)。

記事 Google Scholar

Zhang、SB、Zhai、HC、Huang、SX、Cai、JP 中国の横型倉庫で保管されている昆虫や菌類による穀物の腐敗を監視するための現場指向型 CO2 検出法。 J. 保管された製品。解像度 59、146–151。 https://doi.org/10.1016/j.jspr.2014.07.002 (2014)。

記事 Google Scholar

Coradi、PC、Milane、LV、Camilo、LJ、Andrade、MDO、Lima、RE 自然環境および人工冷却で乾燥および保管した後のトウモロコシ粒の品質。ブラス牧師。ミルホとソルゴ 14、420–432。 https://doi.org/10.18512/1980-6477/rbms.v14n3p420-432 (2015)。

記事 Google Scholar

Jian, F.、Chelladurai, V.、Jayas, DS、Demianyk、CJ & White、NDG さまざまな条件下で保存されたキャノーラ、大豆、および小麦の種子中の二酸化炭素と酸素の間隙濃度。 J. 保管された製品。解像度 57、63–72。 https://doi.org/10.1016/j.jspr.2013.12.002 (2014)。

記事 Google Scholar

Barreto、AA et al. ビニール袋 (サイロバッグ) に保管された大豆 (Glycine max L.) 穀物の熱、水分、ガス濃度伝達モデルの検証。バイオシスト。工学 158、23–37。 https://doi.org/10.1016/j.biosystemseng.2017.03.009 (2017)。

記事 Google Scholar

Coradi、PC、Milane、LV、Camilo、LJ & Andrade、MDO ブラジルでのエタノール生産のためのトウモロコシ粒の乾燥と保管。生物科学。 J. 32, 1175–1190。 https://doi.org/10.14393/BJ-v32n5a2016-32754 (2016)。

記事 Google Scholar

Huang, H.、Danao, MG、Rausch, K. & Singh, V. さまざまな温度と水分含有量でのバルクトウモロコシ中の二酸化炭素の拡散と生成。 2013 年、ミズーリ州カンザスシティ、7 月 21 ～ 7 月 24 日 (p. 1)。米国農業生物技術者協会 (2013).https://doi.org/10.13031/aim.20131595312

パトリシオ DI およびリーダー R. 穀物作物の精密農業におけるコンピュータービジョンと人工知能: 体系的なレビュー。計算します。電子。農業。 153、69–81。 https://doi.org/10.1016/j.compag.2018.08.001 (2018)。

記事 Google Scholar

ハワイ州ターヘル、HA ウルコラ、MG チェンドヤ、RE バルトシクサイロバッグでの保管中の二酸化炭素モニタリングを使用して大豆の損失を予測。 J. 保管された製品。解像度 82、1-8。 https://doi.org/10.1016/j.jspr.2019.03.002 (2019)。

記事 Google Scholar

Besharati, B.、Lak, A.、Ghaffari, H.、Karimi, H.、Fattahzadeh, M. 種子の物理的特性と静電容量に基づいて水分含量を推定するモデルの開発。 Sens. Actuators A. 318、112513. https://doi.org/10.1016/j.sna.2020.112513 (2021)。

記事 CAS Google Scholar

Jaques, LBA、Coradi, PC、Lutz, É.、Teodoro, PE、Jaeger, DV、Teixeira, AL 大量輸送シミュレーションのための機械学習を使用した大豆品質のリアルタイム監視と予測のための非破壊技術。 IEEE Sens. J. (2022)。

Coradi, PC & Lutz, E. SmartStorage - 保管されている穀物の品質を監視するインテリジェントシステム。特許: コンピュータプログラム。登録番号: BR512022000638–3、登録日: 2022 年 3 月 29 日 (2022b)

ジャックス、ＬＢＡら。大量輸送中の大豆の品質をリアルタイムで監視および予測するためのポータブル機械サンプラーシステム。 IEEEトランス。インストラム。測定。 71、1–12 (2022)。

記事 Google Scholar

あさえ。アメリカ農業技術者協会。未粉砕の穀物および種子の水分測定。参照: Standards、セントジョセフ: ASAE、563 (2000)。

Santos、SBD、Martins、MA、Faroni、LRDA および Brito Junior、VRD 気密袋に保管されたトウモロコシ粒の乾物損失。シエン牧師。アグロン。 43、674–682。 https://doi.org/10.1590/S1806-66902012000400008 (2012)。

記事 Google Scholar

ブラジル。農業畜産供給省。シード分析のルール。農業・畜産・供給省、農業防衛局、ブラジリア、マパ/ACS 399p。（2009年）。

ＩＳＴＡ。国際種子検査協会。番号による他のシードの決定。 In: 種子試験に関する国際ルール。編バッサースドルフ、41–43 (2008)。

Naldi、MC、Campello、RJ、Hruschka、ER & Carvalho、ACPLF 進化的 K 平均法の効率の問題。応用ソフトコンピューティング。 11、1938 ～ 1952 年。 https://doi.org/10.1016/j.asoc.2010.06.010 (2011)。

記事 Google Scholar

Egmont-Petersen, M.、Ridder, D. & Handels, H. ニューラルネットワークによる画像処理のレビュー。パターン認識。 35、2279–2301。 https://doi.org/10.1016/S0031-3203(01)00178-9 (2002)。

記事 ADS MATH Google Scholar

Blaifi, SA、Moulahoum, S.、Benkercha, R.、Taghezouit, B. & Saim, A. M5P モデルツリーベースの高速ファジー最大電力点トラッカー。ソル。エネルギー 163、405–424。 https://doi.org/10.1016/j.solener.2018.01.071 (2018)。

記事 ADS Google Scholar

Kalmegh, S. インドのニュースを分類するための weka データマイニングアルゴリズムのレプツリー、単純なカート、およびランダムツリーの分析。内部。 J.イノバット。科学。工学テクノロジー。 2、438–446 (2015)。

Google スカラー

Belgiu, M. & Dr ̆agu ̧t, L. リモートセンシングにおけるランダムフォレスト: アプリケーションと将来の方向性のレビュー。 J.フォトグラム。リモートセンシティブ 114、24–31。 https://doi.org/10.1016/j.isprsjprs.2016.01.011 (2016)。

記事 ADS Google Scholar

Bouckaert 、 RR 、 Frank 、 E. 、 Hall 、 M. 、 Kirkby 、 R. 、 Reutemann 、 P. 、 Seewald 、 A. & Scuse 、 D. バージョン 3–7–3 の WEKA マニュアル。ワイカト大学 327 (2010)。

Rコアチーム。 R: 統計コンピューティングのための言語および環境。 R 統計コンピューティング財団、オーストリア、ウィーン (2018).https://www.r-project.org/

ルッツ、E. 他。リアルタイムの平衡水分含有量モニタリングにより、サイロおよびラフィアバッグに保管されているトウモロコシの粒品質を予測します。 J.食品加工。工学 45、e14076。 https://doi.org/10.1111/jfpe.14076 (2022)。

記事 CAS Google Scholar

マサチューセッツ州バフタバル、I. アフザル、SMA バスラ従来の包装材と密閉スーパーバッグに保管された種子の水分吸着等温線と品質。 PLoS ONE 14、e0207569。 https://doi.org/10.1371/journal.pone.0207569 (2019)。

論文 CAS PubMed PubMed Central Google Scholar

コラディ、PC 他。粒界平衡水分含有量をリアルタイムで監視し、サイロバッグに保管されているトウモロコシの品質を予測するためのワイヤレスセンサーネットワークとモノのインターネットプラットフォームのプロトタイプ。エキスパートシステム。応用 208、118242。https://doi.org/10.1016/j.eswa.2022.118242 (2022)。

記事 Google Scholar

Ubhi, GS & Sadama, S. 圧力センサーを使用したトウモロコシの呼吸速度の時間的評価。 J. 保管された製品。解像度 61、39–47。 https://doi.org/10.1016/j.jspr.2015.02.004 (2015)。

記事 Google Scholar

オカンディオ、D. et al. 密閉保管中の大豆種子の呼吸速度 (グリシン最大 (L.)) をモデル化します。 J. 保管された製品。解像度 74、36–45。 https://doi.org/10.1016/j.jspr.2017.09.001 (2017)。

記事 Google Scholar

Coradi、PC、Lacerda Filho、AF、Chaves、JBP & Mota、TO さまざまな条件下で保管された穀物トウモロコシの乾物の損失と品質への影響。ブラス牧師。テクノル。アグロイン。 9、1757–1770 (2015)。

Google スカラー

Garcia-Cela、E. et al. トウモロコシ粒に対する保管環境の影響: CO2 生成、乾物損失、アフラトキシン汚染。食品添加物。コンタム。 36、175–185。 https://doi.org/10.1080/19440049.2018.1556403 (2019)。

記事 CAS Google Scholar

Coradi、PC、リマ、RE、Alves、CZ、Teodoro、PE & Cândido、ACDS 種子処理施設での大豆品種の条件付き保管におけるラフィアの大きな袋に塗布するコーティングの評価。 PLoS ONE 15(11)、e0242522。 https://doi.org/10.1371/journal.pone.0242522 (2020)。

論文 CAS PubMed PubMed Central Google Scholar

Paraginski, RT、Rockenbach, BA、Santos, RFD、Elias, MC & Oliveira, MD さまざまな温度で保管されたトウモロコシ粒の品質。ブラス牧師。工学農業。アンブ。 19、358–363。 https://doi.org/10.1590/1807-1929/agriambi.v19n4p358-363 (2015)。

記事 Google Scholar

コラディ、PC 他。調整された雰囲気の代替として、保管ユニット内で大豆種子を保存するための技術的包装の適応。 PLoS ONE 15、e0241787。 https://doi.org/10.1371/journal.pone.0241787 (2020)。

論文 CAS PubMed PubMed Central Google Scholar

リファレンスをダウンロードする

著者らは、UFSM サンタマリア連邦大学 (収穫後イノベーション研究グループ: 技術、品質、持続可能性) に感謝します。この研究と各組織のリソースと奨学金は、CAPES (高等教育人材改善調整)-金融コード 001、CNPq (国家技術科学開発評議会)、および FAPERGS-RS (リオグランデ州研究支援財団) によって財政的に支援されました。ドスル）（2019-2022）。

農業工学部、農村科学センター、サンタマリア連邦大学、Avenue Roraima、1000、カモビ、サンタマリア、リオグランデドスル、97105-900、ブラジル

カミラ・フォントゥーラ・ヌネス、パウロ・カルテリ・コラーディ、レーンズ・ベアトリス・アコスタ・ジャックス

農業工学部、ポストハーベスト研究所 (LAPOS)、カショエイラドスルキャンパス、サンタマリア連邦大学、Highway Taufik Germano、3013、Passo D'Areia、カショエイラドスル、リオグランデドスル、96506-322、ブラジル

パウロ・カルテリ・コラーディ

農学部、シャパダンドスル大学、マットグロッソドスル連邦大学、チャパダンドスル、マットグロッソドスル、79560-000、ブラジル

ラリッサ・ペレイラ・リベイロ・セオドール & ポール・エドワード・セオドール

PubMed Google Scholar でこの著者を検索することもできます

概念化、PCC、LPRT、PET、方法論、CFN、LBAJ、PCC、形式解析、CFN、LBAJ、PCC、LPRT、PET、調査、CFN、LBAJ、PCC、LPRT、PET、フィールド実験実施、CFN、LBAJ、PCC 、統計分析 CFN、LBAJ、PCC、LPRT、PET 執筆原案作成、PCC、LPRT、PET 執筆レビューおよび編集、PCC、LPRT、PET

パウロ・カルテリ・コラーディ氏への通信。

著者らは競合する利害関係を宣言していません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Nunes、CF、Coradi、PC、Jaques、LBA 他輸送および保管時の乾物損失とリアルタイムのトウモロコシ粒品質の早期検出と予測のためのセンサーケーブルプローブおよびサンプラー。 Sci Rep 13、5686 (2023)。 https://doi.org/10.1038/s41598-023-32684-4

引用をダウンロード

受信日: 2023 年 1 月 10 日

受理日: 2023 年 3 月 31 日

公開日: 2023 年 4 月 7 日

DOI: https://doi.org/10.1038/s41598-023-32684-4

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

ブログ