نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه تربت‌حیدریه، تربت حیدریه، ایران

2 استادیار گروه تولیدات گیاهی و پژوهشگر پژوهشکده زعفران، دانشگاه تربت حیدریه

چکیده

صنایع کشاورزی هم­پای دیگر صنایع مهم در کشور نیازمند استفاده از حسگرها، آشکارسازها و آنالیزورهای گاز است. وظیفه اصلی این آنالیزورها، آشکارسازی انواع مختلف گازها و آلاینده های محیطی و تحلیل اطلاعات بدست آمده از آن برای تعیین کیفیت فیزیولوژیکی رشد گیاه، سنجش وضعیت ماندگاری اندام­های برداشت شده همچون گل، میوه و امثال آن می­باشد. زعفران، یکی از محصولات استراتژیک نواحی جنوبی و مرکزی خراسان بزرگ است که از جنبه­های گوناگون از تأثیر در اشتغال و اقتصاد این مناطق تا بهره­وری در مصرف نهاده­های کشاورزی همچون آب خصوصیات منحصر به فرد دارد. تولید زعفران با هزینه­های کنونی تنها در صورتی مقرون به­صرفه خواهد بود که مدل­سازی رشد آن در شرایط اقلیمی مناطق مختلف خراسان و با بررسی دقیق تبادلات گازی انجام گرفته و توصیه در مصرف نهاده­ها صرفاً بر مبنای اصول کشاورزی دقیق پیش رود. از طرف دیگر عمرکوتاه گل زعفران که مکانیزم فرآوری (برداشت، جدا و خشک کردن اجزای گل) را مشکل می‌سازد با مطالعه دقیق تبادلات گازی قابل افزایش می­باشد. در این مقاله سیستمی الکترونیکی مبتنی بر سنسورهای الکتروشیمیایی ارائه می­شود که با شبیه­سازی فعل و انفعال گازها، انواع گازهای موجود در محیط اطراف گیاه زعفران را تشخیص داده و بر روی صفحه نمایشگر نشان می­دهد. تحلیل اطلاعات به­دست­آمده از میزان گازهای آشکار شده اطراف گیاه (برحسب PPM و VOL (%))، توسط محققین کشاورزی و حوزه زعفران می­تواند راهکارهایی را برای بهبود کیفیت رشد، حفظ طولانی­تر گل در دوره پس از برداشت و امکان­سنجی تولید زعفران با شرایط گازهای کنترل شده در محیط گلخانه­ای فراهم نماید.

کلیدواژه‌ها

Aalizadeh, M.B., Makarian, H., Ebadi, E., and Shafaroodi, A. (2020). Evaluation of the effect of different fertilizer treatments on yield and some reproductive traits of Saffron in the climatic conditions of Ardabil, Journal of Saffron Research, 9(1): 11-27. [In Persion]
Alphasense, L. (2013). Modeling Amperometric Electrochemical Gas Sensors, Alphasense Application Note, Available at Web site http://www.alphasense.com/WEB1213/wp- content/uploads/2014/01/AAN_111.pdf.
Baby, R., Cabezas, M., Castro, E., Filip, R., and WalsöedeReca, N.E. (2005). Quality control of medicinal plants with an electronic nose, Sensors and Actuators B, 106(1): 24-28.
Brezmes, J., Fructuoso, M.L.L., Llobet, E., Vilanova, X., Recasens, I., and et al., (2005). Evaluation of an electronic nose to assess fruit ripeness, IEEE Sensors Journal, 5(1): 97-108.
Carmona, M., Martinez, J., Zalacain, A., Rodriguez-Mendez, M.L., de Saja, J.A., and et al. (2006). Analysis of saffron volatile fraction by TD-GCMS and E-nose, European Food Research and Technology, 223(1): 96-101.
Cheli, F., Campagnoli, A., Pinotti, L., Savoini, G., and Dell’Orto, V. (2009). Electronic nose for determination of aflatoxins in maize, Biotechnology Agronomy Society at Environment, 13(1): 39-43.
Concina, I., Falasconi, M., Gobbi, E., Bianchi, F., Musci, M., and et al. (2009). Early detection of microbial contamination in processed tomatoes by electronic nose, Food Control, 20(1): 873-880.
Felix, L. (2019). F-950 Instruction Manual, https://felixinstruments.com/food-science-instruments/handheld-ethylene-co2-o2-analysis/f-950-three-gas-analyzer/.
Felix, L. (2020). F-750 Produce Quality Meter,https://felixinstruments.com/food-science-instruments/portable-nir-analyzers/f-750-produce-quality-meter/.
Felix, L. (2013). F-900 Operations Manual,https://felixinstruments.com/food-science-instruments/handheld-ethylene-co2-o2-analysis/f-900-portable-ethylene-analyzer/. (verified 2020)
Felix, L. (2016). F-920 Instruction Manual, https://felixinstruments.com/food-science-instruments/headspace-map-analysis/f-920-check-it-gas-analyzer/.
Felix, L. (2014). F-950 Instruction Manual, https://felixinstruments.com/static/media/uploads/manuals/f950_manual.pdf
Geeta L., and Rohit B. (2017). Design & Implementation of LPG Gas Detector using GSM Module, International Journal on Emerging Technologies, 8(1): 98-100.
Heidarbeigi, K., Mohtasebi, S. S., Foroughirad, A., Ghasemi-Varnamkhasti, M., Rafiee, S., & Rezaei, K. (2015). Detection of adulteration in saffron samples using electronic nose. International Journal of Food Properties, 18(7), 1391-1401.
Kavousi, M., Khashei Siuki, A., and Behdani, M.A. (2018). Efficiency of support vector machine models and gene expression programming in predicting saffron yield, Journal of Saffron Research, 8(2): 343-358. [In Persion]
Kiani, S., Minaei, S., & Ghasemi-Varnamkhasti, M. (2016). A portable electronic nose as an expert system for aroma-based classification of saffron, Chemometrics and Intelligent Laboratory Systems, 156, 148-156.
Kiani, S., Minaei, S., & Ghasemi-Varnamkhasti, M. (2017). Integration of computer vision and electronic nose as non-destructive systems for saffron adulteration detection. Computers and Electronics in Agriculture, 141, 46-53.
Kiani, S., Minaei, S., Ghasemi-Varnamkhasti, M., & Ayyari, M. (2017). An original approach for the quantitative characterization of saffron aroma strength using electronic nose. International journal of food properties, 20(sup1), S673-S683.
Kowshika, V., Akila, K., Nagaraj, S., Surendar, S., and Kalpanadevi, S. (2019). E- Safety Provider, International Journal of Engineering Science and Computing, 9(3): 20909-20913.
Martin, S.M., Gebara, F.H., Strong, T.D., and Brown, R.B. (2004). A low-voltage, chemical sensor interface for systems-on-chip: the fully-differential potentiostat. IEEE International Symposium on Circuits and Systems (IEEE Cat. No.04CH37512), Vancouver, Canada, 23-26.
National Semiconductor. (2011). Applications LMP91000 Sensor AFE System: Configurable AFE Potentiostat for Low-Power Chemical Sensing, Available at Web site https://datasheet.octopart.com/LMP91000SDE/NOPB-National-Semiconductor-datasheet-10031884.pdf.
Nicolas, J., Romain, A.C., and Ledent, C. (2006). The electronic nose as a warning device of the odour emergence in a compost hall, Sensors and Actuators B, 116(1): 95-99.
Nizam-ol-Islami, A., Abolhassani L., Shahnoshi N., Karbasi A., and Khezri D. (2019). Estimation of environmental costs of greenhouse gas emissions in saffron farms (Case study of Torbat-e Heydarieh), Journal of Saffron Agronomy and Technology, 7(2): 245-285. [In Persian]
Okeke, R., and Ehikhamenle, M. (2017). Design and simulation of gas and fire detector and alarm system with water sprinkle, International Journal of Engineering Research and General Science, 5(1): 216-225.
Paolesse, R., Alimelli, A., Martinelli, E., Natale, C.D., D’Amico, A., and et al. (2008). Detection of fungal contamination of cereal grain samples by an electronic nose, Sensors and Microsystems, 385-390.
Ranjan, A., and George, B. (2013). A child-left-behind warning system based on capacitive sensing principle. IEEE International Instrumentation and Measurement Technology Conference (I2MTC), 2013, p. 702-706.
Rivandi, M., Ghasemnezhad, A., Hemmati, K., Ghorbani, K., Abhari, A. (2020). Effects of pH, Bicarbonate and Salinity of Irrigation Water on Yield and Flowers Yield Components of Saffron, Journal of Saffron Research, 8(2): 241-253. [In Persian].
Sohn, J.H., Hudson, N., Gallagher, E., Dunlop, M., Zeller, L., and et al. (2008). Implementation of an electronic nose for continuous odour monitoring in a poultry shed, Sensors and Actuators B, 133(1): 60-69.
Soundarya, T., Anchitaalagammai, J.V., Deepa, P., and KarthickKumar, S.S. (2014). C-leakage: Cylinder LPG Gas Leakage Detection for home safety, IOSR Journal of Electronics and Communication (IOSR-JECE), 53-58.
Spinelli, F., Noferini, M., Vanneste, J.L., and Costa, G. (2010). Potential of the electronic-nose for the diagnosis of bacterial and fungal diseases in fruit trees, OEPP/EPPO Bulletin, 40(1): 59-67.
Texas Instruments. (2011). LMP91000 Sensor AFE System: Configurable AFE Potentiostat for Low-Power ChemicalSensing Applications, Available at Web site http://www.ti.com/lit/ds/symlink/lmp91000.pdf.
Tian, F., Yang, S., and Dong, K. (2005). Circuit and noise analysis of odorant gas sensors in an E-nose, Sensors, 5(1): 85-96.
Torri, L., Sinelli N., and Limbo, S. (2010). Shelf life evaluation of fresh-cut pineapple by using an electronic nose, Postharvest Biology and Technology, 56: 239-245.
Zhang, H., Chang, M., Wang J., and Ye, S. (2008). Evaluation of peach quality indices using an electronic nose by MLR, QPST and BP network, Sensors and Actuators B Chemical, 134(1): 332-338.
Zheng, X.Z., Lan, Y.B., Zhu, J.M., Westbrook, J., Hoffmann, W.C., and et al. (2009). Rapid identification of rice samples using an electronic nose, Journal of Bionic Engineering, 6(1): 290-297.