การพัฒนากระบวนการทำนายในการจำแนกอายุน้ำยางพาราด้วย คลื่นความถี่ไมโครเวฟ

ผู้แต่ง

  • ปพนพัชญ์ ธนาเศรษฐ์วัฒน สาขาวิชาคอมพิวเตอร์ธุรกิจ คณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏรำไพพรรณี
  • ปพนพัชญ์ ธนาเศรษฐ์วัฒน สาขาวิชาคอมพิวเตอร์ธุรกิจ คณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏรำไพพรรณี
  • พรพิมล ฉายแสง สาขาวิชาวิศวกรรมไฟฟ้า คณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏรำไพพรรณี
  • ประพัน ลี้กุล สาขาวิชาวิศวกรรมไฟฟ้า คณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏรำไพพรรณี

คำสำคัญ:

อายุของน้ำยางพารา, คุณสมบัติไดอิเล็กตริก, การส่งผ่านความถี่ไมโครเวฟ, โครงข่ายประสาทเทียม

บทคัดย่อ

บทความนี้นำเสนอการตรวจสอบอายุของน้ำยางพาราแบบไม่ซับซ้อน โดยใช้เทคนิคการส่งผ่านคลื่นความถี่ไมโครเวฟ กำลังงานความถี่ส่งผ่านจากการจำลองในการตรวจวัดน้ำยางพารา ได้รับการวิเคราะห์ด้วยโครงข่ายประสาทเทียมเพื่อจำแนกอายุการเก็บรักษา วิเคราะห์อายุการเก็บรักษาของน้ำยางพาราด้วยการตรวจวัดคุณสมบัติไดอิเล็กตริกอย่างต่อเนื่องเป็นเวลา 12 ชั่วโมง คุณสมบัติไดอิเล็กตริกของน้ำยางพาราถูกใช้พัฒนาโมเดลในการจำลองระบบ การจำลองระบบตรวจวัดน้ำยางพาราใช้การส่งผ่านคลื่น 2 คู่ ประกอบด้วย ความถี่ 10.2 กับ 10.4 กิกะเฮิรตซ์ และ 10.2 กับ 10.6 กิกะเฮิรตซ์ ค่าความต่างของกำลังงานการส่งผ่านจากการวัดน้ำยางพารา คือ พารามิเตอร์ |S12| |S21| |S34| และ |S43| ค่าพารามิเตอร์ S ถูกใช้ฝึกสอนโครงข่ายประสาทเทียมเพื่อสร้างกระบวนการตัดสินใจที่แม่นยำ โครงสร้างที่เหมาะสมประกอบด้วย 4 อินพุตโนด 8 โนดซ่อนเร้น และ 1 เอาต์พุตโนด อัตราการเรียนรู้ 0.1 ความแม่นยำอยู่ที่ 97.62% แสดงให้เห็นว่าระบบตรวจวัดสามารถแยกอายุน้ำยางพาราได้อย่างมีประสิทธิภาพและเหมาะสำหรับการนำไปประยุกต์ใช้งาน

Downloads

Download data is not yet available.

References

Rubber Intelligence Unit, (5 November 2021). Export statistics - natural rubber [online], Available: http://rubber.oie.go.th/ImExThaiByProduct.aspx?pt=ex.

S. S. Ochigbo, R. A. Lafia-Araga and M. A. T. Suleiman, “Comparison of two creaming methods for preparation of natural rubber latex concentrates from field latex,” African Journal of Agricultural Research, vol. 6, no.12, pp. 2916-2619, 18 June 2011.

N. wongwattana, S. Rittiron, R. and Lim, C. H. “The rapid determination of volatile fatty acid number in para rubber latex using Fourier transform-near infrared spectroscopy based on quantication and discrimination model,” Journal of Innovative Optical Health Sciences, vol. 8, no.5, pp. 1-9, 2015.

A. Parichkul, and P. Saikhwan, “The use of pasteurization to control microbial growth in rubber latex,” Journal of Food Science and Agricultural Technology, vol.1, no.1, pp.131-135, 2015.

P. Tatsanakul, A. N. Wichien and P. Pimrat, “Innovation of the production of TMTD/ZnO-free latex,” Journal of Rubber, vol.26 (electronic), pp.2-10, September 2016.

A. A. Hassan, M. Singh, W. Z. Saad, and R. Mohamad, “Efficiency of commercial biological compounds as anticoagulant agents in natural rubber latex,” Journal of Rubber Research, vol.18, no. 2, pp. 72-86, 2015.

S. Y. Lee, Y. X. Heng, Y. T. Q. Ling, D. T. C. Ang, and K. L. Mok, “Non-cytotoxic palm-based polymeric surfactant as a green stabilizer in natural rubber latex,” Journal of Rubber Research, vol.24, pp.423–433, July 2021.

D. M. Pozar, “Microwave engineering,” 4th ed. John Wiley & Sons. USA, 2012.

N. Sresungsuwan and N. Hansupalak, “Prediction of mechanical properties of compatibilized styrene/natural-rubber blend by using reaction conditions: central composite design vs. artificial neural networks,” Journal Applied Polymer Science, pp.356-365, 2013.

P. Leekul, P. Wongsiritorn, and P. Chaisaeng, “Development of humidity monitoring system in greenhouse with electromagnetic X-band and artificial neural networks,” Progress In Electromagnetics Research M, vol.100, pp.93–103, 2021.

Amorndej Puttipipatkajorn, and Amornrit Puttipipatkajorn “Development of calibration models for rapid determination of moisture content in rubber sheets using portable near-infrared spectrometers,” Journal of Innovative Optical Health Sciences, vol. 13, no.2, pp.1-12, 2020.

C. Zhao, G. Wu, and Y. Li, “Measurement of water content of oil-water two-phase flows using dual frequency microwave method in combination with deep neural network,” Measurement, vol.131, pp.92–99, 2019.

J. Zhang, D. Du, Y. Bao, J. Wang, and Z. Wei, “Development of multifrequency-Swept microwave sensing system for moisture measurement of sweet corn with deep neural network,” IEEE Transaction on Instrumentation and Measurement, vol.69, no.9, , pp.6446-6454, September 2020.

H. A. Hassan, M. H. Essa, and A. Yahya, “Performance comparison of linear multiuser detectors and neural network detector for DS/CDMA Systems in AWGN,” in 2015 Tenth International Conference on Computer Engineering & Systems (ICCES), Cairo Egypt, pp.307-313 ,23-24 Dec. 2015

S. Haykin, “Neural Networks and Learning Machines” 3rd, Prentice Hall: USA, 2008.

Downloads

เผยแพร่แล้ว

2022-06-30