Innowacyjne metody w badaniach agrofizycznych

Innowacyjne metody w badaniach agrofizycznych Sławomir Bakier, Stanisław Konopka, Adam Lipiński, Andrzej Anders, Sławomir Obidziński, Katarzyna Bareja, Ewelina Bajko 2015, KA PAN, Wyd. Nauk. FRNA, ISBN: 978-83-60489-28-4 (ark wyd.11.8)

Wydawca: FRNA Fundacja Rozwoju Nauk Agrofizycznych Tytuł: Innowacyjne metody w badaniach agrofizycznych Autorzy: Sławomir Bakier, Stanisław Konopka, Adam Lipiński, Andrzej Anders, Sławomir Obidziński, Katarzyna Bareja, Ewelina Bajko Recenzowali: Prof. dr hab. Bohdan Dobrzański, jr Prof. dr hab. Edward Roj Książka została przygotowana na Międzynarodową Konferencję pt.: Metody fizyczne w badaniu środowiska rolno-spożywczego i leśnego, która odbyła się w Malinówce k. Ełku w dniach 9-11 września 2015 roku. Wydanie monografii: Innowacyjne metody w badaniach agrofizycznych Jest współfinansowane przez: Polską Akademię Nauk, Wydział II Nauk Biologicznych i Rolniczych Copyright by Komitet Agrofizyki Polskiej Akademii Nauk Fundacja Rozwoju Nauk Agrofizycznych, Lublin 2015 ISBN: 978-83-60489-28-4 Wydanie 1, wydanie w oprawie miękkiej, nakład: 200, ark. wyd. 11.8 Projekt okładki i formatowanie, nadruk, kopiowanie płyt: Bohdan Dobrzański, III Drukowane na papierze ekologicznym: www:andale.pl, ul. Ułanów 7/2, 20-554 Lublin, www:andale.pl

SPIS TREŚCI WSTĘP 7 ROZDZIAŁ 1 MODELOWANIE NUMERYCZNE 3D KSZTAŁTU NASION Z WYKORZYSTANIEM LASEROWYCH SKANÓW 9 1.1. TRADYCYJNE I NOWOCZESNE METODY POMIARÓW GEOMETRYCZNYCH SUROWCÓW I PRODUKTÓW ROLNICZYCH 9 1.2. METODYKA MODELOWANIA NUMERYCZNEGO NASION Z WYKORZYSTANIEM LASEROWEGO SKANERA 3D 12 1.3. WYNIKI BADAŃ I POMIARÓW CECH GEOMETRYCZNYCH NASION 17 1.4. ANALIZA MODELOWANIA NUMERYCZNEGO NASION GRYKI I PSZENICY 25 ROZDZIAŁ 2 MECHATRONICZNE METODY WYZNACZANIA WSPÓŁCZYNNIKÓW TARCIA STATYCZNEGO POJEDYNCZYCH CZĄSTEK ROŚLINNYCH 13 I MATERIAŁÓW SYPKICH 2.1. TEORETYCZNE I METODYCZNE ASPEKTY WYZNACZANIA WSPÓŁCZYNNIKÓW TARCIA ZEWNĘTRZNEGO 2.1.1. RODZAJE TARCIA 29 2.1.2. TEORIE ŚLIZGOWEGO TARCIA SUCHEGO 32 2.1.3. TARCIE ZEWNĘTRZNE ROŚLINNYCH MATERIAŁÓW SYPKICH 40 2.2. MECHATRONICZNY UKŁAD POMIARU PARAMETRÓW RUCHU 47 2.2.1. MATERIAŁ BADAWCZY 49 2.2.2. CZYNNIKI BADAWCZE 50 2.2.3. TECHNIKA WYKONYWANIA POMIARÓW 51 2.2.4. METODY OBLICZENIOWE 52 2.2.5. WERYFIKACJA ZAŁOŻEŃ DO STATYSTYCZNYCH ANALIZ 53 2.2.6. WPŁYW PRĘDKOŚCI UNOSZENIA RAMIENIA RÓWNI NA WARTOŚCI WSPÓŁCZYNNIKÓW TARCIA STATYCZNEGO 54 2.2.7. WPŁYW SPOSOBU UŁOŻENIA ZIARNIAKÓW WZGLĘDEM ICH KIERUNKU RUCHU NA WARTOŚCI WSPÓŁCZYNNIKÓW TARCIA STATYCZNEG0 58 2.2.8. PORÓWNANIE WSPÓŁCZYNNIKÓW TARCIA STATYCZNEGO PO RÓŻNYCH PODŁOŻACH 60 ROZDZIAŁ 3 INNOWACYJNE ROZWIĄZANIA W TECHNICE SIEWU NASION 67 3.1. KONCEPCJE REALIZACJI ROZPROSZONEGO SIEWU NASION ZBÓŻ 70 3.1.1. MATERIAŁ BADAWCZY 70 3.1.2. STANOWISKO BADAWCZE I PRZEBIEG BADAŃ 71 13

6 BOHDAN DOBRZAŃSKI, JR., KRZYSZTOF ŻOŁĄDEK 3.1.3. OCENA FUNKCJONALNA REDLIC 72 3.1.4. OCENA STATYSTYCZNA WYNIKÓW BADAŃ 73 3.3. INNOWACJE W KONSTRUKCJACH REDLIC PRZEZNACZONYCH DO ROZPROSZONEGO SIEWU NASION ZBÓ 73 ROZDZIAŁ 4 INNOWACYJNA METODA OTRZYMYWANIA ŻYWICY I KALAFONII W PROSZKU Z DREWNA SOSNOWEGO Z ZASTOSOWANIEM EKSTRAKCJI NADKRYTYCZNYM CO 2 93 4.1. SUROWCE I PRODUKTY ŻYWICZNE 94 4.1.1. CHARAKTERYSTYKA ŻYWICY I SPOSOBU JEJ POZYSKIWANIA. 95 4.1.2. ZASTOSOWANIE PRODUKTÓW ŻYWICZNYCH 97 4.1.3. KRYTYCZNE SPOJRZENIE NA WSPÓŁCZESNE METODY POZYSKIWANIA I PRZETWÓRSTWA ŻYWICY 98 4.2. OGÓLNA CHARAKTERYSTYKA EKSTRAKCJI ZA POMOCĄ DITLENKU WĘGLA W STANIE NADKRYTYCZNYM 98 4.3. ZASTOSOWANIE EKSTRAKCJI NADKRYTYCZNEJ DO DREWNA 108 4.4. INNE ZASTOSOWANIA CO 2 W STANIE NADKRYTYCZNYM 117 4.5. CHARAKTERYSTYKA INNOWACYJNEGO SPOSOBU OTRZYMYWANIA SUBSTANCJI ŻYWICZNYCH I KALAFONII W PROSZKU Z DREWNA SOSNOWEGO POPRZEZ ZASTOSOWANIE EKSTRAKCJI NADKRYTYCZNYM CO 2 119 4.5.1.EMPIRYCZNA WERYFIKACJA METODY 120 4.6. PERSPEKTYWY ZASTOSOWANIA PROPONOWANEJ METODY 127 ROZDZIAŁ 5 PROCES GRANULOWANIA WYTŁOKÓW JABŁKOWYCH I WŁAŚCIWOŚCI FIZYCZNE GRANULATU 135 5.1. ODPADY ROLNO-SPOŻYWCZE 135 5.1.1. WYTŁOKI OWOCOWO-WARZYWNE 136 5.2. CIŚNIENIOWA AGLOMERACJA ODPADÓW Z PRZEMYSŁU OWOCOWO-WARZYWNEGO 138 5.3. CELE I METODY BADAŃ PROCESU GRANULOWANIA MATERIAŁÓW ODPADOWYCH POCHODZENIA ROŚLINNEGO 142 5.4. BADANIA PROCESU GRANULOWANIA MIESZANIN OTRĘBÓW OWSIANYCH Z WYTŁOKAMI JABŁKOWYMI 151 5.5. WPŁYW DODATKU WYTŁOKÓW JABŁKOWYCH NA PRZEBIEG PROCESU GRANULOWANIA I JAKOŚĆ GRANULATU 163 STRESZCZENIE 171 SPIS AUTORÓW 173

WSTĘP Poniższa publikacja dotyka problemu realizacji innowacyjnych badań naukowych w zakresie agrofizyki. Charakterystyczną cechą agrofizyki, która jest stosunkowo nową dyscypliną naukową jest wykorzystanie metod fizycznych i fizykochemicznych do badań właściwości materiałów rolniczych i produktów rolnych oraz procesów zachodzących w układach gleba-roślina-atmosfera oraz gleba-roślina-maszyna produkt rolny, ze szczególnym uwzględnieniem jakości surowców i produktów żywnościowych. Agrofizyka jest nauką łączącą badania podstawowe z badaniami stosowanymi. Tak więc rezultaty badań agrofizycznych nastawione są na rozwój praktycznych rozwiązań stosowanych w rolnictwie, gospodarce żywnościowej a także leśnictwie. Tym samym wpisują się w bardzo cenną działalność o charakterze innowacyjnym. Innowacyjność jest dzisiaj pojęciem bardzo modnym i należy do działalności naukowej ukierunkowanej na wdrożenie wyników badań w praktyce. Z innowacyjnością mamy do czynienia wówczas, jeżeli występuje wykorzystanie efektu końcowego (nieraz bardzo żmudnych prac badawczych) w uruchomienie nowej lub modernizacji istniejącej technologii produkcji lub usług. W Polsce powszechnie poruszany jest problem niskiej innowacyjności badań oraz wprowadzania nowych technologii. Zwraca się przy tym uwagę na wiele czynników, które determinują taki stan rzeczy. Wydatki na prowadzenie badań naukowych są stosunkowo niskie i szacowane na poziomie 0,8% dochodu brutto. Jest to wartość kilkukrotnie niższa, jak w krajach o wysokim poziomie rozwoju. Występuje przy tym stosunkowo silny podział resortowy na finansowanie badań a z drugiej strony zhierarchizowana struktura i sposób zdobywania kolejnych stopni w karierze zawodowej naukowców. W tym miejscu warto przypomnieć, że innowacje na ogół powstają na granicy poszczególnych branż. Znaczące nakłady wydatkowane są na prowadzenie badań naukowych o charakterze podstawowym, przed którymi nie stawia się wymogu zastosowania praktycznego. Współpraca nauki z przemysłem jest równie niezadawalająca a zainteresowanie gospodarki działaniami innowacyjnymi i komercjalizacją badań naukowych stawia nas na jednym z ostatnich miejsc w Unii Europejskiej. Jednocześnie w Polsce jest stosunkowo wysoka liczba ludzi zajmujących się nauką w stosunku do poziomu rozwoju gospodarczego kraju. W efekcie nakłady przeznaczane na realizację poszczególnych tematów badawczych są niskie, a konkurencyjność w ich pozyskaniu stosunkowo wysoka. Polskiej gospodarce w nieznacznym stopniu udało się wejść na ścieżkę rozwoju opartego na innowacjach i wiedzy. Ten aspekt aktywności Polaków musi być poprawiony, ażeby kraj mógł dołączyć do zamożnych krajów wysoko rozwiniętych. Wymaga to rozwoju nowych technologii, które są źródłem generowania nowych produktów, a tym samym dochodów będących głównym

8 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH mechanizmem napędowym współczesnej gospodarki. Strategia rozwoju nowych technologii wymaga prowadzenia badań ukierunkowanych na praktyczne wdrażania alternatywnych rozwiązań w gospodarce i zastosowanie do poprawy istniejących procesów produkcyjnych lub otrzymywania nowych produktów. Ważnym aspektem tych działań jest obniżenie kosztów produkcji przy jednoczesnej poprawie negatywnego oddziaływania na środowisko. Dzisiaj zdajemy sobie sprawę z ograniczonych zasobów środowiska naturalnego oraz z negatywnego wpływu działalności człowieka na powietrze, glebę i wodę. Działalność innowacyjna nie może tych zagrożeń potęgować - wręcz przeciwnie, fundamentalnym zadaniem innowacyjności jest poprawa negatywnego wpływu aktywności produkcyjnej człowieka na zasoby i jakość środowiska naturalnego. Musimy dbać o zrównoważone wykorzystanie zasobów naturalnych, które nie zmniejsza potencjału przyrodniczego kraju. Intensyfikacja rolnictwa i leśnictwa jest czynnikiem, który stawia przed nami coraz to nowe wyzwania. Agrofizyka jest z natury rzeczy nauką o racjonalnym wykorzystaniu zasobów środowiska. Materiał zawarty w monografii dotyka dosyć szerokich zagadnień. Z jednej strony mamy zastosowanie nowych technologii ekstrakcji w nadkrytycznym dwutlenku węgla do pozyskiwania cennych produktów pochodzenia roślinnego. Innym zagadnieniem jest racjonalne wykorzystanie zasobów przyrodniczych związanych z optymalizacją procesu siewu. Pomiędzy tymi problemami jest wykorzystanie materiału roślinnego, jako odnawialnego paliwa. Wszystkie te problemy stanowią aktualne obszary badawcze, których zagospodarowanie umożliwia wprowadzanie innowacyjnych produktów w postaci technologii, surowców roślinnych, czy też lepszego wykorzystania zasobów naturalnych. Autorzy opracowania mają nadzieję, że poniższa monografia będzie inspiracją do dalszych poszukiwań badawczych i lepszego, bardziej optymalnego wykorzystania zasobów naszego środowiska rolniczego i leśnego. Możliwości w tym zakresie są ogromne a poruszane zagadnienia tylko niewielkim obszarem zainteresowań. Zamieszczone prace są bezpośrednim efektem przygotowań Komitetu Naukowego i Organizacyjnego do dyskusji w trakcie planowanej w dniach 9-11 września 2015 w Malinówce k. Ełku Międzynarodowej Konferencji Naukowej: Metody fizyczne w badaniu środowiska rolno-spożywczego i leśnego. Prof. dr hab. inż. Bohdan Dobrzański, jr Dr hab. inż. S. Bakier prof. PB

ROZDZIAŁ 1 MODELOWANIE NUMERYCZNE 3D KSZTAŁTU NASION Z WYKORZYSTANIEM LASEROWYCH SKANÓW 1.1. TRADYCYJNE I NOWOCZESNE METODY POMIARÓW GEOMETRYCZNYCH SUROWCÓW I PRODUKTÓW ROLNICZYCH Modelowanie surowców rolniczych i spożywczych powinno możliwie realistyczne i ściśle wspomagać projektowanie procesów technologicznych. Punktem wyjścia do projektowania i optymalizacji procesów technologicznych może być w wielu przypadkach model 3D surowca rolniczego z dokładnie określonymi właściwościami geometrycznymi. Tradycyjne podejście do badań modelowych opiera się na założeniu jednorodności i izotropowości oraz na przypisywaniu regularnych kształtów surowcom rolno-spożywczym (np. cylinder, kula, płyta, stożek, itp.). Uzyskanie dokładnej charakterystyki geometrycznej (wymiary, szacowanie pola powierzchni i objętości) produktu rolniczego bądź spożywczego jest pierwszym krokiem w symulacji komputerowej. Za pomocą komputerowego wspomagania projektowania (CAD) i programów CFD (Computational Fluid Dynamics) można symulować geometrię surowców rolnospożywczych oraz procesy przetwórcze stosowane w zakładach produkcyjnych (Verboven i in. 2004). Stosując tradycyjne metody pomiarów surowców rolnospożywczych istnieje nadal poważny problem otrzymania dokładnego kształtu produktu, który uwzględniałby wszystkie jego indywidualne cechy i nieprawidłowości. Modelowanie numeryczne mające na celu uzyskanie dokładnego kształtu produktu oparte na tych metodach jest zadaniem żmudnym i trudnym szczególnie dla produktów o nieregularnych kształtach a przeprowadzony przegląd literatury ukazuje, że nie ma wiele publikacji poświęconych tego typu badaniom dla takich produktów. W przypadku pomiarów wielkości owoców i nasion wielu autorów ogranicza się do wykonania pomiarów wykorzystując narzędzia analizy obrazu lub stosując przyrządy miernicze typu suwmiarka lub mikrometr. Na przykład Akaaimo i Raji (2006) badali inżynierskie właściwości nasion rośliny o nazwie Prosopis africana. Badania obejmowały określenie cech geometrycznych nasion a do tego celu autorzy wykorzystali mikrometr. Vanesa Y. Ixtaina i in. w 2008 roku opublikowali

10 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH pracę, w której określali cechy geometryczne nasion szałwii hiszpańskiej (Salvia hispanica L.), pomiary nasion wykonano za pomocą elektronicznego mikrometru. W 2012 roku Tylek opisał pomiary cech rozdzielczych dębu szypułkowego (Quercus robur L.) korzystając z komputerowej analizy obrazów nasion, uzyskanych z aparatu cyfrowego. Wykonał analizę wielkości i kształtu żołędzi, obliczył współczynniki kształtu, z uwzględnieniem ich przynależność do klas żywotności. Dobrzański jr w 2007 roku opisał zależności geometryczne podczas deformacji nasion grochu. Wykorzystując układ pomiarowy maszyny do badań wytrzymałościowych Instron wyznaczał średnicę nasion w kierunku ściskania przed deformacją oraz wysokości nasion po deformacji. Badania cech geometrycznych wykonano dla nasion wielu gatunków roślin, takich jak: soja (Glycine max L. Merr.) (Deshpande i in. 1993, Shahin i in. 2006), słonecznik zwyczajny (Helianthus annuus L.) (Gupta i Das 1997), proso (Pennisetum typhoides) (Jain i Bal 1997), komosa biała (Chenopodium album L.) (Vilche i in. 2003), amarantus (Amaranthus cruentus L.) (Abalone i in. 2004), sezam (Tunde- Akintunde i Akintunde 2004), rzepak (Brassica napus L.) (Cahsir i in 2005, Tańska i in. 2005), gorczyca (Sinapis alba) (Anders 2007, Jadwisieńczak i Kaliniewicz 2011), len (Linnum usitatissimum L.) (Coskuner i Karababa 2007a, Wiesnerova i Wiesner 2008), kolendra siewna (Coriandrum sativum L.) (Coskuner i Karababa 2007b) i orzeszki gryki (Fagopyrum sagittatum Gilib) (Kram i in. 2007). W większości przedstawionych tu prac autorzy do pomiarów nasion zastosowali mikrometr, suwmiarkę lub analizę obrazu. W 2001 roku znając grubość, szerokość i długość nasion Mieszkalski opracował metodę trójwymiarowego modelu bryły nasion zbóż na podstawie matematycznego opisu kształtów jego poprzecznych przekrojów. Do utworzenia modelu wykorzystał program komputerowy Mathematica Enhanced wersja 2.2. Podstawą modelu były równania parametryczne konchoidy okręgu, która aproksymowała kształt poprzecznego przekroju ziarna w dowolnym miejscu. Podano przykład wygenerowania modelu ziarna pszenicy, której długość wynosiła 6,6 mm, grubość 2,6 mm i szerokość 3,2 mm. Wróbel w swojej pracy z 2011 roku zaprezentował nową, autorską metodę tworzenia trójwymiarowych modeli nasion roślin uprawnych w typowej aplikacji do komputerowego wspomagania projektowania (CAD). Procedura tworzenia modelu rozpoczynała się od wykonania serii przekrojów próbki, którą tworzą nasiona zatopione w żywicy, z jednoczesną akwizycją obrazów tych przekrojów. Kolejnym etapem było przetwarzanie obrazów przekrojów polegające na kadrowaniu, usuwaniu tła i skalowaniu. W końcowym etapie, na bazie wybranych obrazów przekrojów tworzone były obrysy poszczególnych składowych nasiona (okrywa, zarodek, itp.) i na ich podstawie generowany był model nasiona. Generowanie modelu wykonano za pomocą programu SolidEdge. Uzyskany model, oprócz charakterystycznych cech geometrycznych, uwzględniał budowę wewnętrzną nasiona. Erdogdu i in. (1998) zastosowali system widzenia maszynowego,

MODELOWANIE NUMERYCZNE 3D KSZTAŁTU NASION 11 opracowany przez Luzuriaga i in. (1997), do określenia geometrii przekroju poprzecznego krewetek w celu dalszego modelowania matematycznego ich obróbki termicznej. Crocombe i in. (1999) zastosowali skanowanie laserowe powierzchni kawałków mięsa w celu uzyskania modelu numerycznego, które następnie posłużyły do symulacji komputerowej oceny czasu ich chłodzenia. Jancsok i in. (2001) użyli wizyjnego systemu modelowania komputerowego do budowy modeli numerycznych gruszek odmiany "konferencja". Wyodrębnione z obrazów cyfrowych kontury gruszek posłużyły do rekonstrukcji 3D ich kształtu. Borsa i in. (2002), zastosowali połączenie techniki skanowania za pomocą tomografii komputerowej ze sprawdzeniem ilości pochłoniętej dawki promieniowania przez składniki badanej żywności. Sabliov i in. (2002) opracowali metodę analizy obrazu do pomiaru objętości i powierzchni osiowo symetrycznych produktów rolniczych. Scheerlinck i in. (2004) użyli 3-wymiarowego modelu truskawki, otrzymanego dzięki zastosowaniu komputerowego systemu wizyjnego do opracowania termicznego systemu odkażania powierzchni owoców. Du i Sun (2006) i Zheng i in. (2006), opracowali technikę analizy obrazu, która pozwalała określić pole powierzchni i objętość szynki i stawów wołowych. Eifert i in. (2006) opracowali komputerową technikę wizyjną do określania pola powierzchni surowców o nieregularnych kształtach. Kim i in. (2007) opracowali metodologię tworzenia trój-wymiarowych geometrycznych modeli produktów spożywczych o skomplikowanym kształcie wykorzystując technikę tomografii komputerowej. Metodologia ta była następnie zastosowana w celu wyodrębnienia geometrii badanego surowca stosując metody analizy obrazu. Goni i in. (2008), zastosowali do modelowania geometrii metodologię stosowaną w obrazowaniu za pomocą rezonansu magnetycznego. Siripon i in. (2007) używali skanera 3D (Model Atos, GOM, Niemcy) do skanowania połówek kurczaka do dalszego wykorzystania w badaniu symulacyjnym gotowania. Anders i in. (2014a i 2014b) badali właściwości geometryczne i fizyczne owoców wybranych odmian gruszy oraz nasion konopi siewnej na podstawie modeli numerycznych uzyskanych za pomocą skanera 3D. Wszystkie przedstawione powyżej badania pokazują, że dokładne modelowanie produktów o nieregularnych kształtach wymaga posiadania dość znacznej wiedzy o różnych metodach obrazowania. Skaner 3D jest urządzeniem służącym do analizy obiektu, do zbierania danych na temat jej kształtu i ewentualnie jego wyglądu (tj. kolor). Otrzymane dane mogą być następnie wykorzystane do skonstruowania numerycznych modeli 3D dla szerokiej gamy zastosowań, włączając w to przetwarzanie żywności. Skanery, podobnie jak kamery, mogą jedynie zbierać informację o powierzchniach, które nie są osłonięte. Laserowe skanery 3D składają się z kalibrowanego aparatu fotograficznego, stołu obrotowego, źródła promienia laserowego i komputera z oprogramowaniem analizującym uzyskane obrazy oraz dane (Rahmi i Ferruh 2009). W niniejszym rozdziale przedstawiono zbudowanie za pomocą skanera 3D numerycznych modeli nasion gryki i pszenicy, określenie cech geometrycznych na

12 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH podstawie otrzymanych modeli oraz porównanie ich z wynikami uzyskanymi za pomocą pomiarów mikrometrem. 1.2. METODYKA MODELOWANIA NUMERYCZNEGO NASION Z WYKORZYSTANIEM LASEROWEGO SKANERA 3D Materiał badawczy stanowiły nasiona gryki odmiany Emka oraz pszenicy Eta, które były przechowywane w pomieszczeniu o stałej temperaturze 20 1 o C i wilgotności powietrza 60 %. Do badań wybrano losowo 33 nasiona, które były niepołamane i bez widocznych uszkodzeń. W pierwszej kolejności mierzono długość, szerokość i grubość nasion za pomocą mikrometru z dokładnością 0,01 mm. Następnie zastosowano laserowy skaner 3D firmy Nextengine który pozwolił na skanowanie wcześniej badanych nasion (http://www.nextengine.com). Gęstość skanowania wynosiła 248 punktów na mm 2. Budowa modelu numerycznego na podstawie uzyskanych skanów była wykonana za pomocą dedykowanej dla skanera aplikacji Nextengine ScanStudio HD. Na rysunku 1a pokazano pojedyncze powierzchnie nasiona uzyskane w trakcie skanowania 3D. Po złożeniu powierzchnie tworzą model nasiona który posiada obszary podwójnie skanowane oraz liczne otwory i nierówności (rys. 1.1b). Rys. 1.1. Modelowanie nasion: a) etap I - pojedyncze skany 3D powierzchni nasion, b) etap II - złożenie skanów

MODELOWANIE NUMERYCZNE 3D KSZTAŁTU NASION 13 Połączenie skanów i usunięcie powierzchni podwójnie skanowanych pozwala zmniejszyć liczbę punktów tworzących model. Model taki posiada jeszcze liczne otwory i niezamknięte powierzchnie (rys. 1.2). Rys. 1.2. Modelowanie nasiona gryki: etap III - połączenie skanów i usuniecie powierzchni podwójnie skanowanych Rekonstrukcja brakujących powierzchni oraz zwiększenie liczby punktów tworzących model powoduje wypełnienie otworów występujących w modelu oraz zachowanie rzeczywistego kształtu krawędzi występujących na połączeniu wcześniej uzyskanych płaszczyzn (rys. 1.3). Rys. 1.3. Modelowanie nasiona gryki: etap IV - wypełnienie otworów w modelu i jego rekonstrukcja

14 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH Gotowy model numeryczny nasiona można odchudzić stosując funkcję upraszczającą model. Po zastosowaniu tego przekształcenia liczba punktów użyta na budowę modelu zostaje znacznie zredukowana (rys. 1.4). Rys. 1.4. Modelowanie nasiona gryki: etap V - uproszczenie modelu nasiona poprzez zmniejszenie liczby trójkątów tworzących model Model numeryczny można ciąć za pomocą dostępnych w aplikacji narzędzi. Pozwala to na dokładną analizę geometrii całego nasiona oraz wybranych jego fragmentów (rys. 1.5). Rys. 1.5. Przykład cięcia modelu nasiona gryki w wybranych płaszczyznach

MODELOWANIE NUMERYCZNE 3D KSZTAŁTU NASION 15 Aby model nasiona mógł być wczytany do programu Solid Edge v. 20 chmura punktów, z której jest zbudowany musi być zapisana w postaci modelu bryłowego. Rysunek 1.6 przedstawia modele bryłowe nasion, gotowe do wczytania do aplikacji Solid Edge. Rys. 1.6. Model numeryczny nasiona gryki i pszenicy przygotowany do wczytania do programu Solid Edge: a) i b) widok płaszczyzn tworzących model, c) i d) siatka trójkątów oraz płaszczyzny tworzące model Aby uprościć wykonanie niektórych pomiarów modeli nasion można wykorzystać funkcję, która tworzy krzywą sklejaną w wybranym przez mierzącego przekroju (rys. 1.7). Uzyskanie przekroju nasiona w ten sposób w wybranym

16 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH miejscu pozwala na łatwiejsze pomiary pola powierzchni oraz obwodu w programie Solid Edge (rys. 1.8). Rys. 1.7. Przykład cięcia modelu nasiona gryki i pszenicy: a) i c) płaszczyzny cięcia, b) i d) krzywe sklejane Rys. 1.8. Przekroje modeli numerycznych nasion pszenicy (a) i gryki (b) wczytane do programu Solid Edge

MODELOWANIE NUMERYCZNE 3D KSZTAŁTU NASION 17 Pole powierzchni i objętość modeli nasion gryki i pszenicy mierzono w programie MeshLab (http://meshlab.sourceforge.net/) natomiast długość, szerokość i grubość mierzono w programie Solid Edge v. 20 (rys. 1.10). Przybliżone pole powierzchni oraz objętość nasion określano korzystając z zależności geometrycznych (1) (McCabe i in. 1986) oraz (2) (Gaston i in. 2002): 2 A (1) V gg D g (2) L W T 6 gdzie: A - pole powierzchni nasiona (mm 2 ), Dg - średnica zastępcza nasiona (mm), Vgg - objętość nasiona (mm 3 ), L - długość nasiona (mm), W - szerokość nasiona (mm), T - grubość nasiona (mm). Średnicę zastępczą, współczynnik kulistości oraz w współczynnik kształtu obliczono na podstawie wzorów (Mohsenin 1986): (3) gdzie: D g ( L W T ) 1 3 L ( W T) L W R a L - współczynnik kulistości, Ra - współczynnik kształtu. Każde z nasion zważono na wadze elektronicznej RADWAG WAA PS 1000/C/2 z dokładnością 0,001 g. Obliczenia statystyczne wykonano przy wykorzystaniu programu Statistica 10 przyjmując poziom istotności = 0,05. Wyniki pomiarów nasion otrzymane na podstawie odczytów z mikrometru oraz otrzymane z modeli 3D porównano wykonując testy t dla prób niezależnych. Ponieważ badane zmienne są mierzalne i niezależne, ich normalność badano testem Shapiro-Wilka. 1 3 (4) (5) 1.3. WYNIKI BADAŃ I POMIARÓW CECH GEOMETRYCZNYCH NASION Przeprowadzone badania i pomiary pozwalają opisać podstawowe właściwości geometryczne oraz fizyczne nasion gryki oraz pszenicy. Na podstawie otrzymanych modeli nasion wykonano pomiary podstawowych wielkości (tab. 1.1). Orzeszek gryki cały to symetryczna, trójścienna bryła a średnia masa

18 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH badanych orzeszków wynosiła 28,2±6,4 mg. Średnia masa nasiona pszenicy wynosiła 51,1±6,1 mg i była o około 45% większa od średniej masy nasion gryki. Rozkład masowy masowy nasion gryki i pszenicy przedstawia rysunek 1.9. Rys. 1.9. Zmienność masy nasion gryki i pszenicy Przyjmując za 100% średnią długość nasiona gryki określoną za pomocą mikrometru stwierdzić należy, że średnia długość badanych nasion pszenicy była o 7% większa. Średnia szerokość nasion gryki była o około 13 % większa od średniej szerokości nasion pszenicy a średnia grubość nasion gryki była o około 19% większa od średniej grubości nasion pszenicy. Rys. 1.10. Model 3D nasiona: L długość, W szerokość, T grubość, A-A - przekrój nasiona gryki, B-B - przekrój nasiona pszenicy, a) gryka, b) pszenica

MODELOWANIE NUMERYCZNE 3D KSZTAŁTU NASION 19 Tabela 1.1. Wyniki pomiarów długości, szerokości i grubości nasion (mm) Nasiona gryki Nasiona pszenicy Zmienna Średnia Rozstęp Średnia Rozstęp L mik 6,05±0,38 1,40 6,47±0,42 2,28 L 3D 5,93±0,41 1,96 6,32±0,40 2,07 W mik 4,25±0,20 0,83 3,68±0,23 1,08 W 3D 4,33±0,26 1,02 3,67±0,23 1,02 T mik 3,81±0,17 0,70 3,06±0,18 0,96 T 3D 3,77±0,24 1,06 3,17±0,24 1,30 mik - pomiar mikrometrem, 3D - skanowanie 3D Wykresy 1.11, 1.12, 1.13, 1.14, 1.15 i 1.16 przedstawiają wyniki pomiarów długości, szerokości i grubości nasion gryki i pszenicy wykonane za pomocą mikrometru i skanera 3D. Na ich podstawie można stwierdzić, że mierzenie nasion mikrometrem oraz zastosowanie skanera 3D daje wyniki, które nie różnią się istotnie. Rys. 1.11. Wykres ramka wąsy dla średniej długości nasiona gryki Rys. 1.12. Wykres ramka wąsy dla średniej szerokości nasiona gryki Rys. 1.13. Wykres ramka wąsy dla średniej grubości nasiona gryki Rys. 1.14. Wykres ramka wąsy dla średniej długości nasiona pszenicy

20 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH Rys. 1.15. Wykres ramka wąsy dla średniej szerokości nasiona pszenicy Rys. 1.16. Wykres ramka wąsy dla średniej grubości nasiona pszenicy Średnie pole powierzchni nasiona gryki określone za pomocą formuły, 1 gdy podstawiano wyniki pomiarów mikrometrem było o około 10% większe od średniego pola powierzchni nasiona gryki określonego na podstawie gotowego modelu numerycznego otrzymanego po skanowaniu 3D. Średnie pole powierzchni nasiona pszenicy określone za pomocą formuły 1 podstawiając wyniki określone mikrometrem było o około 16% mniejsze od średniego pola powierzchni nasiona pszenicy określonego na podstawie skanowania 3D (tab. 1.2). Tabela 1.2. Wyniki pomiarów pola powierzchni nasion (mm 2 ) Zmienna Nasiona gryki Nasiona pszenicy Średnia Rozstęp Średnia Rozstęp A mik 66,88±5,94 25,04 54,96±4,51 20,95 A 3D 59,94±7,49 31,39 64,15±5,71 29,96 mik - pomiar mikrometrem, 3D - skanowanie 3D Na podstawie wykresów 1.17 i 1.18 można wstępnie stwierdzić, że pole powierzchni nasion określone za pomocą formuły 1 podstawiając wyniki pomiarów mikrometrem różni się istotnie od pola powierzchni nasion określonego za pomocą skanera 3D. Rys. 1.17. Wykres ramka wąsy średniego pola powierzchni nasiona gryki Rys. 1.18. Wykres ramka wąsy średniego pola powierzchni nasiona pszenicy

MODELOWANIE NUMERYCZNE 3D KSZTAŁTU NASION 21 Średnia objętość nasiona gryki określona za pomocą formuły 2 gdy podstawiano wyniki pomiarów mikrometrem była o około 50% większa od średniej objętości nasiona gryki określonej na podstawie gotowego modelu numerycznego otrzymanego po skanowaniu 3D. Średnia objętość nasiona pszenicy określona za pomocą formuły 2 podstawiając wyniki określone mikrometrem była o około 5% mniejsza od średniej objętości pszenicy określonej na podstawie skanowania 3D (tab. 1.3). Tabela 1.3. Wyniki pomiarów objętości nasion (mm 3 ) Zmienna Nasiona gryki Nasiona pszenicy Średnia Rozstęp Średnia Rozstęp Vgg mik 51,58±6,90 29,38 38,42±4,70 21,72 V 3D 25,74±4,79 18,74 40,38±5,41 25,61 mik - pomiar mikrometrem, 3D - skanowanie 3D Wykres 19 ukazuje występowanie istotnych różnic w określeniu objętości nasiona gryki stosując formułę 1 i skanowanie 3D. Jest to związane z tym iż formuła 2 daje poprawne wyniki w przypadku nasion o kształcie zbliżonym do elipsoidy. Widoczne jest to na przykładzie nasion pszenicy, które swym kształtem zbliżone są do elipsoidy a objętość określona za pomocą formuły 2 i skanera nie różni się istotnie (rys. 1.20). Rys. 1.19. Wykres ramka wąsy średniej objętości Rys. 1.20. Wykres ramka wąsy średniej objętości nasiona gryki nasiona pszenicy Zaletą stosowania modelu numerycznego jest stosunkowo łatwe wybieranie fragmentów lub części nasion, które następnie chcemy zmierzyć lub poddać dokładniejszej analizie. Na rysunku 1.21 przedstawiono przykładowe wyodrębnione powierzchnie boczne nasiona gryki, których pole powierzchni zostało osobno zmierzone. Wyniki pomiarów powierzchni bocznej nasiona gryki przedstawia tabela 1.4. Wyniki badań są zgodne ze stwierdzeniem Kaliniewicza i

22 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH Rawy (2001), że orzeszek gryki to trójścienna bryła symetryczna. Wielkości powierzchni ścian bocznych całych nasion są do siebie zbliżone. Rys. 1.21. Powierzchnie boczne nasiona gryki wyodrębnione z modelu numerycznego: Ppb1 - powierzchnia boczna 1, Ppb2 - powierzchnia boczna 2, Ppb3 - powierzchnia boczna 3 Tabela 1.4. Wyniki pomiarów powierzchni bocznych oraz przekrojów nasion Nasiona gryki Nasiona pszenicy Zmienna Średnia Rozstęp Średnia Rozstęp Pole powierzchni przekroju (mm 2 ) 6,92±1,65 6,27 8,31±1,20 4,80 Obwód przekroju (mm) 12,46±0,99 4,18 10,73±0,78 2,99 Pole powierzchni bocznej Ppb1 (mm 2 ) 17,60±1,88 8,71 - - Pole powierzchni bocznej Ppb2 (mm 2 ) 17,35±2,33 8,62 - - Pole powierzchni bocznej Ppb3 (mm 2 ) 17,28±1,98 9,02 - - Pole przekroju oraz obwód przekroju nasiona można określić mając model numeryczny i wykonując na nim odpowiednie przekształcenia. Średnie pole powierzchni przekroju nasiona pszenicy jest o około 16% większe od średniego pola przekroju nasiona gryki natomiast średni obwód przekroju nasiona gryki jest o

MODELOWANIE NUMERYCZNE 3D KSZTAŁTU NASION 23 14% większy od średniego obwodu nasiona pszenicy. Zależność pola przekroju nasion gryki i pszenicy w funkcji masy przedstawiono na wykresach 1.22 i 1.23. Rys. 1.22. Przekrój poprzeczny nasion gryki w funkcji ich masy Rys. 1.23. Przekrój poprzeczny nasion pszenicy w funkcji ich masy Wyniki obliczeń średniej średnicy zastępczej, współczynnika kształtu Ra oraz współczynnika kulistości dla badanych nasion przedstawia tabela 1.5. Na podstawie wykresów 1.24 i 1.25 można stwierdzić, że średnica zastępcza nasion gryki i pszenicy określona za pomocą formuły 3 podstawiając wyniki pomiarów wykonane mikrometrem oraz podstawiając wyniki pomiarów modelu numerycznego uzyskanego po skanowaniu 3D nie różnią się istotnie. Istotne różnice nie występują również dla współczynnika sferyczności określanego na podstawie formuły 4 gdy podstawione zostaną wyniki pomiarów nasion wykonane mikrometrem i skanerem 3D (rys. 1.26 i 1.27). Istotne różnice wystąpiły dla współczynnika Ra określanego na podstawie formuły 5 dla nasion gryki (rys. 1.28) a dla nasion pszenicy istotnych różnic w wynikach współczynnika Ra nie stwierdzono (rys. 1.29).

24 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH Rys. 1.24. Wykres ramka wąsy średniej średnicy zastępczej nasiona gryki Rys. 1.25. Wykres ramka wąsy średniej średnicy zastępczej nasiona pszenicy Rys. 1.26. Wykres ramka wąsy średniego współczynnika sferyczności nasiona gryki Rys. 1.27. Wykres ramka wąsy średniego współczynnika sferyczności nasiona pszenicy Rys. 1.28. Wykres ramka wąsy średniego współczynnika kształtu Ra nasiona gryki Rys. 1.29. Wykres ramka wąsy średniego współczynnika kształtu Ra nasiona pszenicy

MODELOWANIE NUMERYCZNE 3D KSZTAŁTU NASION 25 Tabela 1.5. Wyniki obliczeń cech geometrycznych i fizycznych nasion Nasiona gryki Nasiona pszenicy Zmienna Średnia Rozstęp Średnia Rozstęp Dg mik średnica zastępcza (mm) 4,61±0,20 0,85 4,17±0,17 0,80 Dg 3D średnica zastępcza (mm) 4,59±0,24 1,02 4,18±0,20 0,83 Ra mik współczynnik kształtu (%) 70±4 18 57±4 23 Ra 3D współczynnik kształtu (%) 73±4 18 58±4 24 mik współczynnik kulistości (%) 76±2 13 64±3 18 3D współczynnik kulistości (%) 77±3 13 66±3 18 Masa nasiona (mg) 28,2±6,4 29,1 51,1±6,1 28,4 mik - pomiar mikrometrem, 3D - skanowanie 3D 1.4. ANALIZA MODELOWANIA NUMERYCZNEGO NASION GRYKI I PSZENICY Wybrane zagadnienia i problemy związane z modelowaniem numerycznym kształtu i wielkości obiektów pochodzenia roślinnego, jakimi są surowce rolnicze zostały przedstawione na nasionach wybranych gatunków roślin uprawnych. Nowoczesne skanery 3D znajdują zastosowanie obecnie niemal we wszystkich dziedzinach gospodarki, również w technice rolniczej i technologii żywności. Maszyny rolnicze i przemysłu spożywczego przetwarzają surowce rolnospożywcze, które posiadają często złożoną postać. Modelowanie kształtu nasion za pomocą skanera 3D i odpowiedniego oprogramowania daje niespotykane dotąd możliwości na etapie projektowania i budowy maszyn i urządzeń. Wykonane pomiary badanych w pracy nasion gryki i pszenicy ukazują, że mierzenie długości, szerokości i grubości mikrometrem i skanerem 3D daje podobne wyniki, które nie różnią się istotnie od siebie przy założonym do obliczeń poziomie istotności = 0,05. Istotne różnice występują, gdy porównamy wyniki uzyskane za pomocą skanera 3D i mikrometru określając objętość nasion, pole ich powierzchni oraz wybrane współczynniki kształtu. Najprostszą i najszybszą metodą pomiaru pozostaje zastosowanie suwmiarki lub mikrometru. Uzyskanie modelu numerycznego za pomocą skanera 3D trwa znacznie dłużej, ale modele te mogą posłużyć do dokładniejszej analizy właściwości geometrycznych. Modele numeryczne mogą zostać zarchiwizowane, ich kształt dokładnie odwzorowuje wszelkiego rodzaju nierówności i deformacje występujące na powierzchni nasion, mogą być wykorzystane do dalszych dokładniejszych pomiarów. Stosując modele numeryczne nasion wyeliminowany jest wpływ czynników zewnętrznych, które powodują uszkodzenia świeżych nasion w trakcie przechowywania. Przypisanie do modelu numerycznego nasiona właściwości fizycznych np. jego masy pozwala na wykorzystanie tego modelu w pracach badawczych i projektowych. Zaproponowany sposób modelowania

26 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH numerycznego nasion może być przydatny w dalszym etapie do symulacji i badania wielu procesów technologicznych, np. omłotu, sortowania, separacji, suszenia, siewu, transportu, rozdrabniania, pakowania czy przechowywania. LITERATURA Abalone, R., Cassinera, A., Gaston, A., Lara, M.A., 2004. Some physical properties of Amaranth seeds. Biosyst. Eng. 89, 109 117. Akaaimo D.I., Raji A.O., 2006. Some Physical and Engineering Properties of Prosopis africana seed. Biosystems Engineering 95 (2), 197 205. Anders A., 2007. Analiza obrazu jako metoda oceny skuteczności obłuskiwania okrywy nasion gorczycy białej. Acta Agrophysica, 10(2), 263-271. Anders A., Markowski P., Kaliniewicz Z., 2014 a. Badanie właściwości geometrycznych i fizycznych owoców wybranych odmian gruszy na podstawie modeli numerycznych uzyskanych za pomocą skanera 3D. Zeszyty Problemowe Postępów Nauk Rolniczych 577, 3-12. Anders A., Markowski P., Kaliniewicz Z., 2014 b. Wykorzystanie skanera 3D do badania właściwości geometrycznych nasion konopi siewnych (Cannabis Sativa L.). Acta Agrophysica 21 (4), 391-402. Borsa, J., Chu, R., Sun, J., Linton, N., Hunter, C., 2002. Use of CT scans and treatment planning software for validation of the dose component of food irradiation protocols. Radiation Physics and Chemistry 63, 271 275. Cahsir, S., Marakoglu, T., Ogut, H., Ozturk, O., 2005. Physical properties of rapeseed (Brassica napus oleifera L.). J. Food Eng. 69, 61 66. Crocombe, J.P., Lovatt, S.J., Clarke, R.D., 1999. Evaluation of chilling time shape factors through the use of three-dimensional surface modeling. In: Proceedings of 20th International Congress of Refrigeration, IIR/IIF, Sydney (Paper 353). Coskuner, Y., Karababa, E., 2007a. Some physical properties of flaxseed (Linum usitatissimum L.). J. Food Eng. 78, 1067 1073. Coskuner, Y., Karababa, E., 2007b. Physical properties of coriander seeds (Coriandrum sativum L.). J. Food Eng. 80, 408 416. Deshpande, S.D., Bal, S., Ojha, T.P., 1993. Physical properties of soybean. J. Agric. Eng. Res. 56, 89 98. Dobrzański jr., B., 2007. Właściwości geometryczne i mechaniczne nasion podczas deformacji i powstawania uszkodzeń.. Rozdział 2: 41-72. w Właściwości Geometryczne, Mechaniczne i Strukturalne Surowców Roślinnych i Produktów Spożywczych. B. Dobrzański jr L. Mieszkalski (eds). Komitet Agrofizyki PAN, ISBN: 978-83-60489-05-5. Du, C.J., Sun, D.W., 2006. Estimating the surface area and volume of ellipsoidal ham using computer vision. Journal of Food Engineering 73, 260 268. Eifert, J.D., Sanglay, G.C., Lee, D.-J., Sumner, S.S., Pierson, M.D., 2006. Prediction of raw produce surface area from weight measurement. Journal of Food Engineering 74, 552 556. Erdogdu, F., Balaban, M.O., Chau, K.V., 1998. Modeling of heat conduction in elliptical crosssection: II. Adaptation to thermal processing of shrimp. Journal of Food Engineering 38, 241 258. Gaston Analía L., Abalone Rita M., Giner Sergio A., 2002. Wheat drying kinetics. Diffusivities for sphere and ellipsoid by finite elements. Journal of Food Engineering, 52(4), 313-322.

MODELOWANIE NUMERYCZNE 3D KSZTAŁTU NASION 27 Goni, S.M., Purlis, E., Salvadori, V.O., 2008. Geometry modeling of food materials from magnetic resonance imaging. Journal of Food Engineering 88, 561 567. Gupta, R.K., Das, S.K., 1997. Physical properties of Sunflower seeds. J. Agric. Eng. Res. 66, 1 8. Jadwisieńczak K., Kaliniewicz Z. 2011. Analiza procesu czyszczenia nasion gorczycy. Cz. 1. Cechy fizyczne nasion. Inżynieria Rolnicza. 9 (134), 57-64. Jain, R.K., Bal, S., 1997. Physical properties of Pearl millet. J. Agric. Eng. Res. 66, 85 91. Jancsok, P.T., Clijmans, L., Nicolai, B.M., De Baerdemaeker, J., 2001. Investigation of the effect of shape on the acoustic response of conference pears by finite element modeling. Postharvest Biology and Technology 23, 1 12. Kaliniewicz Z., Rawa T., 2001. Analiza cech geometrycznych nasion gryki pod kątem określenia kształtu i wymiarów wgłębień tryjera cylindrycznego. Problemy Inżynierii Rolniczej 1(31), 21-28. Kim, J., Moreira, R.G., Huang, Y., Castell-Perez, M.E., 2007. 3-D dose distributions for optimum radiation treatment planning of complex foods. Journal of Food Engineering 79, 312 321. Kram B. B., Woliński J., Wolińska J., 2007. Porównanie cech geometrycznych orzeszków z okrywą i bez u gryki formy Red Corolla. Acta Agrophysica 9(3), 657-664. Luzuriaga, D.A., Balaban, M.O., Yeralan, S., 1997. Analysis of visual quality attributes of white shrimp by machine vision. Journal of Food Science 62, 113 118. McCabe, W.L., Smith, J.C., Harriot, P., 1986. Unit Operations of Chemical Engineering. McGraw- Hill, New York. MeshLab Visual Computing Lab ISTI CNR, 2013. http://meshlab.sourceforge.net. Mieszkalski L., 2001. Metoda tworzenia modelu bryły ziarna zbóż. Problemy Inżynierii Rolniczej, 1(31), 29-36. Mohsenin N.N., 1986. Physical properties of plant and animal materials. Gordon and Breach Science Public, New York. NextEngine User Manual, 2010. http://www.nextengine.com. Rahmi U., Ferruh E., 2009. Potential use of 3-dimensional scanners for food process modeling. Journal of Food Engineering, 93, 337-343. Sabliov, C.M., Bolder, D., Keener, K.M., Farkas, B.E., 2002. Image processing method to determine surface area and volume of axi-symmetric agricultural products. International Journal of Food Properties 5, 641 653. Seyedabadia E., Khojastehpourb M., Sadrniab H., Saiediradc M.H., 2011. Mass modeling of cantaloupe based on geometric attributes: A case study for Tile Magasi and Tile Shahri. Scientia Horticulturae 130, 54 59. Scheerlinck, N., Marquenie, D., Jancsok, P.T., Verboven, P., Moles, C.G., Banga, J.R., Nicolai, B.M., 2004. A model-based approach to develop periodic thermal treatments for surface decontamination of strawberries. Postharvest Biology and Technology 34, 39 52. Shahin M. A., Symons S. J., Poysa V. W., 2006. Determining soya bean seed size uniformity with image analysis. Biosystems Engineering 94 (2), 191 198. Siripon, K., Tansakul, A., Mittal, G.S., 2007. Heat transfer modeling of chicken cooking in hot water. Food Research International 40, 923 930. Tańska M., Rotkiewicz D., Kozirok W., Konopka I., 2005. Measurement of the geometrical features and surface color of rapeseeds using digital image analysis. Food Research International, 38, 741-750. Tunde-Akintunde, T.Y., Akintunde, B.O., 2004. Some physical properties of Sesame seed. Biosyst. Eng. 88, 127 129. Tylek P., 2012. Wielkość i kształt jako cechy rozdzielcze nasion dębu szypułkowego (Quercus robur L.). Acta Agrophysica, 19(3), 673-687.

28 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH Vanesa Y. Ixtaina, Susana M. Nolasco, Mabel C. Tomas,. 2008. Physical properties of chia (Salvia hispanica L.) seeds. Industrial Crops and Products 28, 286 293. Verboven, P., De Baerdemaeker, J., Nicolai, B.M., 2004. Using computational fluid dynamics to optimize thermal processes. In: Richardson, P. (Ed.), Improving the Thermal Processing of Foods. CRC Press, Boca Raton, FL, pp. 82 102. Vilche, C., Gely, M., Santalla, E., 2003. Physical properties of quinoa seeds. Biosyst. Eng. 86, 59 65. Wiesnerova D., Wiesner I., 2008. Computer image analysis of seed shape and seed color for flax cultivar description. Computers and Electronics in Agriculture 61, 126 135. Wróbel M. 2011. Metoda rekonstrukcji 3D nasion w aplikacji typu CAD. Inżynieria Rolnicza. Nr 6 (131). s. 281-288. Zheng, C., Sun, D.W., Du, C.J., 2006. Estimating shrinkage of large cooked beef joints during airblast cooling by computer vision. Journal of Food Engineering 72, 56 62.

ROZDZIAŁ 2 MECHATRONICZNE METODY WYZNACZANIA WSPÓŁCZYNNIKÓW TARCIA STATYCZNEGO POJEDYNCZYCH CZĄSTEK ROŚLINNYCH I MATERIAŁÓW SYPKICH 2.1. TEORETYCZNE I METODYCZNE ASPEKTY WYZNACZANIA WSPÓŁCZYNNIKÓW TARCIA ZEWNĘTRZNEGO Wiedza o fizycznych właściwościach roślinnych materiałów sypkich jest zasadniczą kwestią przy projektowaniu maszyn i urządzeń do zbioru, transportu, składowania i ich przetwarzania. Jest także ona niezbędna przy modelowaniu zjawisk w poszczególnych operacjach technologicznych i całych procesach (Gach i in., 1991; Grochowicz, 1994). Określenie właściwości fizycznych roślinnych materiałów sypkich (nasion) nie jest sprawą łatwą ze względu na specyficzny ich kształt i stosunkowo małe wymiary. Co więcej, właściwości te wykazują dużą zmienność w różnych warunkach, co narzuca konieczność wykonania określonej liczby powtórzeń ich pomiarów, aby uzyskać reprezentatywny wynik (Dziki i in., 2011). Jedną z istotniejszych cech fizycznych roślinnych materiałów ziarnistych jest tarcie. Cecha ta ma zasadnicze znaczenie w konstrukcji urządzeń rozdzielających (Marks, 2012). Tarcie warunkuje przebieg licznych operacji technologicznych, a w szczególności takich, jak: transport, czyszczenie, sortowanie, frakcjonowanie, magazynowanie i dozowanie tych materiałów (Choszcz i in., 2010; Frączek i Reguła, 2009; Konopka, 2006; Tavakoli i in., 2009). 2.1.1. RODZAJE TARCIA Podstawowym kryterium podziału tarcia jest rodzaj (występowanie) ruchu. W chwili początku względnego ruchu ciał trących, tarcie określane jest jako statyczne (spoczynkowe). Natomiast, jeżeli ciała przemieszczają się względem siebie lub otaczającego je ośrodka, wówczas mamy do czynienia z tarciem kinetycznym

30 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH (ruchowym). W przypadku tarcia statycznego siła tarcia przeciwdziałająca ruchowi względnemu jest mniejsza lub równa siłom (składowym sił) wywołującym ten ruch. Jej kierunek pokrywa się z trajektorią względnego przemieszczania, lecz zwrot jest przeciwny w stosunku do linii przesunięcia. Na maksymalną wartość siły tarcia statycznego najistotniejszy wpływ mają rodzaj i stan powierzchni trących. Zależnie od przyjętego kryterium, wyróżnia się różne rodzaje tarcia (rys. 2.1). Rys. 2.1. Schemat ilustrujący rodzaje tarcia (Nosal, 2012) Ze względu na miejsce pojawiania się tego zjawiska wyróżnia się tarcie zewnętrzne (suche) i wewnętrzne. Pierwsze, z tych dwóch rodzajów tarcia, występuje podczas bezpośredniego styku powierzchniowego ciał stałych. Spowodowane jest ono działaniem siły (reakcji) normalnej powodującej dociskanie tych ciał i siły (reakcji) stycznej, która przemieszcza je względem siebie. W zależności od rodzaju ruchu elementów trących rozróżnia się tarcie ślizgowe oraz toczne. Tarcie ślizgowe jest spowodowane oporem towarzyszącym przesuwaniu się ciał względem siebie. Prędkości ciał w miejscach styku są różne i powstają w płaszczyźnie stycznej do powierzchni ich styku. Tarcie toczne

MECHATRONICZNE METODY WYZNACZANIA TARCIA STATYCZNEGO. charakteryzuje się tym, że ciała trące mają równe prędkości chwilowe w obszarze styku, a obszar ten przemieszcza się ruchem obrotowym dookoła tzw. chwilowej osi obrotu, znajdującej się w tym obszarze. W przypadku, kiedy ciało toczy się po płaskiej, nieruchomej płaszczyźnie, prędkość chwilowa w punktach styku pary trącej wynosi zero, natomiast pozostałe punkty powierzchni toczącego się ciała osiągają prędkości równe ich odległościom od chwilowych osi obrotu (Nosal, 2012). Ze względu na styk (występowanie warstwy smarnej i jej właściwości) można wyróżnić tarcie suche, płynne i graniczne (rys. 2.2). Rys. 2.2. Schemat ilustrujący różne rodzaje tarcia ze względu na styk między powierzchniami ciał trących (www.kpt.wm.am.gdynia.pl) Tarcie suche występuje wówczas, gdy pomiędzy trącymi powierzchniami nie znajdują się żadne substancje obce, typu smar czy woda. Im bardziej chropowate są powierzchnie trących ciał, tym jest ono bardziej intensywne, co powoduje, między innymi, wydzielanie większej ilości ciepła, zmniejszenie wytrzymałości materiałów oraz szybsze zużywanie się powierzchni styku części. Generalnie tarcie suche utożsamiane jest z tarciem zewnętrznym ciał stałych. Tarcie płynne powstaje wówczas, gdy stykające się powierzchnie ciał stałych są całkowicie oddzielone warstewką środka smarnego. W takim przypadku tarcie zewnętrzne zamienia się na tarcie wewnętrzne w ośrodku smarnym. Jednocześnie, powoduje to powstanie w tym ośrodku ciśnienia o takiej wartości, która równoważy obciążenie normalne trących powierzchni ciał.

32 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH Tarcie graniczne zachodzi, gdy na powierzchniach trących znajdują się środki smarujące, tworzące warstwy graniczne, odporne na duże naciski. Powstaje ono, gdy na skutek niedoboru substancji smarującej pomiędzy stykającymi się powierzchniami nie mogą one całkowicie rozdzielić się. W tym rodzaju tarcia ważną kwestię stanowią właściwości fizyko-chemiczne substancji smarującej, a także rodzaj i właściwości materiałów trących. Dodatkowo wyróżnia się tzw. tarcie mieszane powstające wówczas, gdy w obszarze styku dwóch ciał występują zjawiska znamienne dla co najmniej dwóch z wymienionych rodzajów tarcia suchego, granicznego lub płynnego (Nosal, 2012). 2.1.2. TEORIE ŚLIZGOWEGO TARCIA SUCHEGO Pierwsze doniesienia na temat zjawiska tarcia pochodzą z IV wieku p.n.e. z zapisów Arystotelesa. Jednak istotny rozkwit badań w tym zakresie datowany jest na XV wiek. Wówczas to, Leonardo da Vinci zapoczątkował badania nad zjawiskiem tarcia, a ich kontynuacja przez badacza przyczyniła się do powstania różnych teorii, które można podzielić na: mechaniczne (geometryczne), molekularne (atomowe), mechaniczno-molekularne i energetyczne (Borys, 2009; Lawrowski, 2008; Nosal, 2012). Za prekursora mechanicznych teorii tarcia uznaje się Leonarda da Vinci, który zdefiniował pierwsze prawa związane z tym zjawiskiem. Zauważył on, że tarcie statyczne (spoczynkowe) jest proporcjonalne do siły nacisku. Określił także termin współczynnika tarcia, jako iloraz siły tarcia do siły nacisku. Ustalił on również, że jego wartość jest stała i wynosi 0.25 (Borys, 2009). W XVII wieku pojawiły się pierwsze rozważania nad tarciem tocznym, zapisane przez Hooke a w jego pracach. W tym samym czasie, tematyką tarcia zajmował się Guillaume Amontons, który odkrywając na nowo prawa oporu, jako pierwszy zauważył wpływ chropowatości powierzchni na wartość siły tarcia. Dzięki temu, że swoje prace złożył do Francuskiej Królewskiej Akademii Nauk, to właśnie jemu przypisuje się pionierskość badań nad tarciem. W swoich rozważaniach, Amontons doszedł do niemal identycznych wniosków jak Leonardo da Vinci. Do badań używał on układu pomiarowego przedstawionego na rysunku 2.3.

MECHATRONICZNE METODY WYZNACZANIA TARCIA STATYCZNEGO. Rys. 2.3. Schemat układu pomiarowego Amontonsa z 1699 roku: A, B materiały, pomiędzy którymi występuje tarcie, C sprężyna regulująca nacisk, D sprężyna mierząca siłę tarcia pomiędzy materiałami A i B (www.nano-world.org) Amontons stwierdził, że tarcie powstaje w wyniku zazębiania się powierzchni, a dokładniej nachodzenia nierówności oraz elastycznego pochylania się nierówności materiałów (A) i (B). Sformułował on podstawowe prawo tarcia suchego, które wyraził zależnością: T = µ N gdzie: T - siła tarcia, µ - współczynnik tarcia, N - nacisk normalny. Mimo małej dokładności tego wzoru (nie uwzględnia on wpływu obciążenia normalnego (N) na wartość współczynnika tarcia) jest on powszechnie stosowany w obliczeniach również obecnie (Borys, 2009). Amontons stwierdził także, że wartość współczynnika tarcia (µ) jest stała i wynosi 1/3 (Wisniak, 2005). Wiedzę nad zjawiskiem tarcia rozszerzyły badania szwajcarskiego matematyka i fizyka Leonharda Eulera. W swoich pracach wykazał on różnicę pomiędzy siłą tarcia statycznego a kinetycznego. Do opisu tarcia Euler zaproponował model wspinającej się jednej piłokształtnej powierzchni na drugą rysunek 2.4.

34 INNOWACYJNE METODY W BADANIACH AGROFIZYCZNYCH Rys. 2.4. Schemat idei Eulera powstawania tarcia w trakcie unoszenia jednej powierzchni nad nierównościami drugiej (Borys, 2009) Istotną konkluzją tych badań było stwierdzenie, że wartość siły tarcia zależy wyłącznie od ciężaru oraz średniego nachylenia nierówności. Nie zależy, natomiast, od wielkości powierzchni styku. W dalszej analizie Euler opisał przypadek opadania ciała w dół, po pokonaniu nierówności. Ustalił, że jeżeli opadające ciało nie będzie miało kontaktu ze zboczem, będzie tylko pod wpływem przyspieszającego działania przyłożonej siły. Natomiast, gdy będzie w kontakcie ze zboczem dozna (dodatkowego) przyspieszenia w kierunku ruchu. Doszedł również do wniosku, że w przypadku styku pośredniego droga działania siły oporów, przy wciąganiu na nierówność, będzie mniejsza. Oznaczało to przepuszczenie, że tarcie kinetyczne jest mniejsze niż statyczne (Bergli, 2001; Borys, 2009; Meyer i in., 1998). Kilkadziesiąt lat później, w 1781 roku, Charles Augustin de Coulomb weryfikował wyniki badań nad tarciem, w tym model Eulera. Zajmował się on tarciem ślizgowym i tocznym, zarówno w obszarze tarcia statycznego, jak i kinetycznego. Najważniejszym wnioskiem, do którego doszedł było twierdzenie, że tarcie statyczne nie jest stałe (Bartels, 2006; Brodny, 2010; Hutchison, 2000; Schofield, 2000). Coulomb, badając pary trące różnych materiałów dowiódł, że czas styku ciał trących wpływa na wartość siły tarcia. Szczególnie widoczne było to w przypadku pary trącej: metal - drewno, gdzie podłożem było drewno. Na rysunku 5 przedstawiono model tarcia wykorzystany przez Coulomba do rozważań.