Authors

Abstract

This study proposes an artificial intelligence-based method for the automatic identification of natural groups of mechanical behaviour in rose hip seeds (Rosa canina). The method combines the analysis of features extracted from force–displacement curves obtained during compression and creep tests with unsupervised machine learning techniques, namely Principal Component Analysis (PCA) and K-means clustering. This approach enables the identification of distinct mechanical patterns and the objective classification of samples according to their response to mechanical loading. Each cluster was analysed separately in terms of the experimentally determined mechanical parameters. For each group, the mean values of maximum compression force (Fmax), displacement at maximum force (xmax), deformation energy, and initial stiffness were calculated. The results revealed the existence of two main categories of mechanical behaviour. The first group was characterized by an average maximum force of approximately 141 N and a displacement at maximum force of 0.73 mm, indicating seeds with high mechanical strength. The second group exhibited an average maximum force of approximately 75 N and a displacement at maximum force of 0.85 mm, corresponding to seeds that were more deformable and less resistant to compression. To validate cluster separation and reduce the dimensionality of the dataset, Principal Component Analysis (PCA) was applied. The quality of clustering was assessed using the silhouette index, which indicated a satisfactory separation of samples according to their mechanical response. PCA revealed that the main differences between clusters were associated with maximum force, absorbed energy, and initial stiffness values, confirming the existence of distinct categories of mechanical behaviour within the analysed seed batch

Abstract in Romanian

Acest studiu propune o metodă bazată pe inteligență artificială pentru identificarea automată a grupurilor naturale de comportament mecanic la semințele de măceșe (Rosa canina). Metoda combină analiza caracteristicilor extrase din curbele forță-deplasare obținute în timpul testelor de compresie și fluaj cu tehnici de învățare automată nesupervizate, și anume Analiza Componentelor Principale (PCA) și gruparea K-means. Această abordare permite identificarea unor modele mecanice distincte și clasificarea obiectivă a probelor în funcție de răspunsul lor la încărcarea mecanică. Fiecare grup a fost analizat separat în funcție de parametrii mecanici determinați experimental. Pentru fiecare grup, au fost calculate valorile medii ale forței maxime de compresie (Fmax), deplasării la forța maximă (xmax), energiei de deformare și rigidității inițiale. Rezultatele au relevat existența a două categorii principale de comportament mecanic. Primul grup a fost caracterizat printr-o forță maximă medie de aproximativ 141 N și o deplasare la forța maximă de 0,73 mm, indicând semințe cu rezistență mecanică ridicată. Al doilea grup a prezentat o forță maximă medie de aproximativ 75 N și o deplasare la forța maximă de 0,85 mm, corespunzătoare semințelor care au fost mai deformabile și mai puțin rezistente la compresie. Pentru a valida separarea clusterelor și a reduce dimensionalitatea setului de date, a fost aplicată Analiza Componentelor Principale (PCA). Calitatea grupării a fost evaluată folosind indicele siluetei, care a indicat o separare satisfăcătoare a probelor în funcție de răspunsul lor mecanic. PCA a relevat că principalele diferențe dintre clustere au fost asociate cu forța maximă, energia absorbită și valorile rigidității inițiale, confirmând existența unor categorii distincte de comportament mecanic în cadrul lotului de semințe analizat.