روشی جهت درجه بندی خرمای مضافتی با استفاده از پردازش تصویر
عنوان مقاله: روشی جهت درجه بندی خرمای مضافتی با استفاده از پردازش تصویر
شناسه ملی مقاله: JR_IJBSE-43-1_003
منتشر شده در در سال 1391
شناسه ملی مقاله: JR_IJBSE-43-1_003
منتشر شده در در سال 1391
مشخصات نویسندگان مقاله:
حجت رحمانی - دانش آموخته کارشناسی ارشد، دانشگاه شهیدباهنر کرمان
سیدناصر علوی - استادیار، دانشگاه شهید باهنر کرمان
خلاصه مقاله:
حجت رحمانی - دانش آموخته کارشناسی ارشد، دانشگاه شهیدباهنر کرمان
سیدناصر علوی - استادیار، دانشگاه شهید باهنر کرمان
عدم رعایت استانداردهای جهانی و درجهبندی و بستهبندی نامناسب از دلایل عدم توجه درخور به خرمای ایران است. سامانه ماشین بینایی روش نوینی است که در بخش کشاورزی کاربردهای مختلفی دارد. در این تحقیق روشی جهت طبقهبندی خرمای مضافتی با استفاده از پردازش تصویر به پنج دسته سالم، چروکیده، کپکزده، صدمهدیده و خالزده ارائه شده است. ابتدا از نمونههایی که با بینایی انسان دستهبندی شده بود تصاویری اخذ شد. با استفاده از روشهای تحلیل تصویر و شبکه عصبی مصنوعی در محیط برنامه نویسی متلب روشی جهت بازشناسی نواحی معیوب خرما تهیه شد. با تهیه الگوریتمی درجهبندی با استفاده از دو تصویر از هر خرما انجام شد. درجهبندی بینایی ماشین با معیار استاندارد بررسی شد. نرخ بازشناسی درست در روش پردازش تصویر برای خرمای سالم، چروکیده، صدمهدیده، کپکزده و خالزده به ترتیب ۸۳/۹۵%، ۸۹/۸۸%، ۲۸/۶۴%، ۵۵/۸۰% و ۰۰/۸۰% بهدست آمد. در اندازهبندی از معادله چند جملهای درجه اول برای تعریف تابع وابستگی مابین متغیر وابسته (وزن خرما) و متغیرهای مستقل (طول، قطر و مساحت) استفاده شد. مدل ارائه شده همبستگی خوبی برای تخمین وزن خرمای سالم دارد) ۹۳/۰= ۲(R.
کلمات کلیدی: Machine Vision, Classification, Dates devastation, Artificial Neural Network
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1662486/