پویا رضوانی اصل - گروه مهندسی ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایرا ن
سلیمان حسین پور - دانشیار، گروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، تهران، ایران

گوشت گاو با دارا بودن انواع آمینواسیدهای ضروری انسان، به عنوان یکی از اصلی ترین منابع تامین کننده پروتئین جوامع بشری است. حفظ سلامت جامعه، تامین مواد غذایی سالم و باکیفیت را بیش از هرزمانی ضروری تر کرده است. از مهم ترین و کاربردی ترین روش های ارزیابی کیفیت گوشت گاو بررسی ویژگی های ظاهری و فیزیکی آن است. در این پژوهش باهدف ارزیابی کیفیت گوشت گاو ازنظر سفتی و تردی بر اساس ویژگی های تصویر به طراحی و اجرای مدلی بر پایه شبکه های عصبی کانولوشنی مبتنی بر سه ساختار موبایل نت، اینسپشن و ۱۶VGG پرداخته شده است. در این پژوهش از تصاویر دیجیتال که به وسیله گوشی همراه هوشمند شرکت ال جی مدل (LG G۴ H۸۱۵) در شرایط کنترل نشده و مستقل از محیط و نور که مقدار مقاومت برشی هر نمونه گوشت به روش وارنر-براتزلر اندازه گیری شده بود، برای آموزش و ارزیابی شبکه عصبی کانولوشنی استفاده شده است . در پایان مدل های طراحی شده توانستند با دقت قابل قبولی به دسته بندی نمونه های اولیه بر اساس ویژگی های استخراج شده بپردازند. برای ارزیابی الگوریتم طبقه بندی از ماتریس اغتشاش استفاده شد و شاخص های آماری ازجمله دقت، صحت، حساسیت و اختصاصی بودن از نتایج ماتریس اغتشاش مورد بررسی قرار گرفتند . بهترین مدل طبقه بند، مدل مبتنی بر ساختار موبایل نت بود که این مدل توانست با دقت %۹۲/۶ تصاویر را طبقه بندی کند.

بینایی ماشین, وارنر- براتزلر, شبکه عصبی کانولوشنی, موبایل نت, اینسپشن, VGG