بخش بندی تصاویر رنگی سیب زمینی با الگوریتم خوشه بندی FUZZY C- MEANS برای استخراج بیماری شوره سیاه(با استفاده در درجه بندی و بسته بندی اتوماتیک)

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,297

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

GHOCHANFOOD02_070

تاریخ نمایه سازی: 30 تیر 1392

Abstract:

جداسازی درست معایب سطحی سیب زمینی یکی ازپارامترهای کلیدی دردرجه بندی و بسته بندی اتوماتیک این محصول براساس کیفیت می باشد دراین مقاله یکالگوریتم با استفاده ازروش خوشه بندی فازی و توابع پردازش تصویر برای استخراج نواحی معیوب سیب زمینی هایی با بیماری شوره سیاه طراحی شده است ازخوشه بندی فازی که روشی نظارت نشدها ست برای بخش بندی تصاویر رنگی و استخراج نواحی معیوب بیماری شوره سیاه سیب زمینی ها و ازتوابع پردازش تصویر برای استخراج مساحت کل سیب زمینی استفاده شده است درروش بخش بندی براساس خوشه بندی فازی ماتریس داده های مربوط به تصاویر سیب زمینی به صورت فازی در خوشه های جداگانه طوری تقسیم بندی میشوند که مرز خوشه ها درآن به جای قطعی و مشخص بودن بصورت فازی تعریف میشود نتایج بدست آمده نشان داد که دقت بخش بندی با این روش برای استخراج بیماری شوره سیاه بیش از90درصد میب اشد نتایج حاصل نشان داد که این الگوریتم برای استخراج بیماری شوره سیاه بسیارکارامد می باشد و میتوان ازاین الگوریتم برای استخراج میزان بیماریهایی با این مشخصات دردرجه بندی و بسته بندی اتوماتیک این محصول و محصولاتی با خصوصیاتی مشابه براساس استاندارد امریکایی استفاده کرد.

Keywords:

بیماری شوره سیاه , الگوریتم خوشه بندی FCM

Authors

بهزاد عظیمی سقین سرا

دانش آموخته کارشناسی ارشد مکانیک ماشینهای کشاورزی،دانشگاه شهید باه

محسن شمسی

ترتیب استادیار گروه مکانیک ماشینهای کشاورزی و گروه مهندسی برق دانشگاه

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Leemans, V., Magein, H., Destain, M.F., 1998. Defects segmentation On ...
  • Paulus, I., De Busschers, R, Schrevens, E., 1997. Use of ...
  • Heinemann P.H., N.P.Pathare, and C.T.Morrow, 1996, _ automated inspection station ...
  • identification and classification of Automatic؛ه 4. Wang Shuwen, Zhang Changli, ...
  • Noordam J.C, Otten, G.W, 2000, _ Color Vision System for ...
  • Jing Jin, Jinwei Li1, Guiping Liao1 , Xiaojuan Yu1 , ...
  • Heinemann P.H., N.P.Pathare, and C.T.Morrow, _ automated inspection station for ...
  • Tao Y, P. H. Heinemann, Z. Varghese, C. T. Morrow, ...
  • Y. Tao, C. T. Morrow, P. H. Heinemann, and H. ...
  • stochastic shape and color model for defect detection A؛ه 10. ...
  • S. Deck, C. T. Morrow, P. H. Heinemann, and H. ...
  • Zhou L., V.Chalana, Y.Kim, "PC-based machine vision for real-time inspection, ...
  • BEZDEK J.C., Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum ...
  • D. X. Zhong, H. Yan, "Color image segmentation using color ...
  • Martin Tabakov, _ Fuzzy Clustering Technique for Medical Image Segmentation", ...
  • Yongqiang Zhao Minglu Li, "Modified Fuzzy C-Means Algorithm for Segmentation ...
  • Jianchao Fan, Min Han and Jun Wang, "Single point iterative ...
  • Yud-Ren Chen , Kuanglin Chao, Moon S. Kim, Machine vision ...
  • Qingzhong Li a, Maohua Wang b, Weikang Gua, Computer vision ...
  • machine vision inspection Automated؛ه _ Y. Tao, C. T. Morrow, ...
  • M. Pietikainen et al., Accurate color discrimination with classi"cation based ...
  • E. Littmann, H. Ritter, Adaptive color segmentation _ a comparison ...
  • advances and prospects , :Sun, Jingli Wang, Color image segmentation ...
  • Bezdek, J. C., Keller, J., Krisnapuram, R., & Pal, N. ...
  • Bezdek, J.C., R.J. Hathaway, M.J. Sabin, and W.T. Tucker [1987], ...
  • Li-Xin Wang, A Course in Fuzzy Systems and Control, 1997, ...
  • نمایش کامل مراجع