محمد کدخدا - هیئت علمی گروه پژوهشی ریاضی و انفورماتیک، جهاد دانشگاهی تربیت مدرس، تهران
مهدی ذاکری خطیر - هیئت علمی گروه پژوهشی کنترل و مدلسازی، جهاد دانشگاهی تربیت مدرس، تهران
محسن ایوب زاده - هیئت علمی گروه پژوهشی کنترل و مدلسازی، جهاد دانشگاهی تربیت مدرس، تهران

در این مقاله به موضوع تعیین عیار آهن مواد معدنی از روی مؤلفه های تصویر گرفته شده از آنها پرداخته ایم. ابتدا مؤلفه های تاثیرگذار عیار آهن مواد معدنی بر تصاویر این مواد را بررسی کرده ایم. مولفه های آنتروپی و تضاد تصاویر هیچ گونه ارتباط معناداری با عیار مواد معدنی را تایید نکرده اند. از طرفی مؤلفه های بافت تصاویر، هیستوگرام تصویر، انرژی تصویر، یکنواختی تصویر و وضوح تصاویر به شکی با متغییر عیار تصاویر ارتباط دارند. سپس مبتنی بر مولفه های تصاویر رنگی ( RGB) یک شبکه عصبی پس انتشار خطا (BPNN) جهت تعیین عیار آهن آنها پیشنهاد کرده ایم. این شبکه عصبی توسط نمونه های اصلی تعیین عیار شده مورد آموزش قرار داده ایم که با مدیریت یادگیری آن، شبکه با تقریب خوبی همگرا شده است. در نهایت برای کارایی شبکه عصبی در تعیین عیار مواد معدنی از روی تصاویر صنعتی (خاکستری) یک پیش پردازش سودمند را پیشنهاد کرده ایم. در نهایت شبکه عصبی BPNN با دقت 98/1 درصد در تشخیص عیار آهن از روی تصاویر رنگی و 97 درصد در تشخیص عیار تصاویر خاکستری مواد معدنی، نتیجه شده است.

تعیین عیار آهن، پردازش تصویر، شبکه های عصبی پس انتشار خطا، فاکتورهای هارالیک