طراحی و ارزیابی یک سیستم هوشمند دسته بند مرکبات با توجه به نقص سطحی پوست با کمک شبکه عصبی
Publish place: Third International Conference on New Approaches in Science, Engineering and Technology
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 617
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NSOECE03_050
تاریخ نمایه سازی: 28 اسفند 1394
Abstract:
با توجه به اینکه تولید مرکبات در ایران سالانه سه و نیم میلیون تن است و ایران به عنوان رتبه ششم تولید مرکبات در جهان معرفی شده است. بنابراین نیاز به سیستم های مکانیزه جهت جداسازی میوه های سالم از میوه های ناسالم در صنعت غذایی کشور لازم و ضروری می گردد. در این مقاله بر روی پنج نوع از شایع ترین نقص های موجود در مرکبات کار شده و برای این کار 21 ویژگی از تصاویر مربوط به نواحی نقص موجود در مرکبات به کمک ماتریس هم رخدادی استخراج می شود. و این ویژگی ها به عنوان بردار ورودی به شبکه عصبی فرستاده می شوند. در این مقاله پس از ارزیابی تعدادی از ابزارهای کلاس بندی از بین ابزارهای مختلف موجود، شبکه های عصبی پیشخور پس انتشار به عنوان یکی از موفق ترین روش های کلاس بندی در این کاربرد انتخاب شده و مورد استفاده قرار گرفته است. درصد تشخیص و دسته بندی نوع نقص در این روش 28/86% ارائه شده است، که نسبت به کارهای مشابه نتیجه بسیار خوب و قابل قبولی می باشد. با تشخیص به موقع نوع نقص می توان از سرایت عفونت و آلودگی به میوه های سالم جلوگیری کرده و آن ها را به صورت درازمدت نگهداری کرد و همچنین از مزایای دیگر دانستن نوع نقص یا بیماری های موثر بر میوه به تولیدکنندگان اجازه خواهد داد تا از درمان های دقیق تری در آینده برای جلوگیری از پدید آمدن این نوع نقص ها در صنعت مرکبات استفاده کنند. در نتیجه صرفه جویی محصولات شیمیایی با تضمین منافع اقتصادی و زیست محیطی به دست خواهد آمد.
Keywords:
Authors
فریده اسماعیلی
دانشجوی کارشناسی ارشد،گروه کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی قزوین
حسن رشیدی
عضو هیات علمی دانشکده علوم ریاضی و رایانه، دانشگاه علامه طباطبایی ، تهران
مصطفی خجسته نژند
عضو هیات علمی، گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه بناب، بناب
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 :