کاهش خطای سنجش کیفیت درجه بندی کشمش با استفاده از ویژگی بافتی و شبکه عصبی چند لایه
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 891
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
IRCEM01_253
Index date: 15 December 2016
کاهش خطای سنجش کیفیت درجه بندی کشمش با استفاده از ویژگی بافتی و شبکه عصبی چند لایه abstract
کشمش از جمله مهمترین اقلام صادراتی ایران است. ایران بعد از ایالات متحده آمریکا و ترکیه دررتبه سوم تولید و بعد از ترکیه در رتبه دوم صادرات کشمش جهانی قرار دارد. بنابراین تحقیق و مطالعه در مورد این محصول می تواند اهمیت قابل ملاحظه ای داشته باشد. این مقاله به ارائه یک سیستم خبره جهت درجه بندی کیفیت کشمش با استفاده از تصاویر گرفته شده از دانه های کشمش پرداخته است. ایده اصلی جهت تشخیص کیفیت برتر کشمش از کیفیت نامرغوب با حداقل ضریب خطا است. به این منظور، در ابتدا با استفاده از سک دستگاه اسکنر HP رنگی از دانه های کشمش نمونه برداری شد. سپس ویژگی های مربوط به هر دانه کشمش با استفاده از روش GLCM به دست آمد. سپس برای کاهش ابعاد ویژگی ها از روش PCA استفاده شد. در نهایت توسط شبکه عصبی و ماشین بردار پشتیبان و مدل استنتاج عصبی فازی تطبیقی این ویژگی های استخراج شده کلاسه بندی شدند و نتیجه آن توسط ماتریس اغتشاش محاسبه شد که بدین ترتیب درصد خطای شبکه عصبی ۱/۲۴ و ماشین بردار پشتیبان ۲۲/۳۳ و مدل عصبی فازی تطبیقی ۶/۱۳ بود. نتیجه این پژوهش می تواند در ساخت یک سیستم تشخیص کیفیت کشمش هوشمند مورد استفاده قرار بگیرد.
کاهش خطای سنجش کیفیت درجه بندی کشمش با استفاده از ویژگی بافتی و شبکه عصبی چند لایه Keywords:
کاهش خطای سنجش کیفیت درجه بندی کشمش با استفاده از ویژگی بافتی و شبکه عصبی چند لایه authors
محمد اسدی
دانشکده مهندسی برق و کامپیوتر، موسسه آموزش عالی پویش قم
زینب صدیقی
دانشکده مهندسی برق و کامپیوتر، موسسه آموزش عالی پویش قم
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 :