Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

کاهش خطای سنجش کیفیت درجه بندی کشمش با استفاده از ویژگی بافتی و شبکه عصبی چند لایه

Year: 1395
Publish place:

COI: IRCEM01_253
Language: PersianView: 561
This Paper With 8 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

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.

Keywords:

درجه بندی کیفیت کشمش , شبکه عصبی , ماشین بردارپشتیبان , مدل عصبی فازی تطبیقی , GCM

Paper COI Code

This Paper COI Code is IRCEM01_253. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/539930/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
اسدی، محمد و صدیقی، زینب،1395،کاهش خطای سنجش کیفیت درجه بندی کشمش با استفاده از ویژگی بافتی و شبکه عصبی چند لایه،نخستین کنفرانس ملی تحقیقات بین رشته ای در مهندسی کامپیوتر، برق، مکانیک و مکاترونیک،Qazvin،https://civilica.com/doc/539930

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 :

  • Anon. 2002. World horticultural trade & U. S. ...
  • Anon. 1998. Dried fruits: statistics and mirrors. Statistical and Information ...
  • Sheybani, H. 1991. Horticulture (Tropical and semitropical fruits). Vol4. Part1. ...
  • Haralick, R. M., Shanmugam, K., and Dinstein, I. H. (1973). ...
  • Cybernetics, Vol. 6, PP 610-621. ...
  • Haralick, R. M. (1979). "Statistical and structurl approaches to texture". ...
  • Hal-Beyer, M., (2007). GLCM Texture: A ...
  • Tutorial, Version 2.10. Viewed 16, Available at: http:/www.fp. ucalarv. ca/mhall ...
  • Vaki I-Baghmisheh, M.T., 2002, Farsi Character Recognition Using Artificial Neural ...
  • Mather, P., & Tso, B. (2009). "Classification ...
  • Goumehei, E. (2010). "Contextual image ...
  • Colgan, M. S., Baldeck, C. A., Feret, J. B., And ...
  • (2009). An intelligent system for sorting pistachio nut varieties. Expert ...
  • Castellano, G., and Faneli, A.M, (2001). A ...
  • (1999). Fuzzy systems and fuzzy control. Compilation by Wang, L. ...
  • Asadi, S. (2011). An empowered a using selforganizing map clustering ...
  • Amiryousefi, M.R., Mohebbi, M., Khodaiyan, F., and Asadi, S. (2011). ...

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: موسسه غیرانتفاعی
Paper count: 206
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

مقالات پیشنهادی مرتبط

New Papers

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support