مدلسازی رگرسیونی جرم و حجم پرتقال برای استفاده در سامانه های نوین درجه بندی

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 415

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:

NCAMEM10_193

تاریخ نمایه سازی: 6 اسفند 1395

Abstract:

در این پژوهش با هدف توسعه سامانه ای برای درجه بندی پرتقال بر اساس جرم و حجـم آن بـا اسـتفاده از فنـاور ی هـا ی نـو ین همچون بینایی ماشین، ابتدا مشخصه های فیزیکی 100 عدد پرتقال رقم محلی دزفول شامل سه بعد هندسی، جرم، حجم و سـطح تصویر عمودی با استفاده از روش های کلاسیک اندازه گیری شد و از دو نوع مدل رگرسیونی برای تعیین روابط بین جـرم و حجـم پرتقال با پارامترهای هندسی آن استفاده شد. نتایج تجزیه واریانس داده های آزمایشگاهی نشان داد که در مـدل او ل بـ ین جـرم و حجم پرتقال و سه بعد ارتفاع (h ،(پهنا (w (و ضخامت (t (آن رابطه معنی داری در سطح یک درصـد وجـود دارد. مقـاد یر ضـرا یبR تبیین 2معادلات رگرسیونی تخمین جرم و حجم پرتقال برحسب ابعاد سه گانه آن نشان داد که معادلات ارائـه شـده مـ ی تواننـد 97/95 و 01/98 درصد تغییرات جرم و حجم پرتقال را به ترتیب توجیه نمایند. در مدل رگرسیونی دوم ، ضریب همبستگی پیرسونبین سطح تصویر با جرم و حجم به ترتیب برابر با 979/0 و 966/0 بدست آمد. این همبستگی در سطح احتمال یـک درصـد معنـ یدار شد. ضرایب تبیین معادلات رگرسیونی تخمین جرم و حجم پرتقال برحسب سطح تصویر آن بالا بود، لذا می تـوان از معـادلات رگرسیونی حاصل با اطمینان قابل قبولی استفاده نمود. در مقایسه عملکرد دو مدل رگرسیونی ارائه شده در این پژوهش با یکـدیگر، بر اساس کوچکی شاخص های RMSE و MAPE و بزرگی EF ، عملکرد مدل رگرسیونی برآورد جرم و حجم پرتقـال بـر حسـب سه بعد آن (t,w,h(F بهتر از مدل رگرسیونی برآورد جرم و حجم پرتقال بر حسب دو بعد و سطح تصویر آن (A,t,w(F بود. لیکن مدل (A,t,w(F با توجه به ضرایب تبیین قابل قبول و پیچیدگی و هزینه کمتر، می تواند بسیار کاربردی تر باشد.

Keywords:

Authors

حسن مسعودی

عضو هئیت علمی، گروه مهندسی بیوسیستم، دانشگاه شهید چمران اهواز

عباس روحانی

عضو هئیت علمی گروه مهندسی بیوسیستم، دانشگاه فردوسی مشهد

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 :