کلاس بندی پسته با استفاده از تکنیک های پردازش تصویر و شبکه نروفازی تطبیق پذیر
Publish place: Journal of Agricultural Machinery، Vol: 6، Issue: 1
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 412
This Paper With 9 Page And PDF Format Ready To Download
- 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:
JR_JAM-6-1_015
تاریخ نمایه سازی: 17 مرداد 1396
Abstract:
پسته از نظر شکاف پوست به دو دسته خندان (درباز) و ناخندان (دربسته) و از نظر مغز به دو دسته مغزدار و پوک تقسیم می شود. پسته های پوک ودربسته غالبا جزء محصول درخت پسته بوده و به دلیل ارزش کمتر نسبت به نوع مغزدار درباز باید دسته بندی شوند. هدف این پژوهش ارایه روشیهوشمند برای مرتب سازی پسته های دربسته، درباز مغزدار و پوک می باشد. داده های مورد نیاز برای دسته بند ی با استفاده از تصاویر تهیه شده ازنمونه های دربسته، مغزدار و پوک پسته با شرایط یکسان، تامین شده است. به این ترتیب که ابتدا برای استخراج تصویر پسته از پس زمینه آن، تصاویرتهیه شده به کمک تکنیک های پردازش تصویر، قطعه بندی شده و پس از انجام فیلترهایی بر روی تصاویر حاصل، برای تعیین با ارزش تر ین ویژگی هاجهت دسته بندی، از الگوریتم یادگیری ماشین C4.5 و درخت تصمیم استفاده شد. ویژگی های ممان و اسکلت به عنوان با ارزش ترین ویژگی ها انتخاب شده و بر این اساس قوانین به دست آمده از درخت تصمیم به یک سیستم نرو-فازی تطبیق پذیر تغذیه شدند. این قوانین به صورت اگر-آنگاه بودند که باپیمایش بالا به پایین حریص از ریشه تا برگ توسط الگوریتم C4.5 استخراج شده بودند. شبکه نروفازی ابتدا با استفاده از داده های استخراج شده مربوط به 200 نمونه شامل انواع دربسته، پوک و مغزدار و با دقت 95/8% آموزش داده شد. همچنین از 100 نمونه برای آزمایش سیستم با دقت 97 % استفاده شد.
Keywords:
Authors
علیرضا عبدالله نژادباروق
مدرس، دانشگاه فنی و حرفه ای، آموزشکده انقلاب اسلامی تهران
محمد عادلی نیا
مربی، دانشگاه فنی و حرفه ای، آموزشکده شهید شمسی پور تهران
مجید محمدی
استادیار، دانشگاه شهید بهشتی، دانشکده برق و کامپیوتر