استفاده از پردازش تصاویر رنگی و روش سطح پاسخ در تخمین تازگی گوشت مرغ

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 361

This Paper With 13 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JIFT-6-1_008

تاریخ نمایه سازی: 22 تیر 1398

Abstract:

اهمیت گوشت مرغ بعنوان یک ماده غذایی سالم و مغذی برای مردم سراسر جهان قابل ملاحظه است. لذا بررسی کیفیت آن برای مصرف از ارزش بسزایی برخوردار است. هدف اصلی مطالعه حاضر تشخیص تازگی گوشت مرغ از طریق تخمین زمان سپری شده از ذبح به کمک روش های پردازش تصویر و سطح پاسخ می باشد. برای رسیدن به این هدف، قسمت ران مرغ بعنوان نمونه مورد بررسی انتخاب و در دمای ˚c4 یخچال نگهداری شد و در زمان های تعیین شده تصاویر مورد نظر تهیه گردید. پس از اینکه ویژگی های آماری بافت تصاویر از کانال های مختلف رنگی استخراج شد، با بکارگیری روش آنالیز حساسیت، ویژگی های موثر در زمان سپری شده از ذبح انتخاب گردید. در پایان روش سطح پاسخ برای طراحی و بهینه سازی مدل های رگرسیونی به منظور تخمین مدت زمان سپری شده پس از ذبح بکار رفت. شاخص های آماری بکار رفته برای اعتبار سنجی مدل های رگرسیونی بهینه شده شامل فاکتور هایR-Squared ، Adj R-Squared، Pred R-Squared، RMSE و Press RMSE است. مقادیر این شاخص ها برای قسمت باپوست مرغ (بهینه شده) به ترتیب 901/0، 899/0، 898/0، 31/27 و 44/27 و برای قسمت بدون بدون پوست مرغ (بهینه شده) به ترتیب 866/0، 865/0، 864/0، 66/29 و7/29 بدست آمد. نتایج قابل قبول بدست آمده نشان می دهد که روش های پردازش تصویر و سطح پاسخ به خوبی قابلیت تشخیص زمان سپری شده از ذبح را دارند.

Authors

امین طاهری گراوند

استادیار، مهندسی مکانیک بیوسیستم، دانشگاه لرستان، خرم آباد، ایران

سودابه فتاحی

دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشگاه لرستان، خرم آباد، ایران

فیض اله شهبازی

دانشیار، مهندسی مکانیک بیوسیستم، دانشگاه لرستان، خرم آباد، ایران

امین نصیری

دانش اموخته دکترا، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشگاه تهران

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 :
  • کارگذاری، م. (1386). بهینه­سازی خشک کردن اسمزی هویج با استفاده ...
  • فتاحی، س؛ طاهری گراوند، ا؛ شهبازی، ف. ا. (1396). تخمین ...
  • جوادی­کیا، ح؛ قاسمی ورنامخواستی، م؛ سبزی، س. (1396). تشخیص تازگی ...
  • Ellis, D. I., & Goodacre, R. (2001). Rapid and quantitative ...
  • Kamruzzaman, M., ElMasry, G., Sun, D.-W., Allen, P. (2012). Prediction ...
  • Cai, J., Chen, Q., Wan, X., Zhao, J. (2011). Determination ...
  • Tao, F., Peng, Y., Li, Y., Chao, K., Dhakal, S. ...
  • Xiong, Z., Sun, D.-W., Pu, H., Xie, A., Han, Z., ...
  • Ramirez, R., Cava, R. (2007). The crossbreeding of different Duroc ...
  • Li, H., Kutsanedzie, F., Zhao, J., & Chen, Q., (2016). ...
  • Chmiel, M., Słowinski, M. (2016). The use of computer vision ...
  • Ma, J., Sun, D.-W., Qu, J.-h., Liu, D., Pu, H., ...
  • Amza, C. G., Cicic, D. T. (2015). Industrial image processing ...
  • Shi, Z., He, L. (2010). Application of neural networks in ...
  • García-Mateosa, G., Hernández-Hernándezc, J.L., Escarabajal-Henarejosb, D., Jaén-Terronesa, S.  Molina-Martínez. J.M. ...
  • Zhou, X., Yuan, J. & Liu, H. (2015).  A Traffic ...
  • Rotaru, C., Graf, T., & Zhang, J. (2008). Color image ...
  • Dowlati, M., Mohtasebi, S. S., de la Guardia, M. (2012). ...
  • Leon, K., Mery, D., Pedreschi, F., Leon, J. (2006). Color ...
  • Forsyth, D., Ponce, J. (2003). Computer Vision: A Modern Approach. ...
  • Forsyth, D. A., & Ponce, J. (2003). A modern approach. ...
  • Hosseinpour, S., Rafiee, Sh., Mohtasebi, S.S., Aghbashlo, M. (2013). Application ...
  • Dowlati, M., Mohtasebi, S. S., Omid, M., Razavi, S. H., ...
  • Khulal, U., Zhao, J., Hu, W., & Chen, Q. (2016). ...
  • Montgomery, DC. Design and analysis of experiments. 2017. Jon wiley ...
  • نمایش کامل مراجع