| تعداد نشریات | 163 |
| تعداد شمارهها | 6,877 |
| تعداد مقالات | 74,134 |
| تعداد مشاهده مقاله | 137,824,343 |
| تعداد دریافت فایل اصل مقاله | 107,228,807 |
توسعه و ارزیابی یک سامانه بینایی ماشین هوشمند بهمنظور تشخیص تقلب سنگدان مرغ در گوشت قرمز چرخکرده | ||
| مهندسی بیوسیستم ایران | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 07 مهر 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2025.398182.665600 | ||
| نویسندگان | ||
| مبین رضازاده1؛ سجاد کیانی* 2؛ مهدی قاسمی ورنامخواستی1؛ زهرا ایزدی1 | ||
| 1گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران. | ||
| 2گروه مهندسی مکانیک بیوسیستم، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران. | ||
| چکیده | ||
| در این پژوهش سامانهای هوشمند مبتنی بر بینایی ماشین با بهرهگیری از تحلیل رنگی تصاویر دیجیتال گرفته شده با تلفن همراه برای تشخیص تقلب افزودن سنگدان مرغ به گوشت قرمز گوسفندی-گوساله چرخ شده توسعه داده و ارزیابی شد. بدین منظور، نمونههایی مرسوم گوشت قرمز چرخ شده (%55 گوسفند و %45 گوساله) با درصدهای مختلف سنگدان (۰ تا ۱۰۰ درصد) تهیه و در شرایط نورپردازی محیطی آزمایشگاه مستقیم از روی نمونه و از روی بسته سلفونی تصویربرداری شدند. ویژگیهای رنگی (R، G، و B) تصاویر نمونهها در محیط متلب استخراج و با روشهای یادگیری ماشین شامل تحلیل مؤلفههای اصلی (PCA)، رگرسیون حداقل مربعات جزئی (PLSR) و شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) مدلسازی انجام شد. بهترین نتایج مدل PLSR برای تخمین درصد تقلب با ضریب تعیین R² و شاخص RMSR در حالت بدون پوشش سلفون برابر با 7/0 و 51/16 حاصل شد. این شاخصها برای مدل MLP برابر با 97/0 و 673/6 بدست آمد در صورتیکه نتایج برای حالت با پوشش سلفون به دلیل انعکاسهای نوری پوشش پایینتر (90/0 و 54/12) بدست آمد. مدل طبقهبند MLP با دقتهای %85، %4/96، %6/92، %7/73، %2/76 و %7/96 به ترتیب نمونههای تقلبی %10-0، %20-10، %30-20، %40-30، %50-40 و بیش از %50 را طبقهبندی کرد. میانگینهای صحت، حساسیت و F1 score برای مدل ایجاد شده به ترتیب 975/0، 974/0 و 975/0 بدست آمد. نتایج نشان داد این روش غیرمخرب، سریع و قابل اعتماد برای شناسایی تقلب سنگدان در گوشت چرخکرده است و میتواند بهعنوان مبنایی برای توسعه سامانههای کنترل کیفیت گوشت مورد استفاده قرار گیرد. | ||
| کلیدواژهها | ||
| پردازش تصویر؛ تقلب غذایی؛ شبکههای عصبی مصنوعی؛ مدلسازی | ||
|
آمار تعداد مشاهده مقاله: 29 |
||