پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 162 |
| تعداد شماره‌ها | 6,623 |
| تعداد مقالات | 71,548 |
| تعداد مشاهده مقاله | 126,903,759 |
| تعداد دریافت فایل اصل مقاله | 99,953,627 |
روشی جهت درجه¬بندی خرمای مضافتی با استفاده از پردازش تصویر | ||
| مهندسی بیوسیستم ایران | ||
| مقاله 3، دوره 43، شماره 1، شهریور 1391، صفحه 19-28 اصل مقاله (377.53 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2012.35203 | ||
| نویسندگان | ||
| حجت رحمانی* 1؛ سیدناصر علوی2 | ||
| 1دانش آموخته کارشناسی ارشد، دانشگاه شهیدباهنر کرمان | ||
| 2استادیار، دانشگاه شهید باهنر کرمان | ||
| چکیده | ||
| عدم رعایت استانداردهای جهانی و درجهبندی و بستهبندی نامناسب از دلایل عدم توجه درخور به خرمای ایران است. سامانه ماشین بینایی روش نوینی است که در بخش کشاورزی کاربردهای مختلفی دارد. در این تحقیق روشی جهت طبقهبندی خرمای مضافتی با استفاده از پردازش تصویر به پنج دسته سالم، چروکیده، کپکزده، صدمهدیده و خالزده ارائه شده است. ابتدا از نمونههایی که با بینایی انسان دستهبندی شده بود تصاویری اخذ شد. با استفاده از روشهای تحلیل تصویر و شبکه عصبی مصنوعی در محیط برنامه نویسی متلب روشی جهت بازشناسی نواحی معیوب خرما تهیه شد. با تهیه الگوریتمی درجهبندی با استفاده از دو تصویر از هر خرما انجام شد. درجهبندی بینایی ماشین با معیار استاندارد بررسی شد. نرخ بازشناسی درست در روش پردازش تصویر برای خرمای سالم، چروکیده، صدمهدیده، کپکزده و خالزده به ترتیب 83/95%، 89/88%، 28/64%، 55/80% و 00/80% بهدست آمد. در اندازهبندی از معادله چند جملهای درجه اول برای تعریف تابع وابستگی مابین متغیر وابسته (وزن خرما) و متغیرهای مستقل (طول، قطر و مساحت) استفاده شد. مدل ارائه شده همبستگی خوبی برای تخمین وزن خرمای سالم دارد) 93/0= 2(R. | ||
| کلیدواژه‌ها | ||
| بینایی ماشین؛ دسته¬بندی؛ خرابی¬های خرما؛ شبکه عصبی مصنوعی | ||
|
آمار تعداد مشاهده مقاله: 2,891 تعداد دریافت فایل اصل مقاله: 3,578 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب