تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,098,312 |
تعداد دریافت فایل اصل مقاله | 97,205,973 |
جداسازی بادام های بههم چسبیده و طبقه بندی کیفی آنها با تلفیق تکنیک های پردازش تصویر و شبکه های عصبی مصنوعی | ||
مهندسی بیوسیستم ایران | ||
مقاله 3، دوره 46، شماره 4، دی 1394، صفحه 355-362 اصل مقاله (1.32 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijbse.2015.57341 | ||
نویسندگان | ||
نیما تیموری1؛ محمود امید* 2؛ کاوه ملازاده3؛ علی رجبی پور2 | ||
1دانشجوی دکتری گروه مهندسی ماشینهای کشاورزی، دانشگاه تهران | ||
2استاد گروه مهندسی ماشینهای کشاورزی، دانشگاه تهران | ||
3استادیار گروه مهندسی بیوسیستم، دانشگاه کردستان | ||
چکیده | ||
ارزیابی کیفی محصولات کشاورزی از فاکتورهای بسیار مهم در ارتقای کیفیت آنها است. در این تحقیق روشی مبتنی بر ترکیب پردازش تصویر و شبکۀ عصبی مصنوعی پیشنهاد شده است. جداسازی بادامهای بههم چسبیده که با وضعیتهای متفاوت بههم متصل شدهاند، از جنبههای مهم در طراحی دستگاههای درجهبندی بادام هستند. بر این اساس، الگوریتمی مبتنی بر تکنیک پردازش تصویر برای استخراج نقاط بحرانی و رسم خطوط جداسازی به شکلی صحیح بین آنها پیشنهاد شده است. نتایج نشان داد که این الگوریتم با دقت قابل قبولی بادامهای بههم چسبیده را جداسازی کرد. در گام بعد به ترتیب 6، 36، و 36 ویژگی مرتبط با شکل، رنگ، و بافت از بادام استخراج و از روش PCA برای کاهش تعدادی از این ویژگیها استفاده شد. سرانجام، بهمنظور طبقهبندی چهار کلاس بادام از روش شبکههای عصبی مصنوعی با ساختار 4-7-7-18 و میانگین دقت کل 92/96درصد استفاده شد. | ||
کلیدواژهها | ||
جداسازی بادام؛ شبکههای عصبی مصنوعی؛ طبقهبندی کیفی؛ ویژگیهای بافت؛ ویژگیهای رنگ | ||
مراجع | ||
Abdullah, M. Z., Mohamad-Saleh, J. Fathinul-Syahir, A. S. & Mohd-Azemi, B. M. N. (2006). Discrimination and classification of fresh-cut starfruits (Averrhoa carambola L.) using automated machine vision system. Journal of Food Engineering, 76(4), 506–523. Asada, H. & Brady, M. (1986). The curvature primal sketch. IEEE Transactions on Pattern Analysis and Machine Intelligence, 8(1), 2-14. Castelo-Quispe, S., Banda-Tapia, J. D. Lopez-Paredes, M. N. Barrios-Aranibar, D. & Patino-Escarcina, R. (2013). Optimization of Brazil-Nuts Classification Process through Automation using Colour Spaces in Computer Vision. International Journal of Computer Information Systems and Industrial Management Applications. 5, 623-630. Donis-Gonzalez, R., Guyer, D. E. Leiva-Valenzuela, G. A. & Burns, J. (2013). Assessment of chestnut (Castanea spp.) slice quality using color images. Journal of Food Engineering, 115, 407-414. Food and Agriculture Organization. FAO statistical databases, 2011. Available at: www.faostat.fao.org. Haralick, R. M., Shanmugam, K. & Dinstein, I. (1973). Textural features for image classification. IEEE Transactions on Systems, Man, and Cybernetics, 6, 610–621. ISIRI, Specification and methods of test for unshelled almonds. Institute of Standards and Industrial Research of Iran. Document number 88. 1995. Available from: http://www.isiri.org/portal/files/std/88.htm. Leemans, V. & Destain, M. F. (2004). A real-time grading method of apples based on features extracted from defects. Journal of Food Engineering, 61, 83-89. Mebatsion, H. K. & Paliwal, J. (2011). A Fourier analysis based algorithm to separate touching kernels in digital images. Biosystems Engineering, 108, 66–74. Mery, D., Pedreschi, F. & Soto, A. (2013). Automated design of a computer vision system for visual food quality evaluation. Food and Bioprocess Technology, 6, 2093-2108. Mollazade, K., Omid, M. & Arefi, A. (2012). Comparing data mining classifiers for grading raisins based on visual features. Computers and Electronics in Agriculture, 84, 124-131. Omid, M., Mahmoudi, A. & Omid, M. H. (2009). An intelligent system for sorting pistachio nut varieties. Expert Systems With Applications, 36, 11528–11535. Otsu, N. (1979). A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man, and Cybernetics, 9, 62-66. Pearson, T. & Toyofuku, N. (1999). Automated sorting of pistachio nuts with closed shells. Transactions of the ASAE, 16(1), 91-94. Pearson, T. (1996). Machine vision system for automated detection of stained pistachio nuts. Lebensmittel-Wissenschaft and Technolgie, 29, 203–209. Qian, X. M., Zhu, H. Feng, C. L. Zhu, P. Li, H. Xin, W. & Cheng, G. (2004). An overlapping bubbles partition method in aerated water flows. In: Proceedings of the Third Conference on Machine Learning and Cybernetics, Vol. 6, Shanghai, China, August, pp. 3746–3750. Riquelme, M. T., Barreiro, P. Ruiz-Altisent, M. & Valero, C. (2008). Olive classification according to external damage using image analysi. Journal of Food Engineering, 87, 371-379. Shatadal, P., Jayas, D. S. & Bulley, N. R. (1995). Digital image analysis for software separation and classification of touching grains. Transactions of the ASAE, 38(2), 635–643. Sohn, K., Alexander, W. E. Kim, J. H. & Snyder, W. E. (1994). A constrained regularization approach to robust corner detection. IEEE Transactions on Systems, Man, and Cybernetics, 24(5), 820–828. Zhang, G., Jayas, D. & White, D. G. (2005). Separation of touching grain kernels in an Image by ellipse fitting algorithm. Biosystems Engineering, 92(2), 135–142. | ||
آمار تعداد مشاهده مقاله: 1,460 تعداد دریافت فایل اصل مقاله: 1,916 |