مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

60
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

25
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

توسعه یک سامانه بینایی ماشین هوشمند به منظور کیفیت سنجی برخط شلتوک

صفحات

 صفحه شروع 335 | صفحه پایان 357

چکیده

 روش هایی که به طور معمول برای شناسایی شلتوک های پوک از سالم مورد استفاده قرار می گیرند, اغلب زمان بر و هزینه بر هستند. به همین دلیل, در این پژوهش روشی هوشمند و سریع مبتنی بر بینایی ماشین و شبکه های عصبی مصنوعی به منظور تشخیص دانه های شلتوک پوک از سالم ارائه شد. تصاویر دیجیتالی پنج رقم شلتوک در سه وضعیت سالم, پوک و مخلوط و در دو حالت پراکنده و کپه ای تهیه شدند. پس از انجام پیش پردازش و قطعه بندی, برای هر دانه شلتوک 3 ویژگی رنگی و 5 ویژگی شکلی استخراج شد. به منظور تشخیص تاثیرگذارترین ویژگی ها در تشخیص شلتوک های سالم از پوک, روش تحلیل مولفه های اصلی(PCA) بکار گرفته شد. سپس برای ایجاد مدل شناسایی و دسته بندی نمونه ها شبکه های عصبی مصنوعی پرسپترون چندلایه (MLP) بر اساس مولفه های اصلی که با روش PCA بدست آمده بودند, مورد استفاده قرار گرفت. برای بررسی قابلیت مدلسازی و اعتبارسنجی هر الگوریتم از پارامترهای آماری میانگین مربعات خطا (MSE), ضریب همبستگی (R2), ویژگی و حساسیت استفاده شد. نتایج نشان داد که روش هوشمند طراحی شده می تواند با دقت قابل قبول در تمامی ارقام (R2P>0.81, RMSEp<0.219, Sensitivitiy>0.8 & Specifisitiy>0.98) دانه های سالم و پوک را تشخیص دهد. بنابراین از روش بینایی ماشین در ترکیب با شبکه های عصبی مصنوعی می توان به عنوان روشی هوشنمد و سریع در ورودی کارخانه های سفیدکن شلتوک برای ارزیابی کیفیت شلتوک و تشخیص شلتوک های سالم از پوک استفاده کرد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button