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:

540
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

491
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی برخی ویژگی های کیفی میوه انبه رقم کلک سرخ با استفاده از پردازش تصاویر رنگی و شبکه های عصبی مصنوعی (مقاله کوتاه)

صفحات

 صفحه شروع 145 | صفحه پایان 155

چکیده

 درجه بندی میوه از نظر ویژگی های کیفی از جمله سفتی, مواد جامد محلول و اسیدیته, به صورت غیرمخرب در امر بازارپسندی آن تاثیر به سزایی دارد. در این پژوهش با استفاده از ترکیب تکنیک های پردازش تصویر و هوش مصنوعی, پیش بینی ویژگی های کیفی انبه رقم کلک سرخ مورد بررسی قرار گرفته است. نمونه های مورد بررسی در دو تیمار دمایی 5, 15 و تیمار شاهد (24 درجه سانتی گراد) به مدت 48 ساعت قرار گرفتند. پس از آن به مدت 14 روز به صورت یک روز در میان تصویربرداری از نمونه ها انجام و ویژگی های رنگی از نواحی مورد نظر در محیط رنگی L*a*b استخراج شدند. پس از هر مرحله تصویربرداری میزان اسیدیته, قند و سفتی بافت اندازه گیری شد. به منظور بررسی ارتباط بین خصوصیات فیزیکوشیمیایی و مشخصه های تصویری بین نمونه ها, شبکه عصبی چندلایه پرسپترون ایجاد و آموزش داده شد. از این شبکه تربیت شده به منظور پیش بینی ویژگی های فیزیکی از روی مشخصه های رنگی استفاده شد. متغیرهای ورودی به شبکه شامل تیمار دمایی در سه سطح (شاهد, 15 و 5 درجه سانتی گراد), کانال های رنگی (L, a, b) و میزان انحراف معیار کانال های رنگی (stdL, stda, stdb) است. متغیرهای خروجی نیز شامل قند, اسیدیته و سفتی بافت است. نتایج حاصل از پیش بینی مدل شبکه عصبی نشان داد که دقت مدل در مرحله آزمون برای پیش بینی فاکتورهای اسیدیته, قند و سفتی بافت به ترتیب برابر با 45, 85, 88 درصد است؛ بنابراین هرچند دقت مدل شبکه عصبی برای پیش بینی اسیدیته از روی فاکتورهای رنگی نمونه های انبه پایین بود, اما شبکه عصبی مبتنی بر ماشین بینایی قادر به پیش بینی فاکتورهای سفتی و قند با دقت بالا است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    دوستی ایرانی، امید، روحانی، عباس، گلزاریان، محمودرضا، شمیلی، منصوره، و آذرکیش، پیمان. (1399). پیش بینی برخی ویژگی های کیفی میوه انبه رقم کلک سرخ با استفاده از پردازش تصاویر رنگی و شبکه های عصبی مصنوعی (مقاله کوتاه). پژوهشهای علوم و صنایع غذایی ایران، 16(1 (پیاپی 61) )، 145-155. SID. https://sid.ir/paper/363357/fa

    Vancouver: کپی

    دوستی ایرانی امید، روحانی عباس، گلزاریان محمودرضا، شمیلی منصوره، آذرکیش پیمان. پیش بینی برخی ویژگی های کیفی میوه انبه رقم کلک سرخ با استفاده از پردازش تصاویر رنگی و شبکه های عصبی مصنوعی (مقاله کوتاه). پژوهشهای علوم و صنایع غذایی ایران[Internet]. 1399؛16(1 (پیاپی 61) ):145-155. Available from: https://sid.ir/paper/363357/fa

    IEEE: کپی

    امید دوستی ایرانی، عباس روحانی، محمودرضا گلزاریان، منصوره شمیلی، و پیمان آذرکیش، “پیش بینی برخی ویژگی های کیفی میوه انبه رقم کلک سرخ با استفاده از پردازش تصاویر رنگی و شبکه های عصبی مصنوعی (مقاله کوتاه)،” پژوهشهای علوم و صنایع غذایی ایران، vol. 16، no. 1 (پیاپی 61) ، pp. 145–155، 1399، [Online]. Available: https://sid.ir/paper/363357/fa

    مقالات مرتبط نشریه ای

    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