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

مقاله مقاله نشریه

مشخصات مقاله

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

نسخه انگلیسی

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

343
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

446
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

درجه بندی زعفران بر اساس ویژگی های ظاهری با استفاده از شبکه های عصبی مصنوعی

صفحات

 صفحه شروع 521 | صفحه پایان 535

چکیده

 زعفران به عنوان یک کالای تجاری مهم در کشور به شمار می آید و توجه به مکانیزه کردن آن از مرحله تولید تا بسته بندی اهمیت زیادی دارد. در بدو ورود زعفران به فرایند کیفی سنجی در آزمایشگاه, ارزیابی اولیه بر اساس مشخصات ظاهری زعفران توسط شخص خبره انجام می شود. لیکن بروز خطای انسانی در تشخیص کیفیت زعفران بر مبنای ویژگی های ظاهری آن امری اجتناب ناپذیر است؛ استفاده از تکنیک های مبتنی بر هوش مصنوعی می تواند ضمن مکانیزه کردن سیستم, در کاهش خطاهای انسانی نیز تأثیرگذار باشد. این مطالعه از نوع تشخیصی بوده و پایگاه داده آن مشتمل بر 113 نمونه زعفران با 7 ویژگی می باشد که توسط محققین این پژوهش, در مهر ماه 1396 از آزمایشگاه معتبر زعفران و تحت نظارت شخص خبره جمع آوری شده است. کیفی سنجی نمونه ها به کمک ویژگی ها در 4 کلاس مختلف زعفران پوشال درجه یک (نگین), پوشال درجه دو (خوب), پوشال درجه سه (معمولی) و پوشال درجه چهار (معمولی درجه دو) انجام شده است. به منظور درجه بندی زعفران, از روش های مبتنی بر شبکه های عصبی مصنوعی استفاده شده است. پس از تحلیل و مقایسه مدل های تولیدشده با استفاده از دو نوع شبکه عصبی پرسپترون چندلایه و شبکه عصبی بردار یادگیر, بالاترین دقت کلاس بندی روی نمونه های آموزش و آزمون به ترتیب با 75/93 و 75/75 درصد حاصل شد. دقت به دست آمده نشان دهنده آن است که مدل شبکه عصبی پرسپترون چندلایه می تواند به عنوان یک تصمیم گیر در کنار شخص خبره و یا به صورت مستقل در مراکز آزمایشگاهی زعفران مورد استفاده قرار گیرد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    یثربی، سیداحسان، ذباح، ایمان، بهزادیان، بهناز، ماروسی، علی، و رضایی، رویا. (1398). درجه بندی زعفران بر اساس ویژگی های ظاهری با استفاده از شبکه های عصبی مصنوعی. زراعت و فناوری زعفران، 7(4 )، 521-535. SID. https://sid.ir/paper/373065/fa

    Vancouver: کپی

    یثربی سیداحسان، ذباح ایمان، بهزادیان بهناز، ماروسی علی، رضایی رویا. درجه بندی زعفران بر اساس ویژگی های ظاهری با استفاده از شبکه های عصبی مصنوعی. زراعت و فناوری زعفران[Internet]. 1398؛7(4 ):521-535. Available from: https://sid.ir/paper/373065/fa

    IEEE: کپی

    سیداحسان یثربی، ایمان ذباح، بهناز بهزادیان، علی ماروسی، و رویا رضایی، “درجه بندی زعفران بر اساس ویژگی های ظاهری با استفاده از شبکه های عصبی مصنوعی،” زراعت و فناوری زعفران، vol. 7، no. 4 ، pp. 521–535، 1398، [Online]. Available: https://sid.ir/paper/373065/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا