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:

1,160
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

353
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

درجه بندی مغز گردو بر اساس اندازه و رنگ با استفاده از پردازش تصویر

صفحات

 صفحه شروع 35 | صفحه پایان 46

چکیده

 امروزه توسعه سیستم های هوشمندی که بتوانند در مراحل مختلف آماده سازی و فرآوری محصولات کشاورزی و مواد غذایی با کارآیی مناسب بکار روند از اولویت های تحقیقاتی در این حوزه به شمار می روند. بدین منظور در پژوهش حاضر آزمایش هایی به منظور بررسی عوامل موثر بر یک سامانه تشخیص مغزگردو براساس اندازه و رنگ (به روش استاندارد) اجرا شد. بررسی ها بر امکان تشخیص دسته های کیفی, شامل سه دسته «نیمه»,«ربعی» و«خرده» و سه دسته رنگی, شامل «کهربایی روشن», «روشن» و «بسیار روشن» در یک رقم انجام شد. مولفه های پیش بینی کننده شامل قطر کوچک و بزرگ, الگوریتم شناسایی و مولفه های رنگی Red, Green, Blue, Hue, Saturation, Value, L, a و b از سه مدل رنگی و جهت نورپردازی بود. در مقایسه دو روش نورپردازی مشخص شد که هر چند میانگین دقت تشخیص در نورپردازی از پایین (94.3%) نسبت به نورپردازی از بالا (91%) بیش تر است, اما امکان استخراج هم زمان مولفه های رنگی و ابعادی, به کارگیری روش نورپردازی از بالا را موجه می سازد. نتایج هم چنین نشان داد که دقت و سرعت تشخیص بر اساس اندازه به مراتب بیش تر از تشخیص دسته های رنگی است. به طوریکه می توان نمونه های نیمه (نیم-مغز) را با دقت 98.1% و در مدت زمان میانگین 0.31 ثانیه از دسته های دیگر تشخیص داد. درحالی که بالاترین دقت در تشخیص مغزهای با رنگ روشن از دسته های دیگر %76.2 و در مدت زمان 1.91 ثانیه بود. بر اساس نتایج تحلیل تشخیص خطی, با توجه به هم پوشانی داده های مدل های رنگی می توان صرفا از شاخص میزان روشنی در مدل HSV با دقت 81% و در مدت زمانی کمتر از 0.6 ثانیه برای تشخیص نمونه های بسیار روشن از دو دسته دیگر استفاده کرد. همچنین در مقایسه مدل های رنگی, به ترتیب مدل HSV و Lab از بالاترین و پایین ترین دقت در طبقه بندی برخوردار بودند. بر اساس نتایج این تحقیق می توان از مولفه های رنگی و ابعادی برای تشخیص مغز گردو بر اساس روش استاندارد در مدت زمان کم تر از 2 ثانیه تحت نورپردازی از بالا استفاده نمود. از این اطلاعات می توان برای طراحی و توسعه سامانه های درجه بندی مغز گردو در صنایع غذایی استقاده نمود.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    افکاری سیاح، امیرحسین، راسخ، منصور، و طهماسبی، محمد. (1395). درجه بندی مغز گردو بر اساس اندازه و رنگ با استفاده از پردازش تصویر. فناوری های جدید در صنعت غذا (فناوری های نوین غذایی)، 3(12)، 35-46. SID. https://sid.ir/paper/499143/fa

    Vancouver: کپی

    افکاری سیاح امیرحسین، راسخ منصور، طهماسبی محمد. درجه بندی مغز گردو بر اساس اندازه و رنگ با استفاده از پردازش تصویر. فناوری های جدید در صنعت غذا (فناوری های نوین غذایی)[Internet]. 1395؛3(12):35-46. Available from: https://sid.ir/paper/499143/fa

    IEEE: کپی

    امیرحسین افکاری سیاح، منصور راسخ، و محمد طهماسبی، “درجه بندی مغز گردو بر اساس اندازه و رنگ با استفاده از پردازش تصویر،” فناوری های جدید در صنعت غذا (فناوری های نوین غذایی)، vol. 3، no. 12، pp. 35–46، 1395، [Online]. Available: https://sid.ir/paper/499143/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