این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۴۹، شماره ۴، صفحات ۶۴۵-۶۵۷
عنوان فارسی طبقه‌بندی هوشمند ماهی کپور معمولی (Cyprinus carpio) بر اساس تازگی با استفاده از پردازش تصویر و سامانه استنتاج فازی عصبی تطبیقی
چکیده فارسی مقاله این مقاله بکارگیری روش پردازش تصویر در ترکیب با روش هوشمند انفیس را برای طبقه­بندی ماهی کپور بر اساس تازگی در طول دوره نگهداری در شرایط یخ پوشی پیشنهاد می­دهد. پس از اکتساب تصویر، جهت پیش پردازش، تصاویر به کانال­های رنگی مختلف منتقل شدند و ویژگی­های آماری بافت تصاویر استخراج گردید. به منظور افزایش سرعت و دقت طبقه­بندی از تجزیه مولفه­های اصلی(PCA)  برای کاهش ابعاد ویژگی استفاده شد. ارزیابی طبقه­بند جهت تشخیص تازگی با استفاده از شاخص‌های آماری نظیر دقت، صحت، حساسیت، اختصاصی بودن و سطح زیر منحنی انجام شد. مقادیر این شاخص­ها برای طبقه­بندی به کمک طبقه بند استنتاج عصبی-فازی تطبیقی (انفیس) به ترتیب برابر با 33/90، 01/79، 36/77، 57/92 و 97/84 درصد برای داده­های آزمون بدست آمد. نتایج پژوهش حاضر نشان داد که روش اخیر قابلیت ارزیابی و تشخیص سریع و برخط تازگی ماهی در صنایع غذایی را به عنوان یک روش کم‌ هزینه، ساده و غیر مخرب دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Intelligent classification of Common Carp (Cyprinus carpio) based on freshness using the combined of image processing techniques and adaptive neuro-fuzzy inference system
چکیده انگلیسی مقاله This paper proposes an image processing method in combination with the intelligent adaptive neuro-fuzzy inference system (ANFIS) for classifying common carp bodies based on the freshness factor during the storage period under ice-covered conditions. In doing so, after image acquisition, for pre-processing, the images were transferred to various color channels and the statistical properties of the image texture were extracted. In order to increase the speed and accuracy of classification, the principal component analysis method (PCA) was used to reduce the dimensions of the features. Evaluation of the classifier was performed to identify the freshness level using statistical indices such as accuracy, precision, sensitivity, specificity and area under the curve (AUC). The values of these indices for classification using ANFIS for the test data were obtained as 90.33, 79.1, 77.36, 92.57 and 84.97, respectively. The acceptable results obtained from fish images showed that the current method has the ability for quick online detection of fish freshness in the food industry as a low-cost, simple and non-destructive method.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله امین طاهری گراوند |
استادیار، گروه مهندسی مکانیک بیوسیستم، دانشگاه لرستان، خرم‌آباد، ایران

سودابه فتاحی |
دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشگاه لرستان، خرم‌آباد، ایران

اشکان بنان |
استادیار، گروه علوم دامی، دانشگاه لرستان، خرم‌آباد، ایران

نشانی اینترنتی https://ijbse.ut.ac.ir/article_70017_4e5de77b422052c61f2868c1ebcf2fab.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-1309230.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات