این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و صنایع غذایی ایران، جلد ۱۳، شماره ۵۶، صفحات ۴۵-۵۵
عنوان فارسی تعیین مزه پرتقال تامسون با استفاده از پردازش تصویر، مبتنی بر دو روش فازی-عصبی و عصبی-ژنتیک
چکیده فارسی مقاله چکیده تنوع و فراوانی ویژگی های کیفی محصولات کشاورزی، مهمترین دلیل توسعه انواع روشهای غیر مخرب بوده است. ماشین بینایی و هوش مصنوعی تکنیک های قدرتمندی در تشخیص بسیاری از خصوصیات فیزیکی، مکانیکی و شیمیایی محصولات کشاورزی می باشند. قبل از صادرات معمولا میوه ها از نظر شکل، حجم و وزن درجه بندی می شوند. درجه بندی یک میوه از نظر مزه(ترشی یا شیرینی) به صورت غیر مخرب در امر بازارپسندی و قدرت انتخاب و نحوه کاربرد آن تاثیر بسزایی دارد. در این تحقیق با استفاده از ترکیب تکنیک ماشین بینایی و هوش مصنوعی، مزه پرتقال تامسون تعیین شده است. یک دوربین دیجیتال مدار بسته در یک محفظه ویژه تعبیه شده بود که تحت ارتفاع و نور خاص از نمونه ها بطور عمودی عکس می گرفت. همچنین الگوریتمی(برنامه ای) مبتنی بر هوش مصنوعی برای تشخیص مزه پرتقال تامسون از روی خواص ظاهری در نرم افزار متلب تدوین گردید. نتایج نشان داد که تعیین مزه رقم تامسون با استفاده از دو روش فازی-عصبی و عصبی-ژنتیک به ترتیب با دقت های 67/96 و 90 درصد، به صورت غیر مخرب امکان پذیر است.
کلیدواژه‌های فارسی مقاله کلید واژگان، ماشین بینایی، فازی-عصبی، عصبی-ژنتیک، مزه،
عنوان انگلیسی Taste determination of Thompson orange using image processing based on ANFIS and ANN-GA methods
چکیده انگلیسی مقاله The diversity and abundance of quality characteristics of agricultural products, has been the main reason for the development of non-destructive methods. Machine vision and artificial intelligence are powerful techniques for diagnosing most physical, mechanical and chemical properties of agricultural products. Before export fruits are classified by shape, volume and weight. Ranking fruit through taste (sweet or tart) non-destructively plays an important role in marketing, choice power and its application. In this research, it was detect the taste of Thompson orange while combining artificial intelligence (AI) and visual machine technique. A closed circuit digital installed in special frame, under specific height and light was used to take picture from samples vertically. Also, an algorithm (program) based on AI was developed to diagnose the variety and taste of Thompson orange through apparent characteristics in Matlab software. The results showed that the success rate of taste determination for Thompson orange using ANFIS and ANN-GA (Artificial Neural Network-Genetic Algorithm) was 96.67 and 90.0% respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی عادلخانی |
استادیارگروه مهندسی مکانیک ماشین های کشاورزی ، واحد کرمانشاه، دانشگاه ازاد اسلامی، کرمانشاه، ایران.
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی کرمانشاه (Islamic azad university of kermanshah)

بابک بهشتی |
استادیارگروه مهندسی مکانیک ماشین های کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

سعید مینایی |
دانشیارگروه مهندسی مکانیک ماشین های کشاورزی، دانشگاه تربیت مدرس،تهران، ایران.
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

حسین جوادی کیا |
استادیارگروه مهندسی مکانیک ماشین های کشاورزی، دانشکده کشاورزی، دانشگاه رازی کرمانشاه.
سازمان اصلی تایید شده: دانشگاه رازی (Razi university)

نشانی اینترنتی http://fsct.modares.ac.ir/article_13534_b7433ff772488672424b455edab48e6b.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/969/article-969-198164.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