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 ۱۴۳-۱۵۳

عنوان فارسی تشخیص ترک در پوسته تخم‌مرغ با استفاده از PCA و SVM
چکیده فارسی مقاله چکیده بازرسی ترک پوسته تخم مرغ در گذشته به طور معمول در صنعت با نورآزمایی صورت می­گرفته است. این عمل با گذر زمان سبب خستگی چشم، قضاوت نادرست و تشخیص سخت ترک­های موئی می­گردد. پژوهش­های اخیر به مطالعه تشخیص ترک پوسته تخم مرغ براساس تشخیص نوری و مکانیکی به طور خودکار متمرکز می­باشد. در این پژوهش­، پوسته تخم­مرغ­ها به وسیله یک ضربه­زن مکانیکی سبک در مکان­های مختلف تحریک شدند و پاسخ فرکانسی ارتعاش پوسته تخم­مرغ همراه با شناسایی الگو برای تشخیص تخم­مرغ سالم از ترک­دار استفاده گردید. روش­های شناسایی الگو مورد استفاده PCA و SVM بودند. تعداد بهینه مولفه­های اصلی با توجه به مقدار خطای مدل پیشگو و حداکثر تمییز میان تخم­مرغ سالم از ترک­دار 7 بدست آمد. نتایج پژوهش نشان داد که روش تحلیل ارتعاشی پاسخ ضربه پوسته توانایی تشخیص تخم­مرغ سالم و با پوسته ترک­دار به ترتیب با دقت 100% و 5/87% را دارد. 
کلیدواژه‌های فارسی مقاله

عنوان انگلیسی Eggshell crack detection using PCA and SVM
چکیده انگلیسی مقاله In the past, the inspection of cracks on eggshell was typically conducted in the industry by floodlighting, however, it gives eye fatigue, makes misjudgment and is not easy to detect hairline crack. Recent research into the automation of the detection of eggshell cracks is focused both on optical and mechanical detection principles. In this study eggs were excited by a light mechanical impact on different locations of the eggshell and vibrational frequency response of the eggshell combined with pattern recognition was attempted to differentiate intact egg and cracked egg. The pattern recognition was conducted by Principal Component Analysis (PCA) and Support Vector Machine (SVM). The optimal number of principal components was obtained 7 according to maximum error for predictive model and high discrimination between intact and cracked eggs. The result was found that the vibrational impulse response method distinguish intact egg and cracked egg with the level of 100% and 87.5% accuracy, respectively.
کلیدواژه‌های انگلیسی مقاله

نویسندگان مقاله سامان آبدانان مهدی زاده |
استادیار گروه مکانیک بیوسیستم، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه کشاورزی و منابع طبیعی رامین خوزستان
سازمان اصلی تایید شده: دانشگاه کشاورزی و منابع طبیعی رامین خوزستان (Ramin agriculture and natural resources university)


نشانی اینترنتی http://fsct.modares.ac.ir/article_13548_6c05f7f1d4646664610946df763bb79f.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/969/article-969-198172.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