این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۱، شماره ۱، صفحات ۱۱-۱۸
عنوان فارسی طراحی یک سیستم خبره برای تشخیص اصالت ارقام برنج با استفاده از ترکیب ویژگی های بافتی تصاویر توده ی برنج
چکیده فارسی مقاله برنج یکی از مهمترین مواد غذایی در ایران می باشد. ممکن است یک رقم برنج با کیفیت بالا با اهدافی مثل سودجویی با یک رقم برنج دیگر که کیفیت پایین تری دارد مخلوط شود. این مقاله به ارائه ی یک سیستم خبره جهت تشخیص اصالت ارقام برنج با استفاده از تصاویر گرفته شده از توده ی برنج پرداخته است. ایده¬ی اصلی جهت تشخیص اصالت بر روی بافت برنج استوار است که ممکن است با مخلوط شدن دو رقم برنج با یکدیگر، بافت توده ی آنها نیز تغییر نماید. به این منظور، در ابتدا، با استفاده از یک جعبه سیاه در فواصل مختلف ترکیبی، تصویربرداری انجام شد. سپس ویژگیهای بافتی مربوط به توده ی برنج با استفاده از سه روش هیستوگرام تصویر، ماتریس هم رویدادی و الگوی دودویی محلی به دست آمد. جهت پیداکردن ویژگی های برتر استخراجی، از الگوریتم ژنتیک استفاده شد. سپس از یک شبکه عصبی برای رگرسیون استفاده شد. ورودی این شبکه عصبی، ویژگی های برتر استخراجی و خروجی آن درصد ترکیب بود. بهترین کارایی با استفاده از الگوی دودویی محلی با مقدار خطای 92/4 و ضریب همبستگی9153/0 به دست آمد. برای بهبود نتایج ارائه شده، نتایج مرحله قبل با هم ترکیب شد که مقدار خطا به 21/4 و ضریب همبستگی 9356/0 کاهش پیدا کرد. نتایج این پژوهش می تواند در ساخت یک سیستم اصالت سنج ارقام برنج مورد استفاده قرار گیرد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Design of an expert system for Rice Purity detection using combination of texture features of bulk samples
چکیده انگلیسی مقاله Rice is one of the most important stable foods in Iran. Sometimes, for reason such as illegal profit, it is probable a commercial rice variety with good quality properties be mixed with some low quality properties that have great similarity in appearance. In this paper, an expert system for rice purity detection based on extracted texture features of bulk samples and modeling by a multilayer neural network has been introduced. First, images of bulk samples are taken using a black box. Then, texture features is extracted. In the next step, the best features are selected using a genetic algorithm approach. Finally, a neural network based regression is used for modeling of proposed approach. The best performance is obtained using local binary pattern. To increase the efficiency of the proposed approach, the results of previous section is combined using a majority voting approach. The result of this study can be used for construction of rice purity detection system.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سید جلال الدین موسوی راد | seyed jalaleddin
دانشگاه کردستان، گروه مهندسی کامپیوتر و فناوری اطلاعات - دانشگاه کاشان، گروه مهندسی کامپیوتر
سازمان اصلی تایید شده: دانشگاه کردستان (Kordestan university)

فردین اخلاقیان طاب |
دانشگاه کردستان، گروه کامپیوتر و فناوری اطلاعات
سازمان اصلی تایید شده: دانشگاه کردستان (Kordestan university)

نشانی اینترنتی http://jmvip.sinaweb.net/article_3774_0d27aff8b4c352718a1e2b420056801d.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-205810.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