این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۵۰، شماره ۳، صفحات ۶۰۷-۶۱۴
عنوان فارسی تعیین برخی از پارامترهای کیفی آب استخر پرورش ماهی با استفاده از پردازش تصویر
چکیده فارسی مقاله در این تحقیق، برخی از پارامترهای کیفی آب استخر پرورش ماهی شامل pH، هدایت الکتریکی (EC)، کل مواد محلول (TDS) و کدورت (Turb) به کمک روش‌های استاندارد اندازه‌گیری شده و با استفاده از پردازش تصاویر گرفته شده توسط گوشی تلفن همراه هوشمند و شبکه‌های عصبی مصنوعی پیش‌بینی شدند. همه آزمایش‌ها در استخر پرورش ماهی کپور در شهرستان سنقر واقع در استان کرمانشاه انجام شد. نمونه‌ها از سه عمق مختلف جمع آوری شدند. دوازده مولفه شامل 6 مولفه رنگی ( قرمز، سبز، آبی، سیاه، خاکستری و سفید) و 6 مولفه بافت (میانگین، انحراف معیار، نرمی، گشتاور سوم، یکنواختی و آنتروپی) از نمونه تصاویر گرفته شده استخراج و به عنوان ورودی مدل شبکه عصبی انتخاب شدند. بر اساس نتایج، شبکه با ساختار 4-15-12 (12 نرون در لایه ورودی، 15 نرون در لایه مخفی و 4 نرون در لایه خروجی) به عنوان بهترین مدل برای پیش‌بینی پارامترهای pH، TDS، EC و Turb به ترتیب با ضرایب تبیین 913/0،  993/0، 994/0 و 958/0 و مقادیر RMSE به ترتیب برابر 054/0، 835/1، 766/3 و 262/0 انتخاب شد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Determining of Some Water Quality Parameters in Fish Pond Using Image Processing
چکیده انگلیسی مقاله      In this research some water quality parameters in fish pond includes pH, Electrical Conductivity (EC), Total Dissolved Solids (TDS) and Turbidity (Turb) were determined by standard methods and predicted by image processing using smart phone and artificial neural network. All experiments carried out in Kappur ponds in Sonqor city, Kermanshah province. Samples collected from three different depths. The 12 parameters consisted of 6 color features (red, green, blue, black, gray and white), and 6 tissue features (mean, standard deviation, softness, third torque, uniformity and entropy) were extracted from image samples and were selected as inputs to the neural network model. Based on the results, network with structure of 12-15-4 (12 neurons in the input layer, 15 neurons in the hidden layer and 4 neurons in the output layer) was the best model for predicting the parameters with R2 of 0.913, 0.993, 0.994 and 0.958 for pH, TDS, EC and Turb, respectively. These values for RMSE were 0.054, 1.835, 3.766 and 0.262, respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سجاد حیدری |
گروه مهندسی مکانیک بیوسیستم، دانشگاه رازی، کرمانشاه، ایران

اسماعیل میرزائی قلعه |
گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران

حکمت ربانی |
گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران

فرشاد وصالی |
گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران

نشانی اینترنتی https://ijbse.ut.ac.ir/article_73654_91e9e4c0e9db0dcb9639c7675400f65d.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-2059938.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