این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۴۶، شماره ۴، صفحات ۳۵۵-۳۶۲
عنوان فارسی جداسازی بادام‌ های به‌هم چسبیده و طبقه ‌بندی کیفی آنها با تلفیق تکنیک‌ های پردازش تصویر و شبکه‌ های عصبی مصنوعی
چکیده فارسی مقاله ارزیابی کیفی محصولات کشاورزی از فاکتور‏های بسیار مهم در ارتقای کیفیت آن‏ها است. در این تحقیق روشی مبتنی بر ترکیب پردازش تصویر و شبکۀ عصبی مصنوعی پیشنهاد شده است. جداسازی بادام‏های به‌هم چسبیده که با وضعیت‏های متفاوت به‌هم متصل شده‏اند، از جنبه‏های مهم در طراحی دستگاه‏های درجه‏بندی بادام هستند. بر این اساس، الگوریتمی مبتنی بر تکنیک پردازش تصویر برای استخراج نقاط بحرانی و رسم خطوط جداسازی به شکلی صحیح بین آن‏ها پیشنهاد شده است. نتایج نشان داد که این الگوریتم با دقت قابل قبولی بادام‏های به‌هم چسبیده را جداسازی کرد. در گام بعد به ترتیب 6، 36، و 36 ویژگی مرتبط با شکل، رنگ، و بافت از بادام استخراج و از روش PCA برای کاهش تعدادی از این ویژگی‏ها استفاده شد. سرانجام، به‌منظور طبقه‏بندی چهار کلاس بادام از روش شبکه‏های عصبی مصنوعی با ساختار 4-7-7-18 و میانگین دقت کل 92/96درصد استفاده شد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Separation of touching almonds and their quality classification by combining image processing and artificial neural networks techniques
چکیده انگلیسی مقاله The quality evaluation of agricultural products is one of the key factors in promoting their quality. In this study, a method based on combined image processing technique and artificial neural network was presented. Separation of touching almonds under different positions is a very important step in design of grading devices. In this study, an image processing algorithm based on extracting critical points in the image of almonds and drawing segmentation lines between them is presented. In the next step, the feature vector which includes 6 shape features, 36 color features and 36 texture features was composed. PCA method was used to reduce the dimension of the feature vector. The quality classification of almond in different classes was carried out by artificial neural networks (ANNs). Among different ANN structures, the 18-7-7-4 topology was the most optimum classifier (total accuracy was obtained 96.92%).
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله نیما تیموری |
دانشجوی دکتری گروه مهندسی ماشین های کشاورزی، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

محمود امید |
استاد گروه مهندسی ماشین های کشاورزی، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

کاوه ملازاده |
استادیار گروه مهندسی بیوسیستم، دانشگاه کردستان
سازمان اصلی تایید شده: دانشگاه کردستان (Kordestan university)

علی رجبی پور |
استاد گروه مهندسی ماشین های کشاورزی، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://ijbse.ut.ac.ir/article_57341_94b10f778146dbd076e9396884f1541f.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-223111.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