این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۴۴، شماره ۲، صفحات ۱۲۵-۱۳۳
عنوان فارسی کاربرد شبکه‌های هوش مصنوعی و استنتاج عصبی‌ فازی‌ تطبیقی برای تعیین محتوای رطوبتی برگ چای سبز براساس پارامترهای رنگی
چکیده فارسی مقاله استفاده از پردازش تصویر و سامانه‌های هوش مصنوعی در زمینۀ کشاورزی و صنایع غذایی روز‌به‌روز بیشتر می‌شود. هدف از انجام این تحقیق، بررسی امکان استفاده از پردازش تصویر در پیش‏بینی روند تغییرات محتوای رطوبتی برگ‌‏های چای سبز در حین خشک‌شدن با استفاده از سامانه‏های پیش‏گویی شبکۀ عصبی مصنوعی و استنتاج فازی‌ ‌عصبی‌ ‌تطبیقی است. آزمایش‌های خشک‌کردن به‌روش لایه نازک و براساس عوامل مؤثر در خشک‌شدن در پنج دمای 50، 60، 70،80، و 90 درجۀ سلسیوس و سه سرعت جریان هوای 5/0، 1، و 5/1 متر‌بر‌ثانیه انجام گرفت. نتایج حاصل از استخراج پارامترهای رنگی تصاویر برگرفته از نمای بالای نمونه‏ها، به‌عنوان داده‏های ورودی سامانه‏های هوش مصنوعی، برای تعیین محتوای رطوبتی آن‌ها به‌کار برده شد. در‌پایان، بهترین نتایج پیش‏بینی شبکۀ عصبی مصنوعی با دو لایۀ پنهان (شامل 12 نرون در لایۀ اول و 15 نرون در لایۀ دوم)با ضریب تعیین 948/0 و مجذور میانگین مربعات خطای 092/0 گردید.
کلیدواژه‌های فارسی مقاله پردازش تصویر، چای سبز، خشک‌کردن، هوش مصنوعی،
عنوان انگلیسی Application of artificial neural network and adaptive neuro-fuzzy inference systems in determining the moisture content in green tea sheets based on colored parameters
چکیده انگلیسی مقاله Using image processing and artificial intelligence systems in agriculture and food industry is increasing daily. The purpose of this research is to study the feasibility of using image processing technique in predicting process of moisture content changes on green tea sheets during the drying using predictive artificial intelligence systems such as: artificial neural networks and adaptive neuro-fuzzy inference system. The drying experiments were conducted at five temperatures of 50, 60, 70, 80 and 90 °C and three air flow rates of 0.5, 1 and 1.5 m/s using thin layer method. The results gained out of extracting colorful images took from upper view of samples were applied as input data of artificial intelligence systems for determining moisture content. Finally, the best results predicted by the artificial neural network with two hidden layers contained (12 neurons in the first layer and 15 neurons on the second layer) with correlation coefficient of 0.948 and root mean square error of 0.092, respectively.
کلیدواژه‌های انگلیسی مقاله Image processing, Artificial intelligence, Drying, green tea
نویسندگان مقاله محمد شهابی قویونلویی | shahabi قویونلویی
دانشجوی کارشناسی ارشد، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

شاهین رفیعی |
استاد، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

سید سعید محتسبی | seyed saeed
استاد ،پردیس کشاورزی و منابع طبیعی دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

سلیمان حسین پور |
دانش آموخته دورۀ دکتری، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://ijbse.ut.ac.ir/article_50120_70c87e14744f5e03b45baf541f66775d.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-223182.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