این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۴۳، شماره ۱، صفحات ۱۹-۲۸
عنوان فارسی روشی جهت درجه‌بندی خرمای مضافتی با استفاده از پردازش تصویر
چکیده فارسی مقاله عدم رعایت استاندارد­های جهانی و درجه­بندی و بسته­بندی نامناسب از دلایل عدم توجه درخور به خرمای ایران است. سامانه ماشین بینایی روش­ نوینی است که در بخش کشاورزی کاربردهای مختلفی دارد. در این تحقیق روشی جهت طبقه­بندی خرمای مضافتی با استفاده از پردازش تصویر به پنج دسته سالم، چروکیده، کپک­زده، صدمه­دیده و خال­زده ارائه شده است. ابتدا از نمونه­هایی که با بینایی انسان دسته­بندی شده بود تصاویری اخذ شد. با استفاده از روش­های تحلیل تصویر و شبکه­ عصبی مصنوعی در محیط برنامه نویسی متلب روشی جهت بازشناسی نواحی معیوب خرما تهیه شد. با تهیه الگوریتمی درجه­بندی با استفاده از دو تصویر از هر خرما انجام شد. درجه­بندی بینایی ماشین با معیار استاندارد بررسی شد. نرخ بازشناسی درست در روش پردازش تصویر برای خرمای سالم، چروکیده، صدمه­دیده، کپک­زده و خال­زده به ترتیب 83/95%، 89/88%، 28/64%، 55/80% و 00/80% به­دست آمد. در اندازه­بندی از معادله چند جمله­ای درجه اول برای تعریف تابع وابستگی مابین متغیر وابسته (وزن خرما) و متغیرهای مستقل (طول، قطر و مساحت) استفاده شد. مدل ارائه شده هم­بستگی خوبی برای تخمین وزن خرمای سالم دارد)  93/0= 2(R.
کلیدواژه‌های فارسی مقاله بینایی ماشین، دسته‌بندی، خرابی‌های خرما، شبکه عصبی مصنوعی،
عنوان انگلیسی A Method of Grading of Mozafati Date, Using Image Processing
چکیده انگلیسی مقاله Iran has not yet gained the desired place in world date market, due to not considering the world standards in the processes of grading and packaging. Machine vision and image processing are two of the new techniques that have found their places of application in agricultural industry. In this research, a solution has been introduced for classification of Mozafati date introducing 5 different grades namely: intact, shrinkage, damaged, mouldy and splotchy. A number of images were initially taken from the dates. They had been chosen, divided, and graded by an experienced person in this field. Through image processing technique and artificial neural network in MATLAB, a method for recognition of dates' defective areas was prepared. By preparation of an algorithm, date grading was carried out by using two images from each date. Machine vision comparison was employed using standard criteria. Correct recognition rate in image processing method  for intact, shrinked, damaged, mouldy and splotchy dates amounted to 95.83%, 88.89%, 64.28%, 80.55% and 80.00% respectively.  First order polynomial equations were employed to define the function between dependent variable (weight of date) and the independent variables (length, diameter and area) in the process of fruit grading. The submitted model benefits from a good correlation in estimating the weight of the intact dates (R2=0.93).
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حجت رحمانی |
دانش آموخته کارشناسی ارشد، دانشگاه شهیدباهنر کرمان
سازمان اصلی تایید شده: دانشگاه شهید باهنر (Shahid bahonar university)

سیدناصر علوی | seyed naser
استادیار، دانشگاه شهید باهنر کرمان
سازمان اصلی تایید شده: دانشگاه شهید باهنر (Shahid bahonar university)

نشانی اینترنتی http://ijbse.ut.ac.ir/article_35203_c2743e1bbb4581184bbc5eacaaf30aae.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-223211.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