این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
چهارشنبه 26 آذر 1404
پژوهش و نوآوری در علوم و صنایع غذایی
، جلد ۱۲، شماره ۳، صفحات ۲۵۹-۲۷۲
عنوان فارسی
امکانسنجی تشخیص و درجهبندی فیزیکی خرمای مضافتی با استفاده از روش پردازش تصاویر دیجیتال و الگوریتم ماشین بردار پشتیبان
چکیده فارسی مقاله
روشهای سنتی درجهبندی خرما به علت نبود ویژگیهای کمی مشخص باعث درجهبندی ناصحیح شده و اتلاف زمان و هزینه ایجاد میکند. درجهبندی خرما براساس الگوریتهای طبقهبندی میتواند اختلافنظر فروشنده و خریدار را کاهش دهد. در این تحقیق شناسایی برخی ویژگیهای کیفی خرمای مضافتی و درجهبندی آن به چهار دسته (درجۀ 1، 2، 3 و 4) طبق نظرهای استخراجشده از واردکنندگان خرمای مضافتی کشور روسیه انجام شده است و برای ایجاد ارتباط معنیدار بین کیفیت خرما و برنامۀ پردازش تصویر در محیط متلب ماشین بردار پشتیبان مورد استفاده قرار گرفت . نتایج ماشین بردار پشیتبان خطی، کوادراتیک، کوبیک و گوسین متوسط دارای دقت 100 درصد بوده، یعنی توانسته است درجهبندی را بهطورکامل انجام دهد. برای درک چگونگی عملکرد درجهبندیشدۀ انتخابشده در هر درجه، از طرح ماتریس اغتشاش استفاده شده است. منحنی مشخصۀ عامل گیرنده نرخ درجهبندی مثبت در مقابل نرخ مثبت کاذب را برای انتخاب آموزش درجهبندی، ارائه میدهد. نرخ مثبت 0/97 در درجۀ اول نشان میدهد که طبقهبندیکنندۀ فعلی 0/97 از مشاهدهها را بهدرستی به درجۀ مثبت اختصاص میدهد. بهمنظور صحتسنجی نهایی از ضریب کاپا استفاده شده است که با نظر خبرگان نیز میزان درستی درجهبندی موردبررسی قرار گرفته است. تمام مقادیر کاپا بزرگتر از 0/6 بوده و دارای پایداری کافی است. همچنین بیشترین کاپا مربوط به روش کوبیک بیش از 0/8 و کمترین مربوط به گوسین کامل با مقدار 0/76 است. باتوجهبه دقت و صحت پیادهسازی با ماشین بردار پشتیبان این روش با بازده بالایی قابلیت درجهبندی خرما را با ویژگیهای استخراجشده دارد.
کلیدواژههای فارسی مقاله
پردازش تصویر دیجیتال، درجه بندی، ویژگیهای کیفی خرمای مضافتی، MATLAB، SVM،
عنوان انگلیسی
Study the Possibility of Physical Assessment and Grading of Mazafati Dates Using Digital Image Processing and Support Vector Machines
چکیده انگلیسی مقاله
The traditional methods of grading dates, due to the lack of specific characteristics, have led to incorrect grading and wasting both time and money. Date grading based on the classification algorithms could reduce seller and buyer disagreement. It also allows the product to be sold at the right price. In this research, identification of some qualitative characteristics of Mazafati dates and its classification into four categories (grades 1, 2, 3, and 4) has been done according to the opinions extracted from experts Intending to define a significant link between the quality of dates, mobile image processing application conducted in in Matlab, support vector machine (SVM) was The results of linear, quadratic, cubic, and medium Gaussian SVMs were 100% accurate, meaning that the classification had been successful. The ROC curve provided a positive classification rate versus a false positive rate for selecting classification training. A grade 1 positive rate of 0.97 indicates that the current classifier allocates 97% of the observations correctly to the positive class (primarily rank). In order to make the final verification, the Kappa coefficient was used. All Kappa values are greater than 0.6 and have sufficient stability. Also, the highest Kappa coefficient was related to the cubic method by more than 0.8 and the lowest one was related to fine Gaussian with a value of 0.76. Due to the accuracy and precision of implementation with SVM, this method with high efficiency wascapable of grading dates.
کلیدواژههای انگلیسی مقاله
پردازش تصویر دیجیتال, درجه بندی, ویژگیهای کیفی خرمای مضافتی, MATLAB, SVM
نویسندگان مقاله
مقداد تکلوزاده |
گروه علوم و صنایع ، دانشگاه فردوسی مشهد، مشهد، ایران
محبت محبی |
گروه علوم و صنایع غذایی، دانشگاه فردوسی مشهد، مشهد، ایران
مسعود تقی زاده |
گروه علوم و صنایع غذایی، دانشگاه فردوسی مشهد، مشهد، ایران
نشانی اینترنتی
https://journals.rifst.ac.ir/article_147968_6c88cb17c2e9289da5fe65a172de4ddf.pdf
فایل مقاله
فایلی برای مقاله ذخیره نشده است
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