این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۴۸، شماره ۲، صفحات ۲۴۱-۲۴۹
عنوان فارسی تکنیک تصویر برداری ابرطیفی
چکیده فارسی مقاله امروزه تقاضا برای محصولات با کیفیت بالا افزایش یافته و استانداردهای سختگیرانه‌ای برای سلامت آنها وضع می شود. لذا برای ارتقاء صادرات انواع محصولات کشاورزی، استفاده از فن آوری های پیشرفته پس از برداشت، برای تعیین سریع تر، موثرتر و دقیق تر کیفیت و سلامت محصولات ضروری می باشد. در این تحقیق، روش تصویربرداری ابرطیفی در محدوده 400 تا 1000 نانومتر، برای تشخیص سیب های آفت زده توسط کرم سیب، بکار برده شده است. پس از تهیه نمونه های آفت زده و انتقال آنها به آزمایشگاه، تصاویر تحت شرایط کنترل شده گرفته شدند. سپس طیف بازتابی میانگین از نواحی مطلوب استخراج و پیش پردازش گردیده و در نهایت با استفاده از چندین تکنیک یادگیری ماشین شامل تحلیـل تفکیک خطی، k-نزدیکترین همسایه و درخت تصمیم گیر طبقه بندی نمونه ها انجام گرفت. نتایج نشان داد جداسازی میوه های آفت زده با نرخ کلاس بندی 96% و 94% برای نمونه های سالم و آفت زده امکان پذیر بوده و بهترین نرخ کلاس بندی برای روش درخت تصمیم گیر بدست آمد. همچنین طول موج های بهینه برای توسعه تصویربرداری چندطیفی استخراج گردیدند. نتایج این پژوهش بیانگر کارآیی بالای تصویر برداری ابرطیفی در جداسازی غیرمخرب سیب های آفت زده برای استفاده در ماشین‌های درجه‌بندی می‌باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی -destructive Detection of Codling Moth (.Cydia pomonella L) Damage in Apple Fruit Using Hyperspectral Imaging Method
چکیده انگلیسی مقاله this study, Hyperspectral Imaging method in the range of 400-1000nm has been applied to detect infested apples from normal ones. After preparing the infested samples acording to standard and transfering the samples to the lab, the images were taken under controled situation. Afterwards, average relative reflectance was extracted from the region of interest and then was pre-processed. Finaly the average relative reflectance data was classifeid using different machine learning methods including Discriminant Analysis (DA), K-nearest neighbor (KNN) and Decision Tree (DT) techniques. Results showed that classification of infested samples from normal ones was possible with the classification rates of 96% and 94% for normal and infested apples, respectively. The highest classification rate achieved for DA method. Also, the optimum wavelengths were extracted from the spectrum in order to develop Multispectral Imaging system. The results of this research indicate the high performabce of Hyperspectral Imaging Method for non-destructive detection of infested samples for application in apple grading machines.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله رضا علیمردانی |
دکتری، طراحی و ساخت، مکاترونیک

نادر اکرامی راد | ekrami rad
دانشجو دکتری پردیس کشاورزی و منابع طبیعی دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

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

افشین ایوانی |
عضو هیئت علمی موسسه تحقیقات فنی و مهندسی کشاورزی کرج
سازمان اصلی تایید شده: موسسه تحقیقات فنی و مهندسی کشاورزی

نشانی اینترنتی http://ijbse.ut.ac.ir/article_62466_a363133de10119553b2de597aedff02a.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-420466.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