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
پنجشنبه 30 بهمن 1404
فناوری های نوین غذایی
، جلد ۲، شماره ۲، صفحات ۱۰۵-۱۱۳
عنوان فارسی
تعیین میزان تازگی شیر فرادما با تعیین شاخصهای رنگی L*a*b* توسط پردازش تصویر
چکیده فارسی مقاله
در این پژوهش به بررسی امکان تعیین میزان ماندگاری شیر فرادما با تعیین شاخصهای رنگی L*a*b* و با استفاده از پردازش تصویر، پرداخته شد. بدین منظور پاکتهای شیر خریداری شده به مدت شش ماه در انکوباتور در دمای محیط (C˚5±25) ذخیرهسازی شدند، سپس عملیات تصویربرداری و پردازش تصویر جهت استخراج پارامتر رنگی میانگین (mean) از کانالهای L،a* و b* سیستم رنگی CIELab انجام شد. نتایج حاصل از این تحقیق بیانگر تغییرات معنیدار پارامتر رنگی میانگین هر سه مولفه L،a* و b* در طی دوره انبارداری شیر فرادما بود. به منظور تعیین ماندگاری شیر فرادما ویژگیهای رنگی استخراج شده به عنوان ورودی یک شبکه عصبی مصنوعی لینک شده با الگوریتم ژنتیک مورد استفاده قرارگرفتند. تمامی برنامه نویسیهای مربوط به پردازش تصویر و مدل عصبی-ژنتیک توسط نرم افزار متلب نسخه R2013a انجام شد. مدل عصبی-ژنتیک با ضریب همبستگی بیش از 95/0 و میانگین مربعات خطای 075/0 در تعیین میزان تازگی شیر فرادما، موفق ارزیابی شد.
کلیدواژههای فارسی مقاله
شیر فرادما، شبکه عصبی مصنوعی، ذخیرهسازی، پردازش تصویر، L*a*b*،
عنوان انگلیسی
Determination of freshness of UHT milk with L * a * b * color parameters measured by image processing
چکیده انگلیسی مقاله
In this study the possibility of determining the shelf life of UHT milk with determininig the L * a * b * color indexes were investigated using image processing. Therefore purchased milk was stored in an incubator at ambient temperature (25±5˚ C) for six months. The imaging and image processing operations was performed to extract mean color parameter of the channel L, a * and b * of color system CIELab. The results indicate significant changes in mean color parameters of the three components of the L, a * and b * during storage of UHT milk. To determine the shelf life of UHT milk, extracted color features were applied as inputs to an artificial neural network linked with genetic algorithms. All programming for image processing and neural-genetic model was performed using Matlab software version R2013a. Neuro-genetic model with the correlation coefficient greater than 0.95 and the mean square error of 0.075 successfully tested in determining the freshness of UHT milk.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
رضوان بهارلوئی |
دانشجوی کارشناسی ارشد، دانشگاه شهرکرد
علی ملکی |
استادیار، دانشگاه شهرکرد
مهدی قاسمی ورنامخواستی |
استادیار، دانشگاه شهرکرد
داود قنبریان |
دانشیار، دانشگاه شهرکرد
مجتبی بنیادیان |
دانشیار، دانشگاه شهرکرد
نشانی اینترنتی
http://jift.irost.ir/article_94_1024239f2b8d94f9584914ab5be7e759.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1026/article-1026-580025.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