بررسی قابلیت شبکه عصبی مصنوعی پرسپترون به منظور آشکارسازی ناحیه سالم و آلوده به کپک سبز پرتقال در تصاویر مریی و فراطیفی

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 345

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCAMEM11_131

تاریخ نمایه سازی: 20 آبان 1397

چکیده مقاله:

با توجه به اهمیت روزافزون کاهش ضایعات محصولات کشاورزی، پیشگیری از رشد کپک سبز پرتقال که یکی از عواملضایعات انباری است بیش از پیش مورد نیاز است. شناسایی غیرمخرب نمونه های آلوده به قارچ قبل از ورود به انبار توسطتصویربرداری چندطیفی با کلاسه بندی ناحیه و سالم و آلوده در این تحقیق مورد بررسی قرار گرفت. از آنجایی که هر فرآیندکلاسه بندی به دنبال یک رابطهی تابعی بین عضویت گروهی و ویژگی های شی است، شبکه عصبی با ایجاد مدل های غیرخطیکه در مدلسازی روابط پیچیده دنیای واقعی بسیار قوی است میتواند برای شناسایی این رابطه تابعی استفاده گردد. در نتیجه ازشبکه عصبی مصنوعی به منظور کلاسه بندی دادههای طیفی ناحیه سالم و آلوده استفاده گردید و درصد کلاسه بندی درست 6 / 89درصد به دست آمد. شبکه عصبی مصنوعی با داده های جدید نیز مورد ارزیابی قرار گرفت که بالاترین دقت طبقه بندی 84 / 96 درصد به دست آمد.

نویسندگان

نرگس قانعی قوشخانه

عضو هییت علمی، گروه مهندسی بیوسیستم، دانشگاه فردوسی مشهد

محمودرضا گلزاریان

دانشجوی دکتری، گروه مهندسی بیوسیستم، دانشگاه فردوسی مشهد

مجتبی ممرآبادی

عضو هییت علمی، گروه مهندسی بیوسیستم، دانشگاه فردوسی مشهد