دسته بندی گوجه فرنگی با استفاده از MLP، SVM و LVQ
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,841
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
FJCFIS01_153
تاریخ نمایه سازی: 14 خرداد 1387
چکیده مقاله:
در این مقاله کنترل خودکار کیفیت گوجه فرنگی براساس بکارگیری روشهای مختلف MLP ، LVQ و SVM مورد بررسی قرار گرفته است. ابتدا تصاویر توسط دوربین دیجیتالی گرفته شد و سپس عملیات حذف نویز و بهبود کنتراست بر روی تصاویر صورت پذیرفت. سپس مهمترین مرحله که استخراج ویژگی از تصاویر گوجه فرنگی است،انجام گرفت. ویژگیهای استخراج شده عبارتند از: میزان قرمزی و زردی که به صورت فازی به دست آمده، میزان سبز بودن، ممان مرتبه اول، ممان مرتبه دوم، ممان مرتبه سوم، میانگین این سه ممان، میزان گرد بودن و مساحت. ویژگیهای بدست آمده به دسته بندی کننده های متفاوت داده شد و نتایج بدست آمده مورد مقایسه و ارزیابی قرار گرفت . نتایج نشان می دهند که SVM نسبت به روش های دیگر بهتر عمل می کند.
کلیدواژه ها:
نویسندگان
شبنم شادرو
دانشگاه آزاد اسلامی واحد مشهد- گروه ارشد هوش مصنوعی
صدیقه ایلدر آبادی
موسسه آموزش عالی سپاهان
مینا فخلعی
دانشگاه آزاد اسلامی واحد مشهد- گروه ارشد هوش مصنوعی
حمیدرضا پوررضا
دانشگاه آزاد اسلامی واحد مشهد-
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :