طراحی، ساخت و ارزیابی ماشین بینایی هوشمند در کشت بافت

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 921

فایل این مقاله در 15 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:

NCAMEM07_050

تاریخ نمایه سازی: 8 بهمن 1391

چکیده مقاله:

در سالهای گذشته از کشت بافت به عنوان یک روش کاربردی در اصلاح گیاهان مختلف استفاده گردیده است. مشکل اصلی در مشاهدات تماسی می باشد، به نحوی که در طول مراحل کشت بافت اندازه گیری مشخصات فیزیکی به صورت تماسی سبب آلوده شدن و تخریب اکثر نمونه های کشت می گردد. همچنین با توجه به کوچک بودن تغییرات رشد در طول دوره رشد ثبت آنها به روش معمول از دقت کافی برخوردار نخواهد بود. ماشین بینایی مورد نظر با توجه به دقت بالای مورد نیاز در آزمایشگاههای بیوتکنولوژی طراحی و ساخته شد. مهمترین پارامتر طراحی ماشین بینایی فاصله دوربین از نمونه بود که با کالیبراسیون اشکال هندسی فاصله بهینه 41 سانتیمتری انتخاب گردیده است. پس از ارزیابی اولیه توسط نمونه های آزمایشی سنگ به کمک شبکه های عصبی مصنوعی در نهایت یک سیستم با توان بهرهمندی از شبکه های عصبی مصنوعی طراحی و ساخته شد. شبکه عصبی مصنوعی بهینه 1-3-5 مدل پرسپترون چند لایه با 5 ورودی از خصوصیات سطح بالا برای مشاهدات روی نمونه کشت بافت انتخاب گردید.

نویسندگان

فرشاد نصری

دانشجوی کارشناسی ارشد مکانیک ماشینهای کشاورزی، دانشگاه ایلام

علی محمد فدوی

استادیار گروه ماشین های صنایع غذایی دانشگاه تهران

عادل حسین پور

استادیار گروه مکانیک ماشینهای کشاورزی، دانشگاه ایلام

علی اشرف مهرابی

استادیار گروه زراعت دانشگاه ایلام

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 :
  • آق‌خا نی، م پو ر رضا، ع، د رجه‌بند ی ...
  • د هشیری، ع، ز ر ا عت کلز ا، تهر ...
  • رشید ی، _ غلامی، م , عبا سی، س، تعی‌ن ...
  • سلطا نی، س، سر د ا ری، ل، شیخ‌پو ر، ...
  • شهید ی، اف، شکا ری، لش، د هش‌ری، ع، کلز ...
  • فر و تن، آ، و ا د ی د ا ...
  • مهر ا بی، ع، ا مید ی، م، سید طبا ...
  • Bennedsen, B., Peterson, D., Tabb, A., Identifying defects in images ...
  • Du., C. Jin., Sun, D. W, Mu lti -classification of ...
  • /9] Huang, Y. J., Lee, F. F., An automatic machine ...
  • Koc, A. B., Determination of watermelon volume using ellipsoid approximation ...
  • Li, D., Yang, W., Wang, S., Classification of fo reign ...
  • J Omid, M., Kh ojas tehnazhand, M., Tabatabaefar, A, Estimating ...
  • Qingzhong, _ W., Werkang, G., Computer vision based system for ...
  • S9gaard H.T., Lund, I., Application Accuracy of a Machine Vision-contro ...
  • Wang, T. Y., Nguang, S. K., Low cost sensor for ...
  • Chen, K., Sun, X., Qin, Ch., Tang, X., Color grading ...
  • Chen, Y. R., Chao, K., Kim, M. S., Machine vision ...
  • Granitto, P. M., Verdes, P. F., Ceccatto. H. A., Large-scale ...
  • Granitto, P. M., Navone H. D., Verdes, P. F., Ceccatto, ...
  • Yang. W., Winter, P., Sokhansanj, S., Wood, H. Crerer, B., ...
  • نمایش کامل مراجع