CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

مدلسازی سیستم پیشامد گسسته برای جداسازی پسته خندان و غیر خندان توسط سامانه هوشمند ماشین بینایی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۵۴۶ | نظرات: ۰
سال انتشار: ۱۳۹۱
نوع ارائه: شفاهی
کد COI مقاله: NCAMEM07_073
زبان مقاله: فارسی
حجم فایل: ۲۹۸.۲۴ کیلوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۰ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدلسازی سیستم پیشامد گسسته برای جداسازی پسته خندان و غیر خندان توسط سامانه هوشمند ماشین بینایی

  جعفر قزلباش - دانشگاه آزاد اسلامی واحد ابهر، گروه مهندسی مکانیک ، ابهر، ایران
سعید مینایی - دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه مهندسی ماشین های کشاو
    مجتبی مرادی - دانشگاه آزاد اسلامی واحد ابهر، گروه مهندسی مکانیک ، ابهر، ایران
  پیام ناظم زاده - دانشگاه آزاد اسلامی واحد خمینی شهر، گروه مهندسی مکانیک ، خمینی شهر،

چکیده مقاله:

بر اساس آمار سازمان کشاورزی و خواروبار جهانی (FAO) ایران در سال 2009 با تولید 58% محصول پسته بزرگترین تولید کننده پسته جهان بوده است. فرآوری پسته از جمله مراحلی است که تاثیر فراوانی بر بازار پسندی و کیفیت محصول نهایی دارد. در حال حاضر دسته بندی پسته ها بطور دستی، یا به وسیله دستگاه های الکترومکانیکی و یا الکترواپتیکی انجام می شود. دستگاه های الکترومکانیکی دقیق نیستند و در هنگام انجام عمل جداسازی به دلیل تماس مستقیم به مغز پسته آسیب می رسانند و ظاهر نامناسبی را برای محصول خندان ایجاد می کنند. دستگاه های الکترواپتیکی هم تنها می توانند محصول پسته را به دو دسته قابل قبول و غیر قابل قبول تقسیم کنند که این امر در اکثر موارد رضایت بخش نمی باشد. با پیشرفت تکنولوژی،اتوماسیون سیستم های کشاورزی و کنترل گسسته این سیستم ها نقش بسزایی در توسعه مکانیزاسیون کشاورزی و بهبود عملیات فرآوری محصولات کشاورزی خواهد داشت. با توجه به اینکه در اینگونه کاربردها، ورودی های سیستم کن ترلی به صورت پیشامدهای گسسته است، اتوماسیون این سیستم ها، نیازمند طراحی کنترلرهای دیجیتال خواهد بود. روش های مختلفی برای ارائه یک سیستم اتوماسیون گسسته مانند فلوگراف، اتومات و پتری نت وجود دارند. در این مقاله، به بررسی موضوعی ارائه مدلی کنترلی برای یک سیستم جداسازی پسته های خندان و غیر خندان با استفاده از شبکه های پتری نت پرداخته می شود. کاربرد این روش احتمال بروز خطا در عملکرد سیستم جداسازی پسته خندان و غیر ندان را بسته به شرایط مختلف به حداقل می رساند. با پیاده سازی این سیستم نتایج مناسبی در جداسازی پسته با استفاده از پردازش تصویر بدست آمد. آزمایش های انجام شده بر روی سه رقم پسته ایرانی نشانگر توانایی های سامانه ارزان قیمت طراحی شده برای جداسازی پسته های خندان با دقت 92% و پسته های غیر خندان با دقت 82/8% می باشد.

کلیدواژه‌ها:

پردازش تصویر، جداسازی، پسته غیر خندان، کنترل گسسته و شبکه پترینت

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCAMEM07-NCAMEM07_073.html
کد COI مقاله: NCAMEM07_073

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
قزلباش, جعفر؛ سعید مینایی؛ مجتبی مرادی و پیام ناظم زاده، ۱۳۹۱، مدلسازی سیستم پیشامد گسسته برای جداسازی پسته خندان و غیر خندان توسط سامانه هوشمند ماشین بینایی، هفتمین کنگره ملی مهندسی ماشین های کشاورزی و مکانیزاسیون، شیراز، دانشگاه شیراز، https://www.civilica.com/Paper-NCAMEM07-NCAMEM07_073.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (قزلباش, جعفر؛ سعید مینایی؛ مجتبی مرادی و پیام ناظم زاده، ۱۳۹۱)
برای بار دوم به بعد: (قزلباش؛ مینایی؛ مرادی و ناظم زاده، ۱۳۹۱)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • - ابریشمی، م. ح، ۱۳۷۳. پسته ایران شناخت تاریخی. مرکز ...
  • - درویشیان، م. ۱۳۷۸. کشت وتولید پسته. ترجمه. تهران: موسسه ...
  • - دیدبان، ع. مرادی، م. و ناظم‌زاده، پ. طراحی مفهومی ... (مقاله کنفرانسی)
  • - صیادزاده، ح، فقیه ایمانی، م . و یزدانی، م ... (مقاله کنفرانسی)
  • - قزلباش، ج، ۱۳۸۴. جداسازی پسته های خندان و غیرخندان ...
  • بررسی امکان جداسازی پسته های خندان و غیرخندان با استفاده از بینایی کامپیوتر [مقاله کنفرانسی]
  • Cetin A. E, Pearson T. C, Tewfik A. H., (2004). ...
  • Chirn J. L. and McFarlane _ C., (2000). Petri nets ...
  • Ghazanfari A, Wulfsohn D, Irudayaraj J., (1998). Machine vision grading ...
  • Ghezelbash J, Borghaee A. M., Minaei S., Fazli S. and ...
  • Hruz B, Zhou M. C., (2007). Modeling and control of ...
  • دانشگاه شیراز، ۱۴ الی ۱۶ شهریور ۱۳۹۱ ...
  • Kumar v. and Garg V. K., (1995). Modeling and control ...
  • Pearson T, Toyofuko N., (2000). Automated sorting of Pistachio Nuts ...
  • Pearson T. C, Slaughter D. C., (1996). Machine vision detection ...
  • Ramadge P. J, Wonham W. M., (1989). The control of ...
  • Wen Q., Kumar R, Huang J, and Liu H., (2007). ...
  • Wonham W. M, and Ramadge P. J., (1987). On the ...
  • Zurawski R, Zhou M., (1994). Petri nets and industrial applications. ...
  • دانشگاه شیراز، ۱۴ الی ۱۶ شهریور ۱۳۹۱ ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۳۹۹
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • کشاورزی > پسته
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.