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

بازشناسی ارقام ایرانی بر اساس تحلیل مولفه های رنگی تصاویر دیجیتال

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۵۳۸ | نظرات: ۰
سال انتشار: ۱۳۹۱
نوع ارائه: پوستر
کد COI مقاله: NCAMEM07_280
زبان مقاله: فارسی
حجم فایل: ۳۰۵.۲۳ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۶ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال 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 ۶ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بازشناسی ارقام ایرانی بر اساس تحلیل مولفه های رنگی تصاویر دیجیتال

ایمان گلپور - دانشجوی کارشناسی ارشد گروه مکانیک ماشین های کشاورزی دانشکده کشاورزی
  جعفر امیری پریان - استادیار گروه مکانیک ماشین های کشاورزی دانشکده کشاورزی دانشگاه بوعل
  رضا امیری چایجان - استادیار گروه مکانیک ماشین های کشاورزی دانشکده کشاورزی دانشگاه بوعل

چکیده مقاله:

برنج به عنوان یک ماده غذایی ارزشمند، نقش بسیار مهمی را در تغذیه مردم جهان ایفا می کند. واریته ی برنج یکی از عواملی است که روی بازده و کیفیت دانه ها سهیم است. بنابراین تشخیص و طبقه بندی ارقام برنج با توجه به اهمیت آن در کشاورزان مدرن بسیار مهم یم باشد. خواص فیزیکی و شیمیایی، کیفیت برنج را مشخص میکند. این خواص برای طبقه بنید واریته های برنج و قیمت آن در بازار مهم است. امروزه کیفیت برنج به صورت دهین و دستی از طریق بازرسی بصری توسط تکنسین های با تجربه تعیین می شود. این رش خسته کنندخ، پر هزینه ووقت گیر وگاهی اوقات ممکن است به دلیل خطاهای انسانی قابل اعتماد نباشد. لذا هدف از این تحقیق طراحی الگوریتمی برای پردازش تصاویر پنج رقم برنج سفید ( طارم محلی، فجر، شیرودی، ندا و خزر) به منظور باز شناسی ارقام برنج ایرانی می باشد. رنگ عمل کیفی مهمی برای درجه بندی و بازاریابی محصولات کشاورزی محسوب می شود و هدف اولیه این پژوهش توسعه یک مدل هوشمند موثر برای تشخیص ارقام برنج است. به این منظور ویژگی های رنگی در فضاهای رنگی RGB و HSI و HSV و برخی دیگر از مولفه های مستقل، از تصاویر دیجیتال گرفته شده از ارقام مختلف استخراج و محاسبه شدند. برای طبقه بندی نتایج، از شبکه عصبی پس انتشار (BPNN) استفاده شد. نتایج حاصله ضریب تبیین بالایی بین مولفه های رنگی تصاویر و نوع رقم تحقیق نشان داد که میتوان به میانگین دقت بازشناسی 97/12 اشاره کرد.

کلیدواژه‌ها:

پردازش تصویر، شبکه عصبی، واریته های برنج، ویژگی های رنگی

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_280.html
کد COI مقاله: NCAMEM07_280

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:
گلپور, ایمان؛ جعفر امیری پریان و رضا امیری چایجان، ۱۳۹۱، بازشناسی ارقام ایرانی بر اساس تحلیل مولفه های رنگی تصاویر دیجیتال، هفتمین کنگره ملی مهندسی ماشین های کشاورزی و مکانیزاسیون، شیراز، دانشگاه شیراز، https://www.civilica.com/Paper-NCAMEM07-NCAMEM07_280.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: (گلپور, ایمان؛ جعفر امیری پریان و رضا امیری چایجان، ۱۳۹۱)
برای بار دوم به بعد: (گلپور؛ امیری پریان و امیری چایجان، 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 :

  • - عزیزی، ا. ۱۳۷۸. گزارش پژوهشی نهایی طرح بررسی و ...
  • Faccin.G .L, L.Vieira, L. A. Miotto, (2009), Chemical, Sensorial and ...
  • Liu Z.Y., CHeng, Fang. Ying, Yi-bin, Rao Xiu-qin., (2005) .Indentification ...
  • Majumdar, S., Jayas, D.S., (2000). Classification cereal grains using machine ...
  • Patil, N.M., Yadahalli, R.V., Pujari, J., (2011). Comparison between HSV ...
  • Paliwal, J., Borhan, M.S., Jayas, D.S..(2004). Classification of cereal grains ...
  • Shantaiya, S., Ansari, M.U., 2010. Identification of food grain and ...
  • S ansomboonsuk, S., and Afzulpurkar, N., (2008). Machine vision for ...
  • Zhang, M.S., Ustin, L., Rejmankova, E., Sanderson, E.W. (1997). Monitoring ...
  • دانشگاه شیراز، ۱۴ الی ۱۶ شهریور ۱۳۹۱ ...
  • مدیریت اطلاعات پژوهشی

    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.