تشخیص ترک در پوسته تخم مرغ با استفاده از SVM و PCA

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 835

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCAMEM08_149

تاریخ نمایه سازی: 14 شهریور 1393

چکیده مقاله:

بازرسی ترک پوسته تخم مرغ در گذشته به طور معمول در صنعت با نورآزمایی صورت میگرفته است. این عمل با گذر زمان سبب خستگی چشم، قضاوت نادرست و تشخیص سخت ترکهای موئی میگردد. پژوهش های اخیر به مطالعه تشخیص ترک پوسته تخم مرغ براساس تشخیص نوری و مکانیکی به طور خودکار متمرکز میباشد. در این پژوهش، پوسته تخم مرغ ها به وسیله یک ضربه زن مکانیکی سبک در مکانهای مختلف تحریک شدند و پاسخ فرکانسی ارتعاش پوسته تخممرغ همراه با شناسایی الگو برای تشخیص تخم مرغ سالم از ترکدار استفاده گردید. روشهای شناسایی الگو مورد استفاده SVM و PCA بودند. تعداد بهینه مولفه های اصلی با توجه به مقدار خطای مدل پیشگو و حداکثر تمییز میان تخم مرغ سالم از ترکدار 7 بدست آمد. نتایج پژوهش نشان داد که روش تحلیل ارتعاشی پاسخ ضربه پوسته توانایی تشخیص تخم مرغ سالم و با پوسته ترکدار به ترتیب با دقت 100% و 87/5 % را دارد.

کلیدواژه ها:

تخم مرغ سالم و ترک دار ، پاسخ فرکانسی ارتعاش SVM و PCA

نویسندگان

سامان آبدانان مهدی زاده

استادیار دانشکده کشاورزی دانشگاه کشاورزی و منابع طبیعی رامین خوزستان

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 :
  • آبدانان مهدی‌زاده، س.، مینایی، س. مهاجرانی، ع.، و کریمی ترشیزی، ...
  • دانشگاه فردوسی مشهد _ _ _ یهمن ماه 1392 ...
  • دانشگاه فردوسی مشهد _ _ _ یهمن ماه 1392 ...
  • دانشگاه فردوسی مشهد _ _ _ یهمن ماه 1392 ...
  • Abdanan Mehdizadeh S., S. Minaei, E. Mohajerani, and M. A. ...
  • Adankon, M.M., and M. Cheriet. 2009. Model selection for the ...
  • Aly, F., and C. E. Semler. 1985. Prediction of refractory ...
  • Bourely A. J., T. C. Hsia, and S. K. Upadhyaya. ...
  • Burges, C. 1998. A tutorial _ support vector machines for ...
  • Cho, H. K., W. K. Choi, and J. H. Paek. ...
  • De Ketelaere, B., P. Coucke, and J. De Baerdemaeker 2000. ...
  • Gomez, A. H., J. Wang, and A. G. Pereira. 2006. ...
  • Goodrum, J..W., and R. T. Elster. 1992. Machine vision for ...
  • _ Gunn, S. R. 1998. Support Vector Machines for Classification ...
  • Idah, P.A., M.G. Yisa, E.S.A. Ajisegiri, and O. Okpala. 2009. ...
  • Jindal, V. K., and E. Sritham. 2003a. Detecting eggshell cracks ...
  • Jindal, V. K., and E. Sritham. 2003b. Detecting eggshell cracks ...
  • Karimi, Y., S. O. Prasher, R. M. Patel, and S. ...
  • Kemps, B. J., B. De Ketelaere, F. R. Bamelis, E. ...
  • Sun, L., J.R. Cai, H. Lin, J. Zhao, and X. ...
  • Mat Nawi, N., G. Chen, T. Jensen, and S. Abdanan ...
  • Moura, D.J., W.T. Silva, I.A. Naas, Y.A. Tolon, K.A.O. Lima, ...
  • Nashat, S., A. Abdullah, S. Aramvith, and M.Z. Abdullah. 2011. ...
  • Pan, L., G. Zhan, K. Tu, S. Tu, and P. ...
  • Pinhas, J., V. Soroker, A. A. Hetzroni, Mizrach, M. Teicher, ...
  • Wang, J., and R. S. Jiang. 2005. Eggshell crack detection ...
  • Wang, J. T. J. Ying, and K. C. Cheng. 2007. ...
  • نمایش کامل مراجع