تشخیص آسیب محصول گوجه فرنگی و دسته بندی گوجه فرنگی از لحاظ سلامت یا خرابی با استفاده از ماشین بینایی و ANFIS

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 814

فایل این مقاله در 7 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:

NCAMEM08_183

تاریخ نمایه سازی: 14 شهریور 1393

چکیده مقاله:

از مهمترین فرآیندها در بسته بندی و نگهداری محصولات کشاورزی عملیات دسته بندی می باشد. این عملیات توجه بسیاری از متخصصین و فعالین حوزه را به خود اختصاص داده است و تکنولوژی های بروز و کارآمدی در این زمینه طراحی شده اند. هدف در پژوهش حاضر بدست آوردن الگوریتمی برای تشخیص و دسته بندی محصول گوجه فرنگی و ارائه سامانه ای کارآمد در این زمینه می باشد. برای این فرآیند از شبکه های فازی عصبی موسوم به ANFIS استفاده شده است که در عین سادگی کار و تنظیم کردن، دقتی همپای شبکه های عصبی را برای ما به ارمغان می آورد. پس از عکس برداری از نمونه های گوجه فرنگی تهیه شده این نمونه ها توسط فرد خبره در 2 دسته : ناسالم و سالم قرار داده شد. ویژگی های تصاویر گرفته شده از این نمونه ها با استفاده از ماشین بینایی و الگوریتم های طراحی شده بدست آمده و به سامانه ANFIS سپرده شد. دسته بندی با استفاده از این سامانه و اطلاعات بدست آمده از ماشین بینایی از لحاظ جداسازی محصول سالم از ناسالم انجام گردید، میزان دقت برای قبل و بعد از آموزش بدست آمد که برای این عملیات میزان دقت پس از آموزش 95 % بود.

نویسندگان

هادی ایزدی

دانشجوی کارشناسی ارشد بخش مهندسی بیوسیستم دانشگاه شیراز

سعادت کامگار

استاد بخش مهندسی بیوسیستم دانشگاه شیراز

محمدحسین رئوفت

استاد بخش مهندسی بیوسیستم دانشگاه شیراز

سحر صمصامی

دانشجوی کارشناسی ارشد بخش مهندسی بیوسیستم دانشگاه شیراز

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 :
  • حاجی‌آقا علیزاده، ح. و حسنخانی، _ 1391. کاربرد سامانه ماشین ...
  • حیدری، ع. ر. 1388. پردازش تصویر در MATLAB انتشارات به‌آوران. ...
  • خلیلی، خ. 1380. ماشین بینایی و اصول پردازش دیجیتالی تصاویر. ...
  • شادرو، ش. 1386. دسته‌بندی گوجه‌فرنگی با استفاده از MLP، SVM ...
  • صابری، م. 1386. دسته‌بندی داده‌های مربوط به گوجه‌فرنگی و بررسی ...
  • کارتالوپوس، اس. وی. 1382. منطق فازی و شبکه‌های عصبی، مفاهیم ...
  • کیا، س. م. 1390. منطق فازی در MATLAB انتشارات کیان ...
  • دانشگاه فردوسی مشهد _ _ _ یهمن ماه 1392 ...
  • Aitkenhead, M. J., I. A. Dalgetty, C. E. Mullins, A. ...
  • Brosnan, T. D. W. Sun, . 2002. Inspection and grading ...
  • Casady, W. W., M. R. Paulsen, J. F. Reid and ...
  • Davenel, A., Ch. Guizard, T. Labarre, F. Sevila. 1988. Automatic ...
  • Gonzales, R. C. and R. E. Woods. 2002. Digital image ...
  • Guyer, D. E. and G. Millers. 1986. Machine vision and ...
  • Guyer, D. E.. G. E. Miles, L, D. Gaultney and ...
  • In-Suck Beak Byoung-kwan Cho. Young-sik Kim. 2012. Development of a ...
  • Jang J. S. R. 1993. ANFIS Adap tive- network-based Fuzzy ...
  • Khalifa, S., M. H. Komarizade. 2012. An intelligent approach based ...
  • Mouloud A. Denai, F. Palis and A. Zeghbib. 2004. ANFIS ...
  • Omidi, O., P. Ahmadi, A. Moddares. On-]ine tomato sorting based ...
  • Poyton, C. A. _ Random Variables, and Random Signal Principles ...
  • Rokunu ZZaman, Md., H. P. W. Jayasuriya. 2012. Development of ...
  • Shahin, M. A.. E. W. Tollner, and R. W. McClendon. ...
  • Uthaisombut, P. 1996. Detecting defects in cherries using machine vision. ...
  • نمایش کامل مراجع