طبقه بندی توتفرنگی رقم پاروس با ترکیب تکنیک پردازش تصویر و روشهای هوشمند

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 223

فایل این مقاله در 13 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:

JR_IFST-16-6_001

تاریخ نمایه سازی: 8 دی 1399

چکیده مقاله:

امروزه در کشاورزی مدرن ترکیبی از تکنیک­های پردازش تصویر و روش­های هوشمند برای جایگزینی ماشین­های هوشمند به جای انسان استفاده می­شود. در این مطالعه از روش پردازش تصویر مصنوعی و شبکه عصبی مصنوعی (ANN) برای طبقه­بندی میوه توت­فرنگی رقم پاروس استفاده شده است. در گام اول این میوه توسط یک متخصص به شش کلاس طبقه بندی شد (به عنوان خروجی ANN) و از هر کلاس ۱۰۰ نمونه به طور تصادفی جمع­آوری گردید. در گام بعد تصاویر نمونه­ها ضبط شده و سه خصوصیت هندسی با ۱۲ ویژگی رنگ (به عنوان ورودی ­های ANN) استخراج گردید. ساختار شبکه عصبی بهینه با توجه به خطای میانگین مربعات (RMSE) و ضریب هبستگی (۲R) برای فرآیند طبقه بندی نمونه­های توت فرنگی در نظر گرفته شد. در نهایت شبکه عصبی پرسپترون با ساختار ۱۵-۱۸-۶ با دقت ۸۳/۸۳٪ انتخاب گردید.

نویسندگان

فرهاد فاتحی

دانشگاه کردستان

هادی صمیمی اخیجهانی

دانشگاه کردستان

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 :
  • Abdullah, M. Z., Mohamad-Saleh, J. Fathinul-Syahir, A. S., & Mohd-Azemi, ...
  • Castelo-Quispe, S., Banda-Tapia, J. D. Lopez-Paredes, M. N. Barrios-Aranibar, D., ...
  • Chen, Y. R., Chao, K., & Kim, M. S. (2002). ...
  • Chia, K.S., Abdul Rahim, H., Abdul Rahim, R. 2012. Prediction ...
  • Darrow, G. M., M. S. Wilcox, W. D. Scott, and ...
  • Doving, A. andF. Mago. 2002. Methods of testing strawberry fruit ...
  • FAO. 2017. FAOSTAT Agricultural Statistics Database. Retrieved from http://www.fao.org. ...
  • Feng, G., Qixin, C., & Masateru, N. (2008). Fruit detachment ...
  • Leemans, V., & Destain, M. F. (2004). A real-time grading ...
  • Liming, X., &Yanchao, Z. (2010). Automated strawberry grading system based ...
  • Mitcham, B. 1996. Quality assurance for Strawberries: A Case Study. ...
  • Mollazade, K., Omid, M., & Arefi, A. (2012). Comparing data ...
  • Nagata, M., Bato, P. M., Mitarai, M., Qixin, C., & ...
  • Nemzer, B., L. Vargas, X. Xia, and H. Feng. 2018. ...
  • Otsu, N. (1979). A threshold selection method from gray-level histograms. ...
  • Riquelme, M. T., Barreiro, P. Ruiz-Altisent, M., & Valero, C. ...
  • Salami, P., Ahmadi, H., Keyhani, A., & Sarsaifee, M. (2010). ...
  • Samimi Akhijahani, H. and J. Khodaei. 2011. Some physical properties ...
  • Schmidhuber, J. 2015. Deep learning in neural networks: An overview. ...
  • Singh S.P., Bansal, S., Ahuja, M., Parnami, S. 2015. Classification ...
  • Taghavi, T. (2005). Strawberry production guide: sana publications, Tehran, Iran. ...
  • Torkashvand, A.M., Ahmadi, A., Layegh Nikravesh, N. 2017. Prediction of ...
  • Voca, S., Dobricevic, N., Dragovic-Uzelac, V., DuralijaDruzic, j., Cmelik, Z., ...
  • نمایش کامل مراجع