استفاده از بینایی کامپیوتر در تشخیص غیر مخرب تقلبات شیره انگور
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 251
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIFT-7-3_010
تاریخ نمایه سازی: 30 آبان 1400
چکیده مقاله:
انگور یکی از محصولات مهم باغی در دنیا محسوب می شود که با توجه به ضایعات بالای این میوه از آن محصولات جانبی مانند شیره تولید می گردد. مهمترین فاکتور کیفی برای شیره انگور، مربوط به خالص بودن آن است، که تولیدکنندگان و مصرف کنندگان توجه ویژه ای به آن دارند. شیره انگور یکی از محصولات غذایی است که به طور عمده در بازار ایران به دلیل سود اقتصادی مورد تقلب قرار می گیرد. توسعه تکنیک های مبتنی بر ابزار ساده، ارزان قیمت، مناسب و سریع در صنایع غذایی جهت تشخیص تقلبات از قبیل تقلبات شیره انگور ضروری می باشد. در پژوهش حاضر ترکیب پردازش تصویر و روش نزدیک ترین همسایگی (KNN) برای ارزیابی سریع و غیر مخرب تشخیص تقلب در شیره انگور بکار رفته است. پس از تهیه تصاویر شیره انگور خالص و تقلبات آن، تصاویر وارد مراحل پیش پردازش و انتقال به فضاهای رنگی RGB، HSI و L*a*b* شدند و در نهایت ویژگی های آماری مرتبط با بافت تصاویر از هر یک از کانال های مذکور استخراج گردیدند. به منظور افزایش سرعت و دقت طبقه بندی از روش آنالیز مولفه های اصلی PCA برای کاهش ابعاد ماتریس ویژگی استفاده گردید. همچنین طبقه بندی تصاویر به کمک طبقه بند KNN به صورت چهار کلاس انجام شد. سپس شاخص های آماری نظیر دقت، صحت، حساسیت، اختصاصی بودن و سطح زیر منحنی به منظور ارزیابی طبقه بند محاسبه شدند که مقادیر این شاخص ها برای طبقه بندی بر اساس داده های آزمون به ترتیب برابر با ۲۵/۹۶، ۶۷/۹۱، ۱۹/۹۱، ۷۹/۹۷ و ۴۹/۹۴ درصد می باشند. بنابراین نتایج حاصل از این طبقه بندی نشان داد که این سیستم قابلیت تشخیص تقلب در شیره انگور خالص به عنوان یک روش هوشمند، سریع، غیرمخرب و دقیق را دارد.
کلیدواژه ها:
نویسندگان
امین طاهری گراوند
استادیار، گروه مهندسی مکانیک بیوسیستم، دانشگاه لرستان
مجید یوسفیان
دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشگاه لرستان
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 :