پیش بینی برخی ویژگی های کیفی میوه انبه رقم کلک سرخ با استفاده از پردازش تصاویر رنگی و شبکه های عصبی مصنوعی
- سال انتشار: 1399
- محل انتشار: دوماهنامه پژوهشهای علوم و صنایع غذایی ایران، دوره: 16، شماره: 1
- کد COI اختصاصی: JR_IFST-16-1_011
- زبان مقاله: فارسی
- تعداد مشاهده: 256
نویسندگان
گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد.
گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد.
گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد.
گروه علوم باغبانی و مهندسی فضای سبز، دانشکده کشاورزی، دانشگاه هرمزگان.
گروه علوم باغبانی و مهندسی فضای سبز، دانشکده کشاورزی، دانشگاه فردوسی مشهد.
چکیده
درجه بندی میوه از نظر ویژگی های کیفی از جمله سفتی، مواد جامد محلول و اسیدیته، به صورت غیرمخرب در امر بازارپسندی آن تاثیر به سزایی دارد. در این پژوهش با استفاده از ترکیب تکنیک های پردازش تصویر و هوش مصنوعی، پیش بینی ویژگی های کیفی انبه رقم کلک سرخ مورد بررسی قرار گرفته است. نمونه های مورد بررسی در دو تیمار دمایی ۵، ۱۵ و تیمار شاهد (۲۴ درجه سانتی گراد) به مدت ۴۸ ساعت قرار گرفتند. پس از آن به مدت ۱۴ روز به صورت یک روز در میان تصویربرداری از نمونه ها انجام و ویژگی های رنگی از نواحی مورد نظر در محیط رنگی L*a*b استخراج شدند. پس از هر مرحله تصویربرداری میزان اسیدیته، قند و سفتی بافت اندازه گیری شد. به منظور بررسی ارتباط بین خصوصیات فیزیکوشیمیایی و مشخصه های تصویری بین نمونه ها، شبکه عصبی چندلایه پرسپترون ایجاد و آموزش داده شد. از این شبکه تربیت شده به منظور پیش بینی ویژگی های فیزیکی از روی مشخصه های رنگی استفاده شد. متغیرهای ورودی به شبکه شامل تیمار دمایی در سه سطح (شاهد، ۱۵ و ۵ درجه سانتی گراد)، کانال های رنگی (L, a, b) و میزان انحراف معیار کانال های رنگی (stdL, stda, stdb) است. متغیرهای خروجی نیز شامل قند، اسیدیته و سفتی بافت است. نتایج حاصل از پیش بینی مدل شبکه عصبی نشان داد که دقت مدل در مرحله آزمون برای پیش بینی فاکتورهای اسیدیته، قند و سفتی بافت به ترتیب برابر با ۴۵، ۸۵، ۸۸ درصد است؛ بنابراین هرچند دقت مدل شبکه عصبی برای پیش بینی اسیدیته از روی فاکتورهای رنگی نمونههای انبه پایین بود، اما شبکه عصبی مبتنی بر ماشین بینایی قادر به پیش بینی فاکتورهای سفتی و قند با دقت بالا است.کلیدواژه ها
انبه, ماشین بینایی, شبکه عصبی, ویژگی های کیفیاطلاعات بیشتر در مورد 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.