ارزیابی فازی ویژگی های ظاهری زعفران با استفاده از روش های مبتنی بر هوش مصنوعی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 268

فایل این مقاله در 16 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_ERAMS-24-85_005

تاریخ نمایه سازی: 26 خرداد 1403

چکیده مقاله:

ایران بزرگ ترین تولیدکننده زعفران در جهان است. زعفران دارای اهمیت بالای اقتصادی است و به دلیل افزایش فعالیت رقبای صادراتی، نیازمند حمایت و گسترش و توسعه صادرات است. روند رو به رشد سهم صادرات زعفران از یک سو و درآمدزایی و کارآفرینی برای روستاییان کشور از سوی دیگر، لزوم توجه به این محصول را دوچندان می کند. رقابت در این عرضه و با وجود رقبای قدرتمند در گرو مکانیزه کردن فرایندهای کاشت تا برداشت و درجه بندی تا بسته بندی امکان­پذیر خواهد بود. بنابراین، ارزیابی ویژگی های ظاهری زعفران به منظور درجه بندی صحیح نیاز اساسی محسوب می شود. در پژوهش حاضر، ویژگی های ظاهری با هدف درجه بندی زعفران با استفاده از روش­های مختلف هوش مصنوعی شامل شبکه­های عصبی مصنوعی پرسپتورن چند لایه (MLP)، (LVQ)، شبکه عصبی غیر نظارت شده (SOM)، سیستم های فازی (FNN) و سیستم استنتاج فازی عصبی (ANFISS) بررسی شده است. پایگاه داده مورد مطالعه مربوط به ۱۱۳ نمونه زعفران است که در ۴ طبقه زعفران پوشال (نگین)، پوشال درجه ۲ (خوب)، پوشال درجه سه (معمولی) و پوشال درجه چهار (ضعیف) که محققان این پژوهش آنها را گردآوری کرده­اند. نتایج تحلیل نشان می دهد که درجه بندی زعفران با در نظر گرفتن شرایط عدم قطعیت در مدل ANFIS نسبت به دیگر روش ها بهتر است، به طوری که دقت طبقه بندی ۵/۹۷ درصد و میزان خطای ۳۴۸۴/۰ در تشخیص نمونه های آزمون به­ دست آمد.

کلیدواژه ها:

درجه بندی زعفران ، سیستم استنتاج فازی عصبی ، شبکه عصبی مصنوعی

نویسندگان

ایمان ذباح

گروه کامپیوتر، واحد تربت حیدریه، دانشگاه آزاد اسلامی، تربت حیدریه، ایران؛ و پژوهشگر پژوهشکده زعفران، دانشگاه تربت حیدریه، تربت حیدریه، ایران

زهرا حیدران داروقه امنیه

گروه برق، واحد دولت آباد، دانشگاه آزاد اسلامی، اصفهان، ایران

بهناز بهزادیان

دانش آموخته کارشناسی ارشد گروه برق و کامپیوتر، دانشگاه تربت حیدریه، تربت حیدریه، ایران

رویا رضایی

گروه علوم و صنایع غذایی، واحد تربت حیدریه، دانشگاه آزاد اسلامی تربت حیدریه، ایران؛ و پژوهشگر پژوهشکده زعفران، دانشگاه تربت حیدریه، تربت حیدریه، ایران

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 :
  • Abidi, A., Heydaran Daroogheh Amnyieh, Z., Jamahmoodi, H., Salarniya, S., ...
  • Aghaei, M., & Rezagholizadeh, M. (۲۰۱۱). Iran's comparative advantage in ...
  • (in Persian ...
  • Aliabadi, R. (۲۰۱۳). Using smart techniques to check the quality ...
  • AliAbadi, R., & Mohammadi, M. (۲۰۱۲). Presentation of a new ...
  • Aliakbari, P., Salari, A., & KhasheiSiuki, A. (۲۰۱۸). Determine of ...
  • Beiki, A. H. (۲۰۱۴). Classification and prediction of three and ...
  • Birjandi Toroghi, Z., Moradinezhad, F., Niazmand, R., & Bayat, H. ...
  • Caiola, M. G., & Canini, A. (۲۰۱۰). Looking for saffron’s ...
  • Colak, M. C., Çolak, C., Koçatürk, H., Sağıroğlu, Ş., & ...
  • Dehbashi, M., Rajaei, A., & Kardan Moghadam, H. (۲۰۲۲). Locating ...
  • (in Persian ...
  • Jafarbeyglu, M., & Mobaraky, Z. (۲۰۰۸). The land proportion evaluation ...
  • Karbasi, A., Hosseini, M., Kareshki, H., & Moghimi, Z. (۲۰۲۰). ...
  • Khedri, A., Moradinejad, T., Dashti Barmaki, M., & Eskandari, M. ...
  • Lotfizadeh, A. (۱۹۶۵). Fuzzy sets. Information and Control. ۸, ۳۳۸-۳۵۳ ...
  • Moghaddasi, M. S. (۲۰۱۰). Saffron chemicals and medicine usage. Journal ...
  • Mohamadzadeh Moghadam, M., Taghizadeh, M., Sadrnia, H., & Pourreza, H. ...
  • Nekouei, N., Behdani, M. A., & KhasheiSiuki, A. (۲۰۱۷). Predicting ...
  • Qurani, B., Kadekhodai, R., & Al-Hosseini., A. (۲۰۱۷). The effect ...
  • Rashid Sorkhabadi, M., Shahidi, A., & Khashei, S. A. (۲۰۱۴). ...
  • Rezvani Moghaddam, P., Khorramdel, S., & Moalem Benhangi, F. (۲۰۲۲). ...
  • Riahi Modavar, H., KhasheiSiuki, A., & Seifi, A. (۲۰۱۷). Accuracy ...
  • Sadeghiravesh, M. H., Zehtabian, G. R., & Tahmores, M. (۲۰۱۲). ...
  • Saeidirad, M. H., & Zarifneshat, S. (۲۰۲۱). Development and performance ...
  • Sanaeinejad, S. H., Salajegheh, M., Hosseini, S. N., & Araghizadeh, ...
  • Taheri, T., Mousavi, S. M., Vakili, S. M. B., & ...
  • Yasrebi, S. E., Zabbah, I., Behzadiyan, B., Maroosi, A., & ...
  • Younesi, M., & Goodarzi, M. (۲۰۱۶). Comparison of Fuzzy Neural ...
  • Zarghani, F., Karimi, A., Khorasani, R., & Lakzian, A. (۲۰۱۶). ...
  • نمایش کامل مراجع