مروری بر روش ها و الگوریتم های یادگیری عمیق در جدایش و تمایز طیف های فروسرخمحصولات کشاورزی
- سال انتشار: 1403
- محل انتشار: شانزدهمین کنفرانس ملی مهندسی مکانیک بیوسیستم و مکانیزاسیون کشاورزی
- کد COI اختصاصی: NCAMEM16_096
- زبان مقاله: فارسی
- تعداد مشاهده: 166
نویسندگان
دانشجوی دکتری مهندسی مکانیک بیوسیستم، دانشگاه شهید باهنر کرمان
دانشیار مهندسی مکان یک بیوسیتم، دانشگاه شهید باهنر کرمان
استادیار مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان
چکیده
در سال های اخیر، استفاده از الگوریتم های یادگیری عمیق به عنوان ابزاری موثر در جدایش و تمایز طیف های فروسرخ محصولات کشاورزیرشد چشمگیری یافته است. این مطالعه مروری به بررسی ف نآوریهای جدید و روش های مورد استفاده در تحلیل داده های طیف سنجیفروسرخ می پردازد. روش های شیمی سنجی متداول به دلیل تغییر نویز تحت شرایط مختلف، تشخیص و تنوع های بیولوژیکی با مشکلاتیمواجه است. در مقابل، استفاده از یادگیری عمیق به عنوان را هحلی نوین برای کاهش نویز طیفی ، استخراج ویژگی و مدلسازی رگرسیونکالیبراسیون توسعه یافته اند. در ابتدا، به معرفی مفاهیم بنیادی و انواع الگوریتم های یادگیری عمیق، پرداخته می شود. سپس، به کاربردهایعملی این الگوریتم ها در جدایش و شناسایی ویژگی های کلیدی محصولات کشاورزی از طریق دادههای فروسرخ می رسیم. مزیت اصلی اینرویکرد، کاهش وابستگی به دانش انسانی از طریق تحلیل انتها به انتها و بهبود دقت و عمومی سازی است. ا ین مطالعه به ارائه روش هایمورد استفاده در مقالات علمی از تحقیقات کنون ی و چشم اندازهای آینده در حوزه بهبود کیفیت مواد غذای ی و تمایز و جداسازی محصولاتکشاورزی می پردازدکلیدواژه ها
الگوریتم های یادگیری عمیق، تمایز و جداسازی، طیف سنجی فروسرخ، غیر مخرب، هوش مصنوعیمقالات مرتبط جدید
اطلاعات 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.