تشخیص تقلبی بودن روغن کنجد با استفاده از سامانه پردازش تصویر
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 837
فایل این مقاله در 8 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:
- کشاورزی > کلزا
- کشاورزی > آفتابگردان
- هوش مصنوعی > شبکه عصبی
- هوش مصنوعی > پردازش تصویر
- هوش مصنوعی > بینایی ماشین
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
UTCONF01_028
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
روغن کنجد یکی از محصولات مهم ازلحاظ تغذیه ای و اقتصادی در ایران هست که سالانه ارزش اقتصادی بالاییبرای کشور حاصل می نماید. تولید روغن کنجد به دلیل فرآیند پیچیده ای که دارد بسیار پرهزینه است و همینمسیله موجب بالاتر رفتن قیمت تمام شده این محصول می شود. قیمت های بالای روغن کنجد انگیزه لازم را برایورود سودجویان به این بازار فراهم کرده است. عمده ترین روش سوءاستفاده هم مخلوط کردن روغن هایی مانندروغن های گیاهی ذرت، کلزا، آفتابگردان و سویا به روغن خالص کنجد است. لذا هدف اصلی این تحقیق ارزیابییک سامانه قابل حمل هوشمند به منظور تشخیص تقلب روغن کنجد به کمک فناوری ماشین بینایی است. برایارزیابی از 13 نمونه روغن کنجد، آفتابگردان و کلزا که شامل درصدهای متفاوت اختلاط آنهاست استفاده گردید. به منظور تشخیص تقلبی بودن روغن کنجد شبکه های عصبی مصنوعی با یک لایه مخفی با تعداد نرون های متفاوت (از 1 تا 20) طراحی و مورد ارزیابی قرار گرفتند. بهترین شبکه با ساختار 1-6-36 برای پیش بینی نمونه های مخلوط شده روغن کنجد و آفتابگردان مقادیر ضریب همبستگی و میانگین مربعات خطا را به ترتیب 0/944 و 0/006 ارایه داد. همچنین بهترین شبکه با ساختار 1-10-36 برای پیش بینی نمونه های مخلوط شده روغن کنجد و کلزا مقادیر ضریب همبستگی و میانگین مربعات خطا را به ترتیب 0/946 و 0/0003 ارایه داد. این نتایج نشان دهنده موفق بودن مدل سازی با ویژگی رنگی بوده است.
کلیدواژه ها:
نویسندگان
مهدی رشوند
کارشناسی ارشد دانشگاه تهران ،دانشکده فناوری و مهندسی
شبیر سیف
کارشناسی دانشگاه پیام نور، دانشکده فنی
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 :