Deep Learning-Based Classification of the Defective Pistachios via Deep Autoencoder Neural Networks
- سال انتشار: 1397
- محل انتشار: پنجمین کنفرانس بین المللی پژوهش های کابردی در مهندسی برق مکانیک و مکاترونیک
- کد COI اختصاصی: ELEMECHCONF05_366
- زبان مقاله: انگلیسی
- تعداد مشاهده: 762
نویسندگان
Department of Electrical Engineering, Vali-E-Asr University of Rafsanjan, Rafsanjan, Iran.
Pistachio Safety Research Center, Rafsanjan University of Medical Sciences, Rafsanjan, Iran.
Department of Electrical Engineering, Vali-E-Asr University of Rafsanjan, Rafsanjan, Iran.
Department of Electrical Engineering, Vali-E-Asr University of Rafsanjan, Rafsanjan, Iran.
چکیده
Pistachio nut is mainly consumed as raw, salted or roasted because of its high nutritional properties and favorable taste. Pistachio nuts with shell and kernel defects, besides not being acceptable for a consumer, are also prone to insects damage, mold decay, and aflatoxin contamination. In this research, a deep learning-based imaging algorithm was developed to improve the sorting of nuts with shell and kernel defects that indicate the risk of aflatoxin contamination, such as dark stains, oily stains, adhering hull, fungal decay and Aspergillus molds. This paper presents an unsupervised learning method to classify defective and unpleasant pistachios based on deep Auto-encoder neural networks. The testing of the designed neural network on a validation dataset showed that nuts having dark stain, oily stain or adhering hull with an accuracy of 80.3% can be distinguished from normal nuts. Due to the limited memory available in the HPC of university, the results are reasonable and justifiable.کلیدواژه ها
Neural network, Deep learning, Auto-encoder, Pistachio, Aflatoxin componentمقالات مرتبط جدید
- بررسی به کارگیری سیستم ذخیره سازی انرژی با استفاده از منابع انرژی تجدیدپذیر
- اقدامات لازم برای حفاظت از محیط زیست دریایی
- ارائه طرح مبتنی بر رایانش ابری جهت ارتقاء بهره وری صنایع خودروسازی (مطالعه موردی: مدیران خودرو)
- مروری بر تکنولوژی ماکرویو برای خردایش سنگ های کمیاب
- کاربرد و بکارگیری تکنولوژی های اینترنت اشیا ، یادگیری ماشین و پردازش تصویر در امنیت و کنترل خودرو
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.