ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

ارزیابی سامانه تشخیص تقلب روغن زیتون مبتنی بر پردازش تصویر و طیف سنجی دی الکتریک

سال انتشار: 1396
کد COI مقاله: JR_MAM-6-2_003
زبان مقاله: فارسیمشاهده این مقاله: 279
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی سامانه تشخیص تقلب روغن زیتون مبتنی بر پردازش تصویر و طیف سنجی دی الکتریک

مهدی رشوند - کارشناسی ارشد،گروه مهندسی مکانیک بیوسیستم، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.
محمود امید - استاد، گروه مهندسی مکانیک بیوسیستم، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.
حسین مبلی - استاد، گروه مهندسی مکانیک بیوسیستم، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.
محمود سلطانی فیروز - دکتری، گروه مهندسی مکانیک بیوسیستم، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.

چکیده مقاله:

عمده ترین روش تقلب در روغن زیتون، مخلوط کردن روغن های گیاهی مانند ذرت، کلزا، آفتابگردان و سویا با روغن خالص زیتون است. هدف این پژوهش، ارزیابی یک سامانه قابل حمل به منظور تشخیص تقلب روغن زیتون به کمک تلفیق فناوری های ماشین بینایی و طیف سنجی دی الکتریکی با حسگر خازنی است. به منظور طبقه بندی نمونه های روغن زیتون تقلبی و اصل با استفاده از ویژگی های فرکانسی و رنگ، از تکنیکهای تحلیل مولفه های اصلی (PCA)، تحلیل تفکیک خطی (LDA) و شبکه عصبی مصنوعی استفاده شد. بهترین شبکه با ساختار 1-6-36 برای پیش بینی نمونه های مخلوط شده زیتون و آفتابگردان، مقادیر ضریب همبستگی 944/. و میانگین مربعات خطا 0 / 006 را ارایه داد. همچنین، بهترین شبکه با ساختار 136 - 10 برای پیش بینی نمونه های مخلوط شده زیتون و کلزا، مقادیر ضریب همبستگی 0 / 946 و میانگین مربعات خطا 0 / 0003 را ارایه داد. در گام نهایی از ترکیب ویژگی های دی الکتریک و رنگی به منظور مدل سازی مسیله استفاده شد. مقادیر ضریب همبستگی و میانگین مربعات خطا برای نمونه های مخلوط شده زیتون و آفتابگردان برابر 0 / 962 و 0 / 008 با ساختار 1-2-38 و برای نمونه های مخلوط شده زیتون و کلزا مقادیر 0 / 961 و 0 / 0013 با ساختار 1-16-38 حاصل شد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_MAM-6-2_003 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/899034/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رشوند، مهدی و امید، محمود و مبلی، حسین و سلطانی فیروز، محمود،1396،ارزیابی سامانه تشخیص تقلب روغن زیتون مبتنی بر پردازش تصویر و طیف سنجی دی الکتریک،https://civilica.com/doc/899034

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396، رشوند، مهدی؛ محمود امید و حسین مبلی و محمود سلطانی فیروز)
برای بار دوم به بعد: (1396، رشوند؛ امید و مبلی و سلطانی فیروز)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 68,023
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی