طراحی یک سامانه سخت افزاری جهت جداسازی پسته‌های معیوب از سالم با استفاده از شبکه‌های عصبی عمیق

Authors

  • علی اکبر رحیمی فرد دانشجوی مهندسی برق گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه ولی‌عصر(عج) رفسنجان، رفسنجان، ایران.
  • علی دینی استادیار علوم و صنایع غذایی ، مرکز تحقیقات سلامت پسته، دانشگاه علوم پزشکی رفسنجان، رفسنجان، ایران
  • علی فیاضی استادیار گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه ولی‌عصر(عج) رفسنجان، رفسنجان، ایران
  • محمدعلی افتخاری دانشجوی مهندسی برق گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه ولی‌عصر(عج) رفسنجان، رفسنجان، ایران.
  • مهدی عباس زاده دانشجوی مهندسی برق گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه ولی‌عصر(عج) رفسنجان، رفسنجان، ایران.
Abstract:

هدف از این مطالعه توسعه الگوریتم‌های تصویربرداری، جهت بهبود درجه­بندی آجیل‌ها با نقص‌های پوسته از جمله لکه‌های چربی، لکه‌های تیره، بدنه چسبیده، نقص‌های هسته‌ای آسیب و پوسیدگی قارچی می­باشد. همه این نقص­ها نشان‌دهنده خطر آلودگی به آفلاتوکسین هستند. شبکه‌های عصبی کانولوشن در زمینه‌های مختلف بینایی ماشین و طبقه‌بندی تصویر برجسته شده‌اند. در این پژوهش یک مدل سخت‌افزار آزمایشگاهی بر مبنای شبکه عصبی کانولوشنی جهت طبقه­بندی پسته­ها طراحی شده است. داده‌های جمع‌آوری‌شده 958 تصویر، شامل 276 تصویر از پسته‌های معیوب و 682 تصویر از پسته‌های سالم می‌باشند. طبقه‌بندی تصاویر شامل سالم و معیوب بر اساس 3 نوع شبکه عصبی کانولوشن عمیق شامل Google net، resnet18 و vgg16 انجام‌شده است. میزان دقت و ویژگی نتایج به‌دست‌آمده با استفاده از مدل‌های شبکه‌های عصبی عمیق از پیش آموزش داده‌شده Google net، resnet18 و vgg16 به ترتیب برابر 8/95%-1/97%، 2/97%-7/96% و 83/95%-08/97% هست.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طراحی مدل برای آربیتراژ آماری سهام با استفاده از شبکه‌های عصبی عمیق، جنگل‌های تصادفی و درخت‌‌های با شیب تقویت‌شده

آربیتراژ آماری، استراتژی‌ رایج سرمایه‌گذاری در بازارهای ناکاراست که نسبت به بازار خنثی بوده و بدون نیاز به سرمایه اولیه از هر دو جهت بازار کسب سود می‌کند. این تحقیق برآن است تا ضمن طراحی مدل‌های مناسب برای آربیتراژ آماری سهام با استفاده از الگوریتم شبکه‌های عصبی عمیق، جنگل‌های تصادفی، درخت با شیب تقویت شده و ترکیب ساده این مدل‌ها، به تحلیل و بررسی بازده و ریسک مدل‌های طراحی شده بپردازد. بدین من...

full text

طراحی و ایجاد سامانه توصیه‌گر برچسب‌محور بر مبنای شبکه‌های عصبی عمیق

هدف اصلی این تحقیق، طراحی و پیاده‌سازی سامانه توصیه‌گر فروشگاه‌های آنلاین برچسب‌محور برای یک فروشگاه فیلم‌های سینمایی، جهت بالا بردن فروش اینترنتی است. روش تحقیق انتخاب‌شده، روش تحقیق علم طراحی و آزمایشی است که در آن، در مرحله ارزیابیِ روش تحقیق علم طراحی، از طراحی آزمایش استفاده شده است. برای بهبود عملکرد سامانه‌ توصیه‌گر، از برچسب‌های گذاشته‌شده توسط کاربران و الگوریتم شبکه‌های عصبی عمیق برای ...

full text

طراحی مدلی جهت ارزیابی و انتخاب پروژه‌های بهبود شش سیگما با استفاده از شبکه‌های عصبی مصنوعی

شش سیگما یکی از مشهورترین نظام­ها برای حذف ضایعات، کاهش هزینه و بهبود کیفیت در سازمان­هاست. فرآیند ایجاد و ارزیابی پروژه­ها، از جمله فعالیت­های اولیه در اجرای شش سیگماست که بسیاری از محققان معتقدند به­کارگیری موفقیت­آمیز شش سیگما با اولویت­بندی و انتخاب مناسب پروژه­های شش سیگما ارتباط تنگاتنگی دارد. تحقیق حاضر با به­کارگیری شبکه‌های عصبی مصنوعی به­عنوان یک ابزار قدرتمند در پردازش اطلاعات غیرخطی...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 51  issue 1

pages  149- 159

publication date 2020-03-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023