پایش تازگی گوشت قرمز با استفاده از ترکیب طیف‌نگاری دی‌الکتریک و پردازش تصویر

Authors

Abstract:

با توجه به اهمیت کیفیت گوشت و سایر مواد غذایی مورد مصرف روزانه در رشد و سلامت جامعه انسانی، توسعه سامانه‌های تشخیص و پایش کیفیت مواد غذایی بیش از پیش مورد توجه محققین می‌باشد. در این مطالعه 40 نمونه‌ گوشت گوساله در طی پنج روز ماندگاری در دمای پنج درجه سانتیگراد مورد تصویربرداری ماکروسکوپیک و طیف­نگاری توان دی­الکتریک در 20 فرکانس از بازه MHz 100- 5 قرار گرفت. فرضیه مطالعه بر این اساس بود که با ترکیب دو روش مذکور حجم اطلاعات مفید حاصل از تغییرات فیزیکی و شیمیایی گوشت به واسطه ماندگاری افزایش می­یابد. در هر بار آزمایش مجموعا 42 ویژگی (توان دی­الکتریک در 20 فرکانس­ مختلف بین MHz 100-5 و 22 ویژگی بافتی و رنگی تصویر) از هر نمونه استخراج شد. طبقه­بندی روز ماندگاری گوشت با استفاده از متغیرهای دی­الکتریک و تصویر با اعمال پنج الگوریتم شبکه­های عصبی چند لایه پرسپترون (MLP)، رگرسیون منطقی چند جمله­ای (MRL)، درخت­های کاربردی (FT)، درخت­های مدل منطقی (LMT) و روش تجمیعی بگینگ (Bagging) انجام گرفت. نتایج نشان داد که توان دی­الکتریک در فرکانس­های مختلف با افزایش ماندگاری تا روز پنجم کاهش یافت به طوری که برای مثال از 250 میکرو وات در فرکانس پنج مگاهرتز در روز اول به 100 میکرو وات در همین فرکانس در روز پنجم رسید. همچنین نتایج طبقه­بندی نشان داد که متغیرهای تصویر گوشت به تنهایی بیشتر از متغیرهای دی‌الکتریک گوشت در طبقه­بندی روز ماندگاری موثر هستند اما با تجمیع این دو منبع اطلاعات حسگری و اعمال تکنیک کاهش بعد به روش مولفه­های اصلی (PCA) بر روی تمام ویژگی­ها، دقت طبقه­بندی 78 % برای الگوریتم درخت­های کاربردی (FT) و 77 % برای طبقه­بند ترکیبی بگینگ (Bagging) با رده­بند پایه شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) حاصل شد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تخمین تازگی گوشت مرغ مبتنی بر تکنیک‌های پردازش تصویر و هوش مصنوعی

در پژوهش حاضر روش­های نوین نظیر پردازش تصویر و هوش مصنوعی برای ارزیابی سریع، غیر مخرب و آنلاین تازگی گوشت مرغ بکار گرفته شده است. پس از تهیه تصاویر گوشت مرغ و عملیات پیش پردازش، تصاویر به کانال­های رنگی مختلف منتقل و ویژگی‌های آماری بافت تصاویر استخراج گردید. عملیات انتخاب ویژگی با ترکیب دو روش الگوریتم ازدحام ذرات و طبقه­بند شبکه‌های عصبی مصنوعی به منظور کاهش حجم محاسبات و ارتقای شاخص­های طبقه...

full text

تعیین میزان تازگی شیر فرادما با تعیین شاخص‌های رنگی L*a*b* توسط پردازش تصویر

در این پژوهش به بررسی امکان تعیین میزان ماندگاری شیر فرادما با تعیین شاخص‌های رنگی L*a*b* و با استفاده از پردازش تصویر، پرداخته شد. بدین منظور پاکت‌های شیر خریداری شده به مدت شش ماه در انکوباتور در دمای محیط (C˚5±25) ذخیره‌سازی شدند، سپس عملیات تصویربرداری و پردازش تصویر جهت استخراج پارامتر رنگی میانگین (mean) از کانال‌های L،a* و b* سیستم رنگی CIELab انجام شد. نتایج حاصل از این تحقیق بیانگر تغی...

full text

تعیین میزان تازگی میگوی پرورشی با استفاده از برخی خواص مکانیکی و پردازش تصویر در ترکیب با شبکه عصبی مصنوعی

این تحقیق با هدف تعیین میزان تازگی میگوی پرورشی با استفاده از برخی خواص مکانیکی و پردازش تصویر در ترکیب با شبکه¬ عصبی مصنوعی انجام شده است. تعیین تازگی بر اساس مشخصه های ظاهری مانند رنگ میگو لحاظ شد. برای ایجاد شرایط نورپردازی ثابت و مناسب از یک محفظه نورپردازی طراحی و ساخته شده استفاده شد. پس از انتخاب بهترین شرایط نورپردازی، با استفاده از یک دوربین دیجیتال تصاویر مناسبی از 48 عدد میگوی وانامی...

15 صفحه اول

امکان سنجی تعیین میزان تازگی شیر فرادما با استفاده از پردازش تصویر در ترکیب با شبکه ی عصبی مصنوعی

شیر و فرآورده های لبنی به عنوان یک منبع پروتئین غنی دامی و با ارزش غذایی بالا، جایگاه ویژه ای در تغذیه انسان دارند. مهمترین نگرانی در محصولات لبنی به سلامت و کیفیت آن ها مربوط می شود. با توجه به اهمیت موضوع هدف از این تحقیق استفاده از تکنیک های غیر مخرب پردازش تصویر دیجیتال و شبکه عصبی مصنوعی به منظور ارزیابی کیفیت شیر فرا دما بود. برای انجام این پژوهش 110 پاکت شیر uht به مدت شش ماه توسط انکوبا...

15 صفحه اول

تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور

تشخیص خوشه انگور قرمز ایستاده با استفاده از پردازش تصویر و شبکه عصبی به منظور کاربرد در ربات برداشت انگور اکبر نظری1 چکیده: در این تحقیق یک سامانه طبقه بندی خودکار بر مبنای ماشین بینایی و شبکه­های عصبی مصنوعی بر اساس رنگ و مولفه­های آن، توسعه داده شد. حدود 300 تصویر رقمی از باغات انگور شهرستان ارومیه در شرایط مختلف نوری از ساعات اولیه صبح تا عصر در هوای ابری و آفتابی گرفته شدند. از شبکه عصبی پ...

full text

برآورد حجم‌ سیب‌زمینی با استفاده از پردازش تصویر

محاسبة حجم محصولات کشاورزی به روش ریاضی، به دلیل شکل هندسی نامنظم آنها چندان دقیق نیست.  یکی از راه‌حل‌های ممکن، پردازش تصویر در ماشین‌های جداساز پیوسته بر اساس بینایی ماشین است.  هدف از این تحقیق، یافتن روشی مناسب برای برآورد حجم سیب‌زمینی با استفاده از پردازش تصویر است.  به کمک یک دوربین دیجیتال و یک آینة تخت، از هر نمونه تنها یک تصویر از دو نمای آن تهیه شد.  با کاربرد نرم‌افزار MATLAB®، تصاو...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 49  issue 2

pages  227- 236

publication date 2018-06-22

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