تشخیص عیوب سطحی عناب و طبقه بندی آن به کمک پردازش تصویر

پایان نامه
چکیده

برخی از محصولات کشاورزی مانند عناب، سنجد و زیتون بر اثر امراض یا آفات دچار چروکیدگی یا پوکی داخلی شده، کیفیت این محصولات پایین آمده و در نتیجه نیاز به شناسایی و جدا نمودن محصول سالم از غیر سالم و یا طبقه بندی محصول در گروه های مختلف می باشد. در این تحقیق با استفاده از تکنیک پردازش تصویر که روشی سریع، دقیق و غیر مخرب است، به طبقه بندی و تشخیص عیوب سطحی عناب بر اساس ویژگی های شکلی و بافتی این محصول و استاندارد ملی ایران اقدام شده است. به منظور شناسائی و طبقه بندی عیوب سطحی عناب 9 ویژگی شکلی و 24 ویژگی بافتی جهت تشخیص چروکیدگی، آفت زدگی، شکستگی و نارس بودن میوه مورد بررسی قرار گرفت و ویژگی های برتر مشخص شدند. علاوه بر این ترکیب چند ویژگی با یکدیگر جهت طبقه بندی با روش های تحلیل تفکیک خطی (lda) و ماشین بردار پشتیبان (svm) مورد ارزیابی قرار گرفت. نتایج این تحقیق نشان داد که ویژگی های بافتی با دقت بسیار بهتری نسبت به ویژگی های شکلی در تشخیص عیوب سطحی عناب موثر هستند. به طوری که از طریق این ویژگی ها می توان با دقت بیش از 96 درصد عناب چروکیده از سالم، که به عنوان یک ویژگی منفی در بازاریابی محصول مطرح است، را شناسائی و جدا نمود.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

طبقه بندی سیستم‌های پردازش تصویر در ردگیری اشیاء متحرک

استفاده از سیستم‌های بینایی و پردازش تصویر جهت تشخیص و ردگیری اشیاء در محیط های طبیعی مختلف با پیچیدگی بالایی مواجه می‌باشد. همچنین، انسداد شیء هدف، ثبات رنگی، ردگیری چند شی در مقابل دید یک چشمی، نویز در تصاویر، شکل پیچیده شی و تغییرات روشنایی صحنه، از مهم‌ترین چالش‌ها‌ی سیستم‌های بینایی است. در سال‌های اخیر، تلاش زیادی در راستای بهبود سامانه های تشخیص و ردگیری اشیاء در شرایط مختلف صورت گرفته ...

متن کامل

طبقه بندی و تشخیص عیوب ظاهری سیب زمینی با استفاده از تکنیک پردازش تصویر

استفاده از ماشین بینایی و پردازش تصویر به عنوان یک روش غیر مخرب و سریع می‏تواند در بررسی عیوب ظاهری محصولات کشاورزی بالاخص سیب زمینی نقش موثری را ایفا نماید. در این پژوهش سعی شده است با آنالیزهای شکلی تصاویر سیب زمینی طول، عرض، محیط، مساحت، طول بزرگترین محور، طول کوچکترین محور و جهت گیری تعیین و با آنالیزهای رنگی رابطه ای برای تعیین سطح سبزشدگی به دست آورده شود. پردازش تصاویر توسط تابع اندازهگی...

تشخیص بیماری قارچی سفیدک پودری و آنتراکنوز خیار به کمک پردازش تصویر و شبکه عصبی

با توجه به اینکه بیماریهای قارچی سفیدک پودری و آنتراکنوز بیشترین میزان خسارت را در گلخانه هایخیار به وجود می آورند در این پژوهش با ارائه روشی نوین و غیر مخرب مبتنی بر تکنیک پردازش تصویر وشبکه عصبی مصنوعی به تشخیص این دو نوع بیماری قارچی پرداخته شده است. مراحل مربوط به پیادهسازیروش پیشنهادی از سه بخش قطعهبندی، جداسازی قسمتهای آسیب دیده از برگ و طبقهبندی کلاس نوعبیماری است. پس از آنکه ویژگیهای رن...

متن کامل

تشخیص آفت سوسک چهار نقطهای نخود به کمک پردازش تصویر و شبکه عصبی

نظر به اهمیت تشخیص مکانیزه آفات گیاهان، در این پژوهش تشخیص آفت نخود توسط تکنیک پردازش تصویر با بهره گیری از شبکه های عصبی مصنوعی شبیه سازی شده است. بدین منظور تعدادی تصویر در ابعاد 18پیکسل از نخودهای سالم و آسیب دیده بعنوان تصاویر آموزش تهیه شده و پس از استخراج ویژگی آنها ×27 توسط موجک گابور، بعنوان داده های آموزشی به شبکه عصبی اعمال گردید. سپس برای تست شبکه، یک دسته از داده ها که در آموزش شبکه...

متن کامل

طبقه بندی سیستم های پردازش تصویر در ردگیری اشیاء متحرک

استفاده از سیستم­های بینایی و پردازش تصویر جهت تشخیص و ردگیری اشیاء در محیط های طبیعی مختلف با پیچیدگی بالایی مواجه می­باشد. همچنین، انسداد شیء هدف، ثبات رنگی، ردگیری چند شی در مقابل دید یک چشمی، نویز در تصاویر، شکل پیچیده شی و تغییرات روشنایی صحنه، از مهم­ترین چالش­ها­ی سیستم­های بینایی است. در سال­های اخیر، تلاش زیادی در راستای بهبود سامانه های تشخیص و ردگیری اشیاء در شرایط مختلف صورت گرفته ا...

متن کامل

تشخیص عیوب بافت پارچه با استفاده از پردازش تصویر

چکیده با توجه به این که تشخیص عیوب پارچه در فرآیند بازرسی صنعت نساجی، عمدتاً باید به صورت بر خط انجام شود، زمان پردازش الگوریتم مورد استفاده در قابلیت اجرای آن نقش اساسی دارد. اکثر الگوریتم های گذشته به دلیل محاسبات زیاد این قابلیت را ندارند. علاوه براین در کاربرد واقعی، بسیاری از عیوب به وجود آمده در سطح پارچه غیر قابل پیش بینی هستند و ساختار مشخصی ندارند. بنابراین آموزش سیستم تشخیص عیب با در ...

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023