تشخیص رقم و کیفیت ظاهری میوه کیوی با استفاده از برخی خواص فیزیکی، ویژگی های ظاهری و تکنیک شبکه عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده کشاورزی و منابع طبیعی
- نویسنده مرضیه یوسف داد
- استاد راهنما امیر حسین افکاری سیاح یوسف عباسپور گیلانده محمدرضا لاریجانی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1393
چکیده
با توجه به داده های آزمون های انجام شده، خصوصیات فیزیکی هر یک از ارقام نمونه های سالم و معیوب استخراج شد. دقت حاصل از تحلیل تشخیص (da) ارقام 98% و دقت تشخیص نمونه های سالم و معیوب ارقام ابوت و هایوارد از روش مذکور به ترتیب برابر 15/92 و 85/60 درصد بدست آمد. همچنین برای تعیین خصوصیات ظاهری (ابعادی و هندسی) ارقام نمونه های سالم و معیوب کیوی به روش پردازش تصویر از تحلیل تشخیص استفاده شد که میزان دقت در تعیین ارقام و نمونه های سالم و معیوب ارقام ابوت و هایوارد به ترتیب برابر 5/99، 05/96 و 35/81 درصد مشخص شد. میزان دقت جداسازی ارقام بر اساس مولفه های رنگی در فضاهای رنگــی l*a*b* ,hsv, rgb به ترتیب برابر 5/98، 5/69 و 81 درصد بدست آمد. در ادامه به تحلیل داده ها به روش غیر خطی و با استفاده از تکنیک شبکه عصبی مصنوعی (ann) پرداخته شد. میزان دقت در طیف شناسایی ارقام کیوی 100 و نرخ طبقه بندی صحیح (ccr)، 100% حاصل شد. همچنین نرخ طبقه بندی نمونه های سالم و معیوب برای داده های آموزش (train) و تست (test) به ترتیب برابر 100 و 90 درصد بدست آمد.
منابع مشابه
درجه بندی زعفران بر اساس ویژگی های ظاهری با استفاده از شبکه های عصبی مصنوعی
زعفران بهعنوان یک کالای تجاری مهم در کشور بهشمار میآید و توجه به مکانیزه کردن آن از مرحله تولید تا بستهبندی اهمیت زیادی دارد. در بدو ورود زعفران به فرایند کیفی سنجی در آزمایشگاه ، ارزیابی اولیه بر اساس مشخصات ظاهری زعفران توسط شخص خبره انجام میشود. لیکن بروز خطای انسانی در تشخیص کیفیت زعفران بر مبنای ویژگیهای ظاهری آن امری اجتنابناپذیر است؛ استفاده از تکنیکهای مبتنی بر هوش مصنوعی میت...
متن کاملمقایسه رشد، عملکرد و ویژگیهای ظاهری میوه چهار رقم فلفلدلمهای
For comparing the effects of two planting substrates on vegetative growth, flowering rate, fruit appearance and qualities, yield of four bell pepper (Capsicum annum L.) cultivars, a greenhouse 4×2 factorial experiment was done by using a completely randomized design with 4 replications. First factor was 80% cocopeat + 20% perlite and 80% mosspeat + 20% perlite and the second one was four bell p...
متن کاملدرجه بندی خرمای رقم زاهدی بر اساس ویژگی های ظاهری با استفاده از روش های پردازش تصویر و یادگیری ماشین
خرما، یکی از محصولات باغی واستراتژیک در منطقه و ایران است. متاسفانه درآمد حاصل از صادرات این محصول پرارزش، نسبت به حجم صادرات بالای آن مطلوب نیست، بخشی از این امر به کیفیت پایین آمادهسازی و بستهبندی محصول مربوط میشود. به نظر میرسد استفاده از فناوریهای نوین، مانند بینایی ماشین و پردازش تصویر، میتواند روند درجهبندی و جداسازی خرما را بهبود بخشد. در این پژوهش درجهبندی میوه خرمای رقم زاهدی،...
متن کاملبرخی خواص فیزیکی و مکانیکی میوه خرمالو رقم خرمندی
در این تحقیق برخی از خواص مهم فیزیکی و مکانیکی میوه خرمالو رقم خرمندی، در سطح رطوبتی 26/44 درصد (بر پایه خشک) اندازهگیری شد. خواص فیزیکی شامل طول، عرض، ضخامت، قطر میانگین هندسی، قطر میانگین حسابی، قطر معادل، ضریب کرویت، نسبت نما، وزن، مساحت رویه و حجم بودند که میانگین هریک از آنها به ترتیب 80/4 ± 01/56 میلی متر، 84/4 ± 19/ 54 میلی متر، 74/2 ± 72/36 میلی متر، 76/3 ± 07/48 میلی متر، 92/3 ± 95/48...
متن کاملارزیابی پتروفیزیکی مخزن هیدروکربوری با استفاده از داده های چاه نگاری و تکنیک شبکه عصبی مصنوعی
متن کامل
تشخیص آنامولی های TEC قبل از وقوع زلزله های بزرگ با استفاده از شبکه عصبی مصنوعی
وقوع زلزله علاوه بر تغییر در هندسه و فیزیک پوسته زمین تأثیرات دیگری را نیز به همراه دارد. از آن جمله، تأثیر بر لایه یونسفر می‍باشد که خود را بهصورت تغییر در میزان الکترون، چگالی یونها، میدانهای الکتریکی و مغناطیسی این لایه نشان میدهد. هر پارامتر ژئوفیزیکی و ژئوشیمیایی در لایههای لیتوسفر، اتمسفر و یونسفر زمین که قبل از وقوع زلزله تغییراتی در آن پدید آید بهعنوان پیشنشانگر شناخته میشود...
متن کاملمنابع 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 محقق اردبیلی - دانشکده کشاورزی و منابع طبیعی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023