برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان نشریه: 
 
اطلاعات شماره: 
 
عنوان مقاله: 

برآورد حجم سيب و تورفتگي هاي آن، به کمک پردازش تصوير و شبکه عصبي

 
نویسندگان: 
 
آدرس:  
* گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه
 
چکیده: 

خواص فيزيکي محصولات کشاورزي از مهمترين پارامترهاي طراحي سيستم هاي بسته بندي و درجه بندي هستند و حجم محصولات کشاورزي، يکي از اين خواص مي باشد که بايستي به طور دقيق اندازه گيري شود. پردازش تصوير و شبکه عصبي از ابزارهاي پرکاربرد و غير مخربي هستند که اخيرا به اين منظور استفاده مي شوند. در اين مطالعه ابتدا با استفاده از دوربين به فاصله ثابت از نمونه ها عکس برداري گرديده و تصاوير رنگي با نرم افزار Matlab پردازش شده و لبه سيب ها استخراج گرديد. سپس سطح به دست آمده در راستاي عمود بر محور طولي سيب، به المان هاي نازک ذوزنقه اي تقسيم بندي گرديده و حجم حاصل از دوران اين المان ها بر حسب پيکسل محاسبه شد. سپس سيب ها از وسط برش داده شده و عکس برداري شدند تا حجم تورفتگي هاي سيب به دست آمده و از حجم کل سيب کاسته شود. حجم واقعي سيب نيز با استفاده از روش جابه جايي آب، بر حسب سانتي متر مکعب اندازه گيري شد و رابطه ايي بين حجم واقعي و حجم پيکسلي سيب ارائه گرديد که مي تواند در تخمين حجم سيب استفاده شود. آزمون t و بلاند- آلتمن نشان داد که بين حجم واقعي سيب و حجم پردازش تصوير در سطح احتمال 5% اختلاف معني داري نيست و اختلاف ميانگين بين آن ها 1.52 سانتي متر مکعب بوده و داراي دقت 0.92 مي باشد. استفاده از شبکه عصبي با پارامترهاي ورودي ابعاد و جرم سيب دقت اندازه گيري حجم سيب را تا 0.97 بالا برده و اختلاف ميانگين بين حجم ها را تا 0.7 کاهش داد. اين تحقيق نشان مي دهد که پردازش تصوير و شبکه عصبي مي توانند به عنوان روش هاي ساده و کارآمد در تخمين حجم محصولات کشاورزي استفاده گردند.

 
کلید واژه: 

 
موضوعات مرتبط: 
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  چکیده انگلیسی بازدید یکساله 112
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی