نتایج جستجو

17615

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

1762

انتقال به صفحه



فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها




گروه تخصصی











متن کامل


مرکز اطلاعات علمی SID1
مرکز اطلاعات علمی SID
اسکوپوس
مرکز اطلاعات علمی SID
ریسرچگیت
strs
اطلاعات دوره: 
  • سال: 

    1392
  • دوره: 

    3
  • شماره: 

    1
  • صفحات: 

    73-85
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    584
  • دانلود: 

    214
چکیده: 

شناخت خصوصیات فیزیکی دانه آفتابگردان می تواند نقش مهمی در اعمال فرآیندهای مناسب در مرحله برداشت، انتقال، خشک کردن، جداسازی، پوست گیری و انبارداری ایفا کند. به منظور بررسی اثر حذف برگ و دانه در تراکم های مختلف کاشت بر خصوصیات فیزیکی و شیمیایی دانه هیبریدهای آفتابگردان آزمایشی به صورت فاکتوریل اسپلیت پلات در قالب طرح بلوک های کامل تصادفی با سه تکرار در سال 1388 در مزرعه پژوهشی پردیس ابوریحان دانشگاه تهران به اجرا درآمد. عامل اصلی شامل دو هیبرید آذرگل و هیبرید جدید ایرانی SHF81-90 و تراکم های 60، 80 و 100 هزار بوته در هکتار و عامل فرعی شامل پنج سطح تغییر اندازه منبع و مخزن (حذف 50% برگ های پایین ساقه، حذف 50% برگ های بالای ساقه، حذف 50% دانه های طبق، حذف 25% دانه های طبق) و تیمار شاهد (بدون حذف برگ و دانه) بود. از بذور حاصل از آزمایش توسط دوربین دیجیتال، عکس تهیه گردید و با استفاده از جعبه ابزار پردازش تصویر نرم افزار MATLAB برخی صفات مورفولوژیکی استخراج شد. نتایج نشان داد که هیبریدهای مورد بررسی از نظر محیط و مساحت، محور بزرگ و کوچک، کشیدگی، فشردگی، گردی، سختی دانه، وزن تک دانه و نسبت پوسته به دانه با هم تفاوت معنی داری در سطوح احتمال یک و پنج درصد داشتند. همچنین اثر تراکم و دستکاری منبع و مخزن نیز بر کلیه صفات مورد بررسی معنی دار شد. با افزایش تراکم، درصد روغن دانه افزایش یافت. درصد روغن دانه با وزن تک دانه (r=+0.53)، همبستگی مثبت و معنی دار و با نسبت پوسته به دانه (r=-0.27) همبستگی منفی و معنی دار در سطح احتمال یک درصد داشت. همچنین نتایج این مطالعه نشان داد که با کاربرد تکنیک پردازش تصویر که روشی نوین در تحقیقات کشاورزی است، می توان به شناسایی دقیق تر خصوصیات فیزیکی بذور ارقام زراعی در شرایط مختلف محیطی پرداخت که این شناسایی ما را در مدیریت مراحل مختلف کاشت، برداشت و پس از برداشت یاری خواهد کرد.

آمار یکساله:  

بازدید 584

دانلود 214 استناد 0 مرجع 0
نویسندگان: 

SOUTAR C. | ROBERGE D. | STOIANOV A.

اطلاعات دوره: 
  • سال: 

    2006
  • دوره: 

    3314
  • شماره: 

    1
  • صفحات: 

    0-0
تعامل: 
  • استنادات: 

    722
  • بازدید: 

    11105
  • دانلود: 

    12580
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 11105

دانلود 12580 استناد 722 مرجع 0
نویسندگان: 

ROSIN P.L.

اطلاعات دوره: 
  • سال: 

    2006
  • دوره: 

    15
  • شماره: 

    7
  • صفحات: 

    2076-2087
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    4839
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 4839

دانلود 9195 استناد 315 مرجع 0
گارگاه ها آموزشی
نویسندگان: 

RASHIDI M. | GHOLAMI M. | ABBASI S.

اطلاعات دوره: 
  • سال: 

    2009
  • دوره: 

    11
  • شماره: 

    SUPP 5
  • صفحات: 

    623-631
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    14415
  • دانلود: 

    10447
چکیده: 

Cantaloupe (Cucumis melo) volume was measured using water displacement and image processing methods. The volume determined from image processing method was compared to the volume determined by the water displacement method using the paired samples t-test and the Bland-Altman approach. The paired samples t-test results showed that the volume determined by image processing method was not significantly (P> 0.05) different from the volume measured through water displacement method. The mean and standard deviation of the volume difference between the two methods were -81.1 cm3 and 237.4 cm3, respectively (95% confidence interval: -212.5 and 50.4 cm3, P= 0.207). The average percentage difference between the two methods was 7.60%. The Bland-Altman approach was also indicated to be a satisfactory, image processing method suitable for volume estimation of almost all size cantaloupes. Accordingly, image processing provides an accurate, simple, rapid and non-invasive method to estimate fruit volume and can be easily implemented in monitoring fruit growth as well as in sorting of fruits during postharvest processing.

آمار یکساله:  

بازدید 14415

دانلود 10447 استناد 0 مرجع 0
نویسنده: 

EBRAHIMI M.

اطلاعات دوره: 
  • سال: 

    2013
  • دوره: 

    0
  • شماره: 

    2
تعامل: 
  • بازدید: 

    1575
  • دانلود: 

    0
چکیده: 

WATER LEVEL MEASUREMENT IS ONE OF HYDRAULIC STUDY NECESSITIES ESPECIALLY IN LAB RESEARCHES. IN MOST COMMON METHODS, WATER LEVEL IS DIRECTLY MEASURED. IT IS ALSO IMPORTANT TO MEASURE RESERVOIRS WATER LEVEL IN RESEARCHES RELATED WITH WATER DEPTH. THERE ARE VARIETY OF WAYS FOR WATER LEVEL MEASUREMENT COMPATIBLE WITH DIFFERENT SITUATIONS WITH SOME STRUCTURAL OR FINANCIAL DISADVANTAGES. FOR INSTANCE ULTRASONIC SENSORS ARE VERY ACCURATE HOWEVER IT IS OFTEN VERY COSTLY TO PURCHASE THESE SENSORS. THE PURPOSE OF THIS ARTICLE IS TO PRESENT A NEW METHOD OF WATER LEVEL MEASUREMENT USING image processing. FOR REMOVING SOME LIMITATIONS OF DEVICES INVENTED PREVIOUSLY ACCORDING TO REQUIREMENTS OF DIFFERENT EXPERIENCES WE COMMENCED BUILDING AN AFFORDABLE, HIGHLY ACCURATE DEVICE FOR WATER LEVEL MEASUREMENT. THE DEVICE OPERATION IS BASED ON AN image processing PROGRAM WRITTEN IN MATLAB. AN HD WEBCAM TAKES PICTURES NEEDED FOR image processing FROM A BUILT IN CYLINDER CONNECTED TO A MAIN RESERVOIR. ACCORDING TO THE WEBCAM RESOLUTION, THIS DEVICE CAN THEORETICALLY MEASURE WITH ACCURACY OF UP TO 0.1MM.

آمار یکساله:  

بازدید 1575

دانلود 0
نویسنده: 

IMANFAR MOSTAFA

اطلاعات دوره: 
  • سال: 

    2013
  • دوره: 

    0
  • شماره: 

    44
تعامل: 
  • بازدید: 

    1365
  • دانلود: 

    0
چکیده: 

AS WE KNOW IN GENERAL GEOMETRICAL FRAMEWORK FOR image processing, imageS ARE DESCRIBED AS TUPLE (X; Y; I (X; Y)) WHERE I IS INTENSITY FUNCTION AT EACH POINT OF THE XY COORDINATE PLANE.AN INTENSITY TRANSFORMATION FUNCTION IS DENOTED BY THE EXPRESSION G(X, Y) =T [I (X; Y)]. IN THIS PAPER, IT HAS BEEN SHOWN THAT UNDER SOME CONDITIONS T IS AN ISOMETRIC TRANSFORMATION. FURTHERMORE, THE EFFECT OF ISOMETRY ON HISTOGRAM HAS BEEN INVESTIGATED. THIS STUDY SHOWS THAT IF T BE AN ISOMETRY, image HISTOGRAM UNDER T WILL BE INVARIANT.

آمار یکساله:  

بازدید 1365

دانلود 0
strs
نویسندگان: 

TAKEDA H. | FARSIU S.

اطلاعات دوره: 
  • سال: 

    2007
  • دوره: 

    16
  • شماره: 

    -
  • صفحات: 

    349-366
تعامل: 
  • استنادات: 

    360
  • بازدید: 

    7641
  • دانلود: 

    12462
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 7641

دانلود 12462 استناد 360 مرجع 0
اطلاعات دوره: 
  • سال: 

    1387
  • دوره: 

    -
  • شماره: 

    1 (پیاپی 9)
  • صفحات: 

    13-24
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1307
  • دانلود: 

    496
چکیده: 

در این مقاله با استفاده از پردازش تصویر و سنجش از دور به تعیین میزان محصول برنج در منطقه ای در شمال ایران پرداخته می شود. منطقه مورد بررسی در عرض جغرافیایی تا و طول جغرافیایی تا در شمال ایران (استان مازندران) واقع شده است. در این تحقیق از چهار تصویر سنسور LISS-III ماهواره IRS-1D در فصل زراعی 1382 استفاده شده است که دو تصویر از فصل برنج کاری و دو تصویر مربوط به فصل غیر برنج کاری می باشد و تصاویر با استفاده از نقاط کنترل زمینی تصحیح هندسی شده اند. برای برآورد تولید برنج، ابتدا مزارع برنج از دیگر مناطق با استفاده از شبکه عصبی MLP دوکلاسه تفکیک شده اند. شبکه مورد استفاده، یک لایه ورودی، دو لایه مخفی و یک لایه خروجی دارد. از آنالیز مولفه های اصلی (PCA) برای کم کردن بعد نمونه های ورودی به شبکه استفاده شد. شبکه به ازای حالات مختلف (بعد نمونه های ورودی، تعداد نرون های لایه مخفی) آموزش داده و شبکه بهینه با استفاده از مجموعه  validation انتخاب شد. شبکه بهینه دارای دقت کلی 98 درصد و دارای ضریب کاپا 0.96 روی مجموعه test است. همچنین با استفاده از شبکه MLP مزارع برنج پرمحصول و کم محصول تفکیک شده اند. شبکه MLP ایجاد شده دارای دقت کلی 89.6 درصد و ضریب کاپای 0.67 است. با شبکه عصبی RBF مدلی ایجاد شده است تا با داشتن بازتاب مزارع در باندهای مادون قرمزنزدیک و قرمز در دو تصویر از دوره رشد برنج، میزان محصول مزارع تخمین زده شود. میانگین خطای نسبی مدل برای برنج پرمحصول 11.52 درصد با انحراف معیار 71.83 می باشد و دارای ضریب تخمین 0.31 است و برای برنج کم محصول میانگین خطای نسبی 9.9 درصد با انحراف معیار 9.2 و ضریب تخمین 0.2 می باشد. درنهایت با استفاده از مدل سه گانه بالا، میزان تولید هر یک از گونه های برنج در منطقه مورد مطالعه تعیین گردید که میزان تولید برنج پرمحصول 256061 تن و میزان تولید برنج کم محصول 85177 تن برآورد گردید.

آمار یکساله:  

بازدید 1307

دانلود 496 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1386
  • دوره: 

    8
  • شماره: 

    4
  • صفحات: 

    113-126
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    3359
  • دانلود: 

    87
چکیده: 

محاسبه حجم محصولات کشاورزی به روش ریاضی، به دلیل شکل هندسی نامنظم آنها چندان دقیق نیست. یکی از راه حل های ممکن، پردازش تصویر در ماشین های جداساز پیوسته بر اساس بینایی ماشین است. هدف از این تحقیق، یافتن روشی مناسب برای برآورد حجم سیب زمینی با استفاده از پردازش تصویر است. به کمک یک دوربین دیجیتال و یک آینه تخت، از هر نمونه تنها یک تصویر از دو نمای آن تهیه شد. با کاربرد نرم افزار MATLABÒ، تصاویر پردازش و ابعاد سیب زمینی بر حسب موقعیت لبه در ماتریس تصویر اندازه گیری شد. در این پژوهش حجم سیب زمینی پس از تصویربرداری، با دو روش برآورد شد: روش اول، تعیین رابطه تجربی مبتنی بر برآورد حجم بر اساس سه قطر اصلی و روش دوم، تقسیم تصویر به قطعات کوچک تر به شکل مخروط ناقص با مقطع بیضی و برآورد حجم از مجموع حجم قطعات. اندازه سه قطر اصلی و طول قطعات مخروط ناقص، با پردازش تصویر تعیین شدند. با انداه گیری حجم واقعی سیب زمینی از طریق جابه جایی آب، میزان خطای هر دو روش محاسبه و مقایسه شد. در این تحقیق، 50 عدد سیب زمینی (رقم مارفونا) به عنوان نمونه های مورد آزمایش انتخاب شدند. نتایج نشان داد که روش تقسیم تصویر به 64 قسمت، حجم را با دقت بسیار بالاتری (خطای حدود 8.15 درصد) نسبت به روش رابطه تجربی (خطای 20.5 درصد) برآورد می کند. بنابراین، برای درجه بندی سیب زمینی بر اساس حجم، روش تقسیم تصویر به عنوان روش کاربردی پیشنهاد می شود.

آمار یکساله:  

بازدید 3359

دانلود 87 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1395
  • دوره: 

    13
  • شماره: 

    4 (پیاپی 49)
  • صفحات: 

    116-124
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    2251
  • دانلود: 

    525
چکیده: 

افزایش قابلیت اطمینان و ایمنی شبکه راه آهن از جمله اهداف مدیران صنعت ریلی است که نیازمند بکارگیری روش هایی برای تشخیص و شناسایی خرابی می باشد. در راه آهن ایران طبق آمار ارائه شده توسط راه آهن جمهوری اسلامی ایران، 90 درصد سوانح در ایستگاه تهران بر روی سوزن رخ می دهد که 40 درصد آن به دلیل عدم دقت در مانور، 25 درصد مسیر اشتباهی، 25 درصد خرابی سوزن و 10 درصد نیز برخورد دیزل با واگن و یا دیزل در تقاطع های خطوط می باشد. تجهیزات سیستم سوزن به لحاظ وظیفه عملکردی در صورت عدم وجود کنترل مناسب، از حساس ترین زیربخشها و عناصر سیستم ریلی محسوب می شوند. بنابراین اگر بتوان از صحت اتصال و تغییر ایمن مسیر توسط سیستم سوزن اطمینان حاصل کرد، ایمنی و قابلیت اطمینان شبکه راه آهن افزایش یافته و حوادث ناشی از آن کاهش می یابد. در این مقاله، با استفاده از تکنولوژی پردازش تصویر به پایش سلامت تیغه های سوزن به عنوان مهمترین عنصر ایمنی شبکه ریلی، پرداخته می شود. بدین منظور توسط دوربین با وضوح تصویر مناسب، از محل تیغه های سوزن تصاویر گرفته شده و عملیات پردازش تصویر روی آنها به منظور تشخیص خرابی انجام می شود. الگوریتمی که در این مقاله مورد استفاده قرار گرفته بر مبنای آشکار سازی تغییرات ایجاد شده روی تیغه سوزن جهت بررسی تاثیرات آن در تعویض مسیر و کسب اطمینان از عبور ایمن قطار از آن استوار است. در نهایت میزان عیوب تیغه سوزن که شامل بریدگی و پریدگی ریل تیغه می باشد به عنوان خروجی پردازش تصویر گزارش می شود.

آمار یکساله:  

بازدید 2251

دانلود 525 استناد 0 مرجع 0
litScript