طبقه‌بندی هویج بر اساس شکل با استفاده از پردازش تصویر، شبکه عصبی مصنوعی و ماشین بردار پشتیبان
ارزیابی کیفی محصولات کشاورزی از عوامل بسیار مهم در ارتقای بازارپسندی آن‌ها است. عملیات درجه‌بندی و بسته‌بندی محصولات کشاورزی توسط كارگران با مشكلات فراوانی مثل افزایش هزینه، زمان، نیروی کارگری، تلف شدن محصول و غیره روبه‌رو است. سامانه‌های پردازش تصوير روش‌هاي نويني هستند که در بخش کشاورزي کاربردهاي...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Ferdowsi University of Mashhad
2019-05-01
|
| Series: | Journal of Agricultural Machinery |
| Subjects: | |
| Online Access: | https://jame.um.ac.ir/index.php/jame/article/view/70579 |
| id |
doaj-c62927a8655840d78f45a06ac99dfc54 |
|---|---|
| record_format |
Article |
| spelling |
doaj-c62927a8655840d78f45a06ac99dfc542021-02-02T04:08:40ZengFerdowsi University of MashhadJournal of Agricultural Machinery2228-68292423-39432019-05-0129530710.22067/jam.v9i2.7057970579طبقه‌بندی هویج بر اساس شکل با استفاده از پردازش تصویر، شبکه عصبی مصنوعی و ماشین بردار پشتیباناحمد جهانبخشی0کامران خیرعلی پور1دانشگاه محقق اردبیلیدانشگاه ایلامارزیابی کیفی محصولات کشاورزی از عوامل بسیار مهم در ارتقای بازارپسندی آن‌ها است. عملیات درجه‌بندی و بسته‌بندی محصولات کشاورزی توسط كارگران با مشكلات فراوانی مثل افزایش هزینه، زمان، نیروی کارگری، تلف شدن محصول و غیره روبه‌رو است. سامانه‌های پردازش تصوير روش‌هاي نويني هستند که در بخش کشاورزي کاربردهاي مختلفي از جمله درجه‌بندي محصولات دارد. هدف از این پژوهش پیاده‌سازی یک سامانه ماشین بینایی برای طبقه‌بندی هویج بر اساس شكل با استفاده از روش پردازش تصویر می‌باشد. برای این منظور تصویر 135 نمونه هویج در شکل‌های مختلف (معمول و غیرمعمول) تهیه گردید. پس از پیش‌پردازش تصاویر، ویژگیهای مختلف شکل از تصاویر استخراج شد. در فرآیند انتخاب ویژگی، طول، وسعت، محیط، گردی، ناهمگنی مرکز سطح، ناهمگنی عرضی و تعداد ریشه به عنوان ویژگیهای کارا انتخاب گردید. از روش‌های هوش مصنوعی و ماشینبردار پشتیبان برای طبقه‌بندی نمونه‌ها استفاده شد. نتایج نشان داد که دقت درجه‌بندی روش شبکه عصبی مصنوعی پرسپترون چندلایه از ماشین بردار پشتیبان بیشتر و برابر با 50/98 درصد می‌باشد. می‌توان گفت که روش پردازش تصویر و ماشین بینایی جهت ارتقا روش سنتی درجه‌بندی هویج کارآمد می‌باشند.https://jame.um.ac.ir/index.php/jame/article/view/70579درجه‌بندیماشین بیناییشکلهوش مصنوعیهویج |
| collection |
DOAJ |
| language |
English |
| format |
Article |
| sources |
DOAJ |
| author |
احمد جهانبخشی کامران خیرعلی پور |
| spellingShingle |
احمد جهانبخشی کامران خیرعلی پور طبقه‌بندی هویج بر اساس شکل با استفاده از پردازش تصویر، شبکه عصبی مصنوعی و ماشین بردار پشتیبان Journal of Agricultural Machinery درجه‌بندی ماشین بینایی شکل هوش مصنوعی هویج |
| author_facet |
احمد جهانبخشی کامران خیرعلی پور |
| author_sort |
احمد جهانبخشی |
| title |
طبقه‌بندی هویج بر اساس شکل با استفاده از پردازش تصویر، شبکه عصبی مصنوعی و ماشین بردار پشتیبان |
| title_short |
طبقه‌بندی هویج بر اساس شکل با استفاده از پردازش تصویر، شبکه عصبی مصنوعی و ماشین بردار پشتیبان |
| title_full |
طبقه‌بندی هویج بر اساس شکل با استفاده از پردازش تصویر، شبکه عصبی مصنوعی و ماشین بردار پشتیبان |
| title_fullStr |
طبقه‌بندی هویج بر اساس شکل با استفاده از پردازش تصویر، شبکه عصبی مصنوعی و ماشین بردار پشتیبان |
| title_full_unstemmed |
طبقه‌بندی هویج بر اساس شکل با استفاده از پردازش تصویر، شبکه عصبی مصنوعی و ماشین بردار پشتیبان |
| title_sort |
طبقه‌بندی هویج بر اساس شکل با استفاده از پردازش تصویر، شبکه عصبی مصنوعی و ماشین بردار پشتیبان |
| publisher |
Ferdowsi University of Mashhad |
| series |
Journal of Agricultural Machinery |
| issn |
2228-6829 2423-3943 |
| publishDate |
2019-05-01 |
| description |
ارزیابی کیفی محصولات کشاورزی از عوامل بسیار مهم در ارتقای بازارپسندی آن‌ها است. عملیات درجه‌بندی و بسته‌بندی محصولات کشاورزی توسط كارگران با مشكلات فراوانی مثل افزایش هزینه، زمان، نیروی کارگری، تلف شدن محصول و غیره روبه‌رو است. سامانه‌های پردازش تصوير روش‌هاي نويني هستند که در بخش کشاورزي کاربردهاي مختلفي از جمله درجه‌بندي محصولات دارد. هدف از این پژوهش پیاده‌سازی یک سامانه ماشین بینایی برای طبقه‌بندی هویج بر اساس شكل با استفاده از روش پردازش تصویر می‌باشد. برای این منظور تصویر 135 نمونه هویج در شکل‌های مختلف (معمول و غیرمعمول) تهیه گردید. پس از پیش‌پردازش تصاویر، ویژگیهای مختلف شکل از تصاویر استخراج شد. در فرآیند انتخاب ویژگی، طول، وسعت، محیط، گردی، ناهمگنی مرکز سطح، ناهمگنی عرضی و تعداد ریشه به عنوان ویژگیهای کارا انتخاب گردید. از روش‌های هوش مصنوعی و ماشینبردار پشتیبان برای طبقه‌بندی نمونه‌ها استفاده شد. نتایج نشان داد که دقت درجه‌بندی روش شبکه عصبی مصنوعی پرسپترون چندلایه از ماشین بردار پشتیبان بیشتر و برابر با 50/98 درصد می‌باشد. می‌توان گفت که روش پردازش تصویر و ماشین بینایی جهت ارتقا روش سنتی درجه‌بندی هویج کارآمد می‌باشند. |
| topic |
درجه‌بندی ماشین بینایی شکل هوش مصنوعی هویج |
| url |
https://jame.um.ac.ir/index.php/jame/article/view/70579 |
| work_keys_str_mv |
AT ạḥmdjhạnbkẖsẖy ṭbqhbndyhwyjbrạsạssẖḵlbạạstfạdhạzprdạzsẖtṣwyrsẖbḵhʿṣbymṣnwʿywmạsẖynbrdạrpsẖtybạn AT ḵạmrạnkẖyrʿlypwr ṭbqhbndyhwyjbrạsạssẖḵlbạạstfạdhạzprdạzsẖtṣwyrsẖbḵhʿṣbymṣnwʿywmạsẖynbrdạrpsẖtybạn |
| _version_ |
1714909784403083264 |