طبقه‌بندی میوه زالزالک بر مبنای رسیدگی با استفاده از ماشین بینایی
ازارپسندی محصولات تولیدی به طور گسترده‌ای به ظاهر آن ها بستگی دارد. لذا هدف از مطالعه حاضر توسعه الگوریتم‌هایی برای استخراج، انتخاب، و طبقه‌بندی ویژگی‌های تصاویر نمونه‌های زالزالک به منظور طبقه‌بندی آن‌ها بر اساس سطح رسیدگی است. تعداد 600 نمونه میوه زالزالک تهیه شد. در مرحله بعد یک جعبه نورپردازی به...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Iranian Research Organization for Science and Technology (IROST)
2022-07-01
|
| Series: | فناوری‌های جدید در صنعت غذا |
| Subjects: | |
| Online Access: | https://jift.irost.ir/article_1156_63d7f0f74343ea90e1dac734eaba8156.pdf |
| Summary: | ازارپسندی محصولات تولیدی به طور گسترده‌ای به ظاهر آن ها بستگی دارد. لذا هدف از مطالعه حاضر توسعه الگوریتم‌هایی برای استخراج، انتخاب، و طبقه‌بندی ویژگی‌های تصاویر نمونه‌های زالزالک به منظور طبقه‌بندی آن‌ها بر اساس سطح رسیدگی است. تعداد 600 نمونه میوه زالزالک تهیه شد. در مرحله بعد یک جعبه نورپردازی به منظور تصویربرداری از نمونه‌های زالزالک با نورپردازی کنترل شده طراحی و ساخته شد. پس از تصویربرداری و ذخیره تصاویر بدست آمده، فرآیند پردازش تصویر در نرم افزار متلب اجرا شد. در این مرحله بعد از عملیات پیش پردازش، ویژگی‌های رنگ و بافت از تصاویر استخراج شد. از بین ویژگی های استخراج شده تعدادی ویژگی به عنوان ویژگی های کارا با استفاده از روش انتخاب ترتیبی با پایه درجه دوم در نرم افزار متلب انتخاب شدند. از روش های تحلیل تفکیک خطی و درجه دوم برای طبقه بندی ویژگی های کارا استفاده شد. پارامترهای دقت، صحت، حساسیت، و خاصیت برای مدل های طبقه بندی محاسبه شدند. میانگین دقت طبقه‌بندی نمونه‌های مختلف زالزالک با استفاده از روش‌های تحلیل تفکیک خطی و درجه دوم در مرحله آموزش به ترتیب برابر 67/98 و % 33/99 و در مرحله آزمون با هم مشابه و برابر با % 67/98 بود. همچنین بر اساس نتایج مربوط به پارامترهای تعیین شده، مدل تحلیل تفکیک درجه دوم از مدل تحلیل تفکیک خطی عملکرد بهتری داشت. |
|---|---|
| ISSN: | 2783-350X 2783-1760 |