عنوان
|
طراحی و ساخت یک چیدمان ماشین بینایی جهت انجام پروژه های تحقیقاتی در زمینه پرداش تصویر محصولات کشاورزی و غذایی (گوشت شتر و زیره سیاه)
|
نوع پژوهش
|
طرح پژوهشی خاتمه یافته
|
کلیدواژهها
|
تازگی، رنگ، زیره پارسی اصیل، کیفیت، گوشت شترمرغ، ماشین بینایی.
|
چکیده
|
امروزه با توجه به افزایش جمعیت جهان، نیاز به استفاده از یک فنآوری پیشرفته، برای تخمین سریع، غیر مخرب و حتی الامکان دقیق کیفیت محصولات کشاورزی و غذایی لازم و ضروری به نظر میرسد. بنابراین در این تحقیق اقدام به راه اندازی یک سامانه ماشین بینایی گردید و جهت ارزیابی عملکرد سامانه، به بررسی کیفی گوشت شترمرغ و زیره سیاه پرداخته شد. جهت ارزیابی تازگی و کیفیت درونی گوشت شترمرغ، پس از تصویربرداری از نمونههای گوشت، مولفههای رنگی روشناییl*، قرمزیa* و زردیb* در طول مدت زمان نگهداری نمونهها در دمای چهار درجه، به کمک نرم افزار متلب پردازش و استخراج شدند. همچنین بهمنظور اعتبارسنجی مدلهای بدست آمده، مقادیر اسیدیته، چربی و پروتئین نمونهها بطور همزمان در آزمایشگاه بصورت مخرب اندازهگیری شد. مدلهای رگرسیونی پیشبینی تازگی گوشت شترمرغ براساس مولفههای رنگیl*، a* ،b* ،R ،G و B به ترتیب با ضریب تبیین2/88، 9/85، 9/85، 9/86، 8/86 و 5/87 بدست آمد. همچنین مدلهای رگرسیونی پیشبینی تازگی گوشت شترمرغ براساس مولفههای رنگی r، g،b ،H ، S، Vو I به ترتیب دارای ضریب تبیین2/76، 5/77 ، 4/78 ،3/49، 2/49، 49 و1/51 بدست آمد. در نهایت مدل رگرسیونی تخمین چربی، پروتئین و اسیدیته گوشت شترمرغ با فنآوری ماشین بینایی و پردازش تصویر به ترتیب دارای ضریب تبیین 38/83 ، 01/91 و 93/97 بود. امروزه به دلیل وجود انواع مختلف زیره تقلبی در بازار، شناسایی زیره ی پارسی اصیل از نوع تقلبی آن از اهمیت بالایی برخوردار است. شناسایی به روش بازرسی دستی و بصری بسیار وقت گیر و دارای خطای انسانی بسیار می باشد. بنابراین به استخراج ویژگی های رنگ و بافت زیره از تصویر آن پرداخته شد و در نهایت با بهره گیری از شبکه های عصبی مصنوعی، به تشخیص زیره پارسی اصیل از انواع تقلبی موجود در بازار، شامل پنچ نمونه زیره پارسی و چهار نمونه زیره ی تقلبی،که بیشترین فراوانی را در بازار داشتند، اقدام گردید. پس از استخراج ویژگی های بافتی و رنگی، شناسایی نمونه ها با استفاده از شبکه عصبی پس انتشار صورت گرفت. بهترین میانگین دقت شناسایی و طبقه بندی زیره اصیل از نوع تقلبی با بکارگیری شبکه عصبی یک لایه با تابع انتقال لگاریتم سیگموئید در لایه پنهان و تابع خطی در لایه خروجی و تابع یادگیری لونبرگ مارکوات با استفاده از ویژگی های رنگی، بافتی و ترکیبی (بافتی-
|
پژوهشگران
|
مجید دولتی (نفر اول)
|