مجید دولتی
-
زیره پارسی ایران نقش ویژه ای در صادرات و صنایع داخلی دارد. امروزه، با توجه به عرضه گسترده انواع زیره تقلبی در بازار، شناسایی زیره پارسی اصیل از نمونه های تقلبی آن ضروری است. از میان معیارهای مختلف شناسایی، می توان به شاخص های رنگ و بافت اشاره نمود. روش های سنتی مانند بازرسی دستی و بصری، علاوه بر زمان بر بودن، با احتمال بالای خطای انسانی همراه هستند. در این پژوهش، بمنظور ارائه روشی نوین، دقیق و سریع، از فناوری ماشین بینایی برای استخراج ویژگی های رنگی و بافتی زیره از تصاویر آن استفاده شد. سپس، با به کارگیری شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم پس انتشار با یک لایه پنهان و ارزیابی نرون های مختلف در این لایه، فرآیند تشخیص زیره پارسی اصیل از انواع تقلبی انجام گرفت. پنج نمونه از زیره پارسی و چهار نمونه از زیره تقلبی با بیشترین فراوانی در بازار مورد ارزیابی قرار گرفتند. نتایج نشان داد بهترین میانگین دقت شناسایی زیره اصیل از تقلبی، با استفاده از شبکه عصبی با یک لایه پنهان با بکارگیری تابع انتقال لگاریتم سیگموئید در این لایه و تابع خطی در لایه خروجی و الگوریتم یادگیری لونبرگ مارکوات، به ترتیب 51/93 درصد برای ویژگی های رنگی، 86/ 95 درصد برای ویژگی های بافتی و 59/95 درصد برای ترکیب این دو ویژگی (رنگی-بافتی) به دست آمد که نتایج شبکه عصبی با استفاده از ویژگی های بافتی عملکرد بهتری داشت. نتایج این تحقیق نشان داد که فن آوری ماشین بینایی و شبکه های عصبی مصنوعی، قابلیت بالایی در شناسایی زیره اصیل پارسی از نمونه های تقلبی با دقت بالا دارد.کلید واژگان: زیره سیاه، شبکه های عصبی مصنوعی، فن آوری کامپیوتر بینایی، ویژگی های بافتی و رنگیPersian cumin plays a significant role in both exports and domestic industries of Iran. Today, due to the widespread availability of counterfeit cumin in the market, identifying authentic Persian cumin from its counterfeit counterparts has become increasingly essential. Among the various criteria for identification, color and texture indices are particularly notable. Traditional methods, such as manual and visual inspections, are not only time-consuming but also prone to a high degree of human error. In this study, in order to propose a new, precise, and rapid method, machine vision technology was utilized to extract the color and texture features of cumin from its images. Subsequently, a multi-layer perceptron artificial neural network with a backpropagation algorithm and a hidden layer was employed, evaluating different neurons in this layer to perform the process of distinguishing authentic Persian cumin from counterfeit varieties in the market. In this study, five samples of authentic Persian cumin and four samples of counterfeit cumin, were evaluated. The results showed that the highest average classification and identification accuracy of authentic cumin from counterfeit cumin, using a neural network with one hidden layer and employing a sigmoid transfer function in this layer and a linear function in the output layer with the Levenberg-Marquardt learning algorithm, were 93.51% for color features, 95.86% for texture features, and 95.59% for the combination of these two features (color-texture). However, the findings showed that machine vision technology and artificial neural networks have a high capability in accurately identifying authentic Persian cumin from counterfeit samples.Keywords: Black Cumin, Artificial Neural Networks, Computer Vision Technology, Texture, Color Features
-
Effect of Magnetic Field and its Stability on Growth Indices of Parsley (Petroselinum Crispum) SeedsRecent research has proven that magnetic field application enhanced the percentage of germinated seed and shortened the period of seed germination. In present research in order to evaluation of the effect of magnetic field on seed germination and seedling growth indices of smooth leaf type parsley seeds and also the stability of magnetic properties on this seed, the quadrupole magnetic field was used. The experiment was conducted as factorial in a completely randomized design with three replications. Factors include; magnetic field intensity (150, 300 and 450 mT), time exposure (30, 60 and 90 min) and culture time (0, 7 and 14 days after the magnetic field application). The results of ANOVA showed the magnetic field had a significant effect on shoot length, fresh root weight and dry shoot weight (p≥0.01) and on fresh shoot weight (p≥0.05). Duration of the field application (time exposure), significantly affected on root length (p≥0.01). Culture time had a significant effect on root length, fresh root weight and dry shoot weight (p≥0.01) and also had a significant effect on other factors (p≥0.05). Culture time without delay after applying magnetic field (0 day) increased the root length and culture time at the 14 days after applying magnetic field increased the shoot length, fresh weight of root, fresh shoot weight, dry root weight and dry root weight. Our results suggest that magnetic field and culture time treatments can be used as a physical technique to improve the most of seedling growth indices of parsley seeds.Keywords: Stability, germination, Magnetic, Parsley
-
In this study, a pilot solar thin-layer dryer was designed and constructed. This dryer was equipped with an air-to-air cross-flow plate heat exchanger. An aluminum plate with a different design was used instead of holes in its surface. The collector, the airflow hitting the absorbent plate and passing through the surface of the pipes embedded on the absorbent plate received thermal energy and transferred it to the dryer chamber. Using the randomize complete design, influence of thickness of product in three levels of 3, 5 and 8 mm, three levels of air velocity of 0.5, 1 and 1.5 m/s and 2 modes with and without the use of heat exchanger on drying time of onion slices was studied. The crop thickness and airflow velocity had a significant effect on reducing the drying time of onion slices and the effect of crop thickness was greater than airflow velocity. However, the heat exchanger did not have a significant effect on drying time and collector efficiency.Keywords: Thin-layer, Collector, Onion, Air-to-air cross-flow plate
-
پژوهش حاضر به منظور مقایسه چهار نوع خشک کن متداول پسته در استان کرمان شامل خشک کن های واگنی و خشک کن های کالسکه ای گازسوز و دیزلی از نظر تاثیر بر میزان خندانی، آسیب دیدگی، یکنواختی خشک کردن، مدت زمان انبارداری، کیفیت پسته نهایی، میزان سوخت مصرفی، راندمان انرژی و عوامل اقتصادی جهت انتخاب مناسب ترین خشک کن پسته انجام شد. برای انجام آزمایش ها از دو نوع پسته کشیده و گرد استفاده شد. نتایج بررسی ها نشان داد؛ الف- در خشک کن واگنی دیزلی به دلیل استفاده از دمای هوای بالاتر(90 درجه سانتی گراد) و ضخامت نسبتا کمتر توده محصول داخل مخزن (20 سانتی متر)، میزان خندانی بیشتر بود. ب- خشک کن های واگنی گازسوز و دیزلی به دلیل عدم استفاده از همزن، حدود 39 درصد آسیب کمتری به پسته ها وارد می کردند. ج- درمجموع خشک کن های واگنی نسبت به خشک کن های کالسکه ای مصرف سوخت کمتری (تقریبا 50 درصد) داشتند. د- خشک کن کالسکه ای گازی به دلیل استفاده مداوم از همزن، دارای یکنواختی خشک کردن بالاتری بود. ه- نوع خشک کن ها و مدت زمان انبارداری در محدوده صفر الی شش ماه بر روی درصد چربی، عدد پراکسید و کیفیت پسته تاثیر معنی داری نداشتند. و- خشک کن واگنی گازسوز نسبت به سایر خشک کن ها هزینه های کمتری داشت. ز- خشک کن واگنی گازسوز نسبت به سایر خشک کن ها راندمان انرژی بالاتری (حدود 15 درصد) داشت. ح- نوع پسته بر پارامترهای مورد مطالعه تاثیر معنی داری نداشت.کلید واژگان: انرژی، خشکبار، خشک کردن، راندمان، هزینهThe present study was carried out in order to compare the effect of four types of conventional pistachio drying systems including diesel- and gas-fueled wagon and carriage dryers on the pistachio shell opening rate, shell damage, drying uniformity, storage shelf-life, pistachio quality, fuel consumption, energy efficiency, and economic efficiency. Two well-known pistachios types including elongated and round types were chosen for this study. The obtained results showed that: A) The rate of pistachios shell opening using a diesel-fueled wagon dryer was profoundly higher than those of the other systems due to its high drying air temperature (90 oc) and the thin layer of the moist product (20 cm) within the dryer. B) The wagon dryers led to less damage (around 39 percent) to pistachio nuts because of the absence of agitation. C) Generally, the energy consumption of wagon drying systems was lower compared with the carriage systems (around 50 percent). D) Higher drying uniformity was obtained using the gas-fueled carriage dryer due to an appropriate agitation. E) Dryer type and storage time up to 6 months, had no significant effect on the oil percentage, peroxide number, and pistachios quality. F) The gas-fueled wagon dryer had the highest economic profitability among the systems studied. G) The gas-fueled wagon dryer had the highest energy efficiency compared (around 15 percent) with the other systems. H) The pistachio types did not have a significant effect on the investigated parameters.Keywords: Energy, Cost, Dryer, Efficiency, Nuts
-
امروزه، مرکبات به ویژه پرتقال نقش به سزایی در رژیم غذایی انسان ها دارد و ارزیابی ویژگی های کیفی آن از اهمیت ویژه ای برخوردار است. هدف از این پژوهش، بررسی و پیش بینی ویژگی های بیوشیمیایی پرتقال خونی با استفاده از تکنیک های پردازش تصویر و شبکه های عصبی مصنوعی است. در این آزمایش، ابتدا میزان ویتامین ث، محتوای قندی و مقدار pH با استفاده از روش های آزمایشگاهی مختلف به دست آمد. سپس با کمک تکنیک پردازش تصویر تعداد 108 ویژگی بافتی و 57 ویژگی رنگی از تصاویر اخذ شده از نمونه های پرتقال در فضاهای رنگی CIElab، RGB، HSV و HSI استخراج شد و با بهره گیری از روش شبکه های عصبی مصنوعی، ویژگی های بیوشیمیایی تخمین زده شدند. جهت ارزیابی پارامترها و انتخاب بیشترین دقت پیش بینی، از یک شبکه عصبی پیشخور با الگوریتم یادگیری لورنبرگ- مارکوارت با تعداد نرون ها و توابع انتقال متفاوت در لایه های پنهان و خروجی استفاده شد. در نهایت، با بکارگیری بهترین نوع شبکه عصبی و با استفاده از 165 ویژگی بافتی-رنگی، میزان ویتامین ث، محتوای قندی و pH، به ترتیب با ضرایب همبستگی 950/0، 968/0 و 884/0 تخمین زده شدند. بنابرین، با درنظر گرفتن ضریب همبستگی مناسب، می توان گفت فن آوری ماشین بینایی و پردازش تصویر قادر است با دقت خوبی ویژگی های بیوشیمیایی پرتقال خونی را تخمین بزند.
کلید واژگان: پرتقال خونی، ویژگی های بافتی و رنگی، خواص بیوشیمیایی، پردازش تصویر، شبکه های عصبی مصنوعیNowadays, citrus fruits, especially oranges, is very important in the human nutrition regime, and its quality characteristics assessment is very important. This study aimed to predict some biochemical characteristics of blood orange, using machine vision and artificial neural networks. In this experiment, the amount of vitamin C content, sugar content, and acidity (pH) were obtained using destructive laboratory methods. Images of blood orange samples were captured and 108 texture features and 57 color features were extracted on CIElab, RGB, HSV, and HIS color spaces and finally, the artificial neural networks method has been used to estimate the desired properties. To evaluate and select the most optimal artificial neural network, a feed-forward neural networks with Levenberg-Marquardt learning algorithm, the different number of neurons, and different transfer functions in the hidden and output layers was used. Finally, using the best neural network and 165 textural-color features, the amount of vitamin C content, sugar content, and pH were estimated with a correlation coefficient of 0.950, 0.968, and 0.884, respectively. Therefore, considering the appropriate correlation coefficient, machine vision and image processing technology can estimate some biochemical characteristics of blood oranges accurately.
Keywords: Biochemical Characteristics, Blood Orange, Color, Texture, Image Processing, ANNs -
گوشت شتر به دلیل داشتن کلسترول و چربی کم و میزان پروتیین مناسب، می تواند جایگزین مناسبی برای سایر انواع گوشت قرمز در رژیم غذایی انسان باشد. هدف از این تحقیق، بررسی و ارزیابی تازگی و مقدار محتوی چربی گوشت شتر با استفاده از فن آوری غیر مخرب ماشین بینایی است. بنابراین، با استفاده از پردازش تصویر به عنوان یکی از روش های غیر مخرب و دستگاه سوکسله به عنوان روش مخرب، به پیش بینی مقدار محتوی چربی و طبقه بندی تازگی گوشت شتر پرداخته شد. در روش پردازش تصویر 108 ویژگی بافتی و 39 ویژگی رنگی در فضاهای رنگی RGB،HSV، HIS و CIElab از تصاویر نمونه ها استخراج شد. همچنین برای تخمین این پارامترها، از شبکه عصبی پیشخور با الگوریتم پس-انتشار با یک و دو لایه پنهان، تعداد نرون و توابع انتقال مختلف استفاده شد. با توجه به نمودار رگرسیونی چربی به دست آمده از روش مخرب (چربی به دست آمده از دستگاه سوکسله) با چربی حاصله از روش غیر مخرب (ماشین بینایی) ضریب تبیین و دقت بین آن ها 841/0 به دست آمد. نتایج ارزیابی شبکه های عصبی نشان داد که مطلوب ترین شبکه برای طبقه بندی بر اساس تازگی، شبکه با یک لایه پنهان با توپولوژی 1-3-147، با توابع انتقال تانژانت سیگمویید-خطی به ترتیب در لایه پنهان اول و لایه خروجی و با ضریب تبیین 996/0 و میانگین خطای مربعات 22-10×3/2، و همچنین برای پیش بینی مقدار محتوی چربی، شبکه با دو لایه پنهان با توپولوژی 1-3-3-147 با تابع انتقال خطی-لگاریتم سیگمویید-لگاریتم سیگمویید در لایه های پنهان اول، دوم و لایه خروجی با ضریب تبیین و میانگین خطای مربعات به ترتیب 99/0 و 402/0 به دست آمد. بنابراین نتایج بدست آمده از این تحقیق، نشان می دهد که سامانه پیشنهادی با کمک فن آوری ماشین بینایی قادر است با دقت بسیار خوبی تازگی و مقدار چربی گوشت شتر را پیش بینی کند.کلید واژگان: گوشت شتر، تازگی، چربی، طبقه بندی، پردازش تصویر، شبکه های عصبی مصنوعیCamel meat can be a suitable alternative for other red meat types in human nutrition, due to its low cholesterol and low-fat content and the appropriate protein content. This research aims to investigate and evaluate the fat content and freshness of camel meat using machine vision technology as a non-destructive method. Therefore, using image processing as a non-destructive method and Soxhlet device as a destructive method, the amount of fat content was predicted, and also the freshness was classified for camel meat. In the image processing section, 108 textual features and 39 color features were extracted in the RGB, HSV, HIS, and CIElab color spaces. Moreover, to predict the freshness and quality of meat, feed-forward back propagation artificial neural networks with one and two hidden layers, a various number of neurons, and threshold functions were used. Also, according to the regression diagram of fat content obtained from the destructive method (fat content obtained from Soxhlet device) with fat content obtained from non-destructive method (machine vision), the coefficient of determination and accuracy between them achieved 0.841. The results of the evaluation of the neural networks showed that the best desirable network for classification based on freshness is a one-hidden layer network with topology 147-3-1, tangent-sigmoid transfer function at hidden layer and purelin transfer function at output layer (R2= 0.996), and also to prete of fat content the best network is two-hidden layer network with linear, log-sigmoid, log-sigmoid transfer function at first hidden layer, second hidden layer and output layer respectively (R2= 0.99). Therefore, the results of this study show that the proposed system with the help of machine vision technology can predict the freshness and fat content of camel meat with acceptable accuracy.Keywords: Camel meat, Freshness, Fat content, Image Processing, Classification, ANNs
-
نشریه پژوهش های علوم و صنایع غذایی ایران، سال شانزدهم شماره 4 (پیاپی 64، مهر و آبان 1399)، صص 479 -491
ادویه جات از با ارزش ترین گیاهان دارویی مورداستفاده در صنایع غذایی و علم پزشکی هستند و با توجه به تفاوت کیفیت و قیمت بین گونه های مختلف، تشخیص، طبقه بندی و جداسازی آن ها براساس خلوص و درجه کیفیت از اهمیت بالایی برخوردار است. ادویه ها درکشورهای مختلفی از جمله هندوستان، پاکستان، چین و کشورهای آسیای شرقی و جنوبی تولید می شوند. در این پژوهش، یک سامانه ماشین بویایی بر پایه هشت حسگر نیمه هادی اکسید فلزی در ترکیب با روش های تشخیص الگو به منظور طبقه بندی و جداسازی ادویه فلفل سیاه براساس منشاء جغرافیایی و تشخیص تقلب های کبابه چینی و پودر هسته خرما به کارگرفته شد. به منظور تحلیل داده های استخراج شده از سیگنال پاسخ حسگرها از روش تحلیل مولفه های اصلی (PCA) استفاده شد. براساس نتایج حاصل، آنالیز مولفه های اصلی با مجموع دو مولفه اصلی اول %96 برای نمونه های فلفل سیاه براساس منشاء جغرافیایی و 95% برای تقلب های کبابه چینی و هسته خرما از واریانس داده ها قابل توصیف است. همچنین از سه روش تحلیل تفکیک خطی (LDA)، ماشین بردار پشتیبان (SVM) و درخت تصمیم گیری (DT) برای طبقه بندی نمونه ها استفاده شد. استفاده از روش LDA، برای نمونه های فلفل سیاه دقت طبقه بندی 100% و برای تقلب ها دقت 14/97% را نشان داد. نتایج نشان داد که SVM با تابع گاوسی بالاترین دقت را در طبقه بندی نمونه های فلفل سیاه، تقلب کبابه چینی و تقلب هسته خرما را دارد. همچنین میزان موفقیت روش DT در تفکیک و طبقه بندی نمونه های فلفل سیاه، تقلب کبابه چینی و تقلب هسته خرما به ترتیب 66/96% و 5/88% برآورد شد.
کلید واژگان: ماشین بویایی، فلفل سیاه، کبابه چینی، هسته خرماIntroductionSpices are the most valuable medicinal plants used in food and medical science industries and due to quality and price diversity between various species, distinction, classification and separation of them based on purity and quality degree have great importance. Spices are produced in different countries, including India, Pakistan, China, and East and South Asian countries. The difference in the percentage of aromatic compounds in various types of spices from different regions has led to a distinction between spices. Also, profitable individuals for economic purposes and more profit without regard to the general health of the community will lead to the creation of adulteration in different types of spices. The most important of these adulterations is the addition of volatile ingredients such as cubeb pepper and palm kernel powder in black pepper.
Materials and MethodsIn this study, an olfactory machine system based on eight metal oxide semiconductor sensors in combination with pattern recognition methods were used to classify and separate of black pepper samples based on geographic origin and also to detect cubeb pepper adulteration and palm kernel powder. The adulterated black pepper samples were tested with different adulteration levels (10, 20 and 30%).The fractional method was used to improve and optimize the electronic nose output signals before entering diagnostic methods. In order to analyze the extracted data from the sensor response signal, the principal component analysis method (PCA) was used. Based on the results, PCA with two main components of 96% for black pepper and 95% of cubeb pepper and palm kernel adulteration can be described from the variance of data. Also, three methods of linear separation analysis (LDA), Support vector machine (SVM) and decision tree (DT) were used to classify the samples. The use of the LDA method for black pepper showed a classification precision of 100%, and for adulterations, accuracy was 97.14%.
Results and DiscussionThe results showed that SVM with Gaussian function has the highest accuracy in classifying black pepper samples, cubeb pepper, and palm kernel adulteration Also, the success rate of the DT method in separating and categorizing black pepper, cubeb pepper, and palm kernel was 96.66% and 88.5% respectively.According to the results obtained, the machine olfaction system in combination with pattern recognition methods has the ability to detect and classify different black pepper samples from different geographical origin and the lowest level of adulteration.
Keywords: Nose electronics, Black pepper, Cubeb pepper, Palm kernel -
استفاده از روش های غیرشیمیایی یکی از راهکارهای بهبود جوانه زنی بذر به شمار می رود. به منظور بررسی اثر اعمال میدان مغناطیسی بر شاخص های جوانه زنی بذر و رشد گیاهچه پیاز، یک سامانه ی میدان مغناطیسی چهار قطبی طراحی و ساخته شد و با سامانه دوقطبی مورد مقایسه قرار گرفت. در سامانه چهارقطبی، هر یک از چهار کلاف سیم پیچ شامل سه لایه سیم پیچ و یک هسته فلزی است که هسته قابلیت حرکت در درون سیم پیچ را دارد. این قابلیت باعث تغییر شدت میدان مغناطیسی، علاوه بر تغییر از طریق تغییر جریان ورودی، خواهد شد. دو آزمایش مستقل با دو سامانه ی میدان مغناطیسی به صورت فاکتوریل در قالب طرح کاملا تصادفی با سه تکرار انجام شد. فاکتورها شامل نوع سامانه (دو قطبی و چهار قطبی)، شدت میدان مغناطیسی (75، 150، 300 و 600 میکروتسلا) و مدت زمان اعمال میدان (15، 30، 60 و 120 دقیقه) بود. شاخص های مورد بررسی عبارت بودند از: درصد جوانه زنی، سرعت جوانه زنی، متوسط زمان جوانه زنی، شاخص بنیه، طول ساقه چه، طول ریشه چه، وزن تر ساقه چه، وزن تر ریشه چه، وزن تر گیاهچه، وزن خشک ریشه چه و وزن خشک ساقه چه. به طور کلی نتایج نشان داد که میدان مغناطیسی بر روی شاخص های جوانه زنی و رشد گیاهچه پیاز تاثیر معنی دار داشته و سامانه چهارقطبی نبست به سامانه دوقطبی در بیشتر شاخص های مورد مطالعه عملکرد بهتری داشته است. در مورد غالب صفات (به جز وزن)، افزایش شدت میدان، منجر به کاهش صفات شد. سیستم چهارقطبی که میدان مغناطیسی 600 میکروتسلایی را به مدت 15 دقیقه به بذر اعمال کرد، باعث افزایش 63 درصدی وزن گیاهچه گردید. غالب صفات جوانه زنی تحت تاثیر مدت زمان اعمال میدان به بذر قرار نگرفتند. به هرحال بررسی های بیشتر در خصوص مدت زمان اعمال میدان نسبت به زمان اعمال شده در این مطالعه ضروری است.
کلید واژگان: پیاز، جوانه زنی بذر، رشد گیاهچه، سامانه چهار قطبی، میدان مغناظیسیNon-chemical treatments are an approach for improving seed germination. In order to evaluate the effects of the magnetic field application on onion seed germination and seedling growth indices, a quadrupole magnetic field system was designed and fabricated. It was also compared with a dipole magnetic field system. In the quadrupole system, each coil consisted of three layers and the cores were moved inside the coils. These arrangements make it possible to change the magnetic field intensity in addition to input current setting. The experiments were conducted based on factors including the type of system (bipolar and quadrupole), magnetic flux density (75, 150, 300 and 600 μT) and duration of the field application (15, 30, 60 and 120 min). Germination percentage, germination rate, mean germination time, seedling vigor index, shoot length, root length, fresh weight of shoot and root, fresh weight of seedling, dry weight of shoot and root were measured. The results showed significant effects on seed germination and seedling growth of onion. In most germination characteristics, the quadrupole system had a better impact than the bipolar system. For many traits (except for weights), the increase in field intensity degraded the traits. Quadrupole system that applied the magnetic field of 600 μT for 15 minutes, yielded 63% increase in the total seedling weight. Most of the germination traits were not affected by exposure time. Further investigations are required for shorter exposure times compared to used durations in this study.
Keywords: Magnetic field, Onion, Quadrupole system, Seed germination, Seedling growth -
در این تحقیق با استفاده از تکنیک های پردازش تصویر و شبکه های عصبی مصنوعی، اقدام به شناسایی آفات پروانه برگ خوار و پسیل برگ پسته شد. تصاویر دیجیتالی از برگ های آفت زده درخت پسته رقم اوحدی تهیه شد و ویژگی های رنگ، بافت، مورفولوژیکی و ترکیبی (بافت – رنگ) از تصاویر استخراج و در تشخیص و طبقه بندی آفات مورد استفاده قرار گرفت. برای دستیابی به بهترین مدل، حالت های مختلف شبکه و ویژگی های مختلف استخراج شده از تصاویر مورد ارزیابی قرار گرفت که بهترین حالت ها عبارت بودند از؛ الف- با استفاده از شش ویژگی رنگی (واریانس، میانه، انحراف معیار، چولگی، کشیدگی و صافی) ، شبکه پس انتشار با تابع انتقال لگاریتم سیگموئید با دو لایه پنهان و لایه خروجی با تابع انتقال تانژانت سیگموئید با دقت3 /93% ب- با استفاده از پنج ویژگی بافتی (آنتروپی، کنتراست، همبستگی، انرژی و همگنی) ، شبکه پس انتشار با تابع انتقال تانژانت سیگموئید با دو لایه پنهان و لایه خروجی با تابع خطی با دقت 95% ج - با استفاده از پنج ویژگی مورفولوژیکی (سطح، محیط، سطح چند ضلعی محیطی، وسعت، استحکام) و 11 ویژگی ترکیبی (6 ویژگی رنگی و 5 ویژگی بافتی) با شبکه پس انتشار، با تعداد دو لایه پنهان و تابع انتقال تانژانت سیگموئید و لایه خروجی خطی به ترتیب با دقت 7 /86% و 3 /98%. نتایج نشان داد تکنیک پردازش تصویر و شبکه های عصبی مصنوعی توانایی بسیار خوبی در تشخیص و طبقه بندی آفات برگ پسته دارند.کلید واژگان: نسبت خسارت، آفات، شبکه های عصبی مصنوعی، برگ درخت پسته، پردازش تصویرIn present study, image processing technology and ANNs were used to identify the pistachio leaf pests include Ocneria terebinthina stgr and agonoscena pistaciae. The color images were captured from leaves of Ohadi pistachio variety and, color, texture, morphological and texture-color features were extracted from images in order to detection and classification of pests. To achieve the best models of ANNs, different types of ANNs and extracted features were evaluated and the following choices were selected according to the performance of different developed ANNs as the bests; A:The two-layer back propagation ANNs with two hidden layers with SigmoidAxon transfer function and TanhAxon as transfer function in output layer, by using the six color features (variance, mean, standard deviation, skewness, kurtosis and smoothness) with an accuracy of 93.3%, B: The two-layer back propagation ANNs with two hidden layers with SigmoidAxon transfer function and Linear transfer function in output layer, by using the five texture features (entropy, contrast, correlation, energy, homogeneity) with an accuracy of 95%, C: The two-layer back propagation ANNs with two hidden layers, with TanhAxon transfer function and Linear transfer function in output layer, by using the five morphological features (Area, perimeter, convex hull area, extent and solidity) and also, 11 texture-color features with accuracy of 86.7% and 98.3% respectively. The results showed the image processing technology and ANNs, had excellent ability to identify and classification of pistachio leaf pests.Keywords: Artificial Neural Networks, Pistachio Psylla, Moth, Image Processing, Damage Ratio
- این فهرست شامل مطالبی از ایشان است که در سایت مگیران نمایه شده و توسط نویسنده تایید شدهاست.
- مگیران تنها مقالات مجلات ایرانی عضو خود را نمایه میکند. بدیهی است مقالات منتشر شده نگارنده/پژوهشگر در مجلات خارجی، همایشها و مجلاتی که با مگیران همکاری ندارند در این فهرست نیامدهاست.
- اسامی نویسندگان همکار در صورت عضویت در مگیران و تایید مقالات نمایش داده می شود.