طراحی یک سامانه سخت افزاری جهت جداسازی پسته های معیوب از سالم با استفاده از شبکه های عصبی عمیق
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
هدف از این مطالعه توسعه الگوریتم های تصویربرداری، جهت بهبود درجه بندی آجیل ها با نقص های پوسته از جمله لکه های چربی، لکه های تیره، بدنه چسبیده، نقص های هسته ای آسیب و پوسیدگی قارچی می باشد. همه این نقص ها نشان دهنده خطر آلودگی به آفلاتوکسین هستند. شبکه های عصبی کانولوشن در زمینه های مختلف بینایی ماشین و طبقه بندی تصویر برجسته شده اند. در این پژوهش یک مدل سخت افزار آزمایشگاهی بر مبنای شبکه عصبی کانولوشنی جهت طبقه بندی پسته ها طراحی شده است. داده های جمع آوری شده 958 تصویر، شامل 276 تصویر از پسته های معیوب و 682 تصویر از پسته های سالم می باشند. طبقه بندی تصاویر شامل سالم و معیوب بر اساس 3 نوع شبکه عصبی کانولوشن عمیق شامل Google net، resnet18 و vgg16 انجام شده است. میزان دقت و ویژگی نتایج به دست آمده با استفاده از مدل های شبکه های عصبی عمیق از پیش آموزش داده شده Google net، resnet18 و vgg16 به ترتیب برابر 8/95%-1/97%، 2/97%-7/96% و 83/95%-08/97% هست.
کلیدواژگان:
آفلاتوکسین ، پسته ، شبکه عصبی عمیق ، کانولوشن ، طبقه بندی
زبان:
فارسی
صفحات:
149 تا 159
لینک کوتاه:
magiran.com/p2147107
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!