اندازه گیری pH محلول راکتور زیستی دارای شناساگر فنول رد با استفاده از پردازش تصویر و شبکه های عصبی RBF و ANFIS

در این پژوهش اندازه گیری pH محلول کشت در نظر گرفته شده و سامانه ی تعبیه شده ای طراحی شد تا به طور خودکار و بدون دخالت انسان بتواند pH را به صورت لحظه ای اندازه گیری کرده و به کنترل pH  با سرعت بالاتر کمک کند. برای این منظور از پردازش رنگ محلول با دوربین و استفاده از الگوریتم های شبکه عصبی مصنوعی استفاده شده و الگوریتم ها بر روی یک پردازنده پیاده سازی شد. شبکه توسط داده های آزمایشگاهی محلول مانند آموزش داده شد. تعداد لایه های شبکه RBF سه و ورودی ها در سه دسته RGB به شبکه داده شد و نسبت به محلول استاندارد خطای RBF  در خطای آموزش به 0.35 و خطای تست به 0.1 رسیده و در شبکه ANFIS مقدار خطای آموزش کم تر از 0.06 و خطای آزمون به کم تر از 0.01 رسید که نشان می دهد دقت بالاتری نسبت به شبکه RBF دارد. این درصد خطا با 37 محلول گوناگون به دست آمد. با افزایش تعداد آن می توان این خطا را نیز کاهش داد.