مقاله درجه بندی مغز گردو براساس اندازه و رنگ با استفاده از پردازش تصویر

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله درجه بندی مغز گردو براساس اندازه و رنگ با استفاده از پردازش تصویر دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله درجه بندی مغز گردو براساس اندازه و رنگ با استفاده از پردازش تصویر  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله درجه بندی مغز گردو براساس اندازه و رنگ با استفاده از پردازش تصویر،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله درجه بندی مغز گردو براساس اندازه و رنگ با استفاده از پردازش تصویر :

تعداد صفحات :۲۱

امروزه توسعه سیستم های هوشمندی که بتوانند در مراحل مختلف آماده سازی و فرآوری محصولات کشاورزی و مواد غذایی با کارآیی مناسب بکار روند از اولویت های تحقیقاتی در این حوزه به شمار میروند. بدین منظور در پژوهش حاضر آزمایش هایی به منظور بررسی عوامل موثر بر یک سامانه تشخیص مغزگردو براساس اندازه و رنگ (به روش استاندارد) اجرا شد. بررسی ها بر امکان تشخیص دسته های کیفی، شامل سه دسته “نیمه”،” ربعی” و” خرده” و سه دسته رنگی، شامل “کهربایی روشن”، “روشن” و “بسیار روشن” در یک رقم انجام شد. متغیرهای پیش بینی کننده شامل قطر کوچک و بزرگ، الگوریتم شناسایی و مولفه های رنگی Red، Green، Blue، Hue، Saturation، Value، L، a و b از سه مدل رنگی بود. در مقایسه دو روش نورپردازی مشخص شد که هر چند میانگین دقت تشخیص در نورپردازی از پایین (۳/۹۴%) نسبت به نورپردازی از بالا (۹۱%) بیشتر است، اما امکان استخراج هم زمان مولفه های رنگی و ابعادی، بکارگیری این روش نورپردازی را موجه میسازد. نتایج همچنین نشان داد که دقت و سرعت تشخیص براساس اندازه به مراتب بیشتر از تشخیص دسته های رنگی است. به طوریکه می توان نمونه های نیمه (نیم-مغز) را با دقت ۱۰۰% و در مدت زمان میانگین ۳۱/۰ثانیه از دسته های دیگر تشخیص داد. درحالی که بالاترین دقت در تشخیص مغزهای با رنگ روشن از دسته های دیگر ۲%/۷۶ و در مدت زمان ۹۱/۱ ثانیه بود. براساس نتایج تحلیل تشخیص خطی، با توجه به هم پوشانی داده های مدل های رنگی می توان صرفا از شاخص میزان روشنی در مدل HSV با دقت ۸۱% و در مدت زمانی کمتر از ۶/۰ ثانیه برای تشخیص نمونه های بسیار روشن از دو دسته دیگر استفاده کرد. همچنین در مقایسه مدل های رنگی، به ترتیب مدل HSV و Lab از بالاترین و پایینترین دقت در طبقه بندی برخوردار بودند.بر اساس نتایج این تحقیق می‌توان از مولفه‌های رنگی و ابعادی برای تشخیص مغزگردو بر اساس روش استاندارد در مدت زمان کم‌تر از ۲ ثانیه تحت نورپردازی از بالا استفاده نمود. از این اطلاعات می‌توان برای طراحی و توسعه سامانه­های درجه‌بندی مغز گردو در صنایع غذایی استقاده نمود.