چکیده : باتوجه به افزایش انتظارات مصرف کنندگان در ارتباط با کیفیت محصولات غذایی، ارزیابی دقیق و سریع این محصولات از اهمیت ویژه ای برخوردار است . تکنیکهای پردازش تصویر امکان نظارت غیرمخرب بر صنایع غذایی را فراهم کرده است . در این تحقیق الگوریتمی توانمند برای آشکارسازی ن چکیده کامل
چکیده : باتوجه به افزایش انتظارات مصرف کنندگان در ارتباط با کیفیت محصولات غذایی، ارزیابی دقیق و سریع این محصولات از اهمیت ویژه ای برخوردار است . تکنیکهای پردازش تصویر امکان نظارت غیرمخرب بر صنایع غذایی را فراهم کرده است . در این تحقیق الگوریتمی توانمند برای آشکارسازی نواقص پوسته تخم مرغ مبتنی بر مدل محاسباتی سیستم بینایی انسان و بر اساس حساسیت سریع سیستم بینایی انسان به محرکهای شدت روشنائی ،جهت و رنگ ارائه شده است . روش پیشنهادی و چهار مدل از روشهای موجود در تشخیص برجستگی تصاویر بر روی تعدادی از تصاویر با نرم افزار Matlab R2013a در محیط Windows7 با پردازنده 5/2 گیگاهرتز و حافظهRAM 4 گیگاهرتز پیاده سازی شدند . برای پیاده سازی روش پیشنهادی، مدل محاسباتی سیستم بینایی موجود در الگوریتم در سه مقیاس و شش جهت در نظر گرفته شد. نتایج حاصله که براساس مقایسه دیداری نتایج ، رسم منحنی ROC و محاسبه AUC مدلها بودند ، عملکرد مطلوب الگوریتم پیشنهادی را نسبت به سایر الگوریتمها نشان داد .
پرونده مقاله
چکیده : کشمش یکی از محصولات مهم کشاورزی است که از خشک کردن انگور بدست می آید. در حال حاضر درجه بندی کشمش و تعیین درصد انواع مختلف کشمش در یک نمونه و همچنین تشخیص دم دار بودن و یا نیودن آن به صورت دستی انجام می گیرد وبنابراین مستلزم صرف زمان زیادی می باشد. در این مطالعه چکیده کامل
چکیده : کشمش یکی از محصولات مهم کشاورزی است که از خشک کردن انگور بدست می آید. در حال حاضر درجه بندی کشمش و تعیین درصد انواع مختلف کشمش در یک نمونه و همچنین تشخیص دم دار بودن و یا نیودن آن به صورت دستی انجام می گیرد وبنابراین مستلزم صرف زمان زیادی می باشد. در این مطالعه ، هدف ارائه الگوریتمهایی مؤثر و توانمند با استفاده از تکنیکهای پردازش تصویر در حوزه بینایی ماشین برای درجه بندی کشمش و همچنین تشخیص و تعیین درصد کشمشهای دم دار و بی دم می باشد. جهت تجزیه و تحلیل الگوریتم ارائه شده ، با تهیه عکس از نمونه های مختلفی از انواع کشمش و اجرای الگوریتمهای پیشنهادی بر روی این نمونه ها در نرم افزار MATLAB و مقایسه نتایج به دست آمده با روشهای دستی ، عملکرد الگوریتم مورد ارزیابی قرار می گیرد. جهت ارزیابی عملکرد روشهای پیشنهادی معیارهای دقت کل ، حساسیت و دقت خروجی مثبت محاسبه گردید که یافته های حاصل شده از ارزیابی روش پیشنهادی جهت درجه بندی کشمش دقت کل 98/65% ، حساسیت 98/47% و دقت خروجی مثبت 97/83% و همچنین یافته های روش پیشنهادی جهت تعیین درصد دم دار بودن کشمش نیز دقت کل 98% ، حساسیت 32/92% و دقت خروجی مثبت 69/98% را نشان داد که بیانگر عملکرد مطلوب و قابل اعتماد این روشها همراه با صرف هزینه کم ( محاسبات نرم افزاری کم ) در مقایسه با روشهای سنتی می باشد.
پرونده مقاله