امید دوستی ایرانی؛ عباس روحانی؛ محمودرضا گلزاریان؛ منصوره شمیلی؛ پیمان آذر کیش
چکیده
درجه‌بندی میوه از نظر ویژگیهای کیفی از جمله سفتی، مواد جامد محلول و اسیدیته، به‌صورت غیرمخرب در امر بازارپسندی آن تأثیر به‌سزایی دارد. در این پژوهش با استفاده از ترکیب تکنیک‌های پردازش تصویر و هوش مصنوعی، پیش‌بینی ویژگیهای کیفی انبه رقم کلک سرخ مورد بررسی قرار گرفته است. نمونههای مورد بررسی در دو تیمار دمایی 5، 15 و تیمار ...
بیشتر
درجه‌بندی میوه از نظر ویژگیهای کیفی از جمله سفتی، مواد جامد محلول و اسیدیته، به‌صورت غیرمخرب در امر بازارپسندی آن تأثیر به‌سزایی دارد. در این پژوهش با استفاده از ترکیب تکنیک‌های پردازش تصویر و هوش مصنوعی، پیش‌بینی ویژگیهای کیفی انبه رقم کلک سرخ مورد بررسی قرار گرفته است. نمونههای مورد بررسی در دو تیمار دمایی 5، 15 و تیمار شاهد (24 درجه سانتی‌گراد) به مدت 48 ساعت قرار گرفتند. پس از آن به مدت 14 روز به‌صورت یک روز در میان تصویربرداری از نمونه‌ها انجام و ویژگیهای رنگی از نواحی مورد نظر در محیط رنگی L*a*b استخراج شدند. پس از هر مرحله تصویربرداری میزان اسیدیته، قند و سفتی بافت اندازه‌گیری شد. به‌منظور بررسی ارتباط بین خصوصیات فیزیکوشیمیایی و مشخصه‌های تصویری بین نمونه‌ها، شبکه عصبی چندلایه پرسپترون ایجاد و آموزش داده شد. از این شبکه تربیت شده به‌منظور پیش بینی ویژگیهای فیزیکی از روی مشخصه‌های رنگی استفاده شد. متغیرهای ورودی به شبکه شامل تیمار دمایی در سه سطح (شاهد، 15 و 5 درجه سانتی‌گراد)، کانال‌های رنگی (L, a, b) و میزان انحراف معیار کانال‌های رنگی (stdL, stda, stdb) است. متغیرهای خروجی نیز شامل قند، اسیدیته و سفتی بافت است. نتایج حاصل از پیش‌بینی مدل شبکه عصبی نشان داد که دقت مدل در مرحله آزمون برای پیش‌بینی فاکتورهای اسیدیته، قند و سفتی بافت به‌ترتیب برابر با 45، 85، 88 درصد است؛ بنابراین هرچند دقت مدل شبکه عصبی برای پیش‌بینی اسیدیته از روی فاکتورهای رنگی نمونههای انبه پایین بود، اما شبکه عصبی مبتنی بر ماشین بینایی قادر به پیش‌بینی فاکتورهای سفتی و قند با دقت بالا است.
مریم نقی پورزاده ماهانی؛ محمدحسین آق خانی؛ خلیل بهزاد؛ عباس روحانی
چکیده
کیفیت خلال روی عمل اسمز در فرآیند استخراج قند از چغندرقند از اهمیت ویژه‌ای برخوردار است. باتوجه به تاثیر لبه تیغه بر پارگی سلول‌های سطح برش، در این مطالعه اثر دو مدل تیغه لبه صاف و لبه اره‌ای با انجام آزمایشات در سه تکرار بر فرایند استخراج مورد بررسی قرار گرفت. نتایج این پژوش نشان داد نوع تیغه بر درجه خلوص و ماده غیرقندی، جرم ساکاروز ...
بیشتر
کیفیت خلال روی عمل اسمز در فرآیند استخراج قند از چغندرقند از اهمیت ویژه‌ای برخوردار است. باتوجه به تاثیر لبه تیغه بر پارگی سلول‌های سطح برش، در این مطالعه اثر دو مدل تیغه لبه صاف و لبه اره‌ای با انجام آزمایشات در سه تکرار بر فرایند استخراج مورد بررسی قرار گرفت. نتایج این پژوش نشان داد نوع تیغه بر درجه خلوص و ماده غیرقندی، جرم ساکاروز در شربت دیفوزیون، درصد قند خارج شده ناشی از برش خلال، قند استخراج شده در دیفوزیون، درجه استخراج قند، بازده تفاله، زمان و انرژی مصرفی در سطح 5% معنی‌دار است. بیشترین درجه خلوص از شربت حاصل از خلال‌های تهیه شده با تیغه صاف 33/78، 86/84 و 52/85 درصد و کمترین مقادیر ماده غیر قندی برای همین تیمار 1/0، 55/0 و 51/0 درصد به ترتیب برای مراحل شستشوی خلال‌ها، پیش گرم‌کن و دیفوزیون بدست آمد. با استفاده از تیغه لبه اره‌ای قند استخراج شده در اثر برش چغندر 5/14 درصد، قند استخراج شده در دیفوزیون4/ 94 درصد، جرم ساکاروز شربت22/7 گرم و درجه استخراج 19/0 بدست آمد که این مقادیر نسبت به حالتی که از تیغه لبه صاف برای تهیه خلال استفاده می‌شود؛ بیشتر بدست آمد. همچنین با استفاده از تیغه اره‌ای بازده تفاله پرس شده 97/28 درصد، زمان استخراج به مدت40 دقیقه و انرژی مصرفی 7/1 کیلووات بر ساعت بدست آمد که در مقایسه با استفاده از تیغه لبه صاف به‌طور معنی‌داری کمتر بود.
سعیده فیاضی؛ محمدحسین عباسپورفرد؛ عباس روحانی؛ حسن صدرنیا؛ سید امیرحسن منجمی
چکیده
با توجه به ارزش اقتصادی متفاوت ارقام برنج، گزارشات نشان‌دهنده این هستند که احتمال اختلاط ارقام مختلف در بازار وجود دارد. استفاده از تکنیک‌های پردازش تصویر و شبکه‌های عصبی برای طبقه‌بندی ارقام برنج، روشی است که می‌تواند دقت فرآیند طبقه‌بندی را افزایش دهد. در این مطالعه چند ویژگی شکلی از تصاویر دانه‌ها بررسی شدند تا کارآیی آن‌ها ...
بیشتر
با توجه به ارزش اقتصادی متفاوت ارقام برنج، گزارشات نشان‌دهنده این هستند که احتمال اختلاط ارقام مختلف در بازار وجود دارد. استفاده از تکنیک‌های پردازش تصویر و شبکه‌های عصبی برای طبقه‌بندی ارقام برنج، روشی است که می‌تواند دقت فرآیند طبقه‌بندی را افزایش دهد. در این مطالعه چند ویژگی شکلی از تصاویر دانه‌ها بررسی شدند تا کارآیی آن‌ها در شناسایی سه رقم برنج ایرانی (طارم (محلی)، فجر، شیرودی) در نمونههای مخلوط این سه رقم ارزیابی شود. در مجموع 666 تصویر از دانه‌های برنج (222 تصویر از هر رقم) در شرایط نورپردازی ثابت گرفته شد و 17 ویژگی شکلی از تصاویر دانه‌ها استخراج شد. روش‌های ضریب فیشر (FC)، تحلیل اجزای اصلی (PCA) و ترکیبی از این دو روش (FC-PCA) برای انتخاب ویژگی‌هایی که بیشترین تأثیر را در دسته‌بندی و شناسایی ارقام دارند به‌کار برده شدند. برای طبقه‌بندی نمونههای برنج در سه کلاس مختلف از شبکه‌ی عصبی بردار یادگیر چندی‌ساز (LVQ4) استفاده شد. دقت طبقه‌بندی LVQ4، به‌ترتیب برای سه رقم فجر، شیرودی و طارم 87/98، 100 و 100%، برای دو رقم فجر و شیرودی 100 و 100%، برای دو رقم طارم و شیرودی 100 و 100% و برای دو رقم فجر و طارم 62/97 و 74/95% بود. این نتایج نشان می‌دهند که روش پردازش تصویر ابزاری مناسب برای تشخیص و جداسازی ارقام مختلف برنج است.
