پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,036 |
| تعداد مشاهده مقاله | 125,508,801 |
| تعداد دریافت فایل اصل مقاله | 98,772,127 |
بازشناسی ارقام پسته بر پایه ماشین بینایی و فیلترهای گابور | ||
| مهندسی بیوسیستم ایران | ||
| مقاله 3، دوره 43، شماره 2، اسفند 1391، صفحه 125-131 اصل مقاله (343.81 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2013.35214 | ||
| نویسندگان | ||
| اسما شمسی گوشکی* 1؛ سعید سریزدی2؛ حسین نظام آبادی پور2؛ حمزه شمسی گوشکی3 | ||
| 1کارشناس ارشد، دانشگاه شهید باهنر کرمان | ||
| 2دانشیار، دانشگاه شهید باهنر کرمان | ||
| 3دانشجوی کارشناسی، دانشگاه تربیت مدرس تهران | ||
| چکیده | ||
| در این تحقیق با استفاده از فیلترهای گابور، روشی برای استخراج ویژگیهای مناسب از تصاویر پسته و بازشناسی رقم آن، ارائه شده است. برخلاف روشهای موجود دستهبندی ارقام پسته که بر اساس پردازش تکتک دانههای پسته انجام شده‌اند، در روش حاضر، تصویر مجموعهای از دانههای پسته به عنوان بافت مورد پردازش قرار میگیرد که این امر موجب کارآیی و افزایش سرعت میگردد. روش ارائه شده روی مجموعهای شامل 1000 زیرتصویر از 5 رقم متداول پسته آزمایش شده است. برای طبقهبندی، طبقهبند k همسایه نزدیکتر بهکار رفته است. نتایج آزمایش، متوسط نرخ طبقهبندی صحیح برای مجموعه آزمایشی را معادل 8/94% نشان میدهد که مناسب بودن روش پیشنهادی برای بازشناسی پسته را تأیید میکند. | ||
| کلیدواژه‌ها | ||
| استخراج ویژگی؛ بازشناسی تصویر؛ طبقه¬بندی | ||
| عنوان مقاله [English] | ||
| Pistachio Varieties Recognition using Machine Vision and Gabor Filters | ||
| نویسندگان [English] | ||
| Asma Shamsi gooshki1؛ Saeid Saryazdi2؛ Hosein Nezam Abadi pour2؛ Hamze Shamsi Gooshki3 | ||
| چکیده [English] | ||
| A new method based upon Gabor filter and machine vision for the recognition of pistachio varieties is proposed throughout the current study. In the suggested method, the image of a set number of pistachios is considered to represent a texture; instead of one by one pistachio processing (which is actually done in the current methods) the new method is expected to represent a higher rating as well as a higher performance. To evaluate the proposed method, it was applied on an image of a set of pistachios' containing 1000 sub-images of 5 varieties of the fruit and using a K-means clustering to classify the product. The experimental results confirm the efficiency of the method by a classification rating of 94.8%. | ||
| کلیدواژه‌ها [English] | ||
| Classification, Feature extraction, Image recognition | ||
|
آمار تعداد مشاهده مقاله: 2,449 تعداد دریافت فایل اصل مقاله: 2,092 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب