پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,757 |
| تعداد مشاهده مقاله | 115,115,003 |
| تعداد دریافت فایل اصل مقاله | 89,881,633 |
کاربرد شبکههای هوش مصنوعی و استنتاج عصبی فازی تطبیقی برای تعیین محتوای رطوبتی برگ چای سبز براساس پارامترهای رنگی | ||
| مهندسی بیوسیستم ایران | ||
| مقاله 4، دوره 44، شماره 2، اسفند 1392، صفحه 125-133 اصل مقاله (662.69 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2014.50120 | ||
| نویسندگان | ||
| محمد شهابی قویونلویی1؛ شاهین رفیعی* 2؛ سید سعید محتسبی3؛ سلیمان حسین‌پور4 | ||
| 1دانشجوی کارشناسی ارشد، پردیس کشاورزی و منابع طبیعی دانشگاه تهران | ||
| 2استاد، پردیس کشاورزی و منابع طبیعی دانشگاه تهران | ||
| 3استاد ،پردیس کشاورزی و منابع طبیعی دانشگاه تهران | ||
| 4دانش‌آموخته دورۀ دکتری، پردیس کشاورزی و منابع طبیعی دانشگاه تهران | ||
| چکیده | ||
| استفاده از پردازش تصویر و سامانه‌های هوش مصنوعی در زمینۀ کشاورزی و صنایع غذایی روز‌به‌روز بیشتر می‌شود. هدف از انجام این تحقیق، بررسی امکان استفاده از پردازش تصویر در پیشبینی روند تغییرات محتوای رطوبتی برگهای چای سبز در حین خشک‌شدن با استفاده از سامانه‌های پیشگویی شبکۀ عصبی مصنوعی و استنتاج فازی عصبی تطبیقی است. آزمایش‌های خشک‌کردن به‌روش لایه نازک و براساس عوامل مؤثر در خشک‌شدن در پنج دمای 50، 60، 70،80، و 90 درجۀ سلسیوس و سه سرعت جریان هوای 5/0، 1، و 5/1 متر‌بر‌ثانیه انجام گرفت. نتایج حاصل از استخراج پارامترهای رنگی تصاویر برگرفته از نمای بالای نمونهها، به‌عنوان دادههای ورودی سامانه‌های هوش مصنوعی، برای تعیین محتوای رطوبتی آن‌ها به‌کار برده شد. در‌پایان، بهترین نتایج پیشبینی شبکۀ عصبی مصنوعی با دو لایۀ پنهان (شامل 12 نرون در لایۀ اول و 15 نرون در لایۀ دوم)با ضریب تعیین 948/0 و مجذور میانگین مربعات خطای 092/0 گردید. | ||
| کلیدواژه‌ها | ||
| پردازش تصویر؛ چای سبز؛ خشک‌کردن؛ هوش مصنوعی | ||
| عنوان مقاله [English] | ||
| Application of artificial neural network and adaptive neuro-fuzzy inference systems in determining the moisture content in green tea sheets based on colored parameters | ||
| نویسندگان [English] | ||
| Mohammad Shahabi Ghoyonloe1؛ Shahin Rafiee2؛ Seyed Saeid Mohtasebi3؛ Soleiman Hosseinpour4 | ||
| 1MS.c. Student | ||
| 2Professor, University College of Agriculture and Natural Resources, University of Tehran | ||
| 3Professor, University College of Agriculture and Natural Resources, University of Tehran | ||
| 4former Graduated Student, University College of Agriculture and Natural Resources, University of Tehran | ||
| چکیده [English] | ||
| Using image processing and artificial intelligence systems in agriculture and food industry is increasing daily. The purpose of this research is to study the feasibility of using image processing technique in predicting process of moisture content changes on green tea sheets during the drying using predictive artificial intelligence systems such as: artificial neural networks and adaptive neuro-fuzzy inference system. The drying experiments were conducted at five temperatures of 50, 60, 70, 80 and 90 °C and three air flow rates of 0.5, 1 and 1.5 m/s using thin layer method. The results gained out of extracting colorful images took from upper view of samples were applied as input data of artificial intelligence systems for determining moisture content. Finally, the best results predicted by the artificial neural network with two hidden layers contained (12 neurons in the first layer and 15 neurons on the second layer) with correlation coefficient of 0.948 and root mean square error of 0.092, respectively. | ||
| کلیدواژه‌ها [English] | ||
| image processing, Artificial Intelligence, Drying, green tea | ||
|
آمار تعداد مشاهده مقاله: 4,896 تعداد دریافت فایل اصل مقاله: 2,172 |
||