تشخیص تخم مرغهای شکسته با استفاده از روش ظرفیت خازنی و طبقه بندهای هوشمند

نویسندگان

مهدی قادری

دانشجوی کارشناسی ارشد مکانیک بیوسیتم، دانشگاه تربیت مدرس، تهران ایران احمد بناکار

استادیار گروه مکانیک بیوسیستم، دانشگاه تربیت مدرس، تهران ایران علی اکبر مسعودی

استادیار گروه علوم دام، دانشگاه تربیت مدرس، تهران ایران

چکیده

چکیده یکی از مشکلات موجود در صنعت بسته بندی، توزیع تخم‏مرغ و جوجه کشی وجود تخم‏مرغ‏های دارای ترک می باشد. با توجه به حجم بالای تخم­مرغ­های تولیدشده در جهان جدا کردن تخم مرغ های شکسته امری مهم تلقی می­شود. در این تحقیق با استفاده از خاصیت هدایت الکتریکی، تخم­مرغ­های شکسته و سالم از یکدیگر تفکیک گردیدند. در این تحقیق از تخم‏مرغ نژاد هایلان استفاده گردید. از آنجایی که معیاری برای سنجش ترک در پوسته تخم­مرغ وجود ندارد تعداد 100 تخم مرغ شکسته انتخاب گردید و به ده نفر متخصص در زمینه تخم مرغ نشان داده شد. 48 تخم مرغ با ترک مویی از بین تخم­مرغ­های شکسته انتخاب و مورد آزمایش قرار گرفت. بدین منظور ضرایب دی­الکتریک و اتلاف تخم­مرغ­ها در فرکانس­های بین khz 40 تا mhz 20 اندازه گیری شدند و به عنوان ورودی طبقه­بندهای شبکه عصبی و ماشین بردار پشتیبان مورداستفاده قرار گرفتند. طبقه­بندهای شبکه عصبی و svm از 50% داده­های اختصاص یافته برای ارزیابی  شامل 75 و26 تخم­مرغ شکسته و سالم، هردو توانستند با دقت 100% تخم‏مرغ­های سالم و شکسته را با ضریب کاپا 1 از یکدیگر جدا کنند.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

امکان‌سنجی استفاده از روش خازنی در تشخیص رسیدگی موز

درجه‌بندی محصولات کشاورزی همواره موضوع تحقیق دانشمندان بوده است. یکی از زمینه‌های مورد مطالعه درجه‌بندی میوه براساس میزان رسیدگی آن است. روش‌های مختلفی برای تشخیص میزان رسیدگی میوه به کار گرفته شده است که بعضی از این روش‌ها مخرب و برخی دیگر غیر مخرب هستند. در این تحقیق از روش غیرمخرب خازنی برای تشخیص میزان رسیدگی میوه‌ی موز استفاده شده است. رابطه میزان رسیدگی با ثابت دی‌الکتریک میوه در بسامد یک...

متن کامل

امکان سنجی استفاده از روش خازنی در تشخیص رسیدگی موز

درجه بندی محصولات کشاورزی همواره موضوع تحقیق دانشمندان بوده است. یکی از زمینه های مورد مطالعه درجه بندی میوه براساس میزان رسیدگی آن است. روش های مختلفی برای تشخیص میزان رسیدگی میوه به کار گرفته شده است که بعضی از این روش ها مخرب و برخی دیگر غیر مخرب هستند. در این تحقیق از روش غیرمخرب خازنی برای تشخیص میزان رسیدگی میوه ی موز استفاده شده است. رابطه میزان رسیدگی با ثابت دی الکتریک میوه در بسامد یک...

متن کامل

تشخیص عابر پیاده با استفاده از کلاس بندهای SVM و هیستوگرام در توالی تصاویر مادون قرمز

Abstract In dark environments and foggy or smoky conditions where it is not possible to use eyesight and usual binoculars to detect human from other objects, the best solution is to use infrared images. This paper presents a robust method to recognize pedestrians in infrared image sequences. For this purpose, combination of SVM and histogram classifiers has been used. A pre-processing phase ext...

متن کامل

توسعه سامانه هوشمند تشخیص بیماری آتشک در گیاه لیلیوم با استفاده از روش پردازش تصویر

تشخیص خودکار بیماری­های گیاهی در مراحل اولیه در مزارع بزرگ می­تواند علاوه بر افزایش کیفیت محصول نهایی از  بروز خسارات جبران ناپذیر نیز جلوگیری نماید. لذا در این پژوهش سامانه­ای هوشمند بر مبنای پردازش تصاویر به منظور شناسایی و رفع بیماری آتشک در­ برگ گیاه لیلیوم و همچنین طبقه­بندی گیاه سالم از بیمار طراحی و توسعه یافت. بر این اساس تعداد 20 گل­ سالم و  20 گل آلوده توسط سامانه بینایی ماشین ارزیابی...

متن کامل

تشخیص فرار مالیاتی با استفاده از سیستم هوشمند ترکیبی

با توجه به اجرایی شدن سامانه عملیات الکترونیکی مودیان مالیاتی و ایجاد پایگاه داده‌های مالیاتی، امکان پایش اطلاعات موجود با مدل های مختلف فراهم شده است. در این پژوهش، از الگوریتم بهینه سازی جستجوی هارمونی به‌منظور بهینه سازی همزمان پارامترهای شبکه عصبی پرسپترون چند لایه و ترکیب مناسب ورودی ها استفاده شده است. علاوه بر آن نتایج با رگرسیون لجستیک به عنوان هسته سیستم مورد مقایسه قرار گرفته است. متغ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
علوم و صنایع غذایی ایران

جلد ۱۴، شماره ۶۹، صفحات ۱۸۰-۱۷۱

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023