Grading of Bam orange using image processing technique and helping hybrid ANN-GA and ANFIS methods

Sabzi, Sajad and Abbaspour-Gilandeh, Yousef and Razavi, Mahsa Grading of Bam orange using image processing technique and helping hybrid ANN-GA and ANFIS methods. In: 1st International and 5th National Conference on Organic vs. Conventional Agriculture, 16-17 August 2017, Ardabil, Iran.

[img] Text
C-00140-AB-2.pdf

Download (402kB)
Official URL: http://www.uma.ac.ir

Abstract

Orange is a fruit from citrus family which is rich in vitamins, minerals and other nutrients. Getting a relationship between physical properties of orange and its mass can create tremendous change in the packaging industry. In this study 100 samples of bam oranges were prepared to imaging. After image processing by Matlab software, 13 features were extracted from them. Helping ANFIS and ANN-GA methods models were presented to predict mass of bam orange. The best model was related to ANN –GA method with two inputs length/Area and Wied/Area. The coefficient of determination (R2) for ANN-GA and ANFIS were 0.97 and 0.91 respectively. So, ANN-GA method has error percentage less than ANFIS and therefore it can be used for setting up a full automatic grading system.

Item Type: Conference or Workshop Item (Poster)
Persian Title: درجه‌بندی پرتقال بم با استفاده از روش ‌پردازش تصویر و به کمک دو روش عصبی – فازی و عصبی – ژنتیک
Persian Abstract: پرتقال میوه‌ای از خانواده مرکبات می‌باشد که سرشار از ویتامین و مواد معدنی و دیگر عناصر مغذی است. بدست آوردن رابطه‌ای بین خصوصیات ظاهری پرتقال و جرم آن می‌تواند در صنعت بسته‌بندی، تحولی عظیم ایجاد کند. در این مطالعه 100 نمونه پرتقال بم ایران به‌منظور تصویربرداری از آن‌ها تهیه گردید. پس از پردازش تصاویر توسط نرم‌افزار متلب، 13 خصوصیت از آن‌ها استخراج شد. به کمک دو روش شبکه عصبی مصنوعی- فازی((ANFIS و هیبرید شبکه عصبی مصنوعی- الگوریتم ژنتیک (ANN-GA) مدل‌هایی برای جرم پرتقال ارائه گردید که در نهایت بهترین مدل مربوط‌به روش هیبرید عصبی مصنوعی‌- الگوریتم ژنتیک با دو ورودی طول به مساحت و عرض به مساحت می‌باشد. ضریب همبستگی(R2) برای این ورودی‌ها در دو روش هیبرید عصبی مصنوعی – الگوریتم ژنتیک و هیبرید عصبی مصنوعی – فازی به‌ترتیب97/. و 82/. می‌باشد. بنابراین هیبرید شبکه عصبی مصنوعی – الگوریتم ژنتیک مدلی با درصد خطای کمتر ارائه می‌دهد و می‌توان از آن برای ساخت سیستم درجه‌بندی با دقت بالا جهت تشخیص جرم پرتقال از دو ورودی ذکر شده استفاده کرد.
Subjects: Divisions > Conferences > 1st International and 5th National Conference on Organic vs. Conventional Agriculture, 16-17 August 2017
Conferences > 1st International and 5th National Conference on Organic vs. Conventional Agriculture, 16-17 August 2017
Divisions: Conferences > 1st International and 5th National Conference on Organic vs. Conventional Agriculture, 16-17 August 2017
Subjects > Conferences > 1st International and 5th National Conference on Organic vs. Conventional Agriculture, 16-17 August 2017
Date Deposited: 25 Nov 2018 12:32
Last Modified: 11 Dec 2018 22:58
URI: http://repository.uma.ac.ir/id/eprint/3606

Actions (login required)

View Item View Item