Brukimilan, Ghotbaddin (2018) Study of feasibility for defects and sizes of apple (golden delecious) by digital online image processing. Masters thesis, University of Mohaghegh Ardabili.
|
Text (بررسی امکان تشخیص لکه¬ها و اندازه¬های سیب زرد به کمک پردازش تصویر آنلاین)
Ghotbaddin Brukimilan.pdf Download (1MB) | Preview |
Abstract
Today, the use of machine vision systems and image processing as a new method in the agricultural sector has found many applications which are applied for grading various products. The appropriate grading and packaging will make the market more productive therefore, many researchers are looking for different ways to grade this product. Among these methods, the artificial intelligence-based methods are particular importance. Because these methods have the ability to learn and thereby increase the flexibility of the system. In this research, an image processing system with diagnostic and artificial intelligence methods for apple grading was used. And the degree of success of grading in above mentioned methods was compared with each other. Therefore, the aim of this study is to investigate and identificate the apples grading possibility by online image processing using artificial neutral networks and the developed algorithm. For this purpose, using an online machine vision system, including a lighting system, camera and computer which was placed on a conveyor system. 400 images were taken from samples with different sizes and 102 samples were selected randomly among them and were processed using Matlab 2013b software. Then the samples were graded using a digital caliper and developed algorithm and neural network. The results of comparative parameters, the model performance has a high correlation coefficient, acceptable RMSE and MAE according to the data range. It’s that suggests high performance of the neural network in modeling the area of apples and bruise based on square pixels.
| Item Type: | Thesis (Masters) | ||||||
|---|---|---|---|---|---|---|---|
| Persian Title: | بررسی امکان تشخیص لکه¬ها و اندازه¬های سیب زرد به کمک پردازش تصویر آنلاین | ||||||
| Persian Abstract: | امروزه استفاده از سيستم های ماشين بينايي و پردازش تصوير به عنوان روشی نوين در بخش کشاورزي کاربردهاي مختلفي یافته است و از آن به منظور درجه بندي محصولات مختلف استفاده مي شود. درجه بندی و بسته بندی مناسب باعث بازار پسندی بیشتر محصول می شود، به همین جهت محققان زیادی به دنبال روش های گوناگون برای درجه بندی این محصول هستند. در بین این روش ها، روش هایی که بر پایه ی شاخه هایی از هوش مصنوعی باشد از اهمیت خاصی برخوردار است، زیرا این روش ها دارای قابلیت یادگیری بوده و از این طریق انعطاف پذیری سیستم را افزایش می دهند. در این پژوهش از سیستم پردازش تصویر به همراه روش های آنالیز تشخیصی و هوش مصنوعی برای درجه بندی سیب استفاده شد و میزان موفقیت درجه بندی روشهای مذکور با یکدیگر مقایسه گردید. با اين وجود هدف از اين تحقيق بررسي و شناسایی امکان درجه بندي سیب با استفاده از پردازش تصوير آنلاین به کمک شبکه عصبی و الگوریتم تدوین شده بود. بدين منظور يک سيستم آنلاین ماشين بينايي شامل سیستم نورپردازی، دوربين و رایانه که بر روی یک سیستم نوار نقاله قرار داده شده بودن استفاده شد. تعداد 400 تصویر از نمونه هایی با اندازه مختلف اخذ و از بین آن ها تعداد 102 نمونه به صورت تصادفی انتخاب شد و با استفاده از نرم افزار Matlab 2013b مورد پردازش قرار گرفت سپس نمونه ها با استفاده از کولیس دیجیتال، الگوریتم توسعه یافته و شبکه عصبی درجه بندی شدند. نتایج ناشی از پارامترهای مقایسه ای، عملکرد مدل دارای ضریب همبستگی بالا، RMSE(مساحت سیب 284/6087 مساحت لکه 46/249) و MAE(مساحت سیب 542/2085 مساحت لکه 06/73) قابل قبول با توجه به بازه داده ها می باشد و حاکی از عملکرد بالای شبکه عصبی در مدل سازی مساحت سیب و لکه بر اساس پیکسل مربع می باشد | ||||||
| Supervisor: |
|
||||||
| Advisor: |
|
||||||
| Subjects: | Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem Divisions > Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem |
||||||
| Divisions: | Subjects > Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem |
||||||
| Date Deposited: | 06 Oct 2018 13:45 | ||||||
| Last Modified: | 06 Oct 2018 13:45 | ||||||
| URI: | http://repository.uma.ac.ir/id/eprint/394 |
Actions (login required)
 |
View Item |
