تخمین محتوای نیترات گوجهفرنگی با استفاده از ویژگیهای تصویر | ||
| مجله علوم و صنایع غذایی ایران | ||
| Article 1, Volume 21, Issue 152, 1403, Pages 1-16 PDF (652.06 K) | ||
| DOI: 10.22034/FSCT.21.152.1 | ||
| Authors | ||
| سید مهدی نصیری* ; محمد امین نعمت اللهی; عبدالعباس جعفری; پیمان سلمرودی | ||
| دانشگاه شیرازبخش مهندسی بیوسیستم | ||
| Abstract | ||
| کاربرد ناصحیح کودهای شیمیایی در تولید محصولات کشاورزی بروز بیماری برای مصرفکنندگان را ممکن میسازد. در این مطالعه تخمین مقدار نیترات تجمع یافته در میوه گوجهفرنگی به کمک پردازش تصویر بررسی شد. این پژوهش در قالب طرح کاملا تصادفی با چهار تیمار نیتروژن در سطوح 1200،800،400 و 1600 کیلوگرم بر هکتار انجام شد. از هر تیمار 50 نمونه به طور تصادفی برای تهیه تصاویر و ایجاد مدل تخمین انتخاب شد. نمونهها با ضخامت یکسان برش زده شدند، عکسبرداری صورت گرفت و سپس نیترات نمونهها به روش آزمایشگاهی اندازهگیری شد. مولفه های رنگی R، G و B مرتبط با سطح و محتوای داخلی نمونهها و همچنین ویژگیهای غیررنگی از جمله مساحت پیکسلهای سفید ورقهها ، مساحت کل ورقهها و نسبت مساحت پیکسلهای سفید به مساحت کل استخراج شدند. نتایج نشان داد متناسب با سطوح نیتروژن اعمال شده، مقدار نیترات نمونهها به ترتیب 6/1، 7/2، 8/2 و 3/3 درصد اندازهگیری شد که این افزایش معنادار بود (P<0.05). افزون بر آن، مشخص شد محتوای رنگی ورقهها، مساحت پیکسلهای سفید ورقهها و نسبت مساحت پیکسلهای سفید به مساحت کل همبستگی بالایی با محتوای نیترات نمونهها داشت. برای پیشبینی میزان نیترات، مدل رگرسیون چندگانه و شبکه عصبی چند لایه پرسپترون بکاربرده شد. روش بهترین زیر مجموعه رگرسیون برای انتخاب مناسبترین مدل رگرسیون بکاربرده شد. برای انتخاب بهترین مدل شبکه عصبی، معماریها و توابع انتقال مختلف به کار برده شد و بر اساس نتایج شبکه با ساختار 1-15-3 با کمترین مقدار ریشه میانگین مربعات خطا به عنوان بهترین مدل انتخاب شد. برای واسنجی بهترین مدل رگرسیون و شبکه عصبی از 60 نمونه جدید استفاده شد. ساختار معرفی شده توانست با درصد میانگین خطای نسبی 5/3 درصد در مقایسه با مدل رگرسیون با مقدار 2/5 درصد مقدار محتوای نیترات را تخمین بزند. | ||
| Keywords | ||
| پردازش تصویر; رگرسیون; شبکه عصبی مصنوعی; گوجهفرنگی; نیترات | ||
| References | ||
|
| ||
|
Statistics Article View: 275 PDF Download: 178 |
||
| Number of Journals | 45 |
| Number of Issues | 2,160 |
| Number of Articles | 24,577 |
| Article View | 19,940,069 |
| PDF Download | 16,083,532 |