دسته بندی هوشمند هندوانه ی رقم چارلستون گری بر اساس میزان رسیدگی با استفاده از پردازش سیگنال های آکوستیک
محل انتشار: مجله مهندسی بیوسیستم ایران، دوره: 49، شماره: 3
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 145
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJBSE-49-3_005
تاریخ نمایه سازی: 31 اردیبهشت 1402
چکیده مقاله:
با توجه به بحران آب موجود در سطح کشور و فرایند آبیاری سنتی هندوانه، امکان کاهش کاشت و در نتیجه افزایش قیمت این محصول در سال های آتی وجود دارد که این امر ضرورت تعیین شاخص هایی برای انتخاب هندوانه ی با کیفیت را پر رنگ تر می کند. هدف از انجام این پژوهش دسته بندی هندوانه ی رقم چارلستون گری به کلاس های نارس، رسیده و بیش رس است که در این راستا از پردازش سیگنال های آکوستیک و الگوریتم های داده کاوی و تکنیک های هوش مصنوعی بهره گرفته شده است. پس از تهیه ی نمونه ها، ابتدا سیگنال های صوتی از موقعیت های مختلف هندوانه به وسیله ی یک ضربه زن مجهز به سلونوئید اخذ و سپس با انجام ارزیابی های حسی کلاس نمونه ها تعیین شد. روش های پردازش سیگنال در حوزه زمان، حوزه ی فرکانس و پردازش به کمک تبدیل موجک برای استخراج ویژگی های با اهمیت از سیگنال های صوتی هندوانه ها مورد استفاده قرار گرفته و با استفاده از آزمون t تعدادی از ویژگی هایی که در تمایز کلاس ها معنی دار بودند انتخاب شدند. از الگوریتم های ماشین بردار پشتیبان و K همسایگی نزدیک برای دسته بندی نمونه استفاده گردید. در مجموع ۵۲ درصد از کل نمونه ها به صورت صحیح توسط کارشناسان خبره دسته بندی شدند. برای ساچمه ی فلزی، الگوریتم SVM، با تابع هسته ی درجه ی ۳ برای سیگنال های صوتی مستخرج از موقعیت وسط، دقت ۷۸ درصد و برای سیگنال های صوتی مستخرج از موقعیت ساقه با تابع هسته گاوسی دقت ۷۵ درصد را حاصل کرد. بهترین دسته بندی با مقدار ۷۹ درصد برای جنس ساچمه ی فلزی و موقعیت سمت ساقه با الگوریتم دسته بند KNN و متریک فاصله ی کسینوسی حاصل شد.
کلیدواژه ها:
نویسندگان
امیر علی پسندی
دانشجوی دکتری، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
اصغر محمودی
دانشیار، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
حسین بهفر
استادیار، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :