کاربرد شبکه‏های هوش مصنوعی و استنتاج عصبی‌ فازی‌ تطبیقی برای تعیین محتوای رطوبتی برگ چای سبز براساس پارامترهای رنگی

شهابی قویونلویی, محمد; رفیعی, شاهین; محتسبی, سید سعید; حسین‌پور, سلیمان

doi:10.22059/ijbse.2014.50120

کاربرد شبکه‏های هوش مصنوعی و استنتاج عصبی‌ فازی‌ تطبیقی برای تعیین محتوای رطوبتی برگ چای سبز براساس پارامترهای رنگی

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ دانشجوی کارشناسی ارشد، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

² استاد، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

³ استاد ،پردیس کشاورزی و منابع طبیعی دانشگاه تهران

⁴ دانش‌آموخته دورۀ دکتری، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

10.22059/ijbse.2014.50120

چکیده

استفاده از پردازش تصویر و سامانه‌های هوش مصنوعی در زمینۀ کشاورزی و صنایع غذایی روز‌به‌روز بیشتر می‌شود. هدف از انجام این تحقیق، بررسی امکان استفاده از پردازش تصویر در پیش‏بینی روند تغییرات محتوای رطوبتی برگ‌‏های چای سبز در حین خشک‌شدن با استفاده از سامانه‏های پیش‏گویی شبکۀ عصبی مصنوعی و استنتاج فازی‌ ‌عصبی‌ ‌تطبیقی است. آزمایش‌های خشک‌کردن به‌روش لایه نازک و براساس عوامل مؤثر در خشک‌شدن در پنج دمای 50، 60، 70،80، و 90 درجۀ سلسیوس و سه سرعت جریان هوای 5/0، 1، و 5/1 متر‌بر‌ثانیه انجام گرفت. نتایج حاصل از استخراج پارامترهای رنگی تصاویر برگرفته از نمای بالای نمونه‏ها، به‌عنوان داده‏های ورودی سامانه‏های هوش مصنوعی، برای تعیین محتوای رطوبتی آن‌ها به‌کار برده شد. در‌پایان، بهترین نتایج پیش‏بینی شبکۀ عصبی مصنوعی با دو لایۀ پنهان (شامل 12 نرون در لایۀ اول و 15 نرون در لایۀ دوم)با ضریب تعیین 948/0 و مجذور میانگین مربعات خطای 092/0 گردید.

کلیدواژه‌ها

20.1001.1.20084803.1392.44.2.4.6

موضوعات

عنوان مقاله [English]

Application of artificial neural network and adaptive neuro-fuzzy inference systems in determining the moisture content in green tea sheets based on colored parameters

نویسندگان [English]

Mohammad Shahabi Ghoyonloe ¹
Shahin Raﬁee ²
Seyed Saeid Mohtasebi ³
Soleiman Hosseinpour ⁴

¹ MS.c. Student

² Professor, University College of Agriculture and Natural Resources, University of Tehran

³ Professor, University College of Agriculture and Natural Resources, University of Tehran

⁴ former Graduated Student, University College of Agriculture and Natural Resources, University of Tehran

چکیده [English]

Using image processing and artificial intelligence systems in agriculture and food industry is increasing daily. The purpose of this research is to study the feasibility of using image processing technique in predicting process of moisture content changes on green tea sheets during the drying using predictive artificial intelligence systems such as: artificial neural networks and adaptive neuro-fuzzy inference system. The drying experiments were conducted at five temperatures of 50, 60, 70, 80 and 90 °C and three air flow rates of 0.5, 1 and 1.5 m/s using thin layer method. The results gained out of extracting colorful images took from upper view of samples were applied as input data of artificial intelligence systems for determining moisture content. Finally, the best results predicted by the artificial neural network with two hidden layers contained (12 neurons in the first layer and 15 neurons on the second layer) with correlation coefficient of 0.948 and root mean square error of 0.092, respectively.

کلیدواژه‌ها [English]