مروری بر کاربردهای روشهای پردازش تصویر بر کنترل کیفیت محصولات غذایی-بخش دوم: روشهای مبتنی بر مُدل و مبتنی بر تبدیلهای ریاضی در پردازش بافتار
با افزایش حساسیتهای قانونی و انتظارات مصرفکنندگان در ارتباط با کیفیت محصولات غذایی، نیاز به ارزیابی دقیق و سریع این محصولات در صنایع غذایی روبه افزایش است. بینایی ماشین با بهرهگیری از روشهای پردازش تصویر امکان نظارتِ مکانیزه و غیرمخرب بر کیفیت محصولات غذایی را فراهم نموده است. بافتار بهعنوان یک...
Saved in:
Main Authors: | , , |
---|---|
Format: | Article |
Language: | fas |
Published: |
Institute for Color Science and Technology
2017-02-01
|
Series: | مطالعات در دنیای رنگ |
Subjects: | |
Online Access: | https://jscw.icrc.ac.ir/article_76430_adf3e0d0ceb92e416a85f03903008497.pdf |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
_version_ | 1832542317243793408 |
---|---|
author | سجاد قدرتی محسن محسنی بزرگی سعیده گرجی کندی |
author_facet | سجاد قدرتی محسن محسنی بزرگی سعیده گرجی کندی |
author_sort | سجاد قدرتی |
collection | DOAJ |
description | با افزایش حساسیتهای قانونی و انتظارات مصرفکنندگان در ارتباط با کیفیت محصولات غذایی، نیاز به ارزیابی دقیق و سریع این محصولات در صنایع غذایی روبه افزایش است. بینایی ماشین با بهرهگیری از روشهای پردازش تصویر امکان نظارتِ مکانیزه و غیرمخرب بر کیفیت محصولات غذایی را فراهم نموده است. بافتار بهعنوان یکی از مهمترین ویژگیهای تصویر، در کنترل کیفیت محصولات غذایی در سالهای اخیر بهطور گسترده به کار گرفته شده است. بطور کلی روشهای ارزیابی بافتار به چهار دستهی آماری، ساختاری، روشهای مبتنی بر مدل و مبتنی بر تبدیل تقسیمبندی میشود. در بخش اولِ این پژوهش به مبانی پردازش بافتارِ تصویر با استفاده از روشهای آماری پرداخته شد. موضوع مورد بحث در بخش دوم، روشهای مبتنی بر مُدل و تبدیلهای ریاضی در پردازش بافتار است. روشهای مبتنی بر مُدل با در نظر گرفتن مُدلی ریاضی جهت یافتن ارتباط بین سطح روشنایی پیکسلها عمل مینمایند؛ در حالی که روشهای مبتنی بر تبدیل با استفاده از کمیّتهای حاصل از تصاویر انتقال یافته توسط تبدیلهای ریاضی، توصیفی از بافتار بهدست میدهند. در پژوهش حاضر پس از معرفی نحوهی عملکرد روشهای مذکور، مثالهایی از پژوهشهای اخیر ارائه شده است که با بهکارگیری بافتار تصویر کمّی شده به وسیلهی این روشها، کنترل کیفیت مواد غذایی را ممکن ساختهاند. نتایج حاصل از تحقیقات گذشته نشان میدهد که پس از روشهای آماری، روشهای مبتنی بر مدل و تبدیلهای ریاضی در صنایع غذایی در جایگاه دوم (از نظر دقت عملکرد و محبوبیت بهکارگیری) قرار میگیرند. |
format | Article |
id | doaj-art-8bb71c74655143e5a96d20e5951569d3 |
institution | Kabale University |
issn | 2251-7278 2383-2223 |
language | fas |
publishDate | 2017-02-01 |
publisher | Institute for Color Science and Technology |
record_format | Article |
series | مطالعات در دنیای رنگ |
spelling | doaj-art-8bb71c74655143e5a96d20e5951569d32025-02-04T07:20:45ZfasInstitute for Color Science and Technologyمطالعات در دنیای رنگ2251-72782383-22232017-02-01640076430مروری بر کاربردهای روشهای پردازش تصویر بر کنترل کیفیت محصولات غذایی-بخش دوم: روشهای مبتنی بر مُدل و مبتنی بر تبدیلهای ریاضی در پردازش بافتارسجاد قدرتی0محسن محسنی بزرگی1سعیده گرجی کندی2مهندسی پلیمر، دانشگاه صنعتی امیرکبیردانشکده مهندسی پلیمر و رنگ، دانشگاه صنعتی امیر کبیردانشکده مهندسی پلیمر و رنگ، دانشگاه صنعتی امیرکبیربا افزایش حساسیتهای قانونی و انتظارات مصرفکنندگان در ارتباط با کیفیت محصولات غذایی، نیاز به ارزیابی دقیق و سریع این محصولات در صنایع غذایی روبه افزایش است. بینایی ماشین با بهرهگیری از روشهای پردازش تصویر امکان نظارتِ مکانیزه و غیرمخرب بر کیفیت محصولات غذایی را فراهم نموده است. بافتار بهعنوان یکی از مهمترین ویژگیهای تصویر، در کنترل کیفیت محصولات غذایی در سالهای اخیر بهطور گسترده به کار گرفته شده است. بطور کلی روشهای ارزیابی بافتار به چهار دستهی آماری، ساختاری، روشهای مبتنی بر مدل و مبتنی بر تبدیل تقسیمبندی میشود. در بخش اولِ این پژوهش به مبانی پردازش بافتارِ تصویر با استفاده از روشهای آماری پرداخته شد. موضوع مورد بحث در بخش دوم، روشهای مبتنی بر مُدل و تبدیلهای ریاضی در پردازش بافتار است. روشهای مبتنی بر مُدل با در نظر گرفتن مُدلی ریاضی جهت یافتن ارتباط بین سطح روشنایی پیکسلها عمل مینمایند؛ در حالی که روشهای مبتنی بر تبدیل با استفاده از کمیّتهای حاصل از تصاویر انتقال یافته توسط تبدیلهای ریاضی، توصیفی از بافتار بهدست میدهند. در پژوهش حاضر پس از معرفی نحوهی عملکرد روشهای مذکور، مثالهایی از پژوهشهای اخیر ارائه شده است که با بهکارگیری بافتار تصویر کمّی شده به وسیلهی این روشها، کنترل کیفیت مواد غذایی را ممکن ساختهاند. نتایج حاصل از تحقیقات گذشته نشان میدهد که پس از روشهای آماری، روشهای مبتنی بر مدل و تبدیلهای ریاضی در صنایع غذایی در جایگاه دوم (از نظر دقت عملکرد و محبوبیت بهکارگیری) قرار میگیرند.https://jscw.icrc.ac.ir/article_76430_adf3e0d0ceb92e416a85f03903008497.pdfبافتار تصویرصنایع غذاییروشهای مبتنی بر مُدلروشهای مبتنی بر تبدیلهای ریاضیتبدیل فوریهبُعد فرکتال |
spellingShingle | سجاد قدرتی محسن محسنی بزرگی سعیده گرجی کندی مروری بر کاربردهای روشهای پردازش تصویر بر کنترل کیفیت محصولات غذایی-بخش دوم: روشهای مبتنی بر مُدل و مبتنی بر تبدیلهای ریاضی در پردازش بافتار مطالعات در دنیای رنگ بافتار تصویر صنایع غذایی روشهای مبتنی بر مُدل روشهای مبتنی بر تبدیلهای ریاضی تبدیل فوریه بُعد فرکتال |
title | مروری بر کاربردهای روشهای پردازش تصویر بر کنترل کیفیت محصولات غذایی-بخش دوم: روشهای مبتنی بر مُدل و مبتنی بر تبدیلهای ریاضی در پردازش بافتار |
title_full | مروری بر کاربردهای روشهای پردازش تصویر بر کنترل کیفیت محصولات غذایی-بخش دوم: روشهای مبتنی بر مُدل و مبتنی بر تبدیلهای ریاضی در پردازش بافتار |
title_fullStr | مروری بر کاربردهای روشهای پردازش تصویر بر کنترل کیفیت محصولات غذایی-بخش دوم: روشهای مبتنی بر مُدل و مبتنی بر تبدیلهای ریاضی در پردازش بافتار |
title_full_unstemmed | مروری بر کاربردهای روشهای پردازش تصویر بر کنترل کیفیت محصولات غذایی-بخش دوم: روشهای مبتنی بر مُدل و مبتنی بر تبدیلهای ریاضی در پردازش بافتار |
title_short | مروری بر کاربردهای روشهای پردازش تصویر بر کنترل کیفیت محصولات غذایی-بخش دوم: روشهای مبتنی بر مُدل و مبتنی بر تبدیلهای ریاضی در پردازش بافتار |
title_sort | مروری بر کاربردهای روشهای پردازش تصویر بر کنترل کیفیت محصولات غذایی بخش دوم روشهای مبتنی بر مُدل و مبتنی بر تبدیلهای ریاضی در پردازش بافتار |
topic | بافتار تصویر صنایع غذایی روشهای مبتنی بر مُدل روشهای مبتنی بر تبدیلهای ریاضی تبدیل فوریه بُعد فرکتال |
url | https://jscw.icrc.ac.ir/article_76430_adf3e0d0ceb92e416a85f03903008497.pdf |
work_keys_str_mv | AT sjạdqdrty mrwrybrḵạrbrdhạyrwsẖhạyprdạzsẖtṣwyrbrḵntrlḵyfytmḥṣwlạtgẖdẖạyybkẖsẖdwmrwsẖhạymbtnybrmudlwmbtnybrtbdylhạyryạḍydrprdạzsẖbạftạr AT mḥsnmḥsnybzrgy mrwrybrḵạrbrdhạyrwsẖhạyprdạzsẖtṣwyrbrḵntrlḵyfytmḥṣwlạtgẖdẖạyybkẖsẖdwmrwsẖhạymbtnybrmudlwmbtnybrtbdylhạyryạḍydrprdạzsẖbạftạr AT sʿydhgrjyḵndy mrwrybrḵạrbrdhạyrwsẖhạyprdạzsẖtṣwyrbrḵntrlḵyfytmḥṣwlạtgẖdẖạyybkẖsẖdwmrwsẖhạymbtnybrmudlwmbtnybrtbdylhạyryạḍydrprdạzsẖbạftạr |