تشخیص و طبقه بندی میوه ها با استفاده از یادگیری عمیق (مورد مطالعه گیاه خرما)

چکیده مقاله

شبکه عصبی کانولوشنی با ساختار منحصر به فرد برای استخراج ویژگی ها و کلاس بندی یک تکنولوژی جدید در زمینه بینایی ماشین می باشد امروزه یکی از چالش های موجود استفاده از یادگیری عمیق در بخش کشاورزی و برداشت محصول و بسته بندی براساسکیفیت برای مصارف داخلی همچنین کمک به صادرات می باشد در این مطالعه روشی جدید برای تشخیص خرماهای سالم مورد بررسی قرار گرفته وهمچنین جداسازی و تشخص اینکه خرما در کدام مرحله از رسیدن می باشد مجموعه داده این تحقیق بااستفاده ازدوربین تلفن همراه تحت شرایط کنترل نشده از خرمای شاهانی که خرمای خاص ایران می باشد جمع آوری شده است این مجموعه داده شامل تصاویری در چهار کلاس می باشد که سه کلاس خلال و رطب و تمر مربوط به مراحل بلوغ خرما و یک کلاس مربوط به خرماهای معیوب می باشد دراین تحقیق از روش های شبکه عصبی کانولوشنی و شبکه های از پیش آموزش داده شده نظیر VGG۱۶ و Resnet و Inception V۳ استفاده شد ودر مرحله بعد تصاویر بدست آمده از هیستوگرام گرادیان جهت گرا را به مدل اضافه کردیم ودر نهایت از تکیکی برای پیدا کردن بهترین نرخ یادگیری برای سه مدل ذکر شده استفاده کردیم بهترین دقت بدست آمده مربوط به ترکیب مدل Inception v۳ با روش پیشنهادی می باشد که درنهایت دقت ۹۹ ۲۶% حاصل شد

کلیدواژه‌ها

نویسندگان

مریم تلخابی

دانشجوی کارشناسی ارشد دانشگاه صنعتی قم

محبوبه شمسی

دکتری واستادیار دانشگاه صنعتی قم

مجید آقایی

دکتری و مربی دانشگاه صنعتی قم

�لخابی، مریم و شمسی، محبوبه و آقایی، مجید،1400،تشخیص و طبقه بندی میوه ها با استفاده از یادگیری عمیق (مورد مطالعه گیاه خرما)،پنجمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز

ارائه‌شده در

مجموعه مقالات اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی3 اسفند 1401 · اهواز