دانلود مقاله انگلیسی رایگان:ارزیابی کیفیت چای سیاه کنگو با استفاده از یک سیستم بینایی کامپیوتری ساخته شده در آزمایشگاه همراه با ویژگی های مورفولوژیکی و شیمی سنجی - 2021
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • Evaluating Congou black tea quality using a lab-made computer vision system coupled with morphological features and chemometrics Evaluating Congou black tea quality using a lab-made computer vision system coupled with morphological features and chemometrics
    Evaluating Congou black tea quality using a lab-made computer vision system coupled with morphological features and chemometrics

    سال انتشار:

    2021


    عنوان انگلیسی مقاله:

    Evaluating Congou black tea quality using a lab-made computer vision system coupled with morphological features and chemometrics


    ترجمه فارسی عنوان مقاله:

    ارزیابی کیفیت چای سیاه کنگو با استفاده از یک سیستم بینایی کامپیوتری ساخته شده در آزمایشگاه همراه با ویژگی های مورفولوژیکی و شیمی سنجی


    منبع:

    Sciencedirect - Elsevier - Microchemical Journal, 160 (2021) 105600: doi:10:1016/j:microc:2020:105600


    نویسنده:

    Guangxin Ren


    چکیده انگلیسی:

    The feature of external shape in tea is a vital quality index that determines the rank quality of tea. The potential of a lab-made computer vision system (CVS) coupled with morphological features and chemometric tools is investigated for evaluating Congou black tea quality. First, Raw images of 700 tea samples from seven different quality grades are acquired using the CVS. The original images collected are processed by graying, binarization, and median de-noising. Then, six morphological parameters (viz. width, length, area, perimeter, length-width ratio, and rectangularity) from the samples are extracted by the shape segmentation of each tea leaf image, and the corresponding feature histogram is obtained. Finally, support vector machine (SVM) and least squares- support vector machine (LS-SVM) are utilized to build identification models based on the histogram distribution characteristic vectors. Three kernel methods (linear kernel, polynomial kernel, and radial basis function kernel) are compared for monitoring tea quality. The results show that the optimal LS-SVM model has a 12% higher correct discrimination rate (CDR) than the SVM model. The polynomial kernel LS-SVM model yields satisfactory classification results with the CDR of 100% based on selected six shape features in the calibration and prediction sets. This work demonstrates that it is feasible to discriminate Congou black tea quality using CVS technology along with morphological features and nonlinear chemometric methods. A new perspective on the sizes of morphological characteristics is proposed as an identifier of Congou black tea quality.
    Keywords: Congou black tea | Computer vision system | Morphological features | Least squares-support vector machine | Kernel method


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 7
    حجم فایل: 3535 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi