با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
ردیف | عنوان | نوع |
---|---|---|
1 |
Online detection of naturally DON contaminated wheat grains from China using Vis-NIR spectroscopy and computer vision
تشخیص آنلاین دانه های گندم آلوده به DON طبیعی از چین با استفاده از طیف سنجی Vis-NIR و بینایی ماشین-2021 Deoxynivalenol (DON) contamination of wheat grains is a serious problem in China, and it
is necessary to remove contaminated wheat before it enters the consumer market. In this
study, visible-near infrared (Vis-NIR) spectroscopy and computer vision techniques were
combined to simulate online discrimination between normal and DON-contaminated
wheat grains. Naturally growing wheat samples were collected from several of the main
wheat-producing areas in China, the reference DON contents were measured by using
liquid chromatography serial triple quadrupole mass spectrometer (LC-MS), and then
wheat samples were divided into two categories according to the national standard of
1 mg kg1. The characteristic spectral variables, colour and texture features were extracted
and integrated for chemometric analysis. Principal component analysis based on fusion
features indicated better clustering than with just spectral features. Subsequently, linear
discriminant analysis modelling based on spectra and texture features achieved the best
discrimination with an accuracy of 95.06% and 91.36% for calibration and validation sets
respectively, which was 5% higher than with just spectral features, and the false positive
rates (FPR) were the lowest: 3.41% and 10.42% for calibration and validation sets respectively. The internal scanning results of whole wheat flour indicated that the higher the
content of DON, the looser the binding of starch granules, which could cause the textural
change of wheat grains. The research showed that Vis-NIR spectroscopy combined with
computer vision has the potential to be used in the non-destructive and online detection of
DON-contaminated wheat grains; further study on the interference from complex environments is still need for actual online detection.
Keywords: Vis-NIR spectroscopy | Computer vision | Wheat grains | DON | Features fusion |
مقاله انگلیسی |
2 |
کلاسبندی معنایی صحنه های شهری ناهمگون با استفاده از شباهت ویژگی میان صحنهای و وابستگی معنایی میان صحنه ای
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 32 هدف کلاس بندی معنایی صحنههای شهری، طبقه بندی کردن صحنههایی است که از انواع مختلفی از اشیاء که کلاس آن ها قبلا مشخص شده است، تشکیل شدهاند. برای یادگیری رابطه بین صحنههای شهری و کلاسهای معنایی، پنج وظیفه مورد نیاز است: 1) بخشبندی تصاویر به صحنهها؛ 2) ایجاد کلاسهای معنایی صحنهها؛ 3) استخراج و تبدیل صحنهها؛ 4) اندازهگیری شباهت ویژگی میان صحنهها؛ و 5) برچسبزنی هر صحنه با یک روش کلایبندی معنایی. علیرغم تلاشهای زیادی که بر روی این وظایف صورت گرفته است، اکثر کارهای موجود تنها ویژگیهای بصری با معیار شباهت متناقض را در نظر میگیرند، در حالیکه چشمپوشی از ویژگی معنایی دروم صحنهها و تعاملات بین صحنهها، منجر به نتایج کلاس بندی ضعیفی برای صحنههایی با ناهمگونی بالا می شود. برای حل این مسائل، این تحقیق شباهت ویژگی میان صحنهای را با وابستگی معنایی میان صحنهای ترکیب می کند تا یک رویکرد کلاسبندی دو مرحلهای ایجاد کند. برای مرحله اول، ابتدا ویژگیهای بصری و معنایی به منظور تبدیل به مقدار ثابت بهینه شده و سپس به منظور کلاسبندی اولیهی صحنهها در k-نزدیکترین همسایه، بکار گرفته می شوند. برای مرحله دوم، توزیع چندجملهای برای مدلسازی هر دو مورد وابستگی فضایی و معنایی بین صحنهها ارائه شده، و سپس به منظور بهبود نتایج کلاسبندی اولیه مورد استفاده قرار میگیرند. پیادهسازیهای انجام شده در دو حوزه تحقیقاتی حاکی از آن هستند که رویکرد پیشنهاد شده نسبت به تفسیر بصری، نتایج بهتری را برای صحنههای ناهمگون تولید میکند، چراکه آن میتواند اطلاعات مخفی بین صحنهها را که معمولا روشهای موجود از آن چشمپوشی میکنند، کشف کرده و مدل میکند. بعلاوه، در مقایسه با کلاسبندی اولیه، مرحله بهینه شده دقت را دو دو حوزه تحقیقاتی، بترتیب به اندازه 3.6% و 5% بهبود میبخشد.
کلمات کلیدی: ترکیب ویژگیهایی با ابعاد بالا | توزیع چندجملهای | کلاسبندی صحنه. |
مقاله ترجمه شده |