عنوان پایان‌نامه
بررسی سنتیک بافت تصویر و طبقه بندی کیفی ورقه های نازک سیب با استفاده از پردازش تصویر در طی فرآیند خشک کردن هیبریدی هوای داغ- مایکروویو
- رشته تحصیلی
- مهندسی مکانیک بیوسیستم
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6475;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 69930
- تاریخ دفاع
- ۳۰ شهریور ۱۳۹۴
- دانشجو
- یحیی بهشتی
- استاد راهنما
- سلیمان حسین پور
- چکیده
- در این تحقیق، سنتیک بافت تصویر با استفاده از خشک کن هیبریدی هوای داغ-مایکروویو مجهز به سامانه ماشین بینایی مورد بررسی قرار گرفت. برای رسیدن به این هدف 3 سطح توان تابشی 200، 400، 600 وات و دماها و سرعتهای هوای مختلف انتخاب شد. برای بررسی و مقایسه تغییرات ویژگیهای بافت تصویر مستقل از مقیاس، چرخش، انتقال و اثر زمینه، به ترتیب از روشهای تجزیه هرم گوسی، الگوی باینری محلی و تبدیل فوریه دو بعدی استفاده شد. همچنین در این تحقیق یک روش جدید، مشابه روش الگوی باینری محلی، به نام الگوی خاکستری محلی، با حساسیت پایینتر به نویز تصویر ارائه شد. سپس ویژگیهای طیفی شامل انرژی، آنتروپی، تضاد، همبستگی و همگنی و ویژگیهای آماری شامل میانگین و واریانس استخراج گردید. دادههای بافتی شامل 7 ویژگی به دست آمده از هر روش، به ترتیب به هفت و پنج خوشه با استفاده از روش خوشه بندی c-میانگین فازی و k-میانگین، طبقه بندی شدند. نتایج نشان داد که مقادیر انرژی، تضاد و همگنی، افزایش، و مقادیر آنتروپی، همبستگی، میانگین و واریانس کاهش یافت. ویژگیهای بافتی در مقایسه با دما و سرعت هوا بیشتر تحت تاثیر توان مایکروویو قرار گرفت. در هر سطح توان مایکروویو، یک مقدار دما و سرعت خاصی وجود دارد که بالاترین کیفیت بافت بصری را حاصل میکند. روش الگوی خاکستری محلی پیشنهادی در مقایسه با روش الگوی باینری محلی، یک قابلیت فوق العاده در نظارت و پیگیری ویژگیهای بافت تصویر داشته و یک روش مقاوم به نویز بود. فرآیند طبقه بندی با استفاده از روش c-میانگین فازی بهتر از روش k-میانگین به دست آمد. نتیجه مشابهی همچنین برای روش الگوی خاکستری محلی در مقایسه با روش الگوی باینری محلی به دست آمد.
- Abstract
- In this study, the image texture kinetics was investigated using a hybrid microwave- hot air dryer equipped with machine vision system. To reach this purpose, three levels of radiation power 200, 400, and 600 W and the different temperatures and air velocities were chosen. Gaussian pyramid decomposition, local binary patterns, and two-dimensional Fourier transform methods were respectively used to examine and compare the changes of scale-, rotation-, translation-, and background- invariant image texture features. In this research a new method similar to the local binary patterns, called local grey patterns, with lower sensitivity to image noises was proposed. Then, the spectral features including energy, entropy, contrast, correlation, and homogeneity and the statistical features including mean and variance were obtained. The texture data set containing 7 features obtained from each method was classified into 7 and 5 clusters using fuzzy C-mean and k-means clustering methods, respectively. The results showed that the energy, contrast and homogeneity values increased; while, the entropy, correlation, mean and variance values decreased as the process proceeded. The texture features were more affected by the microwave powers compared with the temperatures and the air velocities. At any microwave power level, there were certain temperature and air velocity values at which the products with the highest visual texture quality were obtained. The proposed local grey patterns technique compared to the local binary patterns method, had a superb capability in monitoring and tracking the image texture features and was a noise robust technique. The classification process was better achieved with fuzzy C-mean approach rather than with K-means method. The similar result was also obtained for the local grey patterns technique in comparison with the local binary patterns method.
