عنوان پایان‌نامه
طراحی، پیاده سازی و ارزیابی یک برنامه اندرویدی برای تلفن همراه هوشمند با هدف ارزیابی رژیم غذایی افراد
- رشته تحصیلی
- مهندسی مکانیک بیوسیستم - فناوری پس از برداشت
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 7075;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76698;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 7075;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76698
- تاریخ دفاع
- ۳۱ شهریور ۱۳۹۵
- دانشجو
- پیام محمدی مظفری
- استاد راهنما
- سلیمان حسین پور
- چکیده
- با توجه به افزایش توجه به مسئله سلامت و بهداشت در دنیای امروز، مطالعات صورت گرفته اثبات نموده منشأ بسیاری از بیماری‌ها ناشی از چاقی و عدم کنترل رژیم غذایی در افراد است که می‌توان با ارزیابی رژیم غذایی دریافتی و همچنین قرار دادن این‌گونه اطلاعات در اختیار پزشک راهکار مناسبی برای حفظ سلامت ارائه نمود. ازآنجایی‌که بررسی روزانه و برخط رژیم غذایی را می‌توان با استفاده از فنون پردازش تصاویر دیجیتال نیاز انجام داد که این فن محدودیت‌های خاصی دارد و نیاز به کنترل شرایط آزمایش از ملزومات آن است؛ این‌گونه محدودیت‌ها مانع فراگیر شدن آن در میان کاربران معمولی و به‌صورت استفاده روزانه شده است. لذا در این پژوهش با توجه به معضلات و موقعیت‌های موجود؛ برنامه‌ای آندرویدی ارائه گردید که بتوان از آن در زیر نظر داشتن رژیم غذایی بهره برد؛ با استفاده از پردازش تصاویر دیجیتال به‌وسیله تلفن همراه هوشمند که جایگزین رایانه و سامانه تصویربرداری در ماشین بینایی شده است .در پژوهش پیش روی با استفاده از الگوریتم‌های استخراج ابعاد، محاسبه حجم و شبکه عصبی مصنوعی و با استفاده از زبان برنامه‌نویسی جاوا الگوریتمی ایجاد گردید که با تنها یک تصویر از ماده موردنظر محاسبات حجم را انجام دهد و با تعیین جرم ماده، میزان مواد غذایی موردنظر موجود در ماده را نمایش می‌دهد. در آزمایش‌های انجام‌شده که بر روی میوه‌های با اشکال متفاوت صورت گرفت ساختارهای متفاوتی برای تعیین حجم و میزان مواد غذایی موجود در نمونه‌ها به کمک شبکه‌های عصبی مصنوعی در چهار دسته ساختار شکلی مختلف ایجاد گردید. دقت محاسبات در این روش به‌طور میانگین 97? بوده است که بیشترین و کمترین مقدار MAPE، به ترتیب 0/0132 و 0/0623 و همین‌طور بیشترین و کمترین مقدار R2 ، نیز به ترتیب 0/9980 و 0/9619 بود. در پژوهش‌های صورت گرفته پیشین در این زمینه در مقایسه با این پژوهش فرایند محاسبات به‌صورت برخط نبوده و کاربر نقش تصحیح کننده در قطعه‌بندی تصاویر و تجدیدنظر در برخی مراحل برنامه را ایفا می‌نماید درحالی‌که نیاز به این نقش در پژوهش پیش روی برطرف گردیده است؛ همچنین عمده روش‌های موجود محاسبات را به کمک چند تصویر انجام می‌دهند؛ بعلاوه در این پژوهش از بشقاب حاوی مواد به‌عنوان عامل تصحیح کننده در بازیابی اطلاعات فضای سه‌بعدی استفاده‌شده است که از این حیث نسبت به پژوهش‌های پیشین که عمدتاً با استفاده از صفحه شطرنجی جهت واسنجی انجام می‌گردیده است، کارآمدتر است.
- Abstract
- Nowadays, there is an increased attention towards health and sanitation issues and many researches confirm that obesity and uncontrolled food diet are the main causes of many diseases. Using food value assessment and consequently more medical observation by physician could be an appropriate solution for health maintenance. Although It have been proven that daily and online investigation on dietary assessment can be done by digital image processing, this technique has its own special limitations and it requires experimental controls; such limitations prevent broader applying of this technique by general users for their daily schedules. Therefore, in this study due to current difficulties and opportunities, an attempt was carried out to provide an android program for users seek food diet evaluation which can be used for controlling food diet by using digital images processing in smart phones, while they are alternatives to computers and imaging systems in machine vision. In present study an algorithm devised which can capture dimensions and calculate bulk and then by implementing artificial neural network (ANN). This algorithm is written by Java programming language. This product yields bulk measurements by employing a single image of desired specimen. In the analysis of variant types of fruits with various forms, suitable structure was made for bulk and nutrition content of samples by ANN. In this method, the specimens were classified into four classes based on their structural forms. The calculation accuracy was measured as 97% on average which the highest and lowest MAPE were 0.0132 and 0.0623, respectively. In addition the highest and lowest R2 were 0.9980 and 0.9619, respectively. In previous studies in this realm the calculations were not online compare to the presented study and users should play as an editor in segmentations and revising feedbacks of some stages of the program whereas necessity of this role in this study has eliminated and beside, the main methods of calculations in previous researches were performed over multiple images. Furthermore, the plate containing specimens was considered as editing factor in three dimensional space data retrieval, which made the project more applicable in comparison with previous studies utilizing chessboard. Keywords:Dietary assessment, Digital image processing, Android, Smart phones, Artificial neural network, Nutrition content.
