برآورد محاسباتی واحدهای رنگی L*a*b* از RGB با کمک پردازش تصاویر دیجیتالی
رنگ اولین ویژگی کیفیت مواد غذایی است که توسط مصرف کنندگان مورد بررسی قرار می گیرد. اندازه گیری رنگ مواد غذایی بهعنوان یک شاخص غیرمستقیم در اندازه گیری دیگر ویژگی های کیفیتی مانند عطر و طعم و محتویات رنگدانه به دلیل سرعت و سادگی در اندازه گیری، و همچنین ارتباط با سایر خواص فیزیکی محصولات غذایی مورد...
Main Authors: | , |
---|---|
Format: | Article |
Language: | English |
Published: |
Ferdowsi University of Mashhad
2017-03-01
|
Series: | مجله پژوهشهای علوم و صنایع غذایی ایران |
Subjects: | |
Online Access: | https://ifstrj.um.ac.ir/article_35834_d2a58a8fbc43dd7f0e5c567eae0cee8e.pdf |
id |
doaj-e6bc228f76f34ce1a920da4e635fdef5 |
---|---|
record_format |
Article |
spelling |
doaj-e6bc228f76f34ce1a920da4e635fdef52021-02-16T04:55:16ZengFerdowsi University of Mashhadمجله پژوهشهای علوم و صنایع غذایی ایران1735-41612228-54152017-03-01131536410.22067/ifstrj.v1395i0.4534535834برآورد محاسباتی واحدهای رنگی L*a*b* از RGB با کمک پردازش تصاویر دیجیتالیسامان آبدانان مهدی زاده0سمیه امرایی1خوزستان- اهواز دانشگاه کشاورزی و منابع طبیعی رامین خوزستانخوزستان- اهواز دانشگاه کشاورزی و منابع طبیعی رامین خوزستانرنگ اولین ویژگی کیفیت مواد غذایی است که توسط مصرف کنندگان مورد بررسی قرار می گیرد. اندازه گیری رنگ مواد غذایی بهعنوان یک شاخص غیرمستقیم در اندازه گیری دیگر ویژگی های کیفیتی مانند عطر و طعم و محتویات رنگدانه به دلیل سرعت و سادگی در اندازه گیری، و همچنین ارتباط با سایر خواص فیزیکی محصولات غذایی مورد استفاده قرار می گیرد. در میان فضاهای رنگی مختلف، عموما در اندازه گیری رنگ مواد غذایی، از فضای رنگی L*a*b* با توجه به توزیع یکنواخت و نزدیکی بسیار زیاد به ادراک انسان استفاده می شود. بطور کلی رنگ سنج های تجاری هنگام اندازه-گیری رنگ، سطح کوچکی از محصول را پوشش می دهند. در مقابل دوربین های دیجیتال اطلاعات پیکسلی را در اختیار کاربر قرار می دهند؛ این پژوهش یک راهحل محاسباتی بهمنظور استخراج واحدهای L*a*b* از اطلاعات پیکسلی تصاویر RGB دیجیتال را ارائه می دهد. در این مطالعه بهمنظور تبدیل واحدهای RGB به L*a*b* از چهار مدل: خطی، درجه دوم، شبکه عصبی مصنوعی (ANN) و رگرسیون بردار پشتیبانی (SVR) استفاده گردید. در ارزیابی مدل ها، رگرسیون بردار پشتیبانی و مدل شبکه عصبی به ترتیب با خطای 88/0 و 37/2 بهترین عملکرد را از خود نشان دادند. با توجه به مدل های شکل گرفته، ارتباط خوبی بین رنگ اندازه گیری و برآورد شده تشکیل شده بود. بنابراین، بر اساس نتایج بدست آمده از بینایی ماشین، روش توصیه شده در این پژوهش برای تبدیل دقیق رنگ یک محصول غذایی از روی اطلاعات پیکسلی یک دوربین دیجیتال به L*a*b* مناسب می باشد.https://ifstrj.um.ac.ir/article_35834_d2a58a8fbc43dd7f0e5c567eae0cee8e.pdfرنگrgbl*a*b*annsvr |
collection |
DOAJ |
language |
English |
format |
Article |
sources |
DOAJ |
author |
سامان آبدانان مهدی زاده سمیه امرایی |
spellingShingle |
سامان آبدانان مهدی زاده سمیه امرایی برآورد محاسباتی واحدهای رنگی L*a*b* از RGB با کمک پردازش تصاویر دیجیتالی مجله پژوهشهای علوم و صنایع غذایی ایران رنگ rgb l*a*b* ann svr |
author_facet |
سامان آبدانان مهدی زاده سمیه امرایی |
author_sort |
سامان آبدانان مهدی زاده |
title |
برآورد محاسباتی واحدهای رنگی L*a*b* از RGB با کمک پردازش تصاویر دیجیتالی |
title_short |
برآورد محاسباتی واحدهای رنگی L*a*b* از RGB با کمک پردازش تصاویر دیجیتالی |
title_full |
برآورد محاسباتی واحدهای رنگی L*a*b* از RGB با کمک پردازش تصاویر دیجیتالی |
title_fullStr |
برآورد محاسباتی واحدهای رنگی L*a*b* از RGB با کمک پردازش تصاویر دیجیتالی |
title_full_unstemmed |
برآورد محاسباتی واحدهای رنگی L*a*b* از RGB با کمک پردازش تصاویر دیجیتالی |
title_sort |
برآورد محاسباتی واحدهای رنگی l*a*b* از rgb با کمک پردازش تصاویر دیجیتالی |
publisher |
Ferdowsi University of Mashhad |
series |
مجله پژوهشهای علوم و صنایع غذایی ایران |
issn |
1735-4161 2228-5415 |
publishDate |
2017-03-01 |
description |
رنگ اولین ویژگی کیفیت مواد غذایی است که توسط مصرف کنندگان مورد بررسی قرار می گیرد. اندازه گیری رنگ مواد غذایی بهعنوان یک شاخص غیرمستقیم در اندازه گیری دیگر ویژگی های کیفیتی مانند عطر و طعم و محتویات رنگدانه به دلیل سرعت و سادگی در اندازه گیری، و همچنین ارتباط با سایر خواص فیزیکی محصولات غذایی مورد استفاده قرار می گیرد. در میان فضاهای رنگی مختلف، عموما در اندازه گیری رنگ مواد غذایی، از فضای رنگی L*a*b* با توجه به توزیع یکنواخت و نزدیکی بسیار زیاد به ادراک انسان استفاده می شود. بطور کلی رنگ سنج های تجاری هنگام اندازه-گیری رنگ، سطح کوچکی از محصول را پوشش می دهند. در مقابل دوربین های دیجیتال اطلاعات پیکسلی را در اختیار کاربر قرار می دهند؛ این پژوهش یک راهحل محاسباتی بهمنظور استخراج واحدهای L*a*b* از اطلاعات پیکسلی تصاویر RGB دیجیتال را ارائه می دهد. در این مطالعه بهمنظور تبدیل واحدهای RGB به L*a*b* از چهار مدل: خطی، درجه دوم، شبکه عصبی مصنوعی (ANN) و رگرسیون بردار پشتیبانی (SVR) استفاده گردید. در ارزیابی مدل ها، رگرسیون بردار پشتیبانی و مدل شبکه عصبی به ترتیب با خطای 88/0 و 37/2 بهترین عملکرد را از خود نشان دادند. با توجه به مدل های شکل گرفته، ارتباط خوبی بین رنگ اندازه گیری و برآورد شده تشکیل شده بود. بنابراین، بر اساس نتایج بدست آمده از بینایی ماشین، روش توصیه شده در این پژوهش برای تبدیل دقیق رنگ یک محصول غذایی از روی اطلاعات پیکسلی یک دوربین دیجیتال به L*a*b* مناسب می باشد. |
topic |
رنگ rgb l*a*b* ann svr |
url |
https://ifstrj.um.ac.ir/article_35834_d2a58a8fbc43dd7f0e5c567eae0cee8e.pdf |
work_keys_str_mv |
AT sạmạnậbdạnạnmhdyzạdh brậwrdmḥạsbạtywạḥdhạyrngylabạzrgbbạḵmḵprdạzsẖtṣạwyrdyjytạly AT smyhạmrạyy brậwrdmḥạsbạtywạḥdhạyrngylabạzrgbbạḵmḵprdạzsẖtṣạwyrdyjytạly |
_version_ |
1724268208775495680 |