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...

Full description

Bibliographic Details
Main Authors: سامان آبدانان مهدی زاده, سمیه امرایی
Format: Article
Language:English
Published: Ferdowsi University of Mashhad 2017-03-01
Series:مجله پژوهش‌های علوم و صنایع غذایی ایران
Subjects:
rgb
ann
svr
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