به کار گرفتن داده کاوی و تکنیک های دید کامپیوتری در مورد MRI برای تخمین خصوصیات کیفیتی در داده کاوی

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

به کار گرفتن داده کاوی و تکنیک های دید کامپیوتری در مورد MRI برای تخمین خصوصیات کیفیتی در داده کاوی

عنوان لاتین

Applying data mining and Computer Vision Techniques to MRI to estimate quality traits in Iberian hams

هدف این مطالعه پیش بینی کردن خصوصیات کیفیتی گوشتهای خوک ایبریایی با استفاده از روش های غیرمخرب آنالیز و داده کاوی است. تصویربرداری تشدید مغناطیسی (MRI) و تکنیک های دید کامپیوتری از طریق پردازش گوشت خوکها روی آنها انجام شد. پارامترهای فیزیکی شیمیایی هم در این محصولات مورد ارزیابی قرار گرفتند. اطلاعات به دست آمده از این آنالیزها در یک پایگاه داده جمع شدند. در مرحله ی اول تکنیک های استنباطی داده کاوی بر روی این داده ها اعمال شدند. رگرسیون خطی چندتایی امکان ارزیابی اطلاعات به دست آمده از MRI، CVT و بررسی های فیزیکی شیمیایی را به ما می دهد. این امکان تکمیل پایگاه داده ی اولیه را به ما می دهد. سپس، تکنیک های پیش بینی کننده ی داده کاوی به کار گرفته شد. هم رگرسیون خطی چندتایی و هم رگرسیون هم توان پیش بینی وزن، رطوبت و محتوای چربی گوشت خوکها را به صورت تابعی از ویژگی های به دست آمده از MRI و CVT انجام می دهند. بنابراین داده کاوی، MRI و CVT را می توان برای ارزیابی ویژگی های کیفیتی گوشتهای خوک ایبریایی استفاده کرد. این کار امکان بهبود کنترل فرایند بدون نابود کردن هیچ کدام از آنها را به ما می دهد.

This study aims to forecast quality characteristics of Iberian hams by using non-destructive methods of analysis and data mining. Magnetic Resonance Imaging and Computer Vision Techniques were conducted on hams throughout their processing. Physico-chemical parameters were also measured in these products. Information from these analyses was integrated in a database. First, deductive techniques of data mining were applied to these data. Multiple linear regression allows for the estimation of information from Magnetic Resonance Imaging, Computer Vision Techniques and physico-chemical analysis. This enables the completion of the initial database. Then, predictive techniques of data mining were applied. Both, multiple linear regression and isotonic regression achieved the prediction of weight, moisture and lipid content of hams as a function of features obtained by Magnetic Resonance Imaging and Computer Vision Techniques. Thus, data mining, Magnetic Resonance Imaging and Computer Vision Techniques could be used to estimate the quality traits of Iberian hams. This allows for the improvement of the process control without destroying any piece