مشخصات پژوهش

عنوان	ارزیابی معماری های مختلف شبکه یادگیری عمیق در تشخیص تازگی تخم مرغ بر اساس سیگنال های صدا
نوع پژوهش	مقاله چاپ‌شده
کلیدواژه‌ها	آکوستیک، تازگی، شبکه عصبی کانولوشن، طبقه بندی
چکیده	امنیت مواد غذایی که به طور مستقیم با سلامت افراد جامعه در ارتباط است همواره مورد توجه تمامی کشورها بوده است. با توجه به این که تخم مرغ در بسیاری از صنایع غذایی مصرف می شود و در برنامه غذایی روزانه بسیاری از مردم نیز قرار دارد، تشخیص تازگی آن نیز از اهمیت بالایی برخوردار است. در این تحقیق، قابلیت سامانه آکوستیک به عنوان روشی غیرمخرب برای تشخیص تازگی تخم مرغ مورد بررسی قرار گرفت. نمونه ها در دمای محیط به مدت 1، 4، 7، 10، 13 و 16 روز نگهداری شدند. پس از داده برداری، تمامی سیگنال های صدا با استفاده از طیف اسپکتروگرام به تصویر تبدیل شدند. در این تحقیق با استفاده از آزمون مخرب و با در نظر گرفتن دو معیار واحد هاو و ارتفاع کیسه هوا، میزان تازگی نمونه ها ارزیابی شد. نتایج آزمون مخرب نشان داد که تمامی نمونه های مربوط به روزهای 16، 13 و همچنین 80 درصد نمونه های مربوط به روز 10، با افت کیفیت همراه بوده و از نظر معیار درجه بندی، جز گروه غیرتازه و یا به عبارتی بی کیفیت به شمار می آیند. بنابراین نمونه ها به دو گروه تازه (روزهای 1، 4 و 7) و غیرتازه (روزهای 10، 13 و 16) تقسیم شدند. از چهار شبکه یادگیری عمیق از پیش آموزش دیده AlexNet، VGGNet، GoogLeNet و ResNet در این تحقیق استفاده شد. در بین شبکه ها، شبکه ResNet با میانگین دقت طبقه بندی 5/71 درصد، بهترین دقت را در تشخیص تازگی تخم مرغ ها به خود اختصاص داد.
پژوهشگران	ولی ا000 لطفی (نفر چهارم)، رضا محمدی گل (نفر سوم)، حامد توکلی (نفر دوم)، مجید لشگری (نفر اول)