Buradasınız

AFLATOKSİNLİ BİBERLERİN HİPERSPEKTRAL GÖRÜNTÜLERİNİN SINIFLANDIRILMASI İÇİN YENİ YAKLAŞIMLAR

NEW APPROACHES FOR CLASSIFICATION OF HYPERSPECTRAL IMAGES OF CHILI PEPPERS WITH AFLATOXINS

Journal Name:

Publication Year:

Abstract (2. Language): 
Many foods (such as hazelnut, pistachio nut, almond, corn, wheat, dried fig, and chili pepper) are prone to carcinogenic aflatoxin formation during harvesting, production and storage periods. Chemical methods are used for detection of aflatoxins give accurate results, but they are slow, expensive and destructive. In this study, intensity histogram features of hyperspectral images of chili peppers are extracted under halogen and ultraviolet (UV) illumination source. Salient features are selected by using connection weights of artificial neural networks and minimum redundancy maximum relevance techniques. With various topologies of artificial neural networks, effect of data fusion on classification performance is investigated.
Abstract (Original Language): 
Birçok gıda (fındık, fıstık, badem, mısır, buğday, kuru incir ve pul biber gibi), hasat, üretim ve depolama dönemlerinde kanserojen etkisi bilinen aflatoksin üreten küfler ile karşılaşmaktadır. Aflatoksin tespiti için kullanılan kimyasal yöntemler, daha doğru sonuçlar vermesine karşın uzun zaman alan, pahalı ve tahribatlı süreçlerdir. Bu çalışmada aflatoksinli pul biberlerin sınıflandırması için halojen ve morötesi (UV) ışık altında edinilen hiperspekral görüntüler kullanılmış ve bu görüntülerden parlaklık histogramı öznitelik vektörleri çıkarılmıştır. En önemli öznitelikler, yapay sinir ağları (YSA) bağlantı ağırlıkları ve asgari artıklık/azami ilişki yöntemleri kullanılarak elde edilmiş, değişik topolojilerdeki YSA ile sınıflandırma yapılarak veri tümleştirmenin sınıflandırma başarısına etkisi araştırılmıştır.
17-33

REFERENCES

References: 

Bishop C.M. (1995): “Neural Network for Pattern Recognition”, Oxford University Press Inc., USA.
Bourlard H., Kamp Y. (1988): “Auto-Association by Multilayer Perceptrons and Singular Value Decomposition”, Bio. Cybernetics, Cilt 59, s. 291-294.
ElMasrya G., Ning Wangb C. V. (2008): “Detecting Chilling Injury In Red Delicious Apple Using Hyperspectral Imaging And Neural Networks”, Postharvest Biology and Technology, Cilt 52, s. 1-8.
Hamamoto Y., Uchimura S., Tomita S. (1996): “On The Behavior of Artificial Neural Network Classifiers In High-Dimensional Spaces”, IEEE Trans. on Pattern Anal. and Machine Intel, Cilt 18, No. 5, s. 571-575.
Hirano S., Okawara N., Narazaki S. (1998): “Near Infra Red Detection of Internally Moldy Nuts”, Bioscience, Biotechnology, and Biochemistry., cilt 62, s. 102-107.
Jardine D., Peter M. L. (2010): “Black Light Test for Aflatoxin Is QuestionableProcess”, http://www.ksre.ksu.edu/news/sty/2003/blacklight_test082803.htm, 17 Ocak 2010‟da kaydedilmiştir.
Lipps P.E., Mills D. (2010): “Where to Send Grain Samples for mycotoxin Analysis”, http://www.oardc.ohio-state.edu/ohiofieldcropdisease/wheat/mycotoxin%20t..., 20 Ocak 2010‟da kaydedilmiştir.
Malek J. E., Alımı A. M., Tourki R. (2000): “Effect of the Feature Vector Size on the Generalization Error: The Case of MLPNN and RBFNN Classifiers”, ICPR.
Pearson T., Wicklow D., Maghirang E., Xie F., Dowell F. (2001): “Detecting Aflatoxin in Single Corn Kernels by Using Transmittance and Reflectance Spectroscopy”, Transactions of the ASAE, Cilt 44, No. 5, s. 1247-1254.
Peng H. (2005): “Feature Selection Based on Mutual Information”, IEEE Trans. on Pattern Analysis and Machine Intel, s. 1226-1238.
Yao H., Hruska Z., Brown R. L, Cleveland T.E. (2006): “Hyperspectral BGYF Imaging of Aflatoxin Contaminated Corn Kernels”, Proc. Of SPIE, Cilt 6381, s. 63810B.
Zeringue H. J., Shih B. Y. (1998) “Extraction and Separation of the BGYF Material from Aflatoxigenic Aspergillus spp. Infected Cotton Lint by HPLC-UV/FL”, J. Agric. Food Chemistry, Cilt 46, s. 1071-1075.

Thank you for copying data from http://www.arastirmax.com