Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Riconoscimento neuronale di prodotti alimentari tramite X-Ray Imaging

A New Parametric Scheme for X-Ray Imaging Food Classification: quality assurance has a great relevance in the industrial food production chain. One of the most widespread techniques, used for non-standard product assessment, is based on X-Ray imaging. This work introduces a new multi-spectral technique for identification of food product content. A false colour image is generated from three independent acquisitions at different X-Ray energies and the correspondent spectrum shape in the HSI color-space is classified by a neural network. The new method is presented together with preliminary results for three types of packaged foods, showing a good discrimination power of the chosen parametrization.

Mostra/Nascondi contenuto.
1 Introduzione Nell’ambito della problematica del riconoscimento di prodotti alimentari mediante tecnologia a radiazione ionizzante, questa tesi affronta il problema di implementare una metodologia di classificazione, tramite una rete neuronale, basata sull’analisi di immagini ai raggi X. Questa problematica rappresenta un consistente oggetto di investimento da parte delle aziende del settore che vogliono ottimizzare il processo di ispezione dei prodotti alimentari. Questa tesi propone una possibile metodologia per la risoluzione di tale problematica. I passi principali di tale metodologia sono i seguenti: ξ acquisizione delle immagini ai raggi X; ξ allineamento automatico delle immagini; ξ classificazione tramite l’uso di una rete neuronale; ξ riconoscimento del prodotto alimentare. Gli argomenti citati vengono trattati secondo la seguente struttura della tesi. Nel capitolo 1 viene descritto il riconoscimento di prodotti alimentari. Nel particolare sono trattati gli aspetti che riguardano l’acquisizione delle immagini radiografiche e la necessità dell’allineamento di tali immagini. Il capitolo 2 contiene una panoramica sui raggi X ed in particolare: cosa sono i raggi X, vantaggi d’uso e prestazioni. Il capitolo 3 illustra l’allineamento automatico delle immagini radiografiche, i passaggi matematici di tale procedimento ed infine viene proposto un esempio di allineamento di immagini reali. Nel capitolo 4 viene trattata la metodologia di classificazione basata sull’uso di una rete neuronale. Nel particolare viene descritto il neurone, ossia l’unità elementare di una rete neuronale, ed il funzionamento di una rete di neuroni, secondo il modello del Multilayer Perceptron. Nel capitolo 5 vengono descritti i tipi di prodotto utilizzati, le metodologie di acquisizione dei dati sperimentali e le scelte effettuate durante la selezione delle immagini. Il capitolo 6 tratta della verifica dell’applicativo: della procedura di allineamento e dell’algoritmo di classificazione. Dopo la fase di addestramento della rete neuronale, si presentano alla rete una serie di immagini di test che non fanno parte del set individuato per le prove, per testare il funzionamento dell’algoritmo.

Laurea liv.I

Facoltà: Scienze Matematiche, Fisiche e Naturali

Autore: Alessandro Celona Contatta »

Composta da 181 pagine.

 

Questa tesi ha raggiunto 529 click dal 19/09/2006.

 

Consultata integralmente 2 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.