گیاه سس از علف‌های هرز یونجه است. بهترین راه مبارزه با سس، جلوگیری از آلودگی مزارع به بذر این گیاه است. هم‌اکنون در بسیاری از مراکز تکثیر و گواهی بذر، درصد سس موجود در بذر یونجه به روش دستی و با بینوکولر محاسبه می‌شود که علاوه بر صرف وقت و هزینه زیاد، دقت کمی دارد. در این پژوهش یک روش رایانه‌ای، مبتنی بر پردازش تصویر و به کارگیری شبکه عصبی مصنوعی برای محاسبه درصد سس مخلوط با بذر یونجه طراحی شد. بدین منظور تصویرهایی از مخلوط بذر یونجه و سس تهیه شد و سپس در محیط نرم‌افزار MATLAB با به کارگیری حد آستانه مناسب، بذور از سطح زمینه جدا شدند. در مرحله بعد با استفاده از روابط هندسی، ویژگی‌های ابعادی بذور یونجه و سس استخراج و به‌عنوان ورودی‌های شبکه عصبی درنظر گرفته شدند. برای انتخاب مناسب‌ترین توپولوژی شبکه‌های عصبی، انواع مختلف شبکه با توابع انتقال و یادگیری مختلف و تعداد نرون‌های متفاوت بررسی شد و درنهایت توپولوژی 1-5-4 با تابع انتقال لگاریتم سیگموئید (Logsig) و تابع یادگیری GDX انتخاب شد. این شبکه قادر به تشخیص درصد بذر سس با ضریب تعیین 956/0 و ریشه میانگین مربعات خطای 017/0 است.
حیدری سلطان آبادی، محسن، آقای قزوینی، حمیدرضا و اسدی، وحید. (1394). تعیین میزان آلودگی توده بذر یونجه به سس با روش تحلیل تصویر دیجیتال و شبکه عصبی مصنوعی. پژوهش‌های مکانیک ماشین‌های کشاورزی، 4(2)، 31–38.
MLA
حیدری سلطان آبادی، محسن، آقای قزوینی، حمیدرضا، و اسدی، وحید. "تعیین میزان آلودگی توده بذر یونجه به سس با روش تحلیل تصویر دیجیتال و شبکه عصبی مصنوعی"، پژوهش‌های مکانیک ماشین‌های کشاورزی، 4، 2، 1394، 31–38.
HARVARD
حیدری سلطان آبادی، محسن، آقای قزوینی، حمیدرضا، و اسدی، وحید. (1394). 'تعیین میزان آلودگی توده بذر یونجه به سس با روش تحلیل تصویر دیجیتال و شبکه عصبی مصنوعی'، پژوهش‌های مکانیک ماشین‌های کشاورزی، 4(2), pp. 31–38.
CHICAGO
حیدری سلطان آبادی، محسن، آقای قزوینی، حمیدرضا و اسدی، وحید، "تعیین میزان آلودگی توده بذر یونجه به سس با روش تحلیل تصویر دیجیتال و شبکه عصبی مصنوعی." پژوهش‌های مکانیک ماشین‌های کشاورزی، 4 2 (1394): 31–38,
VANCOUVER
حیدری سلطان آبادی محسن، آقای قزوینی حمیدرضا، اسدی وحید. تعیین میزان آلودگی توده بذر یونجه به سس با روش تحلیل تصویر دیجیتال و شبکه عصبی مصنوعی. پژوهش‌های مکانیک ماشین‌های کشاورزی. 1394;4(2):31–38.
