fa یک روش جدید برای طبقه‎بندی نانوساختارها براساس آنالیز سری زمانی و منطق فازی مقالات پردازش تصویر Paper پژوهشي Research <p style="text-align: justify;"><strong><span style="font-family:b nazanin;">میزان پراکندگی نانوذرات در نانوساختارها، از مهم‌ترین شاخص‌هایی است که جهت تأیید کارآیی روش‌های پیشنهادی در زمینه سنتز نانومواد به‌کار می</span></strong><strong><span dir="LTR"><span style="font-family:b nazanin;">&lrm;</span></span></strong><strong><span style="font-family:b nazanin;">رود. تصاویر میکروسکوپی الکترونی روبشی نانوذرات دارای اطلاعات ساختاری، شیمیایی و مورفولوژیکی با وضوح بالا در مقیاس نانومتری نانومواد هستند. </span></strong><strong><span style="font-family:b nazanin;">در</span></strong> <strong><span style="font-family:b nazanin;">این</span></strong> <strong><span style="font-family:b nazanin;">مقاله،</span></strong> <strong><span style="font-family:b nazanin;">یک</span></strong> <strong><span style="font-family:b nazanin;">الگوریتم</span></strong> <strong><span style="font-family:b nazanin;">جدید جهت</span></strong> <strong><span style="font-family:b nazanin;">طبقه</span></strong><strong><span dir="LTR"><span style="font-family:b nazanin;">&lrm;</span></span></strong><strong><span style="font-family:b nazanin;">بندی نانوساختارها با استفاده از این تصاویر ارائه شده &lrm;است؛ بدین منظور، </span></strong><strong><span style="font-family:b nazanin;">ابتدا تصاویر </span></strong><strong><span style="font-family:b nazanin;">میکروسکوپی الکترونی روبشی</span></strong><strong><span style="font-family:b nazanin;"> نانوذرات به سری زمانی تبدیل و مشخصات آنها از طریق روش‌های تحلیل سری زمانی مورد بررسی قرار گرفتند؛ سپس ویژگی‌های آماری این سری‌ها استخراج و به‌عنوان ورودی</span></strong><strong><span dir="LTR"><span style="font-family:b nazanin;">&lrm;</span></span></strong><strong><span style="font-family:b nazanin;">های یک سامانه استنتاج فازی برای طبقه</span></strong><strong><span dir="LTR"><span style="font-family:b nazanin;">&lrm;</span></span></strong><strong><span style="font-family:b nazanin;">بندی تصاویر میکروسکوپی نانوساختارها در سه گروه خوب، متوسط و بد در نظر گرفته </span></strong><strong><span dir="LTR"><span style="font-family:b nazanin;">&lrm;</span></span></strong><strong><span style="font-family:b nazanin;">شدند. این الگوریتم برروی 65 </span></strong><strong><span style="font-family:b nazanin;">تصویر میکروسکوپی </span></strong><strong><span style="font-family:b nazanin;">نانوذرات با ابعاد یکسان (250&times;250 پیکسل) اعمال شده و دقتی بالاتر از 93 درصد را به دنبال داشته </span></strong><strong><span dir="LTR"><span style="font-family:b nazanin;">&lrm;</span></span></strong><strong><span style="font-family:b nazanin;">است که بسیار مناسب است.</span></strong><strong><span dir="LTR"></span></strong><br> &nbsp;</p> <p><strong>Dispersion of nanoparticles in nanostructures is one of the most important indicators designed to verify the effectiveness of proposed methods in the synthesis of nanomaterials. </strong><strong>In the recent years, various methods have been suggested for the synthesis of nanostructures in which the Scanning Electron Microscopy (SEM) has been used to show the quality of the nanomaterial. </strong><strong>The SEM images of nanoparticles contain structural, chemical and morphological information with high resolution in nanometer scale of nanomaterials.</strong><br> <strong>One of the challenges in </strong><strong>the quality of dispersion&rsquo;s nanostructures is detection of </strong><strong>agglomeration degree.</strong> <strong>In some SEM images of nanoparticles, the particles have speeded uniformly and not aggregately. In some of the other SEM images, their particles are agglomerated. Also, there are a few SEM images of nanoparticles that their particles aren&rsquo;t very aggregate or diffused. If the SEM images of nanoparticles with their particles speeded uniformly, are called good images, and the images with their aggregate particles are called bad images, and the images with their </strong><strong>particle dispersion </strong><strong>between good and bad images, are called average images, the nanomaterials could be classified in categories of good, average, and bad images.</strong><br> <strong>In this paper, a new algorithm has been provided to classify nanostructures using SEM images of nanoparticles. For this purpose, these images were transformed to time series at first (</strong><strong>the time series extracted are unique for each SEM image of nanoparticles</strong><strong>) and their specifications were investigated through time series analysis methods.</strong> <strong>Then, statistical specifications of these series were extracted.</strong><strong> Six </strong><strong>statistical specifications </strong><strong>have been extracted for classification of nanostructures. These </strong><strong>specifications</strong><strong> are as follows: standard deviation, </strong><strong>first and second kurtosis</strong><strong>,</strong><strong> interquartile range</strong><strong>,</strong><strong> the criterion of Pearson</strong><strong>, and </strong><strong>skewness</strong><strong>.</strong><strong> The extracted specifications were used as inputs of a fuzzy inference system for classifying microscopic images of nanostructures into three groups: good, average and bad. This algorithm has been tested on 65 nanoparticles microscopic images with identical size and resulted precision above 93 percent indicated validity of this algorithm.</strong><br> &nbsp;</p> تصاویر میکروسکوپی الکترونی روبشی نانوذرات, تحلیل سری زمانی, ویژگی‎های آماری, منطق فازی SEM image of nanoparticles, Time series analyses, Statistical features, Fuzzy logic 115 130 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-586-1&slc_lang=fa&sid=1 نوشین بیگدلی nooshin_bigdeli@yahoo.com 10031947532846005481 10031947532846005481 Yes دانشگاه بین المللی امام خمینی (ره) حامد جباری hamedjabbarie@gmail.com 10031947532846005482 10031947532846005482 No دانشگاه بین المللی امام خمینی (ره)