سعیده فیاضی؛ محمدحسین عباسپورفرد؛ عباس روحانی؛ حسن صدرنیا؛ سید امیرحسن منجمی
چکیده
با توجه به ارزش اقتصادی متفاوت ارقام برنج، گزارشات نشاندهنده این هستند که احتمال اختلاط ارقام مختلف در بازار وجود دارد. استفاده از تکنیکهای پردازش تصویر و شبکههای عصبی برای طبقهبندی ارقام برنج، روشی است که میتواند دقت فرآیند طبقهبندی را افزایش دهد. در این مطالعه چند ویژگی شکلی از تصاویر دانهها بررسی شدند تا کارآیی آنها ...
بیشتر
با توجه به ارزش اقتصادی متفاوت ارقام برنج، گزارشات نشاندهنده این هستند که احتمال اختلاط ارقام مختلف در بازار وجود دارد. استفاده از تکنیکهای پردازش تصویر و شبکههای عصبی برای طبقهبندی ارقام برنج، روشی است که میتواند دقت فرآیند طبقهبندی را افزایش دهد. در این مطالعه چند ویژگی شکلی از تصاویر دانهها بررسی شدند تا کارآیی آنها در شناسایی سه رقم برنج ایرانی (طارم (محلی)، فجر، شیرودی) در نمونههای مخلوط این سه رقم ارزیابی شود. در مجموع 666 تصویر از دانههای برنج (222 تصویر از هر رقم) در شرایط نورپردازی ثابت گرفته شد و 17 ویژگی شکلی از تصاویر دانهها استخراج شد. روشهای ضریب فیشر (FC)، تحلیل اجزای اصلی (PCA) و ترکیبی از این دو روش (FC-PCA) برای انتخاب ویژگیهایی که بیشترین تأثیر را در دستهبندی و شناسایی ارقام دارند بهکار برده شدند. برای طبقهبندی نمونههای برنج در سه کلاس مختلف از شبکهی عصبی بردار یادگیر چندیساز (LVQ4) استفاده شد. دقت طبقهبندی LVQ4، بهترتیب برای سه رقم فجر، شیرودی و طارم 87/98، 100 و 100%، برای دو رقم فجر و شیرودی 100 و 100%، برای دو رقم طارم و شیرودی 100 و 100% و برای دو رقم فجر و طارم 62/97 و 74/95% بود. این نتایج نشان میدهند که روش پردازش تصویر ابزاری مناسب برای تشخیص و جداسازی ارقام مختلف برنج است.