شناسایی و طبقه بندی سه رقم برنج ایرانی در نمونه‌های مخلوط مبتنی بر ویژگیهای شکلی با استفاده از پردازش تصویر و شبکه عصبی بردار یادگیر چندی ساز

نوع مقاله : مقاله پژوهشی

نویسندگان

• سعیده فیاضی
• محمدحسین عباسپورفرد ¹
• عباس روحانی ²
• حسن صدرنیا ²
• سید امیرحسن منجمی

¹ دانشگاه فردوسی مشهد

² فردوسی مشهد

https://doi.org/10.22067/ifstrj.v10i3.38214

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 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.

کلیدواژه‌ها

• برنج
• ویژگی‌های شکلی
• پردازش تصویر
• شبکه عصبی

عنوان مقاله [English]

Identification and classification of three Iranian rice seed varieties in mixed samples by morphological features using image processing and Learning Vector Quantization neural network

نویسندگان [English]

• Saeideh Fayyazi
• Mohammad Hossein Abaspour fard ¹
• Abbas Rohani ²
• Hassan Sadrnia ²
• Seyed Amir Hasan Monadjemi

¹ Ferdowsi University of Mashhad

² .

چکیده [English]

Due to variation in economic value of different varieties of rice, reports indicating the possibility of mixing different varieties on the market. Applying image processing and neural networks techniques to classify rice varieties is a method which can increase the accuracy of the classification process in real applications. In this study, several morphological features of rice seeds’ images were examined to evaluate their efficacy in identification of three Iranian rice varieties (Tarom (Mahali), Fajr, Shiroodi) in the mixed samples of these three varieties. On the whole, 666 images of rice seeds (222 images of each variety) were acquired at a stable illumination condition and totally, 17 morphological features were extracted from seed images. Fisher's coefficient (FC), Principal component analysis (PCA) methods and a combination of these two methods (FC-PCA) were employed to select and rank the most significant features for the classification. The so called LVQ4 (Learning Vector Quantization) neural network classifier was employed for classification using top selected features. The classification accuracy of 98.87, 100 and 100% for Fajr, Tarom and Shiroodi, 100 and 100% for Fajr and Shiroodi, 100 and 100% for Tarom and Shiroodi and 97.62 and 95.74% for Fajr and Tarom were obtained, respectively. These results indicate that image processing is a promising tool for identification and classification of different rice varieties.

کلیدواژه‌ها [English]

• Rice
• morphological features
• Image processing
• Neural Networks