علی اسدی - دانشجوی کارشناسی ارشد، گروه کامپیوتر، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
میلاد بهنیا - دانشجوی دکتری، گروه کامپیوتر، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
کامراد خوشحال رودپشتی - استاد یار، گروه کامپیوتر، واحد لاهی جان، دانشگاه آزاد اسلامی، لاهیجان، ایران
محسن فلاح راد - استاد یار، گروه کامپیوتر، واحد لاهی جان، دانشگاه آزاد اسلامی، لاهیجان، ایران

چای یکی از محبوب ترین نوشیدنی های دنیا است که در کشور ایران نیز تولید و فراوری می شود و دارای درجه بندی کیفیت گوناگونی است. جهت تشخیص درجه برگ سبز چای، روش های مختلفی وجود دارد که در ایران معمولا ارزیابی آن به صورت دستی یا چشمی صورت می گیرد. به صورت مرسوم، جهت ارزیابی خودکار کیفیت برگ سبز از الگوریتم های یادگیری ماشین و عمیق استفاده می گردد که هرکدام دارای چالش های مربوط به خود هستند. به عنوان مثال در روش یادگیری عمیق، نیاز به حجم و منابع پردازشی زیاد است و در روش یادگیری ماشین نیز، امکان استخراج ویژگی یکسان در پایگاه داده ها بسیار سخت خواهد بود. در روشی که در این پژوهش ارائه شده، به دنبال آن هستیم تا از طریق مدل سازی با عامل های محدود که از لحاظ دقت و صحت دارای نتایج مناسب هستند، بر مشکلات فوق الذکر درباره یادگیری عمیق غلبه گردد. برای این کار، پایگاه داده های بومی با استفاده از برگ های سبز چای ایجاد شده و مدل پیشنهادی با به کارگیری پایگاه داده آموزش داده شد. نتایج نشان می دهد با به کارگیری روش پیشنهادی، به میزان مناسبی از معیارهای دقت و صحت جهت تشخیص کیفیت برگ سبز چای دست پیدا شده است و همچنین کاهش تعداد عامل ها نسبت به مدل های پیچیده تر، موجب کاهش معیارهای ارزیابی در مدل پیشنهادی نشده است.

برگ سبز چای،یادگیری عمیق،دسته بندی،کانولوشنی،یادگیری ماشین