شناسایی و طبقه بندی توده ها ی زیره پارسی Bunium persicum Boiss)) با روش پردازش تصویر در ترکیب با شبکه های عصبی مصنوعی

زیره پارسی (Bunium persicum)‎ از جمله گیاهان دارویی با ارزش اقتصادی و صادراتی بالا است که تشخیص و طبقه بندی توده های آن مهم است. این عمل با استفاده از بازرسی دستی و بصری بسیار وقت گیر و دارای خطا است. فناوری بینایی ماشین به عنوان روشی جدید و غیرمخرب می تواند روش بسیارخوبی برای شناسایی و طبقه بندی آن ها باشد. هدف از انجام این پژوهش شناسایی توده های زیره با استفاده از ویژگی های رنگی و بافتی به کمک پردازش تصویر و شبکه عصبی مصنوعی است. در این پژوهش هفت توده زیره پارسی از رویشگاه های طبیعی استان کرمان جمع آوری شد و پس از تهیه تصاویر نمونه ها، ۳۶ ویژگی رنگی و ۱۰۸ ویژگی بافتی از این تصاویر در نظر گرفته شد. شناسایی توده ها با استفاده از شبکه عصبی پس انتشار انجام شد. بر مبنای نتایج این پژوهش، میانگین دقت طبقه بندی با شبکه یک لایه برای ویژگی های رنگی، ویژگی های بافتی و ترکیب ویژگی های بافتی و رنگی به ترتیب ۵۵‎/۹۳%، ۵۰‎/۹۳% و۴۰‎/۹۶ % به دست آمد. همچنین کمترین میانگین خطای مربعات، برای ویژگی های رنگی، بافتی و ترکیب ویژگی های بافتی و رنگی، به ترتیب ۱۷۲‎/۰، ۱۸۲‎/۰ و ۱۴۸‎/۰ حاصل شد. نتایج این پژوهش نشان داد که فن آوری بینایی ماشین و شبکه های عصبی مصنوعی، توانایی بسیار بالایی در طبقه بندی و شناسایی توده های مختلف زیره پارسی به ویژه در حالت استفاده از ترکیب ویژگی های بافتی و رنگی دارد.

کلیدواژه ها:

پردازش تصویر ، ویژگی های رنگی و بافتی ، زیره پارسی ، شبکه های عصبی مصنوعی