ارزیابی فازی ویژگی های ظاهری زعفران با استفاده از روش های مبتنی بر هوش مصنوعی

ایران بزرگ ترین تولیدکننده زعفران در جهان است. زعفران دارای اهمیت بالای اقتصادی است و به دلیل افزایش فعالیت رقبای صادراتی، نیازمند حمایت و گسترش و توسعه صادرات است. روند رو به رشد سهم صادرات زعفران از یک سو و درآمدزایی و کارآفرینی برای روستاییان کشور از سوی دیگر، لزوم توجه به این محصول را دوچندان می کند. رقابت در این عرضه و با وجود رقبای قدرتمند در گرو مکانیزه کردن فرایندهای کاشت تا برداشت و درجه بندی تا بسته بندی امکان­پذیر خواهد بود. بنابراین، ارزیابی ویژگی های ظاهری زعفران به منظور درجه بندی صحیح نیاز اساسی محسوب می شود. در پژوهش حاضر، ویژگی های ظاهری با هدف درجه بندی زعفران با استفاده از روش­های مختلف هوش مصنوعی شامل شبکه­های عصبی مصنوعی پرسپتورن چند لایه (MLP)، (LVQ)، شبکه عصبی غیر نظارت شده (SOM)، سیستم های فازی (FNN) و سیستم استنتاج فازی عصبی (ANFISS) بررسی شده است. پایگاه داده مورد مطالعه مربوط به ۱۱۳ نمونه زعفران است که در ۴ طبقه زعفران پوشال (نگین)، پوشال درجه ۲ (خوب)، پوشال درجه سه (معمولی) و پوشال درجه چهار (ضعیف) که محققان این پژوهش آنها را گردآوری کرده­اند. نتایج تحلیل نشان می دهد که درجه بندی زعفران با در نظر گرفتن شرایط عدم قطعیت در مدل ANFIS نسبت به دیگر روش ها بهتر است، به طوری که دقت طبقه بندی ۵/۹۷ درصد و میزان خطای ۳۴۸۴/۰ در تشخیص نمونه های آزمون به­ دست آمد.

کلیدواژه ها:

درجه بندی زعفران ، سیستم استنتاج فازی عصبی ، شبکه عصبی مصنوعی