ارزیابی فازی ویژگی های ظاهری زعفران با استفاده از روش های مبتنی بر هوش مصنوعی
- سال انتشار: 1402
- محل انتشار: فصلنامه تحقیقات سامانه ها و مکانیزاسیون کشاورزی، دوره: 24، شماره: 85
- کد COI اختصاصی: JR_ERAMS-24-85_005
- زبان مقاله: فارسی
- تعداد مشاهده: 373
نویسندگان
گروه کامپیوتر، واحد تربت حیدریه، دانشگاه آزاد اسلامی، تربت حیدریه، ایران؛ و پژوهشگر پژوهشکده زعفران، دانشگاه تربت حیدریه، تربت حیدریه، ایران
گروه برق، واحد دولت آباد، دانشگاه آزاد اسلامی، اصفهان، ایران
دانش آموخته کارشناسی ارشد گروه برق و کامپیوتر، دانشگاه تربت حیدریه، تربت حیدریه، ایران
گروه علوم و صنایع غذایی، واحد تربت حیدریه، دانشگاه آزاد اسلامی تربت حیدریه، ایران؛ و پژوهشگر پژوهشکده زعفران، دانشگاه تربت حیدریه، تربت حیدریه، ایران
چکیده
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 مصنوعیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.