طبقه بندی گوجه سبز براساس میزان رسیدگی با استفاده از ماشین بینایی و شبکه عصبی مصنوعی

در این پژوهش برای طبقه بندی میوه گوجه سبز به سه دسته رسیده، نیمه رسیده و نارس از بینایی ماشین و شبکه عصبی مصنوعی استفاده شده است. تعداد ۶۰ نمونه میوه ی گوجه سبز توسط فرد خبره به سه دسته ی رسیده، نیمه رسیده و نارس دسته بندی و سپس تصاویر آنها با استفاده از یک سیستم تصویربرداری به دست آمد و یک الگوریتم پردازش تصویر به کمک متلب برای استخراج ویژگی های رنگی توسعه داده شد. برای هر نمونه شش ویژگی رنگی شامل میانگین مقادیر H، S و V از فضای رنگی HSV و میانگین مقادیر R، G و B از فضای رنگی RGB استخراج گردید که برای ورودی شبکه عصبی مصنوعی جهت طبقه بندی استفاده شده است. برای شناسایی ویژگی های موثر بر دقت طبقه بندی، از تکنیک تحلیل حساسیت بهره گرفته شد که نتایج نشان داد میانگین مقادیر H، V و R بیشترین تاثیر را بر دقت طبقه بندی دارد. در نهایت نتایج نشان داد که شبکه عصبی مصنوعی قادر است با دقت کلی ۹۸.۳ درصد طبقه بندی بر اساس میزان رسیدگی را انجام دهد. بنابراین، می توان نتیجه گرفت که بکارگیری روش های نوین نظیر پردازش تصویر و هوش مصنوعی برای دسته بندی آلوچه می تواند مفید و کارآمد باشد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، پردازش تصویر ، گوجه سبز ، طبقه بندی