بهبود فرآیند طبقه بندی گونه های چای با بهره گیری از یادگیری عمیق

چای یکی از محبوبترین نوشیدنی های غیر الکلی در جهان است که به دلیل تنوع طعم و عطر به انواع مختلف تقسیم می شود. این محصول در فرآیند تولید نیاز به طبقه بندی دقیق دارد که در روش های سنتی به دلیل هزینه بر بودن و امکان بروز خطای انسانی با چالش هایی روبه رو است. در روش پیشنهادی این مقاله، با ارائه تغییراتی در ساختار مدل MobileNetV۳ توانستیم با دقت بالایی گونه های چای را طبقه بندی کنیم. همچنین، بهینه ساز AdamW و کاهش نرخ یادگیری به ۰.۰۰۰۱ برای همگرایی دقیق تر و پایداری بهتر مدل به کار گرفته شدند. در این پژوهش، از مجموعه داده ای شامل ۱۴۳ دسته چای اوالنگ شامل ۲۹۰۰۳۲ تصویر استفاده شد. مدل پیشنهادی توانست به دقت ۹۶.۵۴% دستیابد که نسبت به مدل های پیشین مانند ResNet۵۰ با دقت ۹۳.۲%، بهبود قابل توجهی نشان داد. روش پیشنهادی علاوه بر دقت بالا، به دلیل سبک بودن و سرعت پردازش، برای استفاده در دستگاه های کم منبع مناسب است و می تواند به عنوان راهکاری موثر برای طبقه بندی چای در صنایع مختلف به کار گرفته شود.

کلیدواژه ها:

طبقه بندی چای ، یادگیری عمیق ، شبکه عصبی ، پردازش تصویر