شناسایی و طبقه بندی برنج ایرانی مخلوط با پردازش تصویر و شبکه عصبی بردار پشتیبان

با توجه به ارزش اقتصادی متفاوت ارقام برنج، گزارش ها نشان می دهند که احتمال اختلاط ارقام مختلف در بازار وجود دارد. استفاده از تکنیک های پردازش تصویر و شبکه های عصبی برای طبقه بندی ارقام برنج، روشی موثر برای افزایش دقت فرآیند طبقه بندی است. در این مطالعه، چند ویژگی شکلی از تصاویر دانه ها بررسی شد تا کارایی آن ها در شناسایی سه رقم برنج ایرانی شامل طارم (محلی)، فجر و شیرودی در نمونه های مخلوط ارزیابی شود. در مجموع ۶۶۶ تصویر از دانه های برنج (۲۲۲ تصویر از هر رقم) در شرایط نورپردازی ثابت ثبت شد و ۱۷ ویژگی شکلی از تصاویر استخراج گردید. برای انتخاب ویژگی هایی که بیشترین تاثیر را در دسته بندی و شناسایی ارقام دارند، از روش های ضریب فیشر (FC)، تحلیل اجزای اصلی (PCA) و ترکیبی از این دو روش (FC-PCA) استفاده شد. ین مطالعه روشی را بر اساس معماری AlexNet پیشنهاد نمود که به دقت مناسبی را به دست آورد روشی برای تشخیص تقلب در انواع برنج به شکل دانه و آرد پیشنهاد شد. برای انجام این کار، از یک دوربین برای عکا سی از نمونه های مختلف برنج استفاده شد و یک پایگاه داده مبتنی بر تصویر ایجاد گردید. سپس ، روش طبقه بندی CNN را برای تجزیه و تحلیل نمونه ها به کار برده شد. روش پی شنهادی نمونه های مختلف برنج را به پنج د سته برنج خالص عادی طبقه بندی نمود. دقت طبقه بندی LVQ۴ به ترتیب برای سه رقم فجر، شیرودی و طارم برابر با ۹۸.۸۷%، ۱۰۰% و ۱۰۰% بود. همچنین، برای طبقه بندی دو رقم فجر و شیرودی، و دو رقم طارم و شیرودی، دقت هر دو ۱۰۰% گزارش شد. در مورد دو رقم فجر و طارم، دقت ها به ترتیب ۹۷.۶۲% و ۹۵.۷۴% بود. این نتایج نشان می دهند که روش پردازش تصویر ابزار مناسبی برای تشخیص و جداسازی ارقام مختلف برنج است و می تواند به عنوان یک روش سریع و دقیق برای کنترل کیفیت و تفکیک محصولات مورد استفاده قرار گیرد.

کلیدواژه ها:

برنج ایرانی ، پردازش تصویر ، شبکه عصبی بردار پشتیبان