توسعه و ارزیابی یک روش هوشمند بمنظور استخراج مقادیر L*a*b* از مقادیر RGB تصاویر رنگی

با توجه به نیاز اســـتفاده از مقادیر رنگی *L* ،a و *b به همراه دیگر پارامترهای رنگی از جمله مقادیر R ،G و B در کاربردهای 1 کنترل کیفیت رنگی مواد غذایی و ک شاورزی، در این پژوهش رو شی هو شمند بر پایه سامانه بینایی ما شین ، شبکه های ع صبی MLP2 و روش مصـــنوعی 3 آماری چند متغیره PLS برای تخمین مقادیر *b*a*L از مقادیر RGB تصـــاویر رنگی نمونه های مختلف زعفران تدوین گردید. ت صاویر رنگی از 33 نمونه مختلف زعفران (165 ت صویر) و از صفحات رنگی ا ستاندارد ( 150 ت صویر) تهیه شدند. به کمک سامانه بینایی ما شین تو سعه داده شده ت صاویر نمونه ها دریافت و با ا ستفاده از الگوریتم های پردازش ت صویر، پردازش و ویژگیهای رنگی RGB آنها استخراج گردید. از سوی دیگر ویژگی های *b*a*L نمونهها توسط دستگاه رنگ سنج (به روش هانتر لب) اندازهگیری شدند. مقادیر RGB و تبدیلات خطی آنها به عنوان ورودی مدلها و مقادیر مرتبط *b*a*L به عنوان خروجی و هدف مدلها در نظر گرفته شـدند. در نهایت نتایج نشـان داد که مدلهای MLP با دقت بالاتری و ضـرایب رگرسـیون 2 منا سب تری ن سبت به مدل های PLS مقایر *L* ،a و *b نمونههای زعفران را تخمین میزنند ( بترتیب RMSE و 0/99 برابر Rبرابر با 769/0 ،953/0 و 785/0 برای تخمین هر سه ویژگی *L* ،a و *b .(در نهایت میتوان امکان ا ستفاده از سامانه ما شین بینایی توسعه یافته را برای کنترل کیفیت رنگی زعفران و بصورت برخط بیان کرد.

کلیدواژه ها:

تخمین *b*a*L ، RGB ، پردازش تصاویر ، زعفران