تشخیص ارقام شلتوک، برنج قهوه ای و سفید براساس ویژگی های بافتی تصویر و شبکه عصبی مصنوعی

شناسایی ارقام برنج در کشاورزی مدرن از اهمیت بالایی برخوردار است. ویژگی های بافتی از میان عوامل مختلف می تواند برای شناسایی ارقام برنج استفاده شود. پردازش تصاویر دیجیتال به عنوان روشی جدید می تواند برای استخراج ویژگی های بافت به کار برده شود. هدف از این پژوهش شناسایی ارقام برنج با استفاده از ویژگی های بافت تصویر به کمک پردازش تصویر و شبکه های عصبی مصنوعی پس انتشار می باشد. برای تشخیص ارقام برنج، پنج رقم برنج ایرانی به نام های فجر، شیرودی، ندا، طارم محلی و خزر تهیه شدند. 108 ویژگی بافتی از تصاویر برنج با استفاده از ماتریس هم وقوعی تصویر سطوح خاکستری استخراج گردید. سپس شناسایی ارقام با استفاده از شبکه عصبی مصنوعی پس انتشار صورت پذیرفت. پس از ارزیابی شبکه های یک لایه با استفاده از ویژگی های بافتی، بیشترین دقت طبقه بندی برای ارقام شلتوک، برنج قهوه ای و سفید به ترتیب: 92/2%، 97/8% و 98/9% به دست آمد. پس از اینکه شبکه با دولایه پنهان مورد ارزیابی قرار گرفت، بهترین میانگین دقت طبقه بندی برای تشخیص ارقام شلتوک 96/67%، برای برنج قهوه ای 97/78% و برای برنج سفید 98/88% حاصل شد. بیشترین دقت طبقه بندی پس از انتخاب ویژگی برای شلتوک با 45 ویژگی 98/9%، برای ارقام برنج قهوه ای با 11 ویژگی انتخاب شده 93/3% و برای ارقام برنج سفید 96/7% با 18 ویژگی انتخاب شده به دست آمد.

کلیدواژه ها:

برنج ، پردازش تصویر ، شبکه عصبی مصنوعی ، ویژگی های بافت