تشخیص پنج رقم مختلف نخود با استفاده از پردازش تصویر و طبقه بند هیبرید شبکه عصبی مصنوعی – الگوریتم بهینه سازی ازدحام ذرات

نخود یکی از محصولات با پروتئین بالا میباشد که مصرف گسترده ای در ایران و جهان دارد. پنجرقم متداول نخود در ایران عبارتند از عادل، آرمان، آزاد، بیونیج و هاشم. هر رقم قیمت و کاربرد مختلفی درصنعت غذایی دارد. یک سیستم ماشین بینایی برای طبقه بندی نخود، جایگزین روش دستی، قادر بهافزایش دقت و سرعت بسته بندی می باشد. به منظور طراحی طبقه بند برای این سیستم، نمونه های این پنجرقم از کرمانشاه تهیه شدند. 1019 نمونه تصویر با استفاده از دوربین صنعتی (DFK23GM021 (CMOS 120fpsقرار گرفته شده در ارتفاع 10 سانتیمتری روی نمونه ها تهیه شدند. روشنایی با استفاده از LED های سفید رنگ با شدت نور 327 لوکس تامین شد. از هر تصویر 126 خصوصیت رنگی و 80خصوصیت مربوطبه ماتریس هموقوعی سطح خاکستری استخراج شد. با استفاده از روش هیبرید شبکهعصبی مصنوعی- الگوریتم بهینه سازی ازدحام ذرات 6 خصوصیت موثر شامل اطلاعات اندازه همبستگی1مربوطبه زاویه همسایگی 135 درجه، مومنت قطری مربوط به زاویه همسایگی 90 درجه، مجموع واریانسمربوط به زاویه همسایگی 0 درجه، مومنت اختلاف معکوس نرمال شده مربوطبه زاویه همسایگی 0 درجه،میانگین کانال دوم فضای رنگی CMY و میانگین نرمال شده کانال دوم فضای رنگی CMY انتخاب شدند. در نهایت نتایج نشان داد که دقت سیستم طبقه بند هیبرید شبکه عصبی مصنوعی- الگوریتم بهینه سازی ازدحام 98/04 درصد بود.

کلیدواژه ها:

نخود ، خصوصیت موثر ، طبقه بندی ، الگوریتم هوشمند