کاهش خطای سنجش کیفیت درجه بندی کشمش با استفاده از ویژگی بافتی و شبکه عصبی چند لایه

کشمش از جمله مهمترین اقلام صادراتی ایران است. ایران بعد از ایالات متحده آمریکا و ترکیه دررتبه سوم تولید و بعد از ترکیه در رتبه دوم صادرات کشمش جهانی قرار دارد. بنابراین تحقیق و مطالعه در مورد این محصول می تواند اهمیت قابل ملاحظه ای داشته باشد. این مقاله به ارائه یک سیستم خبره جهت درجه بندی کیفیت کشمش با استفاده از تصاویر گرفته شده از دانه های کشمش پرداخته است. ایده اصلی جهت تشخیص کیفیت برتر کشمش از کیفیت نامرغوب با حداقل ضریب خطا است. به این منظور، در ابتدا با استفاده از سک دستگاه اسکنر HP رنگی از دانه های کشمش نمونه برداری شد. سپس ویژگی های مربوط به هر دانه کشمش با استفاده از روش GLCM به دست آمد. سپس برای کاهش ابعاد ویژگی ها از روش PCA استفاده شد. در نهایت توسط شبکه عصبی و ماشین بردار پشتیبان و مدل استنتاج عصبی فازی تطبیقی این ویژگی های استخراج شده کلاسه بندی شدند و نتیجه آن توسط ماتریس اغتشاش محاسبه شد که بدین ترتیب درصد خطای شبکه عصبی ۱/۲۴ و ماشین بردار پشتیبان ۲۲/۳۳ و مدل عصبی فازی تطبیقی ۶/۱۳ بود. نتیجه این پژوهش می تواند در ساخت یک سیستم تشخیص کیفیت کشمش هوشمند مورد استفاده قرار بگیرد.

Keywords:

درجه بندی کیفیت کشمش , شبکه عصبی , ماشین بردارپشتیبان , مدل عصبی فازی تطبیقی , GCM