دسته‌بندی و تعیین اصالت ارقام برنج به کمک الگوریتم فاکتورگیری ماتریس غیر منفی تنک

چکیده: تشخیص ارقام برنج و تعیین اصالت آن‌، یک مسئله مهم در مباحث کشاورزی مدرن و عرصه‌های علمی و تجاری مرتبط با آن می‌باشد. به کمک تکنیک‌های مختلف پردازش تصویر می‌توان به نتایج مطلوبی در زمینه تشخیص ارقام متنوع محصولات کشاورزی دست یافت. انواع ویژگی‌های مبتنی‌بر رنگ یا بافت تصویر می‌تواند در راستای دستیابی به دقت بالاتر در این حوزه مورد استفاده قرار گیرد. در این مقاله، مسئله تشخیص و تعیین اصالت ارقام برنج به کمک الگوریتم فاکتورگیری ماتریس غیرمنفی تنک مورد بررسی قرار می‌گیرد. به کمک این تکنیک، مدل‌های جامعی به کمک مجموعه قیود تنکی برای هر رقم محصول برنج آموزش داده شده و در روال دسته‎بندی بکار گرفته می‌شوند. به منظور دستیابی به مجموعه ویژگی‌های موثر در این روال تشخیص، انواع ویژگی‌های مبتنی‌بر رنگ و بافت مورد بررسی قرار گرفته و با توجه به ارزیابی‌های انجام شده بهترین بردار ویژگی انتخاب می‌گردد. همچنین نتایج حاصل از طبقه‌بند مبتنی‌بر یادگیری مدل پیشنهادی با نتایج بدست آمده از طبقه‌بندهای شبکه عصبی و ماشین بردار پشتیبان مورد مقایسه قرار می‌گیرد. نتایج شبیه‌سازی‌های به همراه تست معناداری آماری نشان می‌دهد که روش پیشنهادی مبتنی‌بر واژه‌نامه‌های حاصل از ویژگی‌های ترکیبی معرفی‌شده قادر به شناسایی نوع محصول و تعیین اصالت آن با دقت بالایی می‌باشد.

Keywords:

Rice classification , Quality detection , Sparse non-negative matrix factorization , Model learning , Neural network , Support vector machine. , شناسایی ارقام برنج , اصالت برنج , فاکتورگیری ماتریس غیر منفی تنک , شبکه عصبی , ماشین بردار پشتیبان.