درجه‌بندی مغز گردو بر اساس رنگ با استفاده از ترکیب ماشین بینایی و شبکه عصبی مصنوعی

 در این پژوهش به‌منظور درجه‌‌بندی رنگی مغز گردو نژادگان بوانات طبق استاندارد بین‌‌المللی به چهار درجه خیلی ‌‌ روشن، روشن، روشن ‌‌ کهربایی و کهربایی، 159 مغز گردو انتخاب و از هر یک جداگانه تصویربرداری شد. در مرحله پردازش تصویر، با استفاده از فیلتر لاپلاسین ‌‌ گوسی زمینه جداسازی شد و 12 ویژگی رنگی شامل میانگین و انحراف معیار رنگ‌های قرمز، سبز و آبی و هم‌چنین میانگین و انحراف معیار اصل رنگ، درجه اشباع و شدت رنگ استخراج شد. به‌منظور رتبه‌‌بندی ویژگی‌‌ها از شاخص میانگین مربعات همبستگی کانونی استفاده شد که بر این اساس میانگین شدت رنگ بیشترین تأثیر را در مدل رتبه‌‌بندی داشت و پس از آن میانگین اشباع و واریانس شدت رنگ مهم‌ترین ویژگی‌‌ها در مدل رتبه‌‌بندی بودند. با توجه به مدل رتبه‌‌بندی ویژگی‌‌ها، شبکه‌‌های عصبی با ورودی‌‌های متفاوت از یک تا 12 ورودی طراحی شد. با استفاده از 9 ویژگی مهم‌‌تر به‌عنوان ورودی شبکه عصبی، بالاترین دقت درجه‌‌بندی برابر با 8/95% در ساختار بهینه 4-20-9 به‌دست آمد که دقت درجه‌‌بندی برای مغز گردو با درجه خیلی روشن 100%، درجه روشن 31/92%، درجه روشن کهربایی 91/90% و درجه کهربایی 100% بود. نتیجه‌ این پژوهش نشان‌‌دهنده توانایی بالای ماشین بینایی در ترکیب با شبکه عصبی برای درجه‌‌بندی مغز گردو بر اساس رنگ می‌‌باشد.

Keywords:

Image Processing , Features ranking , Laplacian of Gaussian filter , Multi-layer perceptron , پردازش تصویر , پرسپترون چند لایه , رتبه‌بندی ویژگی‌ها , فیلتر لاپلاسین‌ گوسی