مرتضی محمد زاده مقدم - دانشجوی دکتری، مهندسی علوم و صنایع غذایی، گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
مسعود تقی زاده - استادیار، گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
حسن صدرنیا - دانشیار، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد
حمیدرضا پوررضا - استاد، گروه کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد

طبقه­بندی زعفران به عنوان گران­ترین ادویه از اهمیت بالایی برای مشتریان و تجار برخوردار است. به طور کلی، در حال حاضر دو روش برای درجه­بندی زعفران استفاده می­شود. روش اول براساس تجربیات فرد خبره و با مشاهده نمونه­ها انجام می­شود. روش دوم تخریبی بوده و با استفاده از متدهای آزمایشگاهی انجام می­گیرد. طبق نظر متخصصان، استفاده از تکنیک­های یادگیری ماشین برای طبقه­بندی زعفران به دلیل داشتن ماهیت غیر مخرب و خصوصیات بهنگام، یک هدف است. این روش همچنین می­تواند باعث افزایش دقت فرآیند درجه­بندی در مقیاس صنعتی شود. در این مقاله، یک روش مبتنی بر ماشین بینایی ارائه شده است. با توجه به عدم تحقیقات مستند در مورد این موضوع، جستجوی مشروح جامع در این کار ارائه می­شود. تقریباً تمام ویژگی­های رنگ استخراج و در تعداد زیادی از طبقه­بندی کننده­ها استفاده شد. افراد خبره در ایران زعفران را بر اساس خصوصیات ظاهری به سه طبقه اصلی یعنی پوشال، نگین و سرگل طبقه­بندی می­کنند. در این مقاله، یک بانک اطلاعاتی متشکل از 440 تصویر از زعفران برای سه کلاس مختلف با استفاده از دوربین تلفن همراه جمع­آوری شد. پس از اعمال تعدادی از مراحل پیش پردازش مانند حذف پس زمینه، بریدن و حذف مناطق ناخواسته تصاویر و غیره ، 21 ویژگی رنگی با استفاده از روش های مختلف تحلیل تصویر استخراج شد. برای طبقه­بندی از 22 طبقه­بندیگر استفاده شدند. مقایسه نتایج طبقه­بندی کننده­های مختلف نشان داد که Linear Discriminant ، Linear SVM، Bagged Trees و RUSBoost Trees می توانند در هنگام استفاده از ویژگی­های رنگی، درجه­بندی دقیق­تری را نسبت به سایر طبقه­بندی کننده­ها ایجاد کنند. به طور خاص، دراین کار، میانگین دقت 23/82 درصد با استفاده از طبقه­بندی­کننده خطی SVM بدست آمد.

طبقه بندی, زعفران, پردازش تصویر