استفاده از بینایی کامپیوتر در تشخیص غیرمخرب زعفران واقعی و تقلبی
عنوان مقاله: استفاده از بینایی کامپیوتر در تشخیص غیرمخرب زعفران واقعی و تقلبی
شناسه ملی مقاله: JR_SAFRON-9-4_006
منتشر شده در در سال 1400
شناسه ملی مقاله: JR_SAFRON-9-4_006
منتشر شده در در سال 1400
مشخصات نویسندگان مقاله:
بهروز اکبری آدرگانی - استاد، مرکز تحقیقات آزمایشگاهی غذا و دارو، سازمان غذا و دارو، وزارت بهداشت، درمان و آموزش پزشکی، تهران، ایران
مرتضی محمدزاده مقدم - استادیار، اداره آزمایشگاه کنترل غذا و دارو، معاونت غذا و دارو، دانشگاه علوم پزشکی گناباد، گناباد، ایران
مهدی کریمی نوقابی - استادیار، اداره آزمایشگاه کنترل غذا و دارو، معاونت غذا و دارو، دانشگاه علوم پزشکی گناباد، گناباد، ایران
مجتبی محمدپور - استادیار، گروه مهندسی برق و کامپیوتر، مجتمع آموزش عالی گناباد
محمد خلیلیان موحد - دانشجوی دکتری علوم و صنایع غذایی، دانشگاه فردوسی مشهد، مشهد، ایران
خلاصه مقاله:
بهروز اکبری آدرگانی - استاد، مرکز تحقیقات آزمایشگاهی غذا و دارو، سازمان غذا و دارو، وزارت بهداشت، درمان و آموزش پزشکی، تهران، ایران
مرتضی محمدزاده مقدم - استادیار، اداره آزمایشگاه کنترل غذا و دارو، معاونت غذا و دارو، دانشگاه علوم پزشکی گناباد، گناباد، ایران
مهدی کریمی نوقابی - استادیار، اداره آزمایشگاه کنترل غذا و دارو، معاونت غذا و دارو، دانشگاه علوم پزشکی گناباد، گناباد، ایران
مجتبی محمدپور - استادیار، گروه مهندسی برق و کامپیوتر، مجتمع آموزش عالی گناباد
محمد خلیلیان موحد - دانشجوی دکتری علوم و صنایع غذایی، دانشگاه فردوسی مشهد، مشهد، ایران
زعفران یکی از گرانترین ادویههای جهان محسوب میشود. زعفران ادویهای که بسیار مورد تقلب قرار میگیرد. توسعه تکنیکهای مبتنی بر ابزار ساده، ارزان قیمت، مناسب و سریع در صنایع غذایی جهت تشخیص تقلباتی همچون تقلبات زعفران ضروری است. در پژوهش حاضر، ترکیب پردازش تصویر و روش ماشین بردار پشتیبان (SVM) برای ارزیابی سریع و غیر مخرب تشخیص زعفران واقعی از زعفران تقلبی به کار رفته است. پس از تهیه تصاویر از توده زعفران خالص و تقلبی و کلالههای مجزا، تصاویر وارد مراحل پیش پردازش شدند و در نهایت، ویژگیهای آماری مرتبط با بافت تصاویر و ویژگیهای مورفولوژی شامل ۱۰۵ ویژگی استخراج شدند. به منظور افزایش سرعت و دقت طبقهبندی، از روش آنالیز مولفههای اصلی PCA برای کاهش ابعاد ماتریس ویژگی استفاده شد. همچنین طبقهبندی تصاویر به کمک توابع کرنل مختلف SVM ،به صورت دو کلاس انجام شد. سپس شاخصهای آماری نظیر دقت، صحت، حساسیت، اختصاصی بودن و سطح زیر منحنی به منظور ارزیابی طبقهبند محاسبه شدند که مقادیر این شاخصها برای طبقهبندی با کرنل کوبیک SVM برای تشخیص زعفران تقلبی از زعفران واقعی به ترتیب ۹۷، ۹۳، ۸۳، ۵/۹۷و ۹۷ درصد بدست آمد. نتایج حاصل از این طبقهبندی نشان داد که این سیستم به عنوان یک روش هوشمند، سریع، غیرمخرب و دقیق، قابلیت تشخیص زعفران واقعی را از تقلبی دارد.
کلمات کلیدی: زعفران, تقلب, پردازش تصویر, ماشین بردار پشتیبان
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1394229/