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.

زعفران, تقلب, پردازش تصویر, ماشین بردار پشتیبان