سعیده فیاضی - دانشجوی کارشناسی ارشد مکانیک ماشینهای کشاورزی دانشگاه فردوسی مشهد
محمدحسین عباسپورفرد - دانشیار گروه ماشینهای کشاورزی دانشگاه فردوسی مشهد
عباس روحانی - استادیار گروه آب و خاک دانشگاه صنعتی شاهرود
حسن صدرنیا - استادیار گروه ماشینهای کشاورزی دانشگاه فردوسی مشهد

با توجه به ارزش اقتصادی متفاوت ارقام برنج، گزارشات نشان دهنده این هستند که احتمال اختلاط ارقام مختلف در بازار وجود دارد. استفاده ازتکنیک های پردازش تصویر و شبکه های عصبی برای طبقه بندی ارقام برنج، روشی است که می تواند دقت فرآیند طبقه بندی را در کاربردهای واقعی افزایش دهد. در این مطالعه چند ویژگی شکلی از تصاویر دانه ها بررسی شدند تا کارآیی آنها در شناسایی سه رقم برنج ایرانی )طارم، فجر، شیرودی( در نمونه های مخلوط این سه رقم ارزیابی شود. در مجموع 666 تصویر از دانه های برنج ) 222 تصویر از هر واریته( در شرایط نورپردازی ثابت گرفتهشد و 71 ویژگی شکلی از تصاویر دانه ها استخراج شد. روش های ضریب فیشر ) FC (، تحلیل اجزای اصلی ) PCA ( و ترکیبی از این دو روش ) FC-PCA ( برای انتخاب ویژگی هایی که بیشترین تأثیر را در دسته بندی و شناسایی ارقام دارند به کار برده شدند. برای طبقه بندی نمونه های برنج در سه کلاس مختلف از شبکه ی عصبی LVQ4 استفاده شد

برنج، ویژگی های شکلی، پردازش تصویر و شبکه عصبی