برآورد محاسباتی واحدهای رنگی Lab از RGB با کمک پردازش تصاویر دیجیتالی

رنگ اولین ویژگی کیفیت مواد غذایی است که توسط مصرفکنندگان مورد بررسی قرار می گیرد. اندازه گیری رنگ مواد غذایی به عنوان یک شاخصغیرمستقیم در اندازه گیری دیگر ویژگی های کیفیتی مانند عطر و طعم و محتویات رنگدانه به دلیل سرعت و سادگی در اندازه گیری، و همچنین ارتباط باسایر خواص فیزیکی محصولات غذایی مورد استفاده قرار می گیرد. در میان فضاهای رنگی مختلف، عموما در اندازه گیری رنگ مواد غذایی، از فضا یرنگی *L*a*b با توجه به توزیع یکنواخت و نزدیکی بسیار زیاد به ادراک انسان استفاده می شود. بطور کلی رنگ سنجه ای تجاری هنگام اندازه گیری رنگ، سطح کوچکی از محصول را پوشش می دهند. در مقابل دوربین های دیجیتال اطلاعات پیکسلی را در اختیار کاربر قرار می دهند؛ این پژوهش یک راه حل محاسباتی به منظور استخراج واحدهای *L*a*b از اطلاعات پیکسلی تصاویر RGB دیجیتال را ارایه می دهد. در این مطالعه به منظور تبدیل واحدهای RGB به *L*a*b از اطلاعات پیکسلی تصاویر RGB دیجیتال را ارایه می دهد. در این مطالعه به منظور تبدیل واحدهای RGB به *L*a*b از چهار مدل: خطی، درجه دوم، شبکه عصبی مصنوعی (ANN) و رگرسیون بردار پشتیبانی (SVR) استفاده گردید. در ارزیابی مدل ها، رگرسیون بردار پشتیبانی و مدل شبکه عصبی به ترتیب با خطای 0/88 و 2/37 بهترین عملکرد را از خود نشان دادند. با توجه به مدل های شکل گرفته، ارتباط خوبی بین رنگ اندازه گیری و برآورد شده تشکیل شده بود. بنابراین، بر اساس نتایج بدست آمده از بینایی ماشین، روش توصیه شده در این پژوهش برای تبدیل دقیق رنگ یک محصول غذایی از روی اطلاعات پیکسلی یک دوربین دیجیتال به *L*a*b مناسب می باشد.

Keywords:

رنگ , SVR , ANN , Lab , RGB