فرآوری، صنایع غذایی و بیوشیمی
مرتضی محمد زاده مقدم؛ مسعود تقی زاده؛ حسن صدرنیا؛ حمیدرضا پوررضا
چکیده
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 ...
بیشتر
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.