تعیین ویژگی ها و مدل بهینه به منظور طبقه بندی اجزای کیفی گندم بذری با استفاده از پردازش تصاویر دوربین دیجیتال صنعتی
نویسندگان
1 دانشجوی دوره دکترای تخصصی، گروه مهندسی بیوسیستم، دانشکده علوم کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
2 استاد گروه مهندسی بیوسیستم، دانشکده علوم کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
3 دانشیار گروه مهندسی بیوسیستم، دانشکده علوم کشاورزی و منابع طبیعی،دانشگاه محقق اردبیلی.
doi
10.22092/erams.2017.109293.1172چکیده
دستیابی به دانش پایه بینایی ماشین در کنترل کیفی بذر گندم اهمیت ویژهای دارد. در این پروژه، با تهیه سخت افزار و نرم افزار مناسب، تصویر 21000 عدد نمونه دانه، تهیه و با الگوریتم طراحی شده پردازش شد. نود و یک ویژگی شکل، بافت و رنگ محاسبه و رتبه بندی شد. از میان پنج مدل طبقه بندی کننده، بیشترین صحت کل، طبقهبندی در مدل شبکه عصبی مصنوعی با دو لایه پنهان و به کارگیری ۳۵ ویژگی برتر اول به دست آمد. در آزمون این مدل با استفاده از دادههای مستقل، صحت طبقهبندی برای گندم سفید درشت، گندم سفید کوچک، گندم سفید شکسته، گندم سفید چروکیده، گندم قرمز، جو و چاودار به ترتیب 100، 7/96، 3/99، 3/90، 99، 7/99، 98 درصد و میانگین آنها 6/97 درصد محاسبه شده است. صحت کل طبقهبندی در مدلهای تحلیل تفکیک خطی، تحلیل تفکیک درجه دوم، K- نزدیکترین همسایگی و شبکه عصبی مصنوعی با یک لایه پنهان به ترتیب 95، 7/96، 6/91 و 3/97 درصد به دست آمده است. در شرایط این تحقیق، سیستم بینایی ماشین شامل دوربین دیجیتال صنعتی و طبقه بندی کننده مدل شبکه عصبی مصنوعی دو لایه، با صحت خوبی قابل استفاده در بررسی کیفیت ظاهری بذر گندم تشخیص داده شده است.