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.2017.109293.1172
چکیده

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.