فهرست نشریات علمی دسترسی آزاد ایران

در این پژوهش، روشی نوین و کارآمد برای بازشناسی انواع پسته با بهره‌گیری از فیلترهای گابور و الگوریتم وراثتی ارائه شده است که هدف آن افزایش سرعت و دقت در فرآیند طبقه‌بندی می‌باشد. برخلاف روش‌های پیشین که عمدتاً بر پردازش جداگانه دانه‌های منفرد پسته تکیه داشته‌اند و از این رو با وجود دقت مناسب، از نظر زمانی و محاسباتی پرهزینه بوده‌اند، روش پیشنهادی از پردازش کل‌نگر تصاویر مجموعه‌ای از پسته‌ها بهره می‌گیرد و بدین وسیله فرآیند بازشناسی را تسریع و بهینه‌سازی می‌کند. در این چارچوب، ابتدا ویژگی‌های بافتی و شکلی برجسته از تصاویر با استفاده از فیلترهای گابور استخراج می‌گردد. سپس، الگوریتم وراثتی به‌منظور انتخاب ویژگی‌های بهینه و حذف داده‌های زائد به کار گرفته می‌شود. ویژگی‌های منتخب نهایتاً به طبقه‌بند  kهمسایه نزدیک‌تر (KNN) منتقل شده تا طبقه‌بندی نهایی صورت گیرد. ارزیابی روش پیشنهادی بر روی پایگاه داده‌ای شامل ۱۰۰۰ زیرتصویر متعلق به پنج نوع رایج پسته (اکبری، احمدآقایی، کله‌قوچی، فندقی و بادامی) انجام شد و نتایج حاکی از نرخ طبقه‌بندی صحیح 5/99 درصد می‌باشد. در مقایسه با روش‌های یادگیری عمیق، روش پیشنهادی با وجود عدم نیاز به آموزش عمیق و منابع پردازشی سنگین، دقتی قابل رقابت با آن‌ها ارائه داده و سرعت پیاده‌سازی بسیار بالاتری دارد. این ویژگی‌ها روش پیشنهادی را به گزینه‌ای مناسب برای کاربردهای صنعتی، به‌ویژه در خطوط تولید و بسته‌بندی هوشمند پسته بدل می‌سازد و گامی مؤثر در جهت خودکارسازی فرآیندهای کشاورزی و کاهش هزینه‌های زمانی و انسانی تلقی می‌شود.