استفاده از پردازش تصویر و شبکههای عصبی مصنوعی به منظور تشخیص تقلب در زیره سیاه پارسی
نویسندگان
1 گروه علوم و مهندسى صنایع غذایی، دانشکده فنى و منابع طبیعى تویسرکان، دانشگاه بوعلى سینا، همدان، ایران
2 گروه مهندسی انرژی، دانشگاه ملی آموزش از راه دور، مادرید، اسپانیا.
3 گروه مهندسی مکانیک بیوسیستم، دانشگاه جیرفت، جیرفت، ایران
4 گروه کشاورزی و گیاهان دارویی، مجتمع آموزش عالی فاطمیه نهاوند، دانشگاه بوعلی سینا، همدان، ایران
doi
10.22059/ijbse.2025.390091.665588چکیده
زیره پارسی ایران نقش ویژهای در صادرات و صنایع داخلی دارد. امروزه، با توجه به عرضه گسترده انواع زیره تقلبی در بازار، شناسایی زیره پارسی اصیل از نمونه های تقلبی آن ضروری است. از میان معیارهای مختلف شناسایی، میتوان به شاخصهای رنگ و بافت اشاره نمود. روشهای سنتی مانند بازرسی دستی و بصری، علاوه بر زمانبر بودن، با احتمال بالای خطای انسانی همراه هستند. در این پژوهش، بمنظور ارائه روشی نوین، دقیق و سریع، از فناوری ماشین بینایی برای استخراج ویژگیهای رنگی و بافتی زیره از تصاویر آن استفاده شد. سپس، با بهکارگیری شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم پسانتشار با یک لایه پنهان و ارزیابی نرون های مختلف در این لایه، فرآیند تشخیص زیره پارسی اصیل از انواع تقلبی انجام گرفت. پنج نمونه از زیره پارسی و چهار نمونه از زیره تقلبی با بیشترین فراوانی در بازار مورد ارزیابی قرار گرفتند. نتایج نشان داد بهترین میانگین دقت شناسایی زیره اصیل از تقلبی، با استفاده از شبکه عصبی با یک لایه پنهان با بکارگیری تابع انتقال لگاریتم سیگموئید در این لایه و تابع خطی در لایه خروجی و الگوریتم یادگیری لونبرگ مارکوات، به ترتیب 51/93 درصد برای ویژگیهای رنگی، 86/ 95 درصد برای ویژگیهای بافتی و 59/95 درصد برای ترکیب این دو ویژگی (رنگی-بافتی) به دست آمد که نتایج شبکه عصبی با استفاده از ویژگی های بافتی عملکرد بهتری داشت. نتایج این تحقیق نشان داد که فن آوری ماشین بینایی و شبکههای عصبی مصنوعی، قابلیت بالایی در شناسایی زیره اصیل پارسی از نمونه های تقلبی با دقت بالا دارد.
