فهرست نشریات علمی دسترسی آزاد ایران

در پژوهش حاضر روش­های نوین نظیر پردازش تصویر و هوش مصنوعی برای ارزیابی سریع، غیر مخرب و آنلاین تازگی گوشت مرغ بکار گرفته شده است. پس از تهیه تصاویر گوشت مرغ و عملیات پیش پردازش، تصاویر به کانال­های رنگی مختلف منتقل و ویژگی‌های آماری بافت تصاویر استخراج گردید. عملیات انتخاب ویژگی با ترکیب دو روش الگوریتم ازدحام ذرات و طبقه­بند شبکه‌های عصبی مصنوعی به منظور کاهش حجم محاسبات و ارتقای شاخص­های طبقه­بندی انجام شد. با توجه به تعداد ویژگی‌های منتخب، تعداد نرون­های موجود در لایه ورودی 22 عدد به دست آمد و تعداد نرون­های موجود در لایه خروجی براساس طبقه‌بندی تصاویر به صورت 5 کلاس؛ روز اول، روز دوم،...و روز پنجم، 5 عدد تعیین شد. در نهایت ساختار 5-8-22 به عنوان ساختار بهینه طبقه­بند مورد نظر حاصل شد. به منظور ارزیابی عملکرد طبقه­بند جهت تخمین تازگی گوشت مرغ، شاخص‌های آماری نظیر دقت، صحت، حساسیت، اختصاصی بودن و سطح زیر منحنی محاسبه شدند که مقادیر این شاخص­ها برای طبقه­بندی بر اساس ویژگی­های منتخب به ترتیب برابر 92، 02/80، 68/80، 89/94 و83/87 درصد می­باشند. نتایج حاصل از این مطالعه نشان می­دهد که سامانه پیشنهادی توانایی تشخیص میزان تازگی گوشت مرغ با دقت مناسب را دارد.