شناسایی و طبقه بندی سه رقم برنج ایرانی در نمونه های مخلوط مبتنی بر ویژگیهای شکلی با استفاده از پردازش تصویر و شبکه عصبی بردار یادگیر چندی ساز

با توجه به ارزش اقتصادی متفاوت ارقام برنج، گزارشات نشان دهنده این هستند که احتمال اختلاط ارقام مختلف در بازار وجود دارد. استفاده از تکنیک های پردازش تصویر و شبکه های عصبی برای طبقه بندی ارقام برنج، روشی است که می تواند دقت فرآیند طبقه بندی را افزایش دهد. در این مطالعه چند ویژگی شکلی از تصاویر دانه ها بررسی شدند تا کارآیی آنها در شناسایی سه رقم برنج ایرانی (طارم (محلی)، فجر، شیرودی) در نمونه های مخلوط این سه رقم ارزیابی شود. در مجموع 666 تصویر از دانه های برنج (222 تصویر از هر رقم) در شرایط نورپردازی ثابت گرفته شد و 17 ویژگی شکلی از تصاویر دانه ها استخراج شد. روشهای ضریب فیشر (fc)، تحلیل اجزای اصلی (pca) و ترکیبی از این دو روش (fc-pca) برای انتخاب ویژگی هایی که بیشترین تاثیر را در دسته بندی و شناسایی ارقام دارند به کار برده شدند. برای طبقه بندی نمونه های برنج در سه کلاس مختلف از شبکه ی عصبی بردار یادگیر چندی ساز (lvq4) استفاده شد. دقت طبقه بندی lvq4، به ترتیب برای سه رقم فجر، شیرودی و طارم 87/98، 100 و 100% ، برای دو رقم فجر و شیرودی 100 و 100%، برای دو رقم طارم و شیرودی 100 و 100% و برای دو رقم فجر و طارم 62/97 و 74/95% بود. این نتایج نشان می دهند که روش پردازش تصویر ابزاری مناسب برای تشخیص و جداسازی ارقام مختلف برنج است.