کلاس‌بندی پسته با استفاده از تکنیک‌های پردازش تصویر و شبکه نروفازی تطبیق‌پذیر

پسته از نظر شکاف پوست به دو دسته خندان (درباز) و ناخندان (دربسته) و از نظر مغز به دو دسته مغزدار و پوک تقسیم می‌شود. پسته‌های پوک و دربسته غالباً جزء محصول درخت پسته بوده و به دلیل ارزش کمتر نسبت به نوع مغزدار درباز باید دسته‌بندی شوند. هدف این پژوهش ارائه روشی هوشمند برای مرتب‌سازی پسته‌های دربسته، درباز مغزدار و پوک می‌باشد. داده‌های مورد نیاز برای دسته‌بندی با استفاده از تصاویر تهیه شده از نمونه‌های دربسته، مغزدار و پوک پسته با شرایط یکسان، تامین شده است. به این ترتیب که ابتدا برای استخراج تصویر پسته از پس زمینه آن، تصاویر تهیه شده به کمک تکنیک‌های پردازش تصویر، قطعه‌بندی شده و پس از انجام فیلترهایی بر روی تصاویر حاصل، برای تعیین با ارزش‌ترین ویژگی‌ها جهت دسته‌بندی، از الگوریتم یادگیری ماشین c4.5 و درخت تصمیم استفاده شد. ویژگی‌های ممان و اسکلت به‌عنوان با ارزش‌ترین ویژگی‌ها انتخاب شده و بر این اساس قوانین به‌دست آمده از درخت تصمیم به یک سیستم نرو-فازی تطبیق‌پذیر تغذیه شدند. این قوانین به‌صورت اگر-آنگاه بودند که با پیمایش بالا به پایین حریص از ریشه تا برگ توسط الگوریتم c4.5 استخراج شده بودند. شبکه نروفازی ابتدا با استفاده از داده‌های استخراج شده مربوط به 200 نمونه شامل انواع دربسته، پوک و مغزدار و با دقت 8/95% آموزش داده شد. همچنین از 100 نمونه برای آزمایش سیستم با دقت97% استفاده شد.