طراحی یک سیستم خبره برای تشخیص اصالت ارقام برنج با استفاده از ترکیب ویژگی های بافتی تصاویر توده ی برنج

برنج یکی از مهمترین مواد غذایی در ایران می باشد. ممکن است یک رقم برنج با کیفیت بالا با اهدافی مثل سودجویی با یک رقم برنج دیگر که کیفیت پایین تری دارد مخلوط شود. این مقاله به ارائه ی یک سیستم خبره جهت تشخیص اصالت ارقام برنج با استفاده از تصاویر گرفته شده از توده ی برنج پرداخته است. ایده ی اصلی جهت تشخیص اصالت بر روی بافت برنج استوار است که ممکن است با مخلوط شدن دو رقم برنج با یکدیگر، بافت توده ی آنها نیز تغییر نماید.  به این منظور، در ابتدا، با استفاده از یک جعبه سیاه در فواصل مختلف ترکیبی، تصویربرداری انجام شد. سپس ویژگیهای بافتی مربوط به توده ی برنج با استفاده از سه روش هیستوگرام تصویر، ماتریس هم رویدادی و الگوی دودویی محلی  به دست آمد. جهت پیداکردن ویژگی های برتر استخراجی، از الگوریتم ژنتیک استفاده شد. سپس از یک شبکه عصبی برای رگرسیون استفاده شد. ورودی این شبکه عصبی، ویژگی های برتر استخراجی و خروجی آن درصد ترکیب بود. بهترین کارایی با استفاده از الگوی دودویی محلی با مقدار خطای 4.92 و ضریب همبستگی0.9153 به دست آمد. برای بهبود نتایج ارائه شده، نتایج مرحله قبل با هم ترکیب شد که مقدار خطا به 4.21 و ضریب همبستگی 0.9356 کاهش پیدا کرد. نتایج این پژوهش می تواند در ساخت یک سیستم اصالت سنج ارقام برنج مورد استفاده قرار گیرد.

Design of an expert system for Rice Purity detection using combination of texture features of bulk samples

Rice is one of the most important stable foods in Iran. Sometimes, for reason such as illegal profit, it is probable a commercial rice variety with good quality properties be mixed with some low quality properties that have great similarity in appearance. In this paper, an expert system for rice purity detection based on extracted texture features of bulk sles and modeling by a multilayer neural network has been introduced. First, images of bulk sles are taken using a black box. Then, texture features is extracted. In the next step, the best features are selected using a genetic algorithm approach. Finally, a neural network based regression is used for modeling of proposed approach. The best performance is obtained using local binary pattern.  To increase the efficiency of the proposed approach, the results of previous section is combined using a majority voting approach. The result of this study can be used for construction of rice purity detection system.