تعیین میزان آلودگی توده بذر یونجه به سس با روش تحلیل تصویر دیجیتال و شبکه عصبی مصنوعی

گیاه سس از علف‌های هرز یونجه است. بهترین راه مبارزه با سس، جلوگیری از آلودگی مزارع به بذر این گیاه است. هم‌اکنون در بسیاری از مراکز تکثیر و گواهی بذر، درصد سس موجود در بذر یونجه به روش دستی و با بینوکولر محاسبه می‌شود که علاوه بر صرف وقت و هزینه زیاد، دقت کمی دارد. در این پژوهش یک روش رایانه‌ای، مبتنی بر پردازش تصویر و به کارگیری شبکه عصبی مصنوعی برای محاسبه درصد سس مخلوط با بذر یونجه طراحی شد. بدین منظور تصویرهایی از مخلوط بذر یونجه و سس تهیه شد و سپس در محیط نرم‌افزار matlab با به کارگیری حد آستانه مناسب، بذور از سطح زمینه جدا شدند. در مرحله بعد با استفاده از روابط هندسی، ویژگی‌های ابعادی بذور یونجه و سس استخراج و به‌عنوان ورودی‌های شبکه‌ عصبی درنظر گرفته شدند. برای انتخاب مناسب‌ترین توپولوژی شبکه‌های عصبی، انواع مختلف شبکه با توابع انتقال و یادگیری مختلف و تعداد نرون‌های متفاوت بررسی شد و درنهایت توپولوژی 1-5-4 با تابع انتقال لگاریتم سیگمویید (logsig) و تابع یادگیری gdx انتخاب شد. این شبکه قادر به تشخیص درصد بذر سس با ضریب تعیین 956/0 و ریشه میانگین مربعات خطای 017/0 است.