تخمین تازگی گوشت مرغ مبتنی بر تکنیک‌های پردازش تصویر و هوش مصنوعی

در پژوهش حاضر روش های 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 کانال های رنگی مختلف منتقل و ویژگی‌های آماری بافت تصاویر استخراج گردید. عملیات انتخاب ویژگی با ترکیب دو روش الگوریتم ازدحام ذرات و طبقه بند شبکه‌های عصبی مصنوعی به منظور کاهش حجم محاسبات و ارتقای شاخص های طبقه بندی انجام شد. با توجه به تعداد ویژگی‌های منتخب، تعداد نرون های موجود در لایه ورودی 22 عدد به دست آمد و تعداد نرون های 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 5822 به عنوان ساختار بهینه طبقه بند مورد نظر حاصل شد. به منظور ارزیابی عملکرد طبقه بند جهت تخمین تازگی گوشت مرغ، شاخص‌های آماری نظیر دقت، صحت، حساسیت، اختصاصی بودن و سطح زیر منحنی محاسبه شدند که مقادیر این شاخص ها برای طبقه بندی بر اساس ویژگی های منتخب به ترتیب برابر 92، 80.02، 80.68، 94.89 و87.83 درصد می باشند. نتایج حاصل از این مطالعه نشان می دهد که سامانه پیشنهادی توانایی تشخیص میزان تازگی گوشت مرغ با دقت مناسب را دارد.