شناسایی سه رقم برنج ایرانی در نمونه های مخلوط به کمک بینایی ماشین

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 در کاربردهای واقعی افزایش دهد. در این مطالعه چندین ویژگی شکلی و بافتی از تصاویر دانه های برنج بررسی شدند تا کارآیی آنها در شناسایی سه رقم برنج ایرانی (طارم، فجر، شیرودی) در نمونه های مخلوط این سه رقم ارزیابی شود. در مجموع 666 تصویر از دانه های برنج (222 تصویر از هر واریته) در شرایط نورپردازی ثابت گرفته شد و 17 ویژگی شکلی از تصاویر دانه ها استخراج شد. همچنین 3 گروه ویژگی بافتی که مجموعاً شامل 41 ویژگی بافتی می شدند از ماتریس های سطوح خاکستری، هم وقوعی و الگوی دودویی محلی مربوط به تصاویر مقیاس خاکستری دانه ها استخراج شدند و عملکرد هر کدام از این گروه ها با یکدیگر و با ترکیب ویژگی های سه گروه مقایسه شد. روش های ضریب فیشر(fc)، تحلیل اجزای اصلی (pca) و ترکیبی از این دو روش (fc-pca) برای انتخاب ویژگی هایی که بیشترین تأثیر را در دسته بندی و شناسایی این سه رقم برنج دارند به کار برده شدند. برای طبقه بندی نمونه های برنج در سه کلاس مختلف از شبکه ی عصبی lvq استفاده شد. دقت طبقه بندی lvq، به ترتیب برای سه رقم فجر، شیرودی و طارم با استفاده از ویژگی های شکلی 87/98، 100 و 100% و با استفاده ویژگی های بافتی ماتریس سطوح خاکستری 96/97، 100 و 83/97%، ماتریس هم وقوعی 23/96، 100 و 100% ، ماتریس الگوی دودویی محلی 100، 50/97 و 100% و با استفاده از کلیه ی ویژگی های بافتی 100، 67/97 و 100% بود. نتایج نشان دادند که استفاده از تمام ویژگی های بافتی منجر به خطای طبقه بندی کمتری شده است و همچنین خطای طبقه بندی با استفاده از ویژگی های شکلی نسبت به ویژگی های بافتی کمتر بوده است. علاوه بر آن، 41 ویژگی بافتی نیز از تصاویر مقیاس خاکستری توده های برنج استخراج شدند و عملکرد این ویژگی های بافتی در شناسایی توده های برنج به منظور تشخیص رقم غالب ارزیابی شد. در این مورد، 600 تصویر از توده های برنج (200 تصویر از هر واریته) در شرایط نورپردازی ثابت گرفته شد و دقت شناسایی توده های برنج به ترتیب برای سه رقم فجر، شیرودی و طارم 100، 56/97 و 100% به دست آمد. این نتایج نشان می دهند که روش پردازش تصویر ابزاری مناسب برای شناسایی و طبقه بندی واریته های مختلف برنج است.