سعیده فیاضی
محمدحسین عباسپورفرد - دانشگاه فردوسی مشهد
عباس روحانی - فردوسی مشهد
حسن صدرنیا - فردوسی مشهد
سید امیرحسن منجمی

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 افزایش دهد. در این مطالعه چند ویژگی شکلی از تصاویر دانه ها بررسی شدند تا کارآیی آنها در شناسایی سه رقم برنج ایرانی (طارم (محلی)، فجر، شیرودی) در نمونه های مخلوط این سه رقم ارزیابی شود. در مجموع ۶۶۶ تصویر از دانه های برنج (۲۲۲ تصویر از هر رقم) در شرایط نورپردازی ثابت گرفته شد و ۱۷ ویژگی شکلی از تصاویر دانه ها استخراج شد. روشهای ضریب فیشر (FC)، تحلیل اجزای اصلی (PCA) و ترکیبی از این دو روش (FC-PCA) برای انتخاب ویژگی هایی که بیشترین تاثیر را در دسته بندی و شناسایی ارقام دارند به کار برده شدند. برای طبقه بندی نمونه های برنج در سه کلاس مختلف از شبکه ی عصبی بردار یادگیر چندی ساز (LVQ۴) استفاده شد. دقت طبقه بندی LVQ۴، به ترتیب برای سه رقم فجر، شیرودی و طارم ۸۷/۹۸، ۱۰۰ و ۱۰۰% ، برای دو رقم فجر و شیرودی ۱۰۰ و ۱۰۰%، برای دو رقم طارم و شیرودی ۱۰۰ و ۱۰۰% و برای دو رقم فجر و طارم ۶۲/۹۷ و ۷۴/۹۵% بود. این نتایج نشان می دهند که روش پردازش تصویر ابزاری مناسب برای تشخیص و جداسازی ارقام مختلف برنج است.

برنج, ویژگیهای شکلی, پردازش تصویر, شبکه عصبی