تعیین درصد خرده برنج در توده با واکاوی ویژگی های تصویر

روش رایج اندازه گیری و محاسبه مقدار خرده برنج در یک توده، جداسازی و توزین برنج های سالم و شکسته است. جداسازی دانه های برنج به وسیله الک یا به صورت دستی انجام می شود که انجام این کار نیازمند صرف وقت و نمونه گیری دوره ای است. در این مطالعه برخی ویژگی های بافت تصویر توده برنج برای تعیین درصد خرده برنج آن مورد بررسی قرار گرفت. برای این منظور، ۲۱ نمونه ۱۰۰ گرمی حاوی درصدهای متفاوت برنج خرده از ترکیب برنج سالم و خرده برنج (شامل صفر تا ۱۰۰ درصد خرده) تهیه شد. از هر نمونه تعداد ۱۰ تصویر از توده تهیه شد. با پیش پردازش تصاویر، نوفه و پس زمینه حذف شد و تصاویر از حالت رنگی به باینری تبدیل شدند و با استفاده از نرم افزار Matlab ویژگی های بافت تصاویر استخراج شد. تعداد ۲۳ ویژگی بافتی از تصاویر نمونه های برنج با روش ماتریس هم رخداد سطح خاکستری استخراج شد. کاهش تعداد ویژگی های بافت تصویر با تحلیل مولفه های اصلی انجام شد. با این روش ۲۳ ویژگی محاسبه شده با ۳ عامل اصلی (متغیر پنهان) مرتبط شد. رابطه بین درصد خرده برنج در نمونه ها با ویژگی های بافتی مستخرج از تصاویر با روش شبکه عصبی مصنوعی با ورودی ویژگی های بافتی (عامل های اصلی) و خروجی درصد برنج خرد شده بررسی گردید. داده ها به چهار شبکه عصبی با توپولوژی متفاوت از نظر تعداد نرون ها در دولایه مخفی وارد و خروجی آن مورد بررسی قرار گرفت. نتایج حاصل از خروجی شبکه های عصبی بررسی شده نشان داد شبکه عصبی با ساختار ۱-۸-۶-۳ با ضریب تبیین ۹۵۸/۰ توانست مقدار خرده برنج (درصد) در یک توده را با خطای کل ۵/۱ درصد تشخیص دهد. افزون بر آن، مشخص شد ده ویژگی بافت تصویر مرتبط با عامل اصلی اول، چهار ویژگی مرتبط با عامل اصلی دوم، چهار ویژگی مرتبط به عامل اصلی سوم و پنج ویژگی بافت هم به صورت مشترک وابسته با عامل های اصلی اول و دوم بودند. هشت ویژگی با ضریب عاملی بالاتر از ۹/۰ مرتبط با عامل اول و سوم بیشترین تاثیر را در تخمین درصد خرده برنج داشته اند. این روش تعیین درصد خرده برنج نسبت به نوع مرسوم (دستی) آن سریع است و قابلیت برخط شدن را دارد.