بازشناسی انواع پسته بر پایه بینایی ماشین، فیلترهای گابور و الگوریتم وراثتی | ||
| مهندسی بیوسیستم ایران | ||
| دوره 56، شماره 1، بهار 1404، صفحه 17-33 اصل مقاله (1.36 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2025.389674.665585 | ||
| نویسنده | ||
| اسما شمس کرمانی* | ||
| گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی سیرجان، سیرجان، ایران. | ||
| چکیده | ||
| در این پژوهش، روشی نوین و کارآمد برای بازشناسی انواع پسته با بهرهگیری از فیلترهای گابور و الگوریتم وراثتی ارائه شده است که هدف آن افزایش سرعت و دقت در فرآیند طبقهبندی میباشد. برخلاف روشهای پیشین که عمدتاً بر پردازش جداگانه دانههای منفرد پسته تکیه داشتهاند و از این رو با وجود دقت مناسب، از نظر زمانی و محاسباتی پرهزینه بودهاند، روش پیشنهادی از پردازش کلنگر تصاویر مجموعهای از پستهها بهره میگیرد و بدین وسیله فرآیند بازشناسی را تسریع و بهینهسازی میکند. در این چارچوب، ابتدا ویژگیهای بافتی و شکلی برجسته از تصاویر با استفاده از فیلترهای گابور استخراج میگردد. سپس، الگوریتم وراثتی بهمنظور انتخاب ویژگیهای بهینه و حذف دادههای زائد به کار گرفته میشود. ویژگیهای منتخب نهایتاً به طبقهبند kهمسایه نزدیکتر (KNN) منتقل شده تا طبقهبندی نهایی صورت گیرد. ارزیابی روش پیشنهادی بر روی پایگاه دادهای شامل ۱۰۰۰ زیرتصویر متعلق به پنج نوع رایج پسته (اکبری، احمدآقایی، کلهقوچی، فندقی و بادامی) انجام شد و نتایج حاکی از نرخ طبقهبندی صحیح 5/99 درصد میباشد. در مقایسه با روشهای یادگیری عمیق، روش پیشنهادی با وجود عدم نیاز به آموزش عمیق و منابع پردازشی سنگین، دقتی قابل رقابت با آنها ارائه داده و سرعت پیادهسازی بسیار بالاتری دارد. این ویژگیها روش پیشنهادی را به گزینهای مناسب برای کاربردهای صنعتی، بهویژه در خطوط تولید و بستهبندی هوشمند پسته بدل میسازد و گامی مؤثر در جهت خودکارسازی فرآیندهای کشاورزی و کاهش هزینههای زمانی و انسانی تلقی میشود. | ||
| کلیدواژهها | ||
| الگوریتم وراثتی؛ بازشناسی پسته؛ طبقهبندی تصویر؛ طبقهبند k همسایه نزدیکتر؛ فیلتر گابور | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 504 تعداد دریافت فایل اصل مقاله: 369 |
||