سال انتشار: ۱۳۹۱

محل انتشار: هفتمین کنگره ملی مهندسی ماشین های کشاورزی و مکانیزاسیون

تعداد صفحات: ۶

نویسنده(ها):

ایمان گلپور – دانشجوی کارشناسی ارشد گروه مکانیک ماشین های کشاورزی دانشکده کشاورزی
جعفر امیری پریان – استادیار گروه مکانیک ماشین های کشاورزی دانشکده کشاورزی دانشگاه بوعل
رضا امیری چایجان – استادیار گروه مکانیک ماشین های کشاورزی دانشکده کشاورزی دانشگاه بوعل

چکیده:

برنج به عنوان یک ماده غذایی ارزشمند، نقش بسیار مهمی را در تغذیه مردم جهان ایفا می کند. واریته ی برنج یکی از عواملی است که روی بازده و کیفیت دانه ها سهیم است. بنابراین تشخیص و طبقه بندی ارقام برنج با توجه به اهمیت آن در کشاورزان مدرن بسیار مهم یم باشد. خواص فیزیکی و شیمیایی، کیفیت برنج را مشخص میکند. این خواص برای طبقه بنید واریته های برنج و قیمت آن در بازار مهم است. امروزه کیفیت برنج به صورت دهین و دستی از طریق بازرسی بصری توسط تکنسین های با تجربه تعیین می شود. این رش خسته کنندخ، پر هزینه ووقت گیر وگاهی اوقات ممکن است به دلیل خطاهای انسانی قابل اعتماد نباشد. لذا هدف از این تحقیق طراحی الگوریتمی برای پردازش تصاویر پنج رقم برنج سفید ( طارم محلی، فجر، شیرودی، ندا و خزر) به منظور باز شناسی ارقام برنج ایرانی می باشد. رنگ عمل کیفی مهمی برای درجه بندی و بازاریابی محصولات کشاورزی محسوب می شود و هدف اولیه این پژوهش توسعه یک مدل هوشمند موثر برای تشخیص ارقام برنج است. به این منظور ویژگی های رنگی در فضاهای رنگی RGB و HSI و HSV و برخی دیگر از مولفه های مستقل، از تصاویر دیجیتال گرفته شده از ارقام مختلف استخراج و محاسبه شدند. برای طبقه بندی نتایج، از شبکه عصبی پس انتشار (BPNN) استفاده شد. نتایج حاصله ضریب تبیین بالایی بین مولفه های رنگی تصاویر و نوع رقم تحقیق نشان داد که میتوان به میانگین دقت بازشناسی ۹۷/۱۲ اشاره کرد.