به ‌کارگیری سامانه هوشمند برای تعیین ارزش ریالی دانه‌های برنج سفید بر اساس خواص ظاهری و درصد برنج شکم گچی

نویسندگان

چکیده

درجه‌بندی و دسته‌بندی کیفی برنج یکی از عوامل مؤثر بر بازارپسندی و رضایت مشتری است. هدف از این پژوهش تدوین الگوریتم دقیقی برای تشخیص سه شاخص‌ مهم کیفی دانه‌های برنج شامل درصد دانه‌های شکسته،‏ درصد دانه‌های گچی و درجه سفیدی دانه‌های برنج بود. تعدادی نمونه‌ی برنج رقم علی‌کاظمی،‏ از مؤسسه تحقیقات برنج کشور تهیه شد. پس از نظرسنجی از اشخاص خبره،‏ از هر یک از ویژگی‌های مذکور سه سطح کمی (کم،‏ متوسط و زیاد) تعریف شد. از هر 270 نمونه برنج در شرایط یکسان تصویر‌برداری انجام شد. در تدوین مدل استنتاج فازی برای قیمت‌گذاری محصول از موتور استنتاج فازی نوع ممدانی بهره‌گیری شد و غیرفازی‌سازی با غیرفازی‌ساز مرکز ناحیه انجام شد. نتایج نشان داد که دقت الگوریتم پردازش تصویر در تشخیص درصد عددی دانه‌های شکسته،‏ درصد عددی دانه‌های گچی و درجه سفیدی دانه‌های برنج به‌ترتیب و به طور متوسط برابر با 2‎/95 درصد،‏ 74‎/90 درصد و 99‎/98 درصد بود. زمان کل مورد نیاز برای اجرای الگوریتم پردازش تصویر و فرآیند استنتاج فازی با سه ورودی تا تعیین قیمت محصول برابر 24‎/2 ثانیه بود. تصمیمات گرفته شده با مدل فازی در 2‎/95 درصد از موارد با نظر اعلام شده از سوی کارشناس خبره همخوانی داشت. این سامانه به خوبی می‌تواند جایگزین روش‌های سنتی مورد استفاده در بازار خرید و فروش و کارخانه‌های فرآوری محصول برنج شده و در زمان کمتر و با دقت بیشتر خصوصیات کلیدی دانه‌های برنج را ارزیابی کند.

کلیدواژه‌ها

عنوان مقاله [English]

Application of intelligence system to determine Rials-value of white rice grains based on appearance properties and percentage of chalky grains

نویسندگان [English]

  • بهرام حسین زاده
  • Zahra Esmaeili
  • Sajad Rostami
  • hemad Zareiforoush

چکیده [English]

Qualitative grading and classifying of rice are one of the factors affecting on the marketing and customer satisfaction. The objective of this study was to develop an accurate algorithm for characterization of three important qualitative indices of rice including percentage of broken grains, percentage of chalky grains and degree of milling. Some rice samples of a variety namely 'AliKazemi' were provided from Rice Research Institute of Iran. After questioning expert persons, three quantitative levels (Low, Medium and High) were defined. The images of each of the 270 samples of rice grains were captured under the same conditions. In development of fuzzy inference model for the product pricing, the Mamdani inference system was applied and defuzzification process was done using Center of Area defuzzifier. Results indicated that the average accuracy of the image processing algorithm in detecting percentage of broken grains, percentage of chalky grains and degree of milling was respectively as 95.2%, 90.74% and 98.99%. The decisions made by the fuzzy model were consistent with the expert’s judgment in 95.2% of the cases. This system can be good alternative to traditional methods used in market and rice processing factory to characterize the rice key propertiesfast and more accurately