شناسایی و طبقه‌بندی توده‌ها‌ی زیره پارسی Bunium persicum Boiss)) با روش پردازش تصویر در ترکیب با شبکه‌های عصبی مصنوعی

نویسندگان

چکیده

زیره پارسی (Bunium persicum)‎ از جمله گیاهان دارویی با ارزش اقتصادی و صادراتی بالا است که تشخیص و طبقه‌بندی توده‌های آن مهم است. این عمل با استفاده از بازرسی دستی و بصری بسیار وقت‌گیر و دارای خطا است. فناوری بینایی ماشین به عنوان روشی جدید و غیرمخرب می‌تواند روش بسیارخوبی برای شناسایی و طبقه‌بندی آن‌ها باشد. هدف از انجام این پژوهش شناسایی توده‌های زیره با استفاده از ویژگی‌های رنگی و بافتی به کمک پردازش تصویر و شبکه‌ عصبی مصنوعی است. در این پژوهش هفت توده زیره پارسی از رویشگاه‌های طبیعی استان کرمان جمع‌آوری شد و پس از تهیه تصاویر نمونه‌‌ها،‏ 36 ویژگی رنگی و 108 ویژگی بافتی از این تصاویر در نظر گرفته شد. شناسایی توده‌ها با استفاده از شبکه عصبی پس انتشار انجام شد. بر مبنای نتایج این پژوهش،‏ میانگین دقت طبقه‌بندی با شبکه یک لایه برای ویژگی‌های رنگی،‏ ویژگی‌های بافتی و ترکیب ویژگی‌های بافتی و رنگی به ترتیب 55‎/93%،‏ 50‎/93% و40‎/96 % به دست آمد. همچنین کمترین میانگین خطای مربعات،‏ برای ویژگی‌های رنگی،‏ بافتی و ترکیب ویژگی‌های بافتی و رنگی،‏ به ترتیب 172‎/0،‏ 182‎/0 و 148‎/0 حاصل شد. نتایج این پژوهش نشان داد که فن‌آوری بینایی ماشین و شبکه‌های عصبی مصنوعی،‏ توانایی بسیار بالایی در طبقه‌بندی و شناسایی توده‌های مختلف زیره پارسی به ویژه در حالت استفاده از ترکیب ویژگی‌های بافتی و رنگی دارد.

کلیدواژه‌ها

عنوان مقاله [English]

Identification and classification of persian Cumin (Bunium persicum Boiss) landraces using image processing in combination with artificial neural networks

نویسندگان [English]

  • Majid Dowlati
  • Atefe Nekoie
  • Iman Golpour

چکیده [English]

Persian cumin (Bunium persicum) is one of the medicinal plants with high economic and expert value which its identification and classification is very important. Manual or visual inspection and classification of Persian cumin is very time-consuming and associated with errors. Therefore machine vision technology as a novel and non-destructive method can be a very good technique for identification and classification of the product. The aim of this study was to identify and to classify Persian cumin landraces based on color and texture features using image processing and artificial neural network. In this research, seven samples of Persian cumin landraces were collected from natural habitats of Kerman province and after image acquisition of samples, 36 color features and 108 textural features were extracted from the images. Identification of landraces was carried out using back propagation ANNs. Based on the results of the study, the mean classification accuracy using a one layer ANN, for the color, texture and color-texture features was equal to 93.55%, 93.50% and 96.40%, respectively. Also, the minimum value of mean square error for color, texture and color-texture features were obtained 0.172, 0.182 and 0.148, respectively.

کلیدواژه‌ها [English]

  • Image Processing-Color and Texture Feature-Persian cumin.-Artificial neural networks-