کلاس‌بندی پسته با استفاده از تکنیک‌های پردازش تصویر و شبکه نروفازی تطبیق‌پذیر

ماشین های کشاورزی

مقاله 6، دوره 6، شماره 1 - شماره پیاپی 11، 1395، صفحه 60-68   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jam.v6i1.33097

نویسندگان

علیرضا عبداله نژاد باروق^{* 1}؛ محمد عادلی نیا¹؛ مجید محمدی²

¹دانشگاه فنی و حرفه‌ای، آموزشکده شهید شمسی پور تهران، تهران، ایران

²دانشکده برق و کامپیوتر، دانشگاه شهید بهشتی، تهران، ایران

چکیده

پسته از نظر شکاف پوست به دو دسته خندان (درباز) و ناخندان (دربسته) و از نظر مغز به دو دسته مغزدار و پوک تقسیم می‌شود. پسته‌های پوک و دربسته غالباً جزء محصول درخت پسته بوده و به دلیل ارزش کمتر نسبت به نوع مغزدار درباز باید دسته‌بندی شوند. هدف این پژوهش ارائه روشی هوشمند برای مرتب‌سازی پسته‌های دربسته، درباز مغزدار و پوک می‌باشد. داده‌های مورد نیاز برای دسته‌بندی با استفاده از تصاویر تهیه شده از نمونه‌های دربسته، مغزدار و پوک پسته با شرایط یکسان، تأمین شده است. به این ترتیب که ابتدا برای استخراج تصویر پسته از پس زمینه آن، تصاویر تهیه شده به کمک تکنیک‌های پردازش تصویر، قطعه‌بندی شده و پس از انجام فیلترهایی بر روی تصاویر حاصل، برای تعیین با ارزش‌ترین ویژگی‌ها جهت دسته‌بندی، از الگوریتم یادگیری ماشین C4.5 و درخت تصمیم استفاده شد. ویژگی‌های ممان و اسکلت به‌عنوان با ارزش‌ترین ویژگی‌ها انتخاب شده و بر این اساس قوانین به‌دست آمده از درخت تصمیم به یک سیستم نرو-فازی تطبیق‌پذیر تغذیه شدند. این قوانین به‌صورت اگر-آنگاه بودند که با پیمایش بالا به پایین حریص از ریشه تا برگ توسط الگوریتم C4.5 استخراج شده بودند. شبکه نروفازی ابتدا با استفاده از داده‌های استخراج شده مربوط به 200 نمونه شامل انواع دربسته، پوک و مغزدار و با دقت 95/8% آموزش داده شد. همچنین از 100 نمونه برای آزمایش سیستم با دقت97% استفاده شد.

کلیدواژه‌ها

الگوریتم C4.5؛ پردازش تصویر؛ سیستم نرو-فازی؛ طبقه‌بندی پسته

مراجع

1. Abdollahnejad Barough A. R., M. Mohamadi, and Y. Abdollahzadeh. 2013. Design of an expert system for classification of pistachio nuts using microwave, Neural Networks and image processing techniques, International Conference on Computer, Information Technology and Digital Media (CITaDiM). Iran, Tehran. 25-29.

2. Abdollahnejad Barough, A. R. 2013. Pistachiosorting using image processing techniques, microwave and neural net works, Iranian Conference on Machine Vision and Image Processing, Eighth Conference, Zanjan University, 330-334.

3. Cetin, A. E., T. C. Pearson, and A. H. Tewfik. 2004. Classification of closed and open shell pistachio nuts using principal component analysis of impact acoustics, Proc. Of IEEE Conf. Acoustics, Speech, and Signal Processing.

4. Ghazanfari, A., J. Irudayaraj, A. Kusalik, and M. Romaniuk. 1997. Machine vision grading of pistachio nuts using furrier descriptors. Journal of Agricultural Engineering Research 247-252.

5. Ghezelbash, J., A. M. Borghaee1, S. Minaei, S. Fazli, and M. Moradi. 2013. Design and implementation of a low cost computer vision system for sorting of closed-shell pistachio nuts. 8 (49): 6479-6484.

6. Gonzalez Rafael, C., E. Woods Richard, and L. Eddins Steven. 2009, Digital Image Processing Using MATLAB 2nd Ed, Gatesmark Publishing, ISBN 978-0-9820854-0-0.

7. Haff, R. P., and S. Jackson .2012. Low Cost Real-Time Sorting of In-Shell Pistachio Nuts from Kernels, Applied Industrial Optics: Spectroscopy, Imaging and Metrology Monterey, California United States. ISBN: 1-55752-947-7, Optical Systems for the Food Industry (ATu3A).

8. Haff, R. P., T. C. Pearson, and N. Toyofuku. 2013. Sorting of In-Shell Pistachio Nuts from Kernels Using Color Imaging.

9. Haff, R. P., and T. C. Pearson. 2007. Separating in-shell pistachio nuts from kernels using impact vibration analysis, published by Springer Sens. & Instrument. Food Qual. 1: 188-192.

10. Jalali, A., and A. Mahmoudi. 2013. Pistachio nut varieties sorting by data mining and fuzzy logic classifier, International Journal of Agriculture and Crop Sciences, IJACS/2013/5-2/101-108, ISSN 2227-670X.

11. Jang, J., and R. Shing. 1997. Neuro-Fuzzy and Soft Computing, Prentice-Hill.

12. Kouchakzadeh, A., and A. Brati. 2012. Discrimination of Pistachios Varieties with Neural Network using some Physical Characteristic, Int. J. Emerg. Sci. 2 (2): 259-267.

13. Mahmoudi, A., M. Omid, A. Aghagolzadeh, and A. M. Borgayee. 2006. Grading of Iranian’s export pistachio nuts based on artificial neural networks. International Journal of Agriculture & Biology 1560 /8530: 371-376.

14. Mitchel, T. M. 1997. Machine Learning, McGraw-Hill.

15. Omid, M. 2010. Design of an expert system for sorting pistachio nuts through decision tree and fuzzy logic classifier, Elsevier, Expert Systems with Applications.

16. Omid, M., A. Mahmoudi, and M. H. Omid. 2009. An intelligent system for sorting pistachio nut varieties. Expert Systems with Applications 36 (9): 11528-11535.

17. Pearson, T. C. 2001. Detection of pistachio nuts with closed shells using impact acoustics, Applied Engineering in Agriculture 17: 249-253.

18. Quinlan, J. R. 1993. C4.5: Programs for Machine Learning, Morgan Kaufman Publisher, ISBN: 978-1-55860-238-0.