کلاس بندی پسته با استفاده از تکنیک های پردازش تصویر و شبکه نروفازی تطبیق پذیر

پسته از نظر شکاف پوست به دو دسته خندان (درباز) و ناخندان (دربسته) و از نظر مغز به دو دسته مغزدار و پوک تقسیم می شود. پسته های پوک ودربسته غالبا جزء محصول درخت پسته بوده و به دلیل ارزش کمتر نسبت به نوع مغزدار درباز باید دسته بندی شوند. هدف این پژوهش ارایه روشیهوشمند برای مرتب سازی پسته های دربسته، درباز مغزدار و پوک می باشد. داده های مورد نیاز برای دسته بند ی با استفاده از تصاویر تهیه شده ازنمونه های دربسته، مغزدار و پوک پسته با شرایط یکسان، تامین شده است. به این ترتیب که ابتدا برای استخراج تصویر پسته از پس زمینه آن، تصاویرتهیه شده به کمک تکنیک های پردازش تصویر، قطعه بندی شده و پس از انجام فیلترهایی بر روی تصاویر حاصل، برای تعیین با ارزش تر ین ویژگی هاجهت دسته بندی، از الگوریتم یادگیری ماشین C4.5 و درخت تصمیم استفاده شد. ویژگی های ممان و اسکلت به عنوان با ارزش ترین ویژگی ها انتخاب شده و بر این اساس قوانین به دست آمده از درخت تصمیم به یک سیستم نرو-فازی تطبیق پذیر تغذیه شدند. این قوانین به صورت اگر-آنگاه بودند که باپیمایش بالا به پایین حریص از ریشه تا برگ توسط الگوریتم C4.5 استخراج شده بودند. شبکه نروفازی ابتدا با استفاده از داده های 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 دقت 97 % استفاده شد.

کلیدواژه ها:

الگوریتم C4.5 ، بردازش تصویر ، سیستم نرو-فازی ، طبقه بندی پسته