مشخصات پژوهش

عنوان	طراحی و ساخت یک چیدمان ماشین بینایی جهت انجام پروژه های تحقیقاتی در زمینه پرداش تصویر محصولات کشاورزی و غذایی (گوشت شتر و زیره سیاه)
نوع پژوهش	طرح پژوهشی خاتمه یافته
کلیدواژه‌ها	تازگی، رنگ، زیره پارسی اصیل، کیفیت، گوشت شترمرغ، ماشین بینایی.
چکیده	امروزه با توجه به افزایش جمعیت جهان، نیاز به استفاده از یک فن‏آوری پیشرفته، برای تخمین سریع، غیر مخرب و حتی الامکان دقیق کیفیت محصولات کشاورزی و غذایی لازم و ضروری به نظر می‏رسد. بنابراین در این تحقیق اقدام به راه اندازی یک سامانه ماشین بینایی گردید و جهت ارزیابی عملکرد سامانه، به بررسی کیفی گوشت شترمرغ و زیره سیاه پرداخته شد. جهت ارزیابی تازگی و کیفیت درونی گوشت شترمرغ، پس از تصویربرداری از نمونه‏های گوشت، مولفه‏های رنگی روشناییl*، قرمزیa* و زردیb* در طول مدت زمان نگه‏داری نمونه‏ها در دمای چهار درجه، به کمک نرم افزار متلب پردازش و استخراج شدند. همچنین به‏منظور اعتبارسنجی مدل‏های بدست آمده، مقادیر اسیدیته، چربی و پروتئین نمونه‏ها بطور همزمان در آزمایشگاه بصورت مخرب اندازه‏گیری شد. مدل‏های رگرسیونی پیش‏بینی تازگی گوشت شترمرغ براساس مولفه‏های رنگیl*، a* ،b* ،R ،G و B به ترتیب با ضریب تبیین2/88، 9/85، 9/85، 9/86، 8/86 و 5/87 بدست آمد. همچنین مدل‏های رگرسیونی پیش‏بینی تازگی گوشت شترمرغ براساس مولفه‏های رنگی r، g،b ،H ، S، Vو I به ترتیب دارای ضریب تبیین2/76، 5/77 ، 4/78 ،3/49، 2/49، 49 و1/51 بدست آمد. در نهایت مدل رگرسیونی تخمین چربی، پروتئین و اسیدیته گوشت شترمرغ با فن‏آوری ماشین بینایی و پردازش تصویر به ترتیب دارای ضریب تبیین 38/83 ، 01/91 و 93/97 بود. امروزه به دلیل وجود انواع مختلف زیره تقلبی در بازار، شناسایی زیره ی پارسی اصیل از نوع تقلبی آن از اهمیت بالایی برخوردار است. شناسایی به روش بازرسی دستی و بصری بسیار وقت گیر و دارای خطای انسانی بسیار می باشد. بنابراین به استخراج ویژگی های رنگ و بافت زیره از تصویر آن پرداخته شد و در نهایت با بهره گیری از شبکه های عصبی مصنوعی، به تشخیص زیره پارسی اصیل از انواع تقلبی موجود در بازار، شامل پنچ نمونه زیره پارسی و چهار نمونه زیره ی تقلبی،که بیشترین فراوانی را در بازار داشتند، اقدام گردید. پس از استخراج ویژگی های بافتی و رنگی، شناسایی نمونه ها با استفاده از شبکه عصبی پس انتشار صورت گرفت. بهترین میانگین دقت شناسایی و طبقه بندی زیره اصیل از نوع تقلبی با بکارگیری شبکه عصبی یک لایه با تابع انتقال لگاریتم سیگموئید در لایه پنهان و تابع خطی در لایه خروجی و تابع یادگیری لونبرگ مارکوات با استفاده از ویژگی های رنگی، بافتی و ترکیبی (بافتی-
پژوهشگران	مجید دولتی (نفر اول)