نام پژوهشگر: آیتک پویان

درجه بندی قارچ دکمه ای بر اساس آنالیز تشخیصی و هوش مصنوعی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده کشاورزی 1393
  آیتک پویان   اصغر محمودی

درجه ¬بندی میوه ها و سبزی ها یک راهکار مهم در راستای ارزیابی، بازاریابی و فرآوری محصول می باشد. ارزش غذایی و دارویی قارچ ها از اغلب محصولات کشاورزی بالاتر می¬باشد. لذا امروزه به عنوان یکی از باصرفه¬ترین و اقتصادی¬ترین محصولات کشاورزی محسوب می¬شوند. ایران در سال 2010 در تولید قارچ خوراکی مقام شانزدهم جهانی را به خود اختصاص داده است (فائو،٢٠١٢). یکی از انواع مهم قارچ¬های خوراکی، قارچ دکمه ای سفید می-باشد که از نظر تغذیه¬ای و درمانی با سایر قارچ¬های خوراکی تفاوت چندانی ندارد، اما آنچه این قارچ را از سایر قارچ¬ها متمایز ساخته است، گسترش جهانی تولید و فروش آن است. در ایران نیز این قارچ خوراکی، 85 درصد سطح زیر کشت را به خود اختصاص داده است در مطالعه ی حاضر از پردازش تصویر برای استخراج خصوصیات هندسی و مؤلفه های رنگی قارچ دکمه ای سفید در 4 فضای رنگی rgb، lab، hsv و hsi استفاده شد. بر اساس این ویژگی ها، طبقه بندی مبتنی بر شبکه های عصبی مصنوعی و آنالیز تشخیصی انجام و نتایج این دستگاه ها با یکدیگر مقایسه گردید. در طبقه بندی بر اساس اندازه، قارچ ها بر اساس استاندارد ایالات متحده آمریکا به سه گروه کوچک، متوسط و بزرگ تقسیم گردید. میانگین درصد طبقه بندی صحیح در روش آنالیز تشخیصی 4/93 درصد به دست آمد و درصد طبقه بندی صحیح بر اساس شبکه ی عصبی مصنوعی در حالتی که ورودی سیستم شامل تمامی ویژگی های استخراج شده از پردازش تصویر بود، 44/94 درصد حاصل شد. برای حالتی که ورودی سیستم ویژگی های منتخب آنالیز تشخیصی بود درصد طبقه بندی صحیح 92/92 درصد به دست آمد. در طبقه بندی بر اساس پشت باز یا پشت بسته بودن قارچ ها میانگین درصد طبقه بندی صحیح برای روش آنالیز تشخیصی 5/98 درصد به دست آمد. درصد طبقه بندی صحیح بر اساس شبکه ی عصبی مصنوعی در هر دو حالت 100 درصد به دست آمد.