تدوين مدل مبتني بر منطق فازي به منظور درجه بندي كيفي دانه هاي برنج

Development of a Fuzzy-Logic-Based Model for Qualitative Grading of Rice Grains

در پژوهش حاضر، يك مدل مبتني بر منطق فازي به عنوان سامانه تصميم يار به منظور درجه بندي كيفي دانه هاي برنج تدوين گرديد. با استفاده از يك سامانه پردازش تصوير، ويژگي هاي ابعادي و شدت نور دانه ها توسط يك دوربين ثبت و ذخيره شد. الگوريتم پردازش تصوير به منظور استخراج ويژگي هاي هندسي و شدت نور دانه ها و همچنين مدل فازي درجه بندي محصول در محيط نرم افزار MATLAB تدوين گرديد. تعداد 100 نمونه برنج رقم هاشمي با شرايط كيفي مختلف تهيه شد و كيفيت آنها توسط كارشناسان مجرب در صنعت فرآوري برنج بصورت تجربي در پنج سطح خيلي بد، بد، متوسط، خوب و خيلي خوب درجه بندي گرديد. به منظور ارزيابي سامانه استنتاج فازي تدوين شده، همان نمونه هاي برنج درجه بندي شده توسط كارشناسان به عنوان ورودي به مدل فازي تغذيه شدند. مدل فازي شامل دو متغير زباني ورودي (درجه سفيدي دانه ها و درصد دانه هاي خرد) هر دو به صورت تابع عضويت مثلثي و يك متغير زباني خروجي (كيفيت محصول) به شكل تابع عضويت ذوزنقه اي بود. در مجموع، 25 قاعده با عملگر منطقي an‎d سامانه استنتاج ممداني، روش مركز حداكثرها براي غيرفازي سازي به كار گرفته شدند تا يك سامانه خبره مؤثر فازي براي درجه بندي كيفيت دانه هاي برنج ايجاد شود. نتايج بدست آمده حاكي از مطابقت 94 درصدي نتايج حاصل از مدل درجه بندي با تصميمات كارشناسان خبره بود. بنابراين، چنين مدلي مي تواند به نحو مؤثري در قالب يك سامانه كنترل به منظور پايش كيفيت برنج در كارخانجات فرآوري اين محصول مورد استفاده بگيرد.

A fuzzy-logic-based model as a decision support system was developed for qualitative grading of rice grains. Using an image processing system, the dimensional features and intensity characteristics of the grains were recorded. The image processing algorithm for obtaining dimensional features and light intensity of rice grains as well as the fuzzy grading model were developed in MATLAB software environment. One hundred samples with different qualitative conditions were provided and their quality were experimentally graded by rice processing industry experts in five levels, namely, very bad, bad, medium, good, and very good. In order to evaluate the fuzzy inference system, the samples graded by the experts were imported into the developed fuzzy model. The fuzzy model consisted of two input linguistic variables (degree of milling and percentage of broken grains), both in the form of triangle membership functions, and one output linguistic variable (product quality) in the form of trapezoidal function. Totally, 25 rules were applied for defuzzification process using the an‎d actuator, Mamdani inference motor, and Center-of-Maximum method. The results showed that a 94% confidence was existed between the model evaluations and the experts’ opinions. Therefore, such a model can be effectively be applied in the form of control system for quality control of rice grains in rice processing mills