كاهش خطاي سنجش كيفيت درجه بندي كشمش با استفاده از ويژگي هاي بافتي و شبكه عصبي چند لايه

كشمش از جمله مهمترين اقلام صادراتي ايران است. ايران بعد از ايالات متحده آمريكا و تركيه در رتبه سوم توليد و بعد از تركيه در رتبه دوم صادرات كشمش جهاني قرار دارد. بنابر اين تحقيق و مطالعه در مورد اين محصول مي تواند اهميت قابل ملاحظه اي داشته باشد. اين مقاله به ارائه يك سيستم خبره جهت درجه بندي كيفيت كشمش با استفاده از تصاوير گرفته شده از دانه هاي كشمش پرداخته است. ايده اصلي جهت تشخيص كيفيت برتر كشمش از كيفيت نامرغوب با حداقل ضريب خطا است.به اين منظور، در ابتدا با استفاده از يك دستگاه اسكنر HP رنگي از دانه هاي كشمش نمونه برداري شد. سپس ويژگي هاي مربوط به هر دانه كشمش با استفاده از روش GLCM بدست آمد. سپس براي كاهش ابعاد ويژگي ها از روش PCA استفاده شد در نهايت توسط شبكه عصبي و ماشين بردار پشتيبان و مدل استنتاج عصبي فازي تطبيقي اين ويژگي هاي استخراج شده كلاسه بندي شدند و نتيجه آن توسط ماتريس اغتشاش محاسبه شد كه بدين ترتيب درصد خطاي شبكه عصبي 1/24 و ماشين بردار پشتيبان 22/33 و مدل عصبي فازي تطبيقي 6/13 بود. نتيجه اين پژوهش مي تواند در ساخت يك سيستم تشخيص كيفيت كشمش هوشمند مورد استفاده قرار بگيرد.