توسعه و ارزيابي يك روش هوشمند بمنظور استخراج مقادير L*a*b* از مقادير RGB تصاوير رنگي

با توجه به نياز استفاده از مقادير رنگي L*، a* و b* به همراه ديگر پارامترهاي رنگي از جمله مقادير R، G و B در كاربردهاي كنترل كيفيت رنگي مواد غذايي و كشاورزي، در اين پژوهش روشي هوشمند بر پايه سامانه بينايي ماشين ، شبكه هاي عصبي مصنوعي MLP و روش آماري چند متغيره PLS براي تخمين مقادير L*a*b* از مقادير RGB تصاوير رنگي نمونه هاي مختلف زعفران تدوين گرديد. تصاوير رنگي از 33 نمونه مختلف زعفران (165 تصوير) و از صفحات رنگي استاندارد (150 تصوير) تهيه شدند. به كمك سامانه بينايي ماشين توسعه داده شده تصاوير نمونه ها دريافت و با استفاده از الگوريتم هاي پردازش تصوير، پردازش و ويژگي هاي رنگي RGB آنها استخراج گرديد. از سوي ديگر ويژگي هاي L*a*b* نمونه ها توسط دستگاه رنگ سنج (به روش هانتر لب) اندازه گيري شدند. مقادير RGB و تبديلات خطي آنها به عنوان ورودي مدل ها و مقادير مرتبط L*a*b* به عنوان خروجي و هدف مدل ها در نظر گرفته شدند. در نهايت نتايج نشان داد كه مدل هاي MLP با دقت بالاتري و ضرايب رگرسيون مناسب تري نسبت به مدل هاي PLS مقاير L*، a* و b* نمونه هاي زعفران را تخمين مي زنند (R2 برابر 0/99 و RMSE بترتيب برابر با 0/769، 0/953و 0/785 براي تخمين هر سه ويژگي L*، a* و b*). در نهايت مي توان امكان استفاده از سامانه ماشين بينايي توسعه يافته را براي كنترل كيفيت رنگي زعفران و بصورت برخط بيان كرد.