طبقه بندي زعفران با استفاده از ويژگي هاي رنگي استخراج شده از تصوير

طبقه بندي زعفران به عنوان گران ترين ادويه از اهميت بالايي براي مشتريان و تجار برخوردار است. به طور كلي، در حال حاضر دو روش براي درجه بندي زعفران استفاده مي شود. روش اول براساس تجربيات فرد خبره و با مشاهده نمونه ها انجام مي شود. روش دوم تخريبي بوده و با استفاده از متدهاي آزمايشگاهي انجام مي گيرد. طبق نظر متخصصان، استفاده از تكنيك هاي يادگيري ماشين براي طبقه بندي زعفران به دليل داشتن ماهيت غير مخرب و خصوصيات بهنگام، يك هدف است. اين روش همچنين مي تواند باعث افزايش دقت فرآيند درجه بندي در مقياس صنعتي شود. در اين مقاله، يك روش مبتني بر ماشين بينايي ارائه شده است. با توجه به عدم تحقيقات مستند در مورد اين موضوع، جستجوي مشروح جامع در اين كار ارائه مي شود. تقريباً تمام ويژگي هاي رنگ استخراج و در تعداد زيادي از طبقه بندي كننده ها استفاده شد. افراد خبره در ايران زعفران را بر اساس خصوصيات ظاهري به سه طبقه اصلي يعني پوشال، نگين و سرگل طبقه بندي مي كنند. در اين مقاله، يك بانك اطلاعاتي متشكل از 440 تصوير از زعفران براي سه كلاس مختلف با استفاده از دوربين تلفن همراه جمع آوري شد. پس از اعمال تعدادي از مراحل پيش پردازش مانند حذف پس زمينه، بريدن و حذف مناطق ناخواسته تصاوير و غيره ، 21 ويژگي رنگي با استفاده از روش هاي مختلف تحليل تصوير استخراج شد. براي طبقه بندي از 22 طبقه بنديگر استفاده شدند. مقايسه نتايج طبقه بندي كننده هاي مختلف نشان داد كه Linear Discriminant ، Linear SVM، Bagged Trees و RUSBoost Trees مي توانند در هنگام استفاده از ويژگي هاي رنگي، درجه بندي دقيق تري را نسبت به ساير طبقه بندي كننده ها ايجاد كنند. به طور خاص، دراين كار، ميانگين دقت 82.23 درصد با استفاده از طبقه بندي كننده خطي SVM بدست آمد.