پديد آورندگان :
اكبري آدرگاني، بهروز سازمان غذا و دارو، وزارت بهداشت، درمان و آموزش پزشكي تهران - مركز تحقيقات آزمايشگاهي غذا و دارو , محمدزاده مقدم، مرتضي دانشگاه علوم پزشكي گناباد - معاونت غذا و دارو - اداره آزمايشگاه كنترل غذا و دارو , كريمي نوقابي، مهدي دانشگاه علوم پزشكي گناباد - معاونت غذا و دارو - اداره آزمايشگاه كنترل غذا و دارو , محمدپور، مجتبي مجتمع آموزش عالي گناباد - گروه مهندسي برق و كامپيوتر , خليليان موحد، محمد دانشگاه فردوسي مشهد
چكيده فارسي :
زعفران يكي از گرانترين ادويه هاي جهان محسوب ميشود. زعفران ادويه اي كه بسيار مورد تقلب قرار مي گيرد. توسعه تكنيك هاي مبتني بر ابزار ساده، ارزان قيمت، مناسب و سريع در صنايع غذايي جهت تشخيص تقلّباتي همچون تقلّبات زعفران ضروري است. در پژوهش حاضر، تركيب پردازش تصوير و روش ماشين بردار پشتيبان (SVM) براي ارزيابي سريع و غير مخرّب تشخيص زعفران واقعي از زعفران تقلبي به كار رفته است. پس از تهيه تصاوير از توده زعفران خالص و تقلّبي و كلاله هاي مجزا، تصاوير وارد مراحل پيش پردازش شدند و در نهايت، ويژگي هاي آماري مرتبط با بافت تصاوير و ويژگيهاي مورفولوژي شامل 105 ويژگي استخراج شدند. به منظور افزايش سرعت و دقت طبقه بندي، از روش آناليز مؤلفه هاي اصلي PCA براي كاهش ابعاد ماتريس ويژگي استفاده شد. همچنين طبقه بندي تصاوير به كمك توابع كرنل مختلف SVM ،به صورت دو كلاس انجام شد. سپس شاخص هاي آماري نظير دقت، صحت، حساسيّت، اختصاصي بودن و سطح زير منحني به منظور ارزيابي طبقه بند محاسبه شدند كه مقادير اين شاخصها براي طبقه بندي با كرنل كوبيك SVM براي تشخيص زعفران تقلبي از زعفران واقعي به ترتيب 97، 93، 83، 5/97و 97 درصد بدست آمد. نتايج حاصل از اين طبقه بندي نشان داد كه اين سيستم به عنوان يك روش هوشمند، سريع، غيرمخرب و دقيق، قابليت تشخيص زعفران واقعي را از تقلبي دارد.
چكيده لاتين :
Saffron is one of the most expensive spices in the world. Saffron is a spice that is widely cheated. The development of techniques based on simple, inexpensive, appropriate and fast tools in the food industry is essential for detecting adulteration such as saffron adulterated. In the present study, the combination of image processing and Support vector machine (SVM) method has been used for fast and non-destructive evaluation of distinguishing authentic saffron from adulterated saffron. After preparing images from pure and counterfeit saffron and separate stigmas, the images entered the pre-processing stages and finally, statistical features related to the texture of the images and morphological features including 105 features were extracted. In order to increase the speed and accuracy of classification, PCA principal component analysis method was used to reduce the properties of the feature matrix. Also, the images were classified into two classes using different SVM kernel functions. Also, the images were classified into two classes using different SVM kernel functions. Then statistical indicators such as accuracy, precision, sensitivity, specificity and AUC were calculated to evaluate the classification. The values of these indices for classification with SVM cubic kernel for authentic saffron were 97, 98, 99, 93 and 97%, and for adulterated saffron, 97, 93, 83, 97.5 and 97% were obtained, respectively. The results of this classification showed that this system, as an intelligent, fast, non-destructive and accurate method, has the ability to distinguish the authentic saffron from adulterated saffron.
