طبقه‌بندی غیرتخریب‌پذیر زعفران با استفاده از تحلیل رنگ و بافت

طبقه‌بندی زعفران بر اساس تکنیک‌های بینایی ماشین و همچنین نظر کارشناسان یک روش عینی و غیر مخرب است که می‌تواند دقت این فرآیند را در کاربردهای واقعی افزایش دهد. کارشناسان در ایران زعفران را بر اساس ویژگی‌های ظاهری به سه دسته پُشال، نگین و سرگل طبقه‌بندی می‌کنند. چهارصد و چهل تصویر رنگی از زعفران برای سه کلاس مختلف با استفاده از دوربین تلفن همراه تهیه شد. بیست و یک ویژگی رنگ و 99 ویژگی بافتی با استفاده از تجزیه و تحلیل تصاویر استخراج شد. بیست و دو طبقه‌بند برای طبقه‌بندی با استفاده از ویژگی‌های ذکر شده به کار گرفته شد. ماشین بردار حمایت و طبقه‌بندهای Ensemble بهتر از سایر طبقه‌بندها بودند. نتایج ما نشان داد که دقت میانگین طبقه‌بندی تا 83.9% با استفاده از ماشین بردار حمایت درجه‌دو و طبقه‌بند تمایز زیر فضای توزیع شد.

Saffron classification based on machine vision techniques as well as the expert’sopinion is an objective and nondestructive method that can increase the accuracy ofthis process in real applications. The experts in Iran classify saffron into three classesPushal, Negin, and Sargol based on apparent characteristics. Four hundred andforty color images from saffron for the three different classes were acquired, usinga mobile phone camera. Twenty-one color features and 99 textural features wereextracted using image analysis. Twenty-two classifiers were employed for classifica-tion using mentioned features. The support vector machine and Ensemble classifierswere better than other classifiers. Our results showed that the mean classificationaccuracy was up to 83.9% using the Quadratic support vector machine and SubspaceDiscriminant classifier